Как Google классифицирует запросы как навигационные или исследовательские, чтобы регулировать количество показываемых результатов

Термины и определения

Category Score (Оценка по категории)

Компонент Relevance Score, отражающий соответствие ресурса категории, указанной или подразумеваемой в запросе (например, «ресторан»).

Component Scores (Компоненты оценки)

Составляющие общего Relevance Score. В патенте упоминаются Title/Name Score, Category Score и географические данные.

Entropy (Энтропия)

Метрика, характеризующая распределение кликов пользователей по результатам поиска. Низкая энтропия означает, что большинство кликов приходится на один результат. Высокая энтропия означает, что клики распределены по многим результатам.

Exploratory Query (Исследовательский запрос)

Запрос, направленный на поиск вариантов или широкого набора результатов (например, «пиццерии в Нью-Йорке»). Характеризуется доминированием Category Score или высокой Entropy.

Navigational Query (Навигационный запрос)

Запрос, направленный на поиск конкретного ресурса, места или бизнеса (например, «Челси Маркет»). Характеризуется доминированием Title/Name Score или низкой Entropy.

Query Analysis Engine (Механизм анализа запросов)

Компонент системы, отвечающий за классификацию запроса и принятие решения о сокращении количества результатов.

Relevance Score (Оценка релевантности)

Общая оценка, используемая для ранжирования. Является комбинацией (например, взвешенной линейной комбинацией) Component Scores.

Stored User Responses (Сохраненные ответы пользователей)

База данных исторических взаимодействий пользователей (например, кликов) с результатами поиска по ранее выполненным запросам.

Title/Name Score (Оценка по названию/имени)

Компонент Relevance Score, отражающий степень совпадения терминов запроса с названием или именем ресурса.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод управления количеством результатов поиска.

1. Система получает набор результатов поиска. Каждый результат имеет Relevance Score, который является комбинацией Component Scores.
2. Идентифицируются результаты с наивысшими Relevance Scores.
3. Система определяет, является ли запрос навигационным, а не исследовательским, основываясь на Component Scores топовых результатов.
4. Конкретизация механизма: тип запроса определяется на основе того, превышает ли первый компонент оценки (например, Title Score) второй компонент оценки (например, Category Score) для результата с наивысшим баллом.
5. Количество представляемых результатов определяется в зависимости от типа запроса.
6. Если запрос определен как навигационный, система отправляет для отображения только подмножество (сокращенный набор) результатов.

Claim 2, 3, 4 (Зависимые): Уточняют компоненты оценки.

• Component Scores включают компонент названия (Title component) и компонент категории (Category component) (Claim 2).
• Определение типа запроса может включать сравнение компонента названия или категории с соответствующими пороговыми значениями (Claim 3, 4).

Claim 5, 6 (Зависимые): Описывают использование исторических данных.

• Определение типа запроса может включать анализ Stored User Responses на ранее отправленные похожие запросы (Claim 5).
• Анализ включает определение степени энтропии (degree of entropy). Если энтропия не низкая (т.е. высокая), запрос определяется как исследовательский (Claim 6).

Claim 14, 16, 18 (Зависимые): Детализируют процесс сравнения компонентов для основного результата.

• Система идентифицирует основной результат (primary search result) и сравнивает Title/Name Score и Category Score друг с другом, чтобы определить, какой из них является основным компонентом (main component). Запрос считается навигационным, если Title/Name Score является основным компонентом, и исследовательским, если Category Score является основным компонентом.

Где и как применяется

Изобретение применяется на финальных этапах обработки поискового запроса, используя данные, рассчитанные на предыдущих этапах.

QUNDERSTANDING – Понимание Запросов
Система проводит офлайн-анализ исторических данных (Stored User Responses) для расчета Entropy по различным запросам. Эти данные используются для понимания типичных намерений пользователей.

RANKING – Ранжирование
На этом этапе генерируется исходный набор результатов, и для каждого результата рассчитывается Relevance Score и его компоненты (Title/Name Score, Category Score).

RERANKING / METASEARCH – Переранжирование / Метапоиск и Смешивание
Основное применение патента. Query Analysis Engine анализирует результаты этапа RANKING:

1. Анализируется состав Relevance Score топового результата.
2. При необходимости используются данные об энтропии.
3. Запрос классифицируется как навигационный или исследовательский.
4. Принимается решение о сокращении (фильтрации) набора результатов перед их представлением пользователю.

Входные данные:

• Поисковый запрос и (опционально) местоположение пользователя.
• Набор результатов ранжирования.
• Relevance Scores и их компоненты для топовых результатов.
• Исторические данные об энтропии кликов для похожих запросов.

Выходные данные:

• Финальный набор результатов поиска (полный или сокращенный) для отображения пользователю.

На что влияет

• Специфические запросы и ниши: Наибольшее влияние оказывается на локальный поиск (Local SEO), Google Maps, поиск бизнесов и адресов. Система четко разделяет навигационные запросы (бренд, адрес, достопримечательность) и исследовательские запросы (поиск по категории).
• Форматы контента: Особенно актуально для интерфейсов с ограниченным пространством (мобильные устройства) или картографических сервисов. Сокращение результатов позволяет отображать их на карте города или района, а не страны или штата.

Когда применяется

Алгоритм применяется динамически во время обработки запроса после получения первоначального набора ранжированных результатов.

• Триггеры активации (Навигационный интент и сокращение выдачи):
  • Title/Name Score топового результата является его основным компонентом (превышает порог или значительно выше Category Score).
  • ИЛИ: Исторические данные показывают низкую Entropy кликов.
• Триггеры активации (Исследовательский интент и полная выдача):
  • Category Score является основным компонентом.
  • ИЛИ: Исторические данные показывают высокую Entropy кликов.

Пошаговый алгоритм

Процесс анализа запроса и управления результатами (согласно FIG. 2 и описанию):

1. Получение данных: Система получает запрос и генерирует набор результатов с Relevance Scores и их компонентами.
2. Анализ топового результата: Анализируется результат с наивысшим Relevance Score.
3. Проверка доминирования названия: Определяется, является ли Title/Name Score основным компонентом оценки (сравнение с порогом или с Category Score).
   • Если ДА (Навигационный): Перейти к шагу 7.
   • Если НЕТ: Перейти к шагу 4.
4. Проверка доминирования категории: Определяется, превышает ли Category Score порог или значительно ли он выше Title/Name Score.
   • Если ДА (Исследовательский): Перейти к шагу 8.
   • Если НЕТ (Неопределенный тип): Перейти к шагу 5.
5. Доступ к историческим данным: Система обращается к Stored User Responses для получения данных об Entropy по похожим запросам.
6. Анализ энтропии: Определяется степень энтропии.
   • Если энтропия низкая (Навигационный): Перейти к шагу 7.
   • Если энтропия высокая (Исследовательский): Перейти к шагу 8.
7. Сокращение результатов (Действие для навигационного запроса): Набор результатов сокращается до предопределенного числа (например, топ-3) или ограничивается географически (например, в пределах определенного расстояния). Перейти к шагу 9.
8. Сохранение результатов (Действие для исследовательского запроса): Набор результатов оставляется без сокращения. Перейти к шагу 9.
9. Предоставление результатов: Итоговый набор результатов предоставляется пользователю.

Какие данные и как использует

Данные на входе

• Контентные/Структурные факторы (Косвенно): Используются через рассчитанные оценки:
  • Название/имя ресурса (для расчета Title/Name Score).
  • Категория ресурса (для расчета Category Score).
• Географические факторы: Местоположение пользователя и ресурсов. Используются как возможный компонент Relevance Score (например, расстояние) и как критерий для сокращения результатов (фильтрация по расстоянию).
• Поведенческие факторы: Исторические данные о кликах пользователей (Stored User Responses) на результаты поиска по похожим запросам.
• Системные данные: Relevance Scores и их Component Scores, полученные от системы ранжирования.

Какие метрики используются и как они считаются

• Нормализованные оценки компонентов: Для сравнения с порогами могут использоваться нормализованные оценки (например, Title/Name Score, деленный на общий Relevance Score).
• Пороги доминирования (Thresholds): Предопределенные значения для Title/Name Score и Category Score. Если оценка превышает порог, это свидетельствует о доминировании компонента.
• Сравнение компонентов: Прямое сравнение Title/Name Score и Category Score. Если разница превышает порог, определяется доминирующий компонент.
• Entropy (Энтропия): Метрика распределения кликов. Рассчитывается офлайн на основе Stored User Responses. Низкая энтропия указывает на консенсус пользователей.

1. Классификация интента определяет представление выдачи: Патент демонстрирует механизм, где определение намерения пользователя (навигационное или исследовательское) напрямую влияет на количество отображаемых результатов. Это не изменение ранжирования, а фильтрация отображения.
2. Иерархия сигналов для классификации: Система использует четкую иерархию: сначала анализ компонентов оценки (Название vs. Категория), а затем, в случае неопределенности, анализ поведения пользователей (Энтропия).
3. Анализ структуры ранжирования (How it Matches): Система анализирует, почему результат релевантен. То, как именно ресурс соответствует запросу — через Title/Name Score или через Category Score — используется как сильный сигнал для определения интента.
4. Энтропия как индикатор консенсуса: Низкая Entropy кликов (все выбирают одно и то же) является сильным индикатором навигационного запроса, подтверждая наличие консенсуса среди пользователей.
5. Динамический порог видимости: Для навигационных запросов система агрессивно сокращает выдачу. Это означает, что порог видимости (количество позиций на первой странице) динамически меняется, что критически важно для локального поиска.

Best practices (это мы делаем)

• Усиление брендовых сигналов (для Navigational Queries): Обеспечьте точное, последовательное и уникальное представление названия вашего бизнеса (Brand Name) в Title, контенте, Schema.org и Google Business Profile (GBP). Это поможет максимизировать Title/Name Score и гарантировать классификацию брендовых запросов как навигационных.
• Точная категоризация (для Exploratory Queries): Используйте максимально релевантные и точные категории для описания услуг или товаров (в GBP, Schema, структуре сайта). Это критично для максимизации Category Score и обеспечения видимости при исследовательских запросах, когда система показывает широкий набор результатов.
• Оптимизация под "Click Consensus" (Снижение Entropy): Необходимо максимизировать CTR на целевой результат по ключевым запросам. Если ваш ресурс станет доминирующим ответом, это снизит Entropy в Stored User Responses и обучит систему классифицировать запрос как навигационный к вашему ресурсу.
• Критичность Топ-3 для локального поиска: Учитывая, что навигационные запросы приводят к сокращению выдачи (например, в Local Pack), необходимо стремиться занять самые верхние позиции (Топ 1-3). Позиции ниже могут быть полностью скрыты.

Worst practices (это делать не надо)

• Размытие названия и категории (Keyword Stuffing в названии): Добавление общих ключевых слов или категорий в официальное название бизнеса (например, в GBP). Это запутывает алгоритм, размывая сигналы между Title/Name Score и Category Score, и может привести к неопределенной классификации интента или пессимизации.
• Неоднозначное брендирование: Использование названий, которые совпадают с общими категориями, может затруднить системе определение доминирующего компонента оценки.
• Игнорирование поведенческих факторов: Низкий CTR по брендовым запросам может увеличить Entropy, что приведет к тому, что система начнет рассматривать запрос как исследовательский и показывать больше результатов конкурентов.

Стратегическое значение

Патент подтверждает, что Google рассматривает ранжирование и представление результатов как отдельные задачи. Система адаптирует интерфейс под задачу пользователя, основываясь на классификации интента. Для SEO-стратегии это означает, что конкурентное поле динамично: для исследовательских запросов вы конкурируете широко, но для навигационных запросов Google стремится показать только искомую сущность, сокращая выдачу. Это усиливает принцип «победитель получает все» для навигационных запросов.

Практические примеры

Сценарий 1: Навигационный запрос (Бренд)

1. Запрос: Пользователь вводит «Starbucks», находясь в Бруклине.
2. Анализ: Топовые результаты имеют очень высокий Title/Name Score, который доминирует над Category Score («кофейня»).
3. Классификация: Навигационный запрос.
4. Действие: Система сокращает количество результатов.
5. Результат: Пользователь видит 3 ближайших Starbucks на карте, а не все кофейни в городе.

Сценарий 2: Исследовательский запрос (Категория)

1. Запрос: Пользователь вводит «Кофейня», находясь в Бруклине.
2. Анализ: Топовые результаты имеют высокий Category Score, который доминирует над Title/Name Score.
3. Классификация: Исследовательский запрос.
4. Действие: Система не сокращает количество результатов.
5. Результат: Пользователь видит широкий список различных кофеен в окрестностях.

Сценарий 3: Неоднозначный запрос и энтропия

1. Запрос: Пользователь вводит «Cyclone» в Бруклине (пример из патента).
2. Анализ: Title/Name Score и Category Score близки или неоднозначны. Система проверяет исторические данные.
3. Анализ энтропии: 90% пользователей кликали на результат, связанный с аттракционом Cyclone. Низкая Entropy.
4. Классификация: Навигационный запрос.
5. Результат: Система сокращает выдачу, фокусируясь на результатах об аттракционе.