Как Google выбирает главные изображения для локаций и достопримечательностей, используя качество, клики и веб-контекст

Термины и определения

Destination (Место назначения)

Географическая сущность с большим географическим охватом (Geographic Footprint). Примеры: страны, штаты, города, районы.

Point of Interest (POI, Достопримечательность)

Географическая сущность с малым географическим охватом. Примеры: отели, рестораны, памятники, музеи.

Relevancy Score (Оценка релевантности)

Метрика, определяющая, насколько фотография соответствует локации. Основана на Selection Success Data и анализе контекста документов, связанных с фотографией.

Visual Quality Score (Оценка визуального качества)

Метрика, определяющая степень визуального качества фотографии. Основана на технических параметрах (экспозиция, цвет, четкость), а также может учитывать рейтинги фотографа или камеры.

Selection Success Data (Данные об успешности выбора)

Поведенческие данные. Включают данные о кликах (click-through data) на изображение в результатах поиска по картинкам по запросам, относящимся к локации, а также явную обратную связь (рейтинги, голоса в социальных сетях или фотосервисах).

Popularity Score (Оценка популярности)

Метрика, определяющая популярность самой локации (Destination или POI). Основана на количестве связанных с путешествиями документов и запросов, упоминающих локацию, а также количестве географически связанных фотографий.

Geographic Data Store (Хранилище географических данных)

База данных, хранящая информацию о локациях, их координаты и логическую иерархию (например, какие POIs содержатся в Destination).

Geographic Footprint (Географический охват)

Полигон или форма на карте, представляющая физические границы географической сущности.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной иерархический метод выбора фотографии для города (city, частный случай Destination).

1. Система получает данные о городе.
2. Идентифицируются многочисленные POIs, связанные с городом, путем запроса к Geographic Data Store.
3. Для каждого POI выполняется:
   1. Идентификация фотографий, географически связанных с POI, используя индекс фотографий.
   2. Вычисление Relevancy Score для каждой фотографии. Оценка базируется как минимум на: (a) Selection Success Data фотографии для поисковых запросов по картинкам, относящихся к POI, И (b) Упоминаниях POI в документах, связанных с фотографией.
   3. Выбор лучшей фотографии POI (selected point of interest photograph) на основе Relevancy Score И Visual Quality Score.
4. Финальный выбор фотографии города (selected city photograph) из набора лучших фотографий POIs.

Ядро изобретения — это двухэтапный процесс выбора фото для города (сначала лучшие фото для POI, затем выбор из них) и конкретная формула Relevancy Score, объединяющая поведенческие сигналы (клики) и контекстуальный анализ (документы).

Claim 2, 3, 4 (Зависимые пункты): Детализируют процесс финального выбора фотографии города (Шаг 4 в Claim 1).

Они утверждают, что при выборе финальной фотографии города из набора лучших фотографий POIs система также учитывает Popularity Score соответствующих POIs. Popularity Score рассчитывается на основе количества туристических документов (Claim 2), запросов (Claim 3) или фотографий (Claim 4), связанных с POI. Это означает, что изображение более популярной достопримечательности имеет больше шансов стать главным изображением города.

Claim 5 (Зависимый пункт): Уточняет расчет Relevancy Score с учетом активности (activity).

Relevancy Score может учитывать не только POI, но и активность. В этом случае Selection Success Data и анализ документов проверяются на релевантность как POI, так и активности (например, выбор фото для запроса "снорклинг на Мальдивах").

Где и как применяется

Изобретение применяется на разных этапах поисковой архитектуры, преимущественно в контексте вертикального поиска (Google Travel/Hotels) и генерации обогащенных ответов.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит сбор и анализ данных, необходимых для работы системы:

• Индексирование фотографий и их метаданных (GPS, время создания).
• Анализ веб-документов для определения контекста, в котором используются изображения.
• Предварительный расчет Visual Quality Scores.
• Построение Geographic Data Store, включая классификацию природных объектов на основе их пересечения с политическими границами (как описано в патенте).
• Агрегация Selection Success Data из логов поиска по картинкам.
• Предварительный расчет Popularity Scores для локаций.

QUNDERSTANDING – Понимание Запросов
Система анализирует запросы пользователей для определения их связи с локациями и активностями (например, "снорклинг в Азии"), что используется для расчета Popularity Score и сбора Selection Success Data.

METASEARCH – Метапоиск и Смешивание / RANKING – Ранжирование
Основное применение патента. При формировании поисковой выдачи или интерфейса сервиса путешествий система выполняет процесс выбора наилучшего изображения для отображения.

• Выполняется процесс выбора (одноэтапный для POI или двухэтапный для Destination) с использованием предварительно рассчитанных оценок (Relevancy, Quality, Popularity).
• Выбранное изображение используется при рендеринге результатов (например, в Knowledge Panel, сниппетах Google Maps или интерфейсах Google Travel).

Входные данные:

• Идентификатор Destination или POI (опционально: время года или активность).
• Индекс фотографий с метаданными (GPS, время, камера).
• Данные о контексте (документы, где встроены фото).
• Логи поисковых запросов и кликов.

Выходные данные:

• Выбранное репрезентативное изображение для локации.

На что влияет

• Конкретные ниши или тематики: Наибольшее влияние в тематиках Travel, Local (рестораны, отели, услуги), Недвижимость.
• Конкретные типы контента: Влияет на выбор изображений для представления сущностей (Entities) в интерфейсах Google.
• Специфические запросы: Запросы, связанные с поиском мест, планированием путешествий или изучением локаций.

Когда применяется

• Триггеры активации: Активируется, когда поисковой системе необходимо отобразить визуальное представление Destination или POI. Это происходит при генерации страниц результатов поиска (SERP features) или при использовании специализированных сервисов (Google Travel, Maps).

Пошаговый алгоритм

Процесс А: Выбор фотографии для Достопримечательности (POI)

1. Получение данных о POI: Система получает идентификатор или координаты POI. (Опционально: время года или активность).
2. Идентификация фотографий-кандидатов: Система ищет фотографии, географически связанные с POI. Методы включают:
   1. Поиск по GPS-меткам в пределах порогового расстояния от POI.
   2. Поиск по негеографическим метаданным (заголовки, текст), упоминающим POI.
   3. Использование кластеризации: найти фото по тексту, сгруппировать их географически (если у части есть GPS-метки), определить центры кластеров и найти дополнительные фото в этих географических кластерах.
   4. (Опционально) Фильтрация по времени создания фото, если указано время года.
3. Расчет Relevancy Score: Для каждого кандидата вычисляется оценка релевантности:
   1. Анализ Selection Success Data: Определение CTR фотографии в поиске по картинкам по запросам о POI (и активности, если указана); сбор явной обратной связи (лайки, рейтинги).
   2. Анализ контекста документов: Идентификация документов, содержащих фото, и проверка наличия в них упоминаний POI (и активности, если указана).
   3. (Опционально) Использование компьютерного зрения (computer vision) для подтверждения наличия объекта, связанного с POI, на фото.
4. Выбор фотографий: Фотографии выбираются на основе Relevancy Score И Visual Quality Score (предварительно рассчитанного). Выбираются фото с наилучшими комбинированными оценками или превышающие динамический порог.

Процесс Б: Выбор фотографии для Места Назначения (Destination)

1. Получение данных о Destination: Система получает данные о месте назначения (например, городе).
2. Идентификация POIs: Система запрашивает Geographic Data Store для поиска POIs, ассоциированных с Destination.
3. Выбор фотографий для POIs: Для каждого идентифицированного POI выполняется Процесс А. Результат: набор лучших фотографий для ключевых POIs.
4. Финальный выбор фотографии Destination: Система выбирает одно или несколько изображений из набора лучших фотографий POIs. Выбор основывается на:
   1. Relevancy Scores и Visual Quality Scores самих фотографий.
   2. Popularity Scores соответствующих POIs (фото более популярного POI имеет приоритет).

Какие данные и как использует

Данные на входе

• Мультимедиа факторы: Сами изображения используются для анализа визуального качества (четкость, экспозиция, цвет) и опционально для компьютерного зрения.
• Технические факторы (Метаданные фото):
  • EXIF/TIFF/DCF данные.
  • Географические метки (GPS координаты) для определения связи с локацией.
  • Временные метки (Creation timestamp) для выбора сезонных фото.
  • Данные о камере и фотографе (для оценки качества и репутации).
• Контентные факторы (Контекст): Данные из документов (веб-страницы, соцсети, фотохостинги), где встроено изображение:
  • Заголовок изображения в документе.
  • Текст документа (окружающий изображение).
  • Заголовок документа (Title).
  • URL документа.
• Поведенческие факторы:
  • Selection Success Data: Логи кликов (CTR) в поиске по картинкам.
  • Явная обратная связь: Рейтинги, голоса, лайки.
  • Логи запросов (для расчета Popularity Score).
• Географические факторы: Координаты и Geographic Footprints для Destinations и POIs; данные о политических и природных границах для классификации сущностей.

Какие метрики используются и как они считаются

• Relevancy Score: Агрегированная оценка. Рассчитывается на основе комбинации Selection Success Data и частоты/качества упоминаний локации (и опционально активности) в документах, ассоциированных с фотографией.
• Visual Quality Score: Агрегированная оценка. Рассчитывается на основе алгоритмического анализа изображения (экспозиция, насыщенность, четкость) и метаданных (рейтинг фотографа, рейтинг камеры).
• Popularity Score (для локации): Рассчитывается на основе агрегации данных о внимании к локации:
  • Количество travel-related документов, упоминающих локацию.
  • Количество travel-related запросов, упоминающих локацию.
  • Количество географически связанных фотографий.
  • (Опционально) "Combined query distance" – метрика, основанная на среднем расстоянии, с которого пользователи ищут эту локацию.

1. Поведенческие факторы (Клики) как основной сигнал релевантности: Selection Success Data (CTR в поиске по картинкам) является ключевым компонентом Relevancy Score. Это подтверждает важность оптимизации изображений для стимулирования кликов в Image Search.
2. Критичность контекста размещения изображения: Relevancy Score напрямую зависит от того, упоминается ли локация в документе (веб-странице), где размещена фотография. Изображение должно быть встроено в релевантный контекст.
3. Визуальное качество как обязательный фильтр: Изображение должно быть не только релевантным, но и качественным. Система использует Visual Quality Score (четкость, экспозиция, репутация фотографа) для отбора финальных кандидатов.
4. Иерархический выбор и важность популярности сущностей: Для представления крупных локаций (городов) Google предпочитает использовать фотографии их наиболее популярных достопримечательностей (POIs с высоким Popularity Score). Авторитетность и популярность сущности влияют на выбор её изображения.
5. Важность геолокационных данных: Географическая привязка (GPS-метки или географическая кластеризация на основе контекста) является основным способом идентификации фотографий-кандидатов.
6. Учет сезонности и активностей: Система способна выбирать изображения, соответствующие определенному времени года (по дате создания) или конкретной активности (Activity), указанной пользователем.
7. Автоматизированная классификация географических объектов: Патент также описывает методы автоматической классификации локаций (является ли объект Destination или POI) на основе их географического охвата и пересечения с политическими границами.

Best practices (это мы делаем)

• Оптимизация контекста изображений: Размещайте ключевые изображения локации (отеля, ресторана, достопримечательности) в окружении максимально релевантного текста на странице. Убедитесь, что название локации упоминается в тексте, заголовке страницы (Title) и атрибутах изображения (alt, title). Это усиливает сигнал контекста для Relevancy Score.
• Стимулирование Selection Success Data (Image SEO): Оптимизируйте изображения для поиска по картинкам. Используйте четкие, привлекательные изображения с описательными именами файлов и атрибутами, чтобы максимизировать CTR по запросам, связанным с локацией. Это напрямую влияет на Relevancy Score.
• Использование высококачественных фотографий: Инвестируйте в профессиональную фотографию. Visual Quality Score напрямую зависит от четкости, экспозиции и цвета. Это критически важно для того, чтобы изображение прошло отбор.
• Использование геолокационных метаданных: По возможности добавляйте корректные GPS-данные в EXIF метаданные ключевых фотографий. Это самый прямой способ для Google связать фотографию с POI.
• Повышение популярности сущности (Entity Popularity): Работайте над повышением Popularity Score вашей локации. Стимулируйте создание контента о ней (документы, связанные с путешествиями), генерацию запросов и загрузку фотографий пользователями.
• Оптимизация под сезонность и активности: Для локаций, зависящих от сезона или предлагающих специфические активности, создавайте и оптимизируйте соответствующие изображения (например, "отель зимой", "дайвинг-центр"), так как система учитывает время и активности.

Worst practices (это делать не надо)

• Использование стоковых фотографий без географической связи: Использование общих стоковых фото для представления конкретной локации неэффективно, так как они не будут идентифицированы как географически релевантные кандидаты и не накопят релевантных Selection Success Data.
• Размещение ключевых фото в нерелевантном контексте: Встраивание важных фотографий локации на страницах, не имеющих отношения к этой локации (например, в общей галерее без подписей), снижает их Relevancy Score.
• Игнорирование качества изображений: Загрузка изображений низкого качества в надежде на ранжирование по релевантности. Visual Quality Score отфильтрует такие изображения.
• Манипуляции с метаданными или кликами: Указание некорректных GPS-меток или попытки накрутки CTR в Image Search могут быть обнаружены системами борьбы со спамом.

Стратегическое значение

Патент подчеркивает стратегическую важность управления визуальным представлением сущностей в поиске. Для Local SEO и брендов, связанных с физическими локациями, контроль над тем, какие изображения Google ассоциирует с их бизнесом, критичен для привлечения клиентов. Стратегия должна объединять техническую оптимизацию (метаданные, качество), контент-маркетинг (контекст размещения) и традиционное SEO (оптимизация под Image Search для повышения CTR).

Практические примеры

Сценарий: Оптимизация главного изображения для отеля (POI)

1. Задача: Добиться, чтобы Google использовал фотографию нового бассейна как главное изображение отеля в Google Travel и Knowledge Panel.
2. Анализ по патенту: Нужно максимизировать Visual Quality Score и Relevancy Score этой фотографии.
3. Действия:
   • Сделать профессиональные, высококачественные фото бассейна (максимизация Visual Quality).
   • Добавить корректные GPS-метки отеля в EXIF фото (географическая связь).
   • Разместить фото на главной странице отеля и на специальной странице об услугах. Окружить фото текстом, содержащим название отеля и описание бассейна (максимизация контекстуальной релевантности).
   • Оптимизировать атрибуты alt и title: "Бассейн на крыше отеля [Название] в [Город]".
   • Продвигать эту страницу и изображение, чтобы оно начало ранжироваться в Image Search и получать клики по запросам об отеле (максимизация Selection Success Data).
4. Ожидаемый результат: Повышение Relevancy Score фотографии бассейна в сочетании с высоким Visual Quality Score приведет к её выбору в качестве репрезентативного изображения отеля.