Как Google стандартизирует и расширяет географическую релевантность сайтов на соседние локации

Термины и определения

Geotoken (Геотокен)

Исходный токен (слово, фраза, адрес, zip-код) в ресурсе или в ссылке на ресурс, который ссылается на географическую локацию.

Semantic Geotoken (Семантический Геотокен)

Стандартизированное (каноническое) представление географической локации. Включает один или несколько специфичных для локации терминов (location-specific terms). Например, "atlanta_ga_us" или "30303_us".

Query Semantic Geotoken (Семантический Геотокен Запроса)

Семантический геотокен, сгенерированный на основе географической ссылки в поисковом запросе пользователя (явной или неявной).

Geographic Relevance Score (Оценка Географической Релевантности)

Метрика, определяющая вероятность того, что ресурс релевантен географической локации, на которую ссылается Geotoken.

On-page Geographic Relevance Score

Оценка релевантности, основанная на анализе контента и структуры самой страницы (позиция и точность геотокенов).

Off-page Geographic Relevance Score

Оценка релевантности, основанная на геотокенах в ссылках на страницу (например, в анкорном тексте).

Confidence Score (Оценка Уверенности)

Итоговая метрика, указывающая на вероятность релевантности ресурса локации, представленной Semantic Geotoken. Является функцией от Geographic Relevance Score и может корректироваться расстоянием (для соседних локаций).

Neighboring Locations (Соседние Локации)

Географические локации, находящиеся в пределах предопределенного расстояния от основной локации, указанной в ресурсе.

Qualified Geotoken (Уточненный Геотокен)

Геотокен, сформированный путем объединения двух отдельных токенов для повышения точности и устранения неоднозначности (например, "Cleveland" + "Ohio").

Boilerplate (Шаблонный контент)

Контент, повторяющийся на многих страницах (футеры, меню, дисклеймеры). Геотокены в таком контенте получают пониженный вес или игнорируются.

Specificity / Precision (Специфичность / Точность)

Уровень детализации географического упоминания. Полный почтовый адрес более специфичен (specific), чем название города.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод управления геотокенами.

1. Система получает Geotoken для ресурса.
2. Система выбирает Semantic Geotoken, используя полученный Geotoken. Выбор основан на Geographic Relevance Score.
3. Вычисляется Confidence Score для Semantic Geotoken. Эта оценка основана, по крайней мере частично, на географическом расстоянии между локацией в семантическом токене и локацией, на которую ссылается исходный Geotoken. (Это шаг валидации, гарантирующий, что стандартизированный токен точно соответствует исходному упоминанию).
4. Система определяет, что Confidence Score превышает пороговое значение (confidence threshold).
5. В ответ на это Semantic Geotoken сохраняется в поисковом индексе с привязкой к ресурсу.
6. Определяются Neighboring Locations в пределах заданного расстояния.
7. Выбираются и сохраняются семантические геотокены для этих соседних локаций с привязкой к тому же ресурсу.

Ядро изобретения — это не просто стандартизация локации, а её условное сохранение (только при высокой уверенности) и обязательное автоматическое расширение релевантности на соседние территории.

Claim 3 (Зависимый): Уточняет расчет Confidence Score.

Confidence Score также основывается на количестве off-page geotokens (например, упоминаний локации в анкорах входящих ссылок), которые включены в ресурсы, ссылающиеся на данный ресурс.

Claim 4 (Зависимый): Уточняет расчет Confidence Score.

Confidence Score также основывается, по крайней мере частично, на позиции (position) исходного Geotoken в ресурсе.

Claim 5 (Зависимый): Описывает процесс использования токенов при обработке запроса.

1. Получение поискового запроса с географической ссылкой.
2. Маппинг этой ссылки на Query Semantic Geotoken.
3. Получение результатов поиска, где ресурс имеет соответствующий Semantic Geotoken в индексе.
4. Предоставление результатов поиска.

Claims 8 и 9 (Зависимые): Описывают правила на основе точности (Specificity).

Система может выбрать Semantic Geotoken, если исходный Geotoken имеет пороговый уровень специфичности (Claim 8). Либо, если специфичность низкая, токен может быть выбран, только если ресурс ссылается на малое (меньше порогового числа) количество разных географических локаций (Claim 9).

Где и как применяется

Изобретение глубоко интегрировано в процессы индексирования и ранжирования, являясь ключевым компонентом обработки локальной релевантности.

INDEXING – Индексирование и извлечение признаков

Основной этап применения патента. Semantic Geotoken Apparatus работает во время индексации:

1. Извлечение признаков (Feature Extraction): Идентификация Geotokens в контенте и анализ их контекста (позиция, точность, шаблонность).
2. Расчет релевантности: Вычисление On-page и Off-page Geographic Relevance Scores.
3. Каноникализация и Расширение: Генерация Semantic Geotokens для основной локации и Neighboring Locations.
4. Расчет уверенности: Вычисление Confidence Scores, включая корректировку по расстоянию для соседей.
5. Индексирование: Сохранение семантических геотокенов и их оценок уверенности в Search Index с привязкой к ресурсу.

QUNDERSTANDING – Понимание Запросов

На этом этапе географический компонент запроса (явный текст или неявное местоположение пользователя, например, по GPS/IP) преобразуется в Query Semantic Geotoken.

RANKING – Ранжирование

1. Retrieval (Отбор кандидатов): Использование Query Semantic Geotoken для быстрого поиска ресурсов в индексе, которые имеют совпадающие семантические геотокены.
2. Scoring (Оценка): Корректировка Result Scores (оценок ранжирования) на основе Confidence Score связанного с ресурсом семантического геотокена.

Входные данные:

• Контент ресурса (текст, структура, метаданные).
• Данные о ссылках на ресурс (анкоры, содержащие Geotokens).
• База данных известных географических локаций и их взаимосвязей (расстояний, канонических названий).
• Поисковый запрос пользователя и его контекст (местоположение устройства).

Выходные данные:

• На этапе индексирования: Набор Semantic Geotokens с Confidence Scores, ассоциированных с ресурсом в индексе.
• На этапе ранжирования: Скорректированные Result Scores для ресурсов, релевантных географическому запросу.

На что влияет

• Конкретные типы контента: Критически влияет на страницы с четкой географической привязкой: страницы локального бизнеса (Local SEO), контактная информация, статьи о местных событиях, обзоры заведений, страницы недвижимости.
• Специфические запросы: Влияет на запросы с явным локальным интентом (например, "ресторан Декейтер") и неявным локальным интентом (например, "ресторан рядом со мной", где локация определяется по данным устройства).
• Конкретные ниши или тематики: Максимальное влияние в локальных услугах, ритейле, недвижимости, туризме.

Когда применяется

• При индексировании: Применяется ко всем ресурсам для выявления и оценки географических сигналов.
• Триггеры активации (Индексирование): Ассоциация Semantic Geotoken с ресурсом происходит только тогда, когда вычисленный Confidence Score превышает установленный порог (confidence threshold).
• Условия точности (Specificity Rules): Система активируется, если Geotoken достаточно точен (например, город+штат) ИЛИ если точность низкая, но на странице упомянуто мало разных локаций.
• При ранжировании: Применяется, когда поисковый запрос содержит ссылку на географическую локацию (явную или неявную).

Пошаговый алгоритм

Процесс А: Индексирование и генерация семантических геотокенов

1. Получение и анализ Geotokens: Система сканирует ресурс и идентифицирует токены, соответствующие известным географическим локациям. Смежные токены могут объединяться в Qualified Geotokens.
2. Оценка контекста и точности: Анализируется позиция токена (заголовок, тег, основной контент, футер), его точность (Specificity) и вероятность нахождения в шаблонном контенте (Boilerplate).
3. Вычисление Geographic Relevance Score: Рассчитываются On-page и Off-page оценки релевантности. Учитываются веса, зависящие от контекста и точности (высокий вес для Title/Tags, низкий для Boilerplate).
4. Выбор основного Semantic Geotoken: Исходный Geotoken преобразуется в стандартизированный Semantic Geotoken.
5. Вычисление Confidence Score: Рассчитывается оценка уверенности на основе Geographic Relevance Score и валидации расстояния между исходным и стандартизированным токеном.
6. Проверка порога уверенности: Система проверяет, превышает ли Confidence Score пороговое значение, и выполняются ли правила специфичности.
   • Если НЕТ: Semantic Geotoken не ассоциируется с ресурсом.
   • Если ДА: Перейти к шагу 7.
7. Сохранение основного токена: Semantic Geotoken и его Confidence Score сохраняются в индексе с привязкой к ресурсу.
8. Определение соседних локаций: Система идентифицирует Neighboring Locations в пределах заданного расстояния от основной локации.
9. Генерация соседних токенов: Создаются семантические геотокены для соседних локаций.
10. Расчет уверенности для соседей (Distance Decay): Confidence Score для соседних токенов корректируется (обычно понижается) пропорционально расстоянию до основной локации.
11. Сохранение соседних токенов: Соседние токены и их скорректированные Confidence Scores сохраняются в индексе с привязкой к тому же ресурсу.

Процесс Б: Обработка запроса и ранжирование

1. Получение запроса: Система получает запрос с географической ссылкой (текст или данные устройства).
2. Генерация Query Semantic Geotoken: Географическая ссылка стандартизируется.
3. Поиск совпадений: Система ищет ресурсы в индексе, которые имеют совпадающий Semantic Geotoken.
4. Получение результатов и оценок: Извлекаются ресурсы-кандидаты и их базовые Result Scores, а также Confidence Scores их семантических геотокенов.
5. Корректировка ранжирования: Result Scores корректируются на основе Confidence Scores. Ресурсы с более высокой уверенностью в географической релевантности (например, точное совпадение локации или близкий сосед) получают повышение.
6. Предоставление результатов: Формируется поисковая выдача на основе скорректированных оценок.

Какие данные и как использует

Данные на входе

Система анализирует множество факторов для определения географической релевантности:

• Контентные факторы: Текст на странице, содержащий названия локаций, адреса, почтовые индексы.
• Структурные факторы: Расположение Geotokens критически важно для определения веса (Prominence):
  • Заголовки (Title/H1): Упоминания здесь имеют больший вес. Вес может быть обратно пропорционален количеству разных локаций в заголовке.
  • Теги/Метаданные: Упоминания в тегах считаются надежным индикатором.
  • Ведущий контент (Leading mentions): Упоминания в начале документа (например, в первом абзаце или байлайне статьи) имеют больший вес.
  • Основной контент: Стандартный вес.
  • Шаблонный контент (Boilerplate): Футеры, меню, дисклеймеры — упоминания здесь игнорируются или получают пониженный вес.
• Ссылочные факторы (Off-page): Упоминание локаций в анкорном тексте входящих ссылок используется для расчета Off-page Geographic Relevance Score.
• Географические факторы: Используется база данных географических объектов для определения расстояний между локациями и каноникализации названий.
• Пользовательские факторы: Местоположение устройства пользователя (IP, GPS) используется для генерации Query Semantic Geotoken при неявных локальных запросах.

Какие метрики используются и как они считаются

• Geographic Relevance Score (On-page/Off-page): Агрегированная оценка, основанная на количестве, размещении (Prominence), точности (Specificity) и контексте Geotokens. Точные формулы не указаны, но описаны принципы взвешивания.
• Confidence Score: Функция от Geographic Relevance Score. Для соседних локаций эта оценка также является функцией расстояния (Distance Decay). Чем дальше соседняя локация, тем ниже Confidence Score.
• Threshold level of specificity (Порог Специфичности): Минимальный уровень точности Geotoken (например, требование указания города и штата) для генерации Semantic Geotoken, если на странице много локаций.
• Confidence Threshold (Порог Уверенности): Минимальный Confidence Score, необходимый для того, чтобы Semantic Geotoken был сохранен в индексе для данного ресурса.

1. Географическая релевантность стандартизируется и расширяется: Google не полагается на текстовые совпадения для локального поиска. Он преобразует все упоминания локаций в канонический формат (Semantic Geotoken) и автоматически расширяет зону релевантности ресурса на соседние территории (Neighboring Locations).
2. Точность упоминания критична (Specificity Matters): Чем точнее указана локация (полный адрес > город+штат > только город), тем выше Geographic Relevance Score. Система может игнорировать ресурс, если упоминание слишком общее, неоднозначное или если на странице слишком много разных локаций.
3. Размещение локации на странице критично (Prominence Matters): Упоминания в заголовках, тегах и начале контента имеют значительно больший вес. Контент в Boilerplate (футеры, меню) пессимизируется. Это напрямую влияет на Confidence Score.
4. Off-page сигналы подтверждают локацию: Упоминания локации в анкорах входящих ссылок (Off-page Geographic Relevance Score) используются для повышения уверенности системы в географической привязке сайта.
5. Релевантность убывает с расстоянием (Distance Decay): При ассоциации соседних локаций система применяет понижающий коэффициент к Confidence Score, пропорциональный расстоянию. Ранжироваться в дальних соседних локациях сложнее, чем в близких.
6. Фильтрация по уверенности: Если система не уверена в географической релевантности ресурса (Confidence Score ниже порога), она не будет ассоциировать Semantic Geotoken с ресурсом, исключая его из соответствующей локальной выдачи.

Best practices (это мы делаем)

• Максимальная точность (Specificity) географических данных: Всегда указывайте полные и точные данные о местоположении (NAP – Name, Address, Phone). Используйте Qualified Geotokens, например, формат "Город, Штат/Регион" вместо просто названия города, чтобы избежать неоднозначности ("Cleveland, Ohio", а не просто "Cleveland"). Это повышает Geographic Relevance Score.
• Стратегическое размещение локационной информации (Prominence): Размещайте ключевую географическую информацию в важных зонах страницы: Title, H1, начало основного контента (первые абзацы) и структурированные данные. Избегайте размещения единственного упоминания локации в футере.
• Создание локализованных посадочных страниц: Для бизнеса с несколькими филиалами создавайте отдельные страницы для каждого филиала с уникальным контентом и четкими географическими сигналами. Это максимизирует Confidence Score для каждой локации, так как на странице будет мало разных локаций (Claim 9).
• Усиление Off-page локальных сигналов: Стимулируйте получение ссылок с анкорами, включающими название вашей локации (например, "лучший ресторан в Атланте"). Обеспечьте консистентность NAP в локальных каталогах и цитатах. Это повышает Off-page Geographic Relevance Score.
• Оптимизация под соседние локации (неявно): Сосредоточьтесь на качестве и релевантности для вашей основной локации. Если Confidence Score высок, система автоматически расширит вашу видимость на Neighboring Locations благодаря описанному механизму.

Worst practices (это делать не надо)

• Неоднозначные упоминания локаций: Использование только названия города без уточняющих данных, особенно если название распространено. Это снижает точность и может привести к тому, что Confidence Score не превысит порог.
• Скрытие локации в Boilerplate: Полагаться только на адрес в футере или в сквозном блоке "Контакты". Система может классифицировать это как Boilerplate и присвоить этим упоминаниям низкий вес.
• Перечисление множества локаций на одной странице (Doorway Pages): Создание страниц, оптимизированных под список городов или индексов без реальной привязки. Патент указывает, что упоминание слишком большого числа разных локаций при низкой точности может привести к игнорированию всех Geotokens (Claim 9).
• Игнорирование консистентности Off-page данных: Наличие противоречивой информации об адресе во внешних источниках и отсутствие локальных ссылок снижает Off-page Geographic Relevance Score.

Стратегическое значение

Этот патент подчеркивает, что географическая релевантность — это не бинарное состояние (релевантен/не релевантен), а взвешенная оценка (Confidence Score), основанная на точности, контексте и расстоянии. Он подтверждает стратегию построения сильных, однозначных сигналов для основной локации как лучшего способа достижения видимости как в ней самой, так и в соседних областях. Система автоматизирует процесс, который SEO-специалисты раньше пытались делать вручную (упоминая соседние города), но делает это более sophisticated способом, применяя "штраф за расстояние" (Distance Decay).

Практические примеры

Сценарий: Расширение зоны видимости локального бизнеса

Бизнес: Ремонт ноутбуков, физически расположенный в Сомервилле, Нью-Джерси (Somerville, NJ).

1. Действие: SEO-специалист оптимизирует главную страницу, указывая полный адрес в Сомервилле в микроразметке, в Title ("Ремонт ноутбуков в Сомервилле, NJ") и в первом абзаце текста. Также получены ссылки с локальных сайтов с анкором "Somerville NJ laptop repair".
2. Обработка Google (Индексирование):
   • Система идентифицирует точные (High Specificity) и высоко расположенные (High Prominence) Geotokens.
   • Geographic Relevance Score (On-page и Off-page) высок.
   • Генерируется Semantic Geotoken: "somerville_nj_us". Confidence Score высокий (например, 0.9).
   • Система определяет соседние локации, например, Раритан (Raritan, NJ) в 3 км.
   • Генерируется соседний токен: "raritan_nj_us". Confidence Score корректируется с учетом расстояния (например, 0.7).
   • Сайт индексируется с обоими токенами.
3. Обработка Google (Запрос): Пользователь в Раритане ищет "ремонт ноутбуков".
   • Система генерирует Query Semantic Geotoken: "raritan_nj_us" (на основе локации пользователя или текста запроса).
   • Сайт из Сомервилля находится, так как он проиндексирован с токеном "raritan_nj_us".
4. Результат: Сайт ранжируется в выдаче для Раритана (позиция зависит от его Confidence Score 0.7 и конкуренции), хотя физически находится в Сомервилле и может не упоминать Раритан на странице.