SEO HARDCORE
  • Разборы патентов
    • Патенты Google
  • Скоро SEO инструменты
  • Скоро SEO аналитика
  • seohardcore
SEO HARDCORE
назад

Как Google группирует персонализированный контент друзей под основным результатом при поиске названия социальной сети

PRESENTING SOCIAL SEARCH RESULTS (Представление результатов социального поиска)
  • US8886643B2
  • Google LLC
  • 2010-12-01
  • 2014-11-11
  • SERP
  • Персонализация
  • Описание
  • Разбор
  • Выводы
  • Практика
  • FAQ
  • Похожие

Google определяет, когда пользователь ищет социальную сеть по названию. В ответ система находит главный результат этой соцсети и группирует рядом с ним релевантный контент (профили, недавние посты), созданный контактами пользователя на этой же платформе. Это механизм форматирования выдачи, объединяющий общий и персонализированный социальный поиск.

Описание

Какую проблему решает

Патент решает задачу улучшения пользовательского опыта (UX) при выполнении навигационных запросов, связанных с социальными сетями. Система предполагает, что пользователь, ищущий конкретную социальную сеть по названию, заинтересован не только в переходе на главную страницу, но и в актуальном контенте, созданном его контактами (Social Affinity Group) на этой платформе. Изобретение обеспечивает быстрый доступ к этому персонализированному контенту прямо на странице результатов поиска (SERP), группируя его с основным результатом.

Что запатентовано

Запатентован метод форматирования и представления поисковой выдачи. Когда система определяет, что запрос пользователя относится к конкретной социальной сети (например, содержит её название), она идентифицирует главный результат для этой сети и результаты социального поиска (контент, связанный с Social Affinity Group пользователя на этой же сети). Затем система форматирует выдачу так, чтобы эти результаты отображались в непосредственной близости (in proximity) друг к другу.

Как это работает

Механизм работает в несколько этапов:

  • Идентификация запроса: Компонент Social Network Site Identifier определяет, ссылается ли запрос на известный сайт социальной сети (например, сравнивая слова запроса со списком названий).
  • Социальный поиск: Система получает результаты, включая те, что связаны с Social Affinity Group пользователя на этом сайте.
  • Идентификация результатов: Выделяются основной результат для сайта и социальные результаты (профили, посты друзей) на этом же сайте.
  • Форматирование и вывод: Компонент Output Packager форматирует выдачу, размещая социальные результаты в непосредственной близости к основному. Это может быть реализовано как вложенный список (nested under) или в одну строку (in line). Применяются фильтры свежести контента.

Актуальность для SEO

Низкая. Патент подан в 2010 году и отражает стратегии эпохи Google+ и активной интеграции социального поиска. Описанный механизм сильно зависел от способности Google индексировать личные социальные связи и контент. С закрытием Google+ и изменением подходов к приватности и доступу к данным сторонних социальных сетей (Walled Gardens), прямая реализация этого патента в описанном виде маловероятна в 2025 году.

Важность для SEO

(2/10). Влияние на современные SEO-стратегии минимальное. Это преимущественно патент, описывающий пользовательский интерфейс (UI/UX) и способ представления результатов (Presentation Layer) для узкого круга навигационных запросов. Он не описывает алгоритмы ранжирования. Механизм зависит от личных связей пользователя (Social Affinity Group), на которые SEO-специалисты повлиять не могут.

Детальный разбор

Термины и определения

General Search Results (Общие результаты поиска)
Стандартные результаты поиска, релевантные запросу, без учета социальных связей пользователя.
Output Packager (Упаковщик вывода)
Компонент поисковой системы, отвечающий за финальное упорядочивание и форматирование результатов поиска перед отправкой пользователю. Именно он размещает социальные результаты вблизи основного результата.
Social Affinity Group (Группа социальной близости)
Круг общения пользователя. Группа людей, с которыми у пользователя есть отношения, известные поисковой системе (друзья, контакты в адресной книге, подписчики, коллеги, косвенные связи).
Social Network Site Data Source (Источник данных о социальных сетях)
База данных или структура (например, whitelist), содержащая названия известных социальных сетей, их аббревиатуры и частые опечатки.
Social Network Site Identifier (Идентификатор социальных сетей)
Компонент системы, который определяет, соответствует ли поисковый запрос известной социальной сети, используя Social Network Site Data Source или анализ исторической активности.
Social Search Engine (Движок социального поиска)
Поисковая система, способная идентифицировать ресурсы, представляющие социальный интерес для пользователя, основываясь на его Social Affinity Group.
Threshold Age (Пороговый возраст)
Максимально допустимый возраст контента (например, поста), после которого он считается устаревшим и может быть отфильтрован.
User Post (Пост пользователя)
Ресурс, созданный пользователем на социальной платформе (запись в блоге, микро-блоге, обновление статуса).
User Profile (Профиль пользователя)
Основная страница пользователя на сайте социальной сети.
In Proximity (В непосредственной близости)
Способ представления, при котором социальный результат отображается рядом с основным результатом. Включает форматы nested under (вложенный) и in line (на одной линии).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод представления социальных результатов.

  1. Система получает запрос от пользователя.
  2. Система идентифицирует членов Social Affinity Group пользователя.
  3. Система получает результаты поиска, включая социальные.
  4. Система идентифицирует слова в запросе.
  5. Система сравнивает эти слова со списком названий социальных сетей (social network names).
  6. На основе сравнения определяется, что слово в запросе соответствует названию конкретной социальной сети.
  7. В ответ на это определение (Триггер):
    1. Идентифицируется первый результат поиска (А), который ссылается на эту конкретную социальную сеть.
    2. Идентифицируется второй результат поиска (Б), который ссылается на ресурс, находящийся НА этой социальной сети И связанный с членом Social Affinity Group.
    3. Генерируется ответ, содержащий инструкции для представления результата А и результата Б in proximity.

Ядро изобретения — это условное форматирование SERP. Триггером служит определение того, что пользователь ищет конкретную социальную сеть. Действием является реорганизация выдачи для группировки персонализированного социального контента с основной ссылкой.

Claim 3 и 4 (Зависимые): Уточняют способы представления.

  • Представление второго результата может быть вложено под первый (nested under) (Claim 3).
  • Представление второго результата может быть на одной линии с первым (in line with) (Claim 4).

Claim 6, 7 и 8 (Зависимые): Уточняют типы контента и его свойства.

  • Второй результат может ссылаться на User Profile (Claim 6) или User Post (Claim 8).
  • Если это пост, он должен быть более свежим, чем пороговое значение возраста (threshold age) (Claim 7).

Claims 12, 13, 14 (Зависимые): Уточняют характер связи ресурса с членом Social Affinity Group.

  • Член группы мог одобрить (endorsed), опубликовать (published) или поделиться (shared) ресурсом.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, фокусируясь на понимании запроса и финальном представлении результатов.

INDEXING – Индексирование и извлечение признаков
Система должна иметь доступ к контенту социальных сетей (профили, посты) и данным о социальных связях пользователей (Social Affinity Group). Ресурсы индексируются и аннотируются (автор, дата, тип).

QUNDERSTANDING – Понимание Запросов
Ключевой этап активации. Компонент Social Network Site Identifier анализирует запрос в реальном времени, сравнивая термины запроса со списком известных социальных сетей (Social Network Site Data Source). Если найдено совпадение, система определяет интент как поиск социальной сети.

RANKING – Ранжирование
Social Search Engine выполняет поиск и ранжирование общих и социальных результатов. В патенте упоминается возможность агрессивного повышения (boosting) социальных результатов, чтобы гарантировать их появление в топе перед форматированием.

METASEARCH / RERANKING (Презентационный слой)
Основное применение патента. Компонент Output Packager обрабатывает результаты:

  1. Идентифицирует главный результат для искомой социальной сети.
  2. Отбирает лучшие социальные результаты, относящиеся к этой же сети.
  3. Применяет фильтры (свежесть, количество).
  4. Форматирует выдачу, размещая отобранные социальные результаты в непосредственной близости к главному результату.

Входные данные:

  • Запрос пользователя.
  • Идентификатор пользователя и данные о его Social Affinity Group.
  • Social Network Site Data Source (список социальных сетей).
  • Индекс, содержащий общие и социальные ресурсы.

Выходные данные:

  • Отформатированная страница результатов поиска (SERP), где основной результат социальной сети дополнен сгруппированными персонализированными социальными результатами.

На что влияет

  • Специфические запросы: Влияет исключительно на навигационные и брендовые запросы, которые система идентифицирует как поиск конкретной социальной сети (например, «Facebook», «LinkedIn»).
  • Конкретные типы контента: Влияет на отображение профилей пользователей (User Profiles) и постов пользователей (User Posts) из социальных сетей в результатах поиска Google.
  • Персонализация: Влияет только на пользователей, которые вошли в систему и для которых доступна информация об их Social Affinity Group.

Когда применяется

  • Триггеры активации: Алгоритм активируется только тогда, когда система определяет, что запрос пользователя относится к социальной сети (как указано в Claim 1).
  • Условия применения: Применяется только если у пользователя есть активная Social Affinity Group и в индексе присутствуют релевантные социальные результаты, связанные с этой группой и искомой социальной сетью.
  • Пороговые значения: Упоминаются пороги для максимального количества отображаемых социальных результатов (например, 4 профиля, 2 поста) и пороги свежести (threshold age) для постов (например, от 1 до 7 дней).

Пошаговый алгоритм

  1. Получение запроса и идентификация пользователя: Система получает запрос и идентифицирует пользователя (если он залогинен через Login Service) для определения его Social Affinity Group.
  2. Анализ запроса (Триггер): Компонент Social Network Site Identifier сравнивает слова в запросе со списком известных социальных сетей (Social Network Site Data Source).
    • Если совпадение НЕ найдено: Предоставить стандартные результаты поиска.
    • Если совпадение найдено: Определить целевую социальную сеть и перейти к шагу 3.
  3. Генерация запросов на поиск: Система формирует и отправляет запрос(ы) в Social Search Engine для получения общих и социальных результатов.
  4. Получение и первичное ранжирование: Система получает наборы результатов. Социальные результаты могут получить повышение (boost) в ранжировании, чтобы гарантировать их нахождение в топе.
  5. Идентификация основного результата: Компонент Output Packager идентифицирует первый (основной) результат поиска, ссылающийся на целевую социальную сеть.
  6. Идентификация и фильтрация социальных результатов: Output Packager идентифицирует социальные результаты на той же сети, связанные с Social Affinity Group пользователя. Применяются фильтры:
    • Фильтрация по типу (User Profiles vs User Posts).
    • Фильтрация по свежести (исключая посты старше threshold age).
    • Фильтрация по количеству (ограничение максимального числа).
  7. Форматирование вывода: Output Packager генерирует инструкции для представления результатов. Отобранные социальные результаты размещаются в непосредственной близости к основному результату (например, профили — in line, посты — nested under).
  8. Дедупликация: Общие результаты проверяются на дублирование с размещенными социальными результатами; дубликаты удаляются из общего списка.
  9. Предоставление результатов: Отформатированный набор результатов отправляется пользователю.

Какие данные и как использует

Данные на входе

  • Пользовательские факторы: Критически важные данные. Используется идентификатор пользователя для доступа к его Social Affinity Group (данные о связях, контактах, подписках).
  • Контентные факторы: Анализируется контент ресурсов для определения их типа (User Profile или User Post). Профили могут идентифицироваться по наличию стандартных фраз или структурированных данных.
  • Временные факторы: Дата создания или публикации User Post используется для фильтрации по свежести.
  • Технические факторы: URL ресурсов используется для определения принадлежности к целевой социальной сети и иногда для идентификации типа ресурса (например, по структуре URL).
  • Системные данные: Social Network Site Data Source (белый список социальных сетей).
  • Поведенческие факторы (для офлайн-процессов): Исторические данные о поведении пользователей могут использоваться для офлайн-идентификации сайтов как социальных сетей и пополнения whitelist.

Какие метрики используются и как они считаются

  • Совпадение запроса с социальной сетью: Метрика, рассчитываемая путем сравнения терминов запроса с whitelist.
  • Threshold Age (Пороговый возраст): Максимально допустимый возраст для User Post. Может варьироваться в зависимости от типа поста или степени близости (affinity) между пользователем и автором поста.
  • Максимальное количество результатов: Пороги для ограничения количества отображаемых User Profiles и User Posts в блоке.
  • Ranking Score (Оценка ранжирования): Стандартная оценка релевантности. Может быть скорректирована (boosted) для социальных результатов, чтобы обеспечить их высокое положение перед этапом форматирования.

Выводы

  1. Узкая специализация на брендовых/навигационных запросах: Механизм активируется только тогда, когда система уверена, что пользователь ищет конкретную социальную сеть (Claim 1). Это не система ранжирования общего контента на основе социальных сигналов.
  2. Фокус на UI/UX и представлении: Патент описывает создание специфического SERP-feature (похожего на расширенный сниппет с динамическим персонализированным контентом), а не алгоритм ранжирования. Он решает, как сгруппировать уже найденные результаты на уровне Presentation Layer.
  3. Персонализация как ключевой фактор: Весь механизм зависит от знания Social Affinity Group пользователя. Для анонимных пользователей он не работает.
  4. Дифференциация социального контента: Система различает типы контента (Профили и Посты) и применяет к ним разные правила отображения (in line vs nested) и фильтрации.
  5. Важность свежести: Система явно учитывает возраст постов (threshold age), предпочитая недавний контент, что подчеркивает эфемерную природу социального контента.
  6. Низкая актуальность из-за зависимости от данных: Механизм отражает стратегию эпохи Google+. В современных реалиях (2025 год), где доступ к данным социальных сетей ограничен, этот патент имеет минимальное практическое значение для SEO.

Практика

Best practices (это мы делаем)

Патент носит инфраструктурный и UX-ориентированный характер. Прямых рекомендаций для стандартных SEO-стратегий он практически не дает, но имеет значение для SMO (Social Media Optimization) и ORM.

  • Активное ведение социальных сетей (SMO): Для брендов и авторов важно поддерживать активность на ключевых платформах. Публичный контент из социальных сетей может быть напрямую интегрирован в Google SERP и показан пользователям, которые связаны с вашим брендом (находятся в их Social Affinity Group).
  • Публикация актуального контента: Поскольку система применяет фильтр threshold age, регулярная публикация свежих постов критически важна для попадания в этот блок персонализированных результатов. Старый контент будет отфильтрован.
  • Обеспечение индексируемости профилей: Для персонального брендинга и ORM важно, чтобы публичные профили были открыты для индексации. Это необходимое условие для их появления в сгруппированном блоке, когда кто-то из контактов ищет соответствующую социальную сеть.
  • (Для владельцев социальных платформ): Убедитесь, что публичные профили и посты технически доступны для сканирования. Использование логичной структуры URL помогает поисковым системам правильно классифицировать контент (профиль или пост).

Worst practices (это делать не надо)

  • Попытки манипулировать Social Affinity Group: Создание фейковых социальных связей или использование серых методов для попадания в круг общения пользователя неэффективно, рискованно и не является устойчивой стратегией.
  • Ожидание трафика из этого механизма для обычных сайтов: Не стоит рассчитывать на этот механизм, если ваш сайт не является социальной сетью. Он активируется только при поиске брендов социальных платформ.
  • Игнорирование настроек приватности: Размещение приватного контента в открытом доступе в надежде на получение трафика через этот механизм может привести к нарушению правил платформ и законодательства о персональных данных.

Стратегическое значение

Стратегическое значение этого патента для современного SEO невелико. Он интересен как исторический артефакт эпохи Google+, демонстрирующий попытки Google глубоко интегрировать персонализированные социальные данные в поиск. Он подтверждает способность Google идентифицировать различные типы контента на сторонних платформах и применять к ним различную логику отображения. Однако, учитывая снижение фокуса Google на персонализированном социальном поиске, этот конкретный механизм не должен влиять на долгосрочную SEO-стратегию.

Практические примеры

Практических примеров применения для SEO в 2025 году мало, так как функциональность редко встречается в текущей выдаче. Приведем гипотетический пример работы механизма.

Сценарий: Персонализированная выдача при поиске LinkedIn

  1. Пользователь: Иван, залогиненный в аккаунт Google и имеющий контакты на LinkedIn.
  2. Запрос: Иван вводит «LinkedIn».
  3. Обработка: Social Network Site Identifier определяет, что «LinkedIn» — это социальная сеть. Система активирует механизм.
  4. Поиск: Находятся главный результат (linkedin.com) и социальные результаты (контакты Ивана на LinkedIn).
  5. Форматирование (Output Packager):
    • Основной результат: Ссылка на LinkedIn.com.
    • In-line результаты (User Profiles): Ссылки на профили 4 его ближайших контактов.
    • Nested результаты (User Posts): Ссылки на 2 недавних поста (за последние 3 дня) от его контактов.
  6. Результат: Иван видит расширенный сниппет для LinkedIn, включающий прямые ссылки на профили коллег и их актуальные посты.

Вопросы и ответы

Описывает ли этот патент, как социальные сигналы влияют на ранжирование?

Нет. Этот патент фокусируется исключительно на представлении (UI/UX) уже найденных и персонализированных социальных результатов при поиске бренда социальной сети. Он описывает, как сгруппировать результаты, а не как их ранжировать изначально. Он не касается того, как Google использует социальные сигналы для ранжирования общего веб-контента.

Актуален ли этот патент в 2025 году после закрытия Google+?

Актуальность низкая. Патент был разработан в контексте глубокой интеграции социального поиска, характерной для эпохи Google+. Без Google+ и при ограниченном доступе к данным сторонних социальных сетей, применение описанного механизма группировки маловероятно или сильно ограничено в том виде, как описано в патенте.

Что такое Social Affinity Group и как она формируется?

Это круг общения пользователя, известный Google. Он формируется из различных источников с разрешения пользователя: прямые контакты (из профиля, адресной книги, мессенджеров), связи на социальных платформах, косвенные связи (друзья друзей), а также группы (например, коллеги или подписчики на блоги).

Как система определяет, что запрос относится к социальной сети?

Согласно Claim 1 и описанию, компонент Social Network Site Identifier сравнивает слова из запроса со списком известных названий социальных сетей (Social Network Site Data Source или whitelist). Если название бренда или его аббревиатура присутствует в запросе, механизм активируется. Также могут использоваться агрегированные исторические данные о поведении пользователей.

Могу ли я оптимизировать свой сайт, чтобы он появился в этом блоке социальных результатов?

Нет, если ваш сайт не является социальной сетью. Этот механизм предназначен только для ситуаций, когда пользователь ищет социальную платформу, и отображает контент, размещенный на этой платформе. Обычные веб-сайты не участвуют в этом процессе.

Как Google решает, какие социальные результаты показать: профили или посты?

Патент предусматривает оба варианта. Компонент Output Packager классифицирует результаты по типу (User Profile или User Post). В патенте предложен пример, где профили отображаются в одну линию (in line), а посты группируются под основным результатом (nested under). Система также ограничивает общее количество отображаемых результатов.

Влияет ли свежесть контента на этот механизм?

Да, влияет, но только для User Posts. В патенте явно указано использование порога возраста (threshold age) для фильтрации постов. Если пост старше порога (например, 1-7 дней), он не будет показан. Это подчеркивает важность регулярных публикаций для SMO.

Применяется ли этот механизм, если пользователь не вошел в свой аккаунт Google?

Нет. Механизм основан на идентификации Social Affinity Group пользователя. Если пользователь не вошел в систему, Google не может определить его социальные связи и, следовательно, не может найти персонализированные социальные результаты для группировки.

В чем разница между "nested under" и "in line" представлением?

Nested under означает, что социальные результаты отображаются как вложенный список непосредственно под основным результатом, часто с отступом. In line означает, что социальные результаты (например, ссылки на профили друзей) отображаются в той же строке или блоке, что и основной результат, экономя вертикальное пространство.

Какова роль компонента Output Packager в архитектуре поиска?

Output Packager — это компонент, работающий на финальных стадиях поиска (Metasearch или Reranking/Presentation Layer). Его задача — не ранжировать контент, а брать уже отобранные и ранжированные результаты и форматировать их для отображения пользователю, применяя специальную логику представления, например, группируя социальные результаты.

Похожие патенты

Как Google использует Социальный Граф и метрику Affinity для персонализации и ранжирования поиска по картинкам
Google использует социальный граф пользователя для персонализации поиска по картинкам. Система идентифицирует изображения, опубликованные контактами пользователя (друзьями, подписками), и ранжирует их в единой выдаче с общими результатами. Ключевую роль играет метрика Affinity (близость контакта к пользователю), основанная на степени связи и частоте взаимодействий, которая используется для повышения релевантных социальных результатов.
  • US20150169571A1
  • 2015-06-18
  • Персонализация

  • Поведенческие сигналы

  • Мультимедиа

Как Google интегрирует персональный и социальный контент (Email, посты друзей, календарь) в универсальную поисковую выдачу
Google использует этот механизм для глубокой персонализации поиска, интегрируя релевантный контент из личных источников пользователя (Gmail, Drive, Calendar) и от его социальных связей. Система индексирует этот контент с разрешения пользователя, ранжирует его с учетом социальных сигналов (Affinity) и адаптивно отображает в SERP, смешивая с публичными результатами.
  • US20150310100A1
  • 2015-10-29
  • Персонализация

  • Индексация

  • Поведенческие сигналы

Как Google использует социальные связи и действия пользователей для персонализации и аннотирования поисковой выдачи
Google использует механизм для персонализации поисковой выдачи путем добавления аннотаций к результатам, которые связаны с социальными группами пользователя (друзья, коллеги, жители города). Система определяет, как участники этих групп взаимодействовали с контентом (создали, поделились, одобрили), приоритизирует эти действия и добавляет пояснения к сниппетам. Также описаны механизмы агрегации действий и защиты конфиденциальности при показе аннотаций.
  • US10142441B2
  • 2018-11-27
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google использует данные социальных сетей, интересы и членство в сообществах для персонализации и расширения поисковых запросов
Google использует информацию из социальных сетей для персонализации поиска. Система анализирует профиль пользователя, его членство в сообществах (группах по интересам) и даже профили связанных с ним людей. На основе этих данных система может расширять исходный запрос пользователя дополнительными терминами или фокусировать поиск на предпочтительных сайтах, чтобы предоставить результаты, соответствующие контексту и интересам пользователя.
  • US8832132B1
  • 2014-09-09
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google персонализирует выдачу, определяя ваши аккаунты в соцсетях и показывая контент, которым поделились ваши контакты
Google использует механизм для определения других аккаунтов пользователя в социальных сетях (Кандидатные Идентификаторы), даже если они не были связаны явно. Система анализирует совпадение контактов между известным профилем пользователя и потенциальными аккаунтами. Затем результаты поиска персонализируются путем повышения контента, который был создан или аннотирован (например, расшарен) контактами из этих социальных сетей. Система также может запрашивать подтверждение владения аккаунтом прямо в поисковой выдаче.
  • US8972398B1
  • 2015-03-03
  • Персонализация

  • Поведенческие сигналы

Популярные патенты

Как Google персонализирует подсказки Autocomplete, анализируя запросы похожих пользователей и обновляя локальный кэш устройства
Google персонализирует подсказки Autocomplete (Search Suggest), анализируя поведение пользователей со схожими профилями (местоположение, интересы, история поиска). Система генерирует кастомизированное обновление для локального кэша устройства на основе запросов, введенных этими похожими пользователями. Это означает, что разные пользователи видят разные подсказки для одного и того же ввода.
  • US8868592B1
  • 2014-10-21
  • Персонализация

  • Поведенческие сигналы

  • Local SEO

Как Google фильтрует персонализированные предложения запросов на основе контента просматриваемой страницы
Google использует механизм для генерации предложений следующего запроса после того, как пользователь покинул страницу выдачи. Система создает кандидатов на основе истории поиска пользователя, а затем фильтрует их, проверяя релевантность контенту страницы, которую пользователь просматривает в данный момент. Это гарантирует, что предложения соответствуют как интересам пользователя, так и текущему контексту просмотра.
  • US8392435B1
  • 2013-03-05
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google снижает ценность ссылок между аффилированными сайтами для борьбы с линк-схемами
Google использует модификацию алгоритмов расчета качества (типа PageRank), которая учитывает аффилированность между ссылающимися документами. Если система определяет, что сайты связаны (например, принадлежат одному владельцу, находятся в одной сети или имеют схожие паттерны трафика), ценность ссылок между ними агрессивно снижается. Вместо суммирования веса всех ссылок система учитывает только максимальный вклад от аффилированной группы, нейтрализуя эффект линк-ферм и PBN.
  • US7783639B1
  • 2010-08-24
  • Ссылки

  • Антиспам

  • EEAT и качество

Как Google рассчитывает тематический авторитет сайта для кастомизации поиска с помощью Topic-Sensitive PageRank
Патент Google, описывающий механизм кастомизации результатов поиска, инициированного со стороннего сайта (например, Google Custom Search). Система использует «профиль сайта» для повышения результатов, соответствующих его тематике. Ключевая ценность патента — детальное описание расчета тематической авторитетности (Topic Boosts) путем анализа ссылок с эталонных сайтов (Start Sites), что является реализацией Topic-Sensitive PageRank.
  • US7565630B1
  • 2009-07-21
  • Персонализация

  • SERP

  • Ссылки

Как Google использовал специальные токены в запросе (например, «+») для прямой навигации на верифицированные социальные страницы в обход SERP
Google может интерпретировать специальные токены в поисковом запросе (например, «+») как намерение пользователя найти официальную социальную страницу сущности. Если система идентифицирует верифицированный профиль, соответствующий запросу с высокой степенью уверенности, она может перенаправить пользователя прямо на эту страницу, минуя стандартную поисковую выдачу.
  • US9275421B2
  • 2016-03-01
  • Семантика и интент

  • SERP

  • Ссылки

Как Google использует машинное обучение и поведение пользователей для понимания скрытого намерения в коммерческих запросах
Google использует систему машинного обучения для анализа того, какие товары пользователи выбирают после ввода широких или неоднозначных запросов. Изучая скрытые атрибуты (метаданные) этих выбранных товаров, система определяет «скрытое намерение» запроса. Это позволяет автоматически переписывать будущие неоднозначные запросы в структурированный формат, ориентированный на атрибуты товара, а не только на ключевые слова.
  • US20180113919A1
  • 2018-04-26
  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google использует клики по изображениям для определения схожести запросов и картинок (Поведенческая схожесть)
Google анализирует поведение пользователей в поиске по картинкам, чтобы определить схожесть двух запросов (или двух изображений). Если пользователи часто кликают на одни и те же изображения в ответ на разные запросы, эти запросы считаются похожими. Этот механизм (Коллаборативная фильтрация) позволяет находить связи независимо от языка или типа запроса (текст/изображение) и используется для генерации рекомендаций.
  • US8280881B1
  • 2012-10-02
  • Поведенческие сигналы

  • Семантика и интент

  • Мультимедиа

Как Google использует личную историю поиска и профиль интересов для персонализации подсказок Autocomplete
Google персонализирует поисковые подсказки (Autocomplete), используя профиль интересов пользователя, созданный на основе его прошлых запросов и кликов. Система сравнивает тематику потенциальных подсказок с интересами пользователя и повышает в списке те варианты, которые соответствуют его предпочтениям, с учетом актуальности этих интересов.
  • US20140108445A1
  • 2014-04-17
  • Персонализация

  • Поведенческие сигналы

  • Семантика и интент

Как Google использует близость цитирований (ссылок) для кластеризации результатов поиска
Google может группировать результаты поиска, анализируя, как документы ссылаются друг на друга. Система оценивает силу связи между документами, проверяя контекстуальную близость общих цитирований. Ссылки, расположенные в одном предложении (co-citation) или абзаце, имеют значительно больший вес, чем ссылки, просто присутствующие в документе. Это позволяет формировать точные тематические кластеры, отсеивая группы со слабыми связями.
  • US8612411B1
  • 2013-12-17
  • Ссылки

  • SERP

Как Google использует анкорный текст входящих ссылок для определения синонимов и псевдонимов сущностей в Knowledge Graph
Google автоматически определяет синонимы и псевдонимы для сущностей (например, людей, компаний) в своем хранилище фактов (Knowledge Graph). Система анализирует анкорный текст ссылок, ведущих на исходные документы, из которых были извлечены факты о сущности. Это позволяет системе понять, что, например, "Биг Блю" и "IBM" относятся к одной и той же компании.
  • US8738643B1
  • 2014-05-27
  • Knowledge Graph

  • Семантика и интент

  • Ссылки

seohardcore