Как Google создает интерактивное визуальное пространство для исследования связанных поисковых запросов

Термины и определения

Additive Weighting / Additive Calculation (Аддитивное взвешивание / Аддитивный расчет)

Ключевой механизм для определения нового связанного запроса путем комбинирования весов и характеристик запросов, связанных с соседними (смежными) панелями в Image Space. Используется для заполнения пространства между существующими панелями.

Back Edge (Обратное ребро)

Механизм обхода тупиковых ситуаций. Если система не может найти связанный запрос для слишком специфичного запроса (например, "raven bird face"), она создает обратную связь к более общему предыдущему запросу (например, "raven bird").

Image Space (Пространство изображений)

Интерактивный пользовательский интерфейс, представляющий визуальное расположение панелей изображений, соответствующих различным поисковым запросам. Пространство может быть бесконечным.

Panel (Панель)

Набор изображений (обычно в виде плитки), представляющий результаты поиска для определенного запроса (исходного или связанного) в рамках Image Space.

Panning (Панорамирование)

Действие пользователя по перемещению видимой области Image Space в направлении x-y. Это действие запускает динамическую генерацию новых связанных запросов.

Related Search Queries (Связанные поисковые запросы)

Запросы, определенные системой как связанные. В патенте разделяются первый набор (first search queries, определяется в начале) и второй набор (second search queries, определяется динамически при навигации).

Search Refinements (Уточнения поиска)

Данные о том, как пользователи ранее изменяли или уточняли исходный запрос в поисковой системе. Используются для определения первого набора связанных запросов.

Zooming (Масштабирование)

Действие пользователя по изменению уровня детализации в направлении z. Приближение позволяет увидеть больше изображений внутри одной панели; отдаление позволяет увидеть больше панелей одновременно.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс создания и навигации в пространстве поиска.

1. Система получает исходный запрос.
2. Определяется первый набор связанных запросов.
3. Получаются результаты (изображения) для исходного и первого набора запросов.
4. Генерируются панели изображений для каждого запроса.
5. Предоставляется Image Space, центрированное на исходном запросе и окруженное панелями связанных запросов.
6. Система получает ввод для просмотра (навигации) по Image Space (например, панорамирование).
7. В ответ на этот ввод система определяет второй набор поисковых запросов, отличающийся от исходного и первого набора.

Ядром изобретения является динамическая генерация новых (вторых) запросов в ответ на навигацию пользователя по интерфейсу.

Claim 9 (Зависимый от 1): Детализирует, как определяется первый набор связанных запросов.

• Определение включает получение информации о запросах, которые ранее предоставлялись поисковой системе как уточнения (refinements) к исходному поисковому запросу.

Claim 5 (Зависимый от 1): Детализирует механизм определения второго набора запросов во время навигации.

1. Идентифицируются смежные (соседние) панели изображений в Image Space.
2. Применяется аддитивное взвешивание (additively weighting) поисковых запросов, которые связаны с этими смежными панелями.

Это ключевой механизм, позволяющий системе заполнять пространство между существующими концепциями, находя запросы, релевантные сразу нескольким соседям.

Claim 3 (Зависимый от 2): Описывает механизм предотвращения повторов.

• Система хранит информацию, идентифицирующую запросы, которые уже были показаны. Изображения, связанные с этими запросами, не предоставляются повторно в Image Space.

Claim 6 и 7 (Зависимые от 1): Описывают механизмы обработки тупиковых ситуаций (dead ends).

• Claim 6: Если второй запрос не может быть определен, генерируется обратное ребро (back edge) к предыдущему поисковому запросу (откат к более общему запросу).
• Claim 7: Система может разделить ключевые слова предыдущего запроса на части и выполнить поиск связанных запросов для этих частей.

Где и как применяется

Изобретение применяется в интерфейсе поисковой системы для визуального контента (изображения, видео) и затрагивает этапы понимания запросов и представления результатов.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения патента. Related-Query Engine активно используется для:

• Генерации первого набора связанных запросов на основе анализа истории уточнений (search refinements).
• Динамической генерации второго набора связанных запросов в реальном времени с использованием Additive Weighting смежных концепций.
• Анализа структуры запросов для реализации механизмов Back Edge и разделения ключевых слов.

RANKING – Ранжирование
Система использует стандартный движок поиска по изображениям для получения результатов по каждому из сгенерированных запросов. Патент не изменяет сам процесс ранжирования внутри этих наборов.

METASEARCH – Метапоиск и Смешивание (Уровень Представления / UI Layer)
Интерфейс Image Space по сути является формой визуализации метапоиска. Он объединяет и представляет результаты множества различных (хотя и связанных) запросов в едином интерактивном пространстве.

Входные данные:

• Исходный поисковый запрос.
• Данные о связях между запросами (логи уточнений поиска).
• Ввод пользователя для навигации (панорамирование, масштабирование).
• Результаты поиска (изображения) от движка Image Search.

Выходные данные:

• Интерактивный интерфейс Image Space, отображающий панели результатов в пространственном расположении.
• Динамически обновляемый набор панелей в ответ на навигацию.

На что влияет

• Конкретные типы контента: В первую очередь влияет на поиск по изображениям. В патенте также упоминается применимость к другим визуально-ориентированным данным (видео, обложки книг, альбомов) и даже к текстовым документам и аудио.
• Специфические запросы: Наибольшее влияние оказывается на исследовательские (exploratory) запросы, где пользователь не ищет конкретное изображение, а просматривает концепции или ищет вдохновение (например, "идеи дизайна кухни", "породы собак").

Когда применяется

• Условия работы: Алгоритм применяется в интерфейсах визуального поиска.
• Триггеры активации: Первичное построение Image Space активируется при выполнении поиска. Динамическая генерация второго набора запросов активируется в момент, когда пользователь выполняет панорамирование и на экране появляются новые пустые области, требующие заполнения.

Пошаговый алгоритм

Этап 1: Инициализация Image Space

1. Получение запроса: Система получает исходный поисковый запрос.
2. Анализ связанных запросов (Первый набор): Система определяет первый набор связанных запросов, основываясь на исторических данных об уточнениях поиска (search refinements).
3. Определение расположения: Наиболее сильно связанные запросы размещаются в кардинальных направлениях (вверх, вниз, влево, вправо) от исходного запроса.
4. Аддитивный расчет (Заполнение углов): Для заполнения пространства между кардинальными запросами (например, углов) система использует Additive Weighting, находя запросы, которые связаны с несколькими соседними запросами.
5. Получение результатов и Генерация панелей: Все запросы отправляются в движок поиска. Полученные результаты формируются в виде панелей изображений.
6. Предоставление интерфейса: Image Space отображается пользователю с панелью исходного запроса в центре.

Этап 2: Навигация и Динамическое расширение

1. Получение ввода пользователя: Система получает ввод для навигации (например, панорамирование).
2. Обновление видимой области: Интерфейс смещается, и на экране появляются новые пустые области.
3. Идентификация соседей (Seeds): Система идентифицирует запросы панелей, которые соседствуют с пустыми областями.
4. Аддитивное взвешивание (Генерация второго набора): Система вычисляет новые (вторые) связанные запросы для заполнения пустых областей, используя Additive Weighting запросов соседних панелей.
5. Фильтрация и обработка тупиков (Fallback):
   • Система проверяет, не были ли уже показаны найденные запросы (избегание повторов, Claim 3).
   • Если результаты не найдены, система может использовать Back Edge (Claim 6) или разделить ключевые слова (Claim 7).
6. Получение результатов и обновление: Новые запросы отправляются в поисковый движок, генерируются новые панели, и Image Space обновляется.

Какие данные и как использует

Данные на входе

Патент опирается на данные, полученные от базовой поисковой системы и анализа поведения пользователей.

• Поведенческие факторы: Критически важные данные. Патент явно указывает на использование данных о предыдущих поисковых сессиях и уточнениях запросов (search refinements) для определения первого набора связанных запросов (Claim 9).
• Контентные факторы: Метаданные изображений (подписи, ключевые слова, описания) используются базовым движком поиска по изображениям (image meta search) для получения релевантных результатов по каждому сгенерированному запросу.
• Пользовательские факторы: Ввод пользователя в реальном времени (панорамирование, масштабирование) используется для управления интерфейсом и запуска генерации второго набора запросов.

Какие метрики используются и как они считаются

• Веса связей между запросами (Query Relationship Weights): Метрики, определяющие силу связи между запросами. Используются для выбора наиболее релевантных связанных запросов. Вероятно, рассчитываются на основе частоты совместного использования или уточнений в логах поиска.
• Аддитивное взвешивание (Additive Weighting): Метод расчета для определения нового запроса на основе комбинации соседних. Система ищет запрос, который имеет наибольший совокупный вес по отношению ко всем соседям (смежным панелям).
• Ранжирование релевантности (Relevancy Ranking): Стандартные оценки ранжирования, используемые движком поиска по изображениям для сортировки изображений внутри каждой панели.

1. Пространственная и аддитивная связь запросов: Ключевой вывод заключается в том, что Google интерпретирует отношения между запросами не только линейно (как уточнение или синоним), но и пространственно. Концепции могут быть "смежными", и новые концепции могут возникать на пересечении существующих путем аддитивного комбинирования (Additive Weighting).
2. Важность данных об уточнении запросов (Search Refinements): Механизм построения начального Image Space (первый набор запросов) сильно зависит от того, как пользователи исторически уточняли свои запросы. Понимание этих путей критично для SEO.
3. Ориентация на непрерывное исследование: Система разработана для обеспечения непрерывного исследования тем. Она активно борется с тупиками и повторами с помощью механизмов отката (Back Edge, разделение ключевых слов) и фильтрации просмотренных запросов.
4. Фокус на UI/UX визуального поиска: Это патент об интерфейсе, демонстрирующий стремление улучшить пользовательский опыт в поиске по картинкам, делая его более интерактивным и исследовательским.
5. Тематическая широта важнее узкой специфичности: Для того чтобы контент (изображения) чаще появлялся в этом пространстве, он должен быть релевантен не только узкому запросу, но и широкому кластеру смежных и пересекающихся тем.

Best practices (это мы делаем)

• Оптимизация изображений под тематические кластеры и уточнения: Необходимо анализировать пути уточнения запросов (search refinements) в вашей нише. Оптимизируйте визуальный контент не под отдельные ключевые слова, а под кластеры, включающие эти уточнения. Это повышает шансы появиться в первом наборе связанных панелей.
• Создание контента для пересечений тем (Аддитивная релевантность): Определите смежные темы в вашей области и создавайте контент, который охватывает их пересечения. Это соответствует механизму Additive Weighting. Например, если вы охватываете "Котята" и "Обои", убедитесь, что у вас есть оптимизированные изображения для "Обои с котятами".
• Анализ смежности запросов (Adjacent Queries): Изучайте, какие темы Google считает смежными для ваших основных запросов. Убедитесь, что ваши изображения релевантны этим смежным запросам, чтобы увеличить охват во время сессии исследования пользователя.
• Улучшение метаданных и контекста изображений: Предоставляйте богатый контекст для изображений (alt-текст, подписи, окружающий текст, структурированные данные), чтобы помочь Google четко понять тематику изображения и его связь с различными связанными концепциями.

Worst practices (это делать не надо)

• Оптимизация только под гиперспецифичные запросы: Фокусировка исключительно на узкоспециализированных запросах может привести к концептуальным тупикам (dead ends). Если запрос не имеет сильных связей с другими темами, он будет изолирован в Image Space.
• Игнорирование смежных тем и создание тематических "островов": Создание контента, который семантически слабо связан с другими темами, снижает вероятность его обнаружения через механизмы исследования смежных результатов.
• Слабые или спамные метаданные изображений: Использование нерелевантных ключевых слов в метаданных изображений в попытке охватить смежные темы без реального соответствия контента не будет эффективным, так как система полагается на базовый движок ранжирования для заполнения панелей.

Стратегическое значение

Патент подтверждает стратегическую важность понимания графа взаимосвязей запросов для SEO, особенно в визуальном поиске. Тематический авторитет (Topical Authority) позволяет вашему контенту появляться в более широкой области этого концептуального Image Space. Понимание того, как Google использует исторические уточнения и аддитивное взвешивание для соединения концепций, должно лежать в основе стратегии создания контента и оптимизации изображений, направленной на охват не только основных тем, но и их пересечений.

Практические примеры

Сценарий: Оптимизация изображений для сайта по дизайну интерьера

1. Исходный запрос: Пользователь ищет "Скандинавский стиль гостиной". Это центральная панель.
2. Анализ уточнений (Первый набор): SEO-специалист определяет, что частыми уточнениями (смежными панелями) являются "Минимализм в интерьере" и "Серый диван".
3. Анализ пересечений (Второй набор - Additive Weighting): Специалист определяет пересечения для динамической генерации:
   • "Скандинавский стиль" + "Серый диван" = "Серый диван в скандинавской гостиной".
   • "Скандинавский стиль" + "Минимализм" = "Минималистичная скандинавская гостиная".
4. Действия по оптимизации: Создаются изображения, релевантные этим пересечениям. Изображение серого дивана оптимизируется (alt-текст, контекст на странице) так, чтобы оно было релевантно как общему запросу "Серый диван", так и специфическому "Серый диван в скандинавской гостиной".
5. Результат: Когда пользователь начинает панорамировать пространство от исходного запроса в сторону "Серый диван", система генерирует промежуточные панели (используя Additive Weighting), где изображения сайта имеют высокие шансы появиться благодаря оптимизации под пересечение тем.