Как Google выбирает лучшую целевую страницу (Landing Page) для результатов поиска по картинкам

Термины и определения

Image Search Result (Результат поиска по изображениям)

Элемент данных, генерируемый поисковой системой в ответ на запрос, который идентифицирует изображение и содержит ссылку на него или на целевую страницу.

Landing Page (Целевая страница)

Веб-страница, на которую направляется пользователь после клика на результат поиска по изображениям. Цель патента — выбрать наилучшую Landing Page.

Similar Images (Похожие изображения)

Набор различных изображений, которые произошли от одного и того же исходного изображения (same source image). Включает результаты кропа, изменения размера, незначительного редактирования цвета и т.д. (Near-duplicates).

Web Page Features (Признаки веб-страницы)

Дополнительные сигналы, используемые при выборе Landing Page. Включают размер изображения, соотношение сторон, позицию изображения на странице, количество изображений на странице и текстовый контент страницы.

Web Score (Оценка веб-страницы)

Метрика, генерируемая алгоритмом ранжирования, которая является мерой важности (importance) веб-страницы относительно других веб-страниц. Может быть как независимой от запроса (например, авторитетность), так и зависимой от запроса (релевантность).

Ключевые утверждения (Анализ Claims)

Патент описывает два возможных варианта реализации (Embodiments) в "Description". Однако представленные Claims (1-16) защищают только один конкретный метод (соответствующий первому варианту реализации).

Claim 1 (Независимый пункт): Описывает основной метод идентификации целевых страниц.

1. Этап 1: Обработка каждого изображения индивидуально. Для каждого изображения из множества:
   1. Идентифицируются веб-страницы, которые его содержат.
   2. Получается Web Score для каждой из этих страниц.
   3. Выбирается веб-страница с наивысшим Web Score.
2. Этап 2: Группировка победителей. Определяются наборы Similar Images. Важно: группируются только те изображения, для которых были выбраны веб-страницы на Этапе 1 (т.е. победители).
3. Этап 3: Выбор финальной Landing Page. Для каждого набора Similar Images:
   1. Выбирается Landing Page. Это та выбранная ранее веб-страница (из Этапа 1c), которая имеет наивысший Web Score по сравнению с выбранными веб-страницами других похожих изображений в этом наборе.

Система сначала определяет лучшую страницу для каждого отдельного файла изображения (борьба между сайтами, использующими идентичный файл), а затем определяет лучшую страницу среди группы похожих, но не идентичных файлов (борьба между разными версиями изображения).

Claim 4 (Зависимый от 1): Уточняет природу Web Score.

Web Scores могут быть основаны, по крайней мере частично, на мере релевантности веб-страницы запросу. Это означает, что выбор Landing Page может зависеть от конкретного поискового запроса пользователя.

Claim 5 (Зависимый от 1): Вводит использование дополнительных признаков.

Выбор Landing Page (на Этапе 3) может дополнительно основываться на одном или нескольких Web Page Features.

Claims 6-10 (Зависимые от 5): Перечисляют конкретные Web Page Features:

• Claim 6: Размер изображения (image size).
• Claim 7: Соотношение сторон изображения (image aspect ratio).
• Claim 8: Позиция изображения на веб-странице (position on the web page).
• Claim 9: Количество изображений на веб-странице (number of images on the web page).
• Claim 10: Текстовый контент веб-страницы (textual content).

Где и как применяется

Изобретение затрагивает этапы индексирования и ранжирования в контексте поиска по изображениям.

CRAWLING – Сканирование и Сбор данных
Система должна сканировать как веб-страницы, так и размещенные на них изображения, фиксируя связь между ними.

INDEXING – Индексирование и извлечение признаков
Основная часть предварительной работы происходит здесь:

• Анализ изображений: Вычисление хешей/фингерпринтов для идентификации точных дубликатов и использование алгоритмов для определения Similar Images (near-duplicates).
• Расчет Web Score: Вычисление и сохранение Web Scores для веб-страниц (например, PageRank, оценки качества, авторитетности).
• Извлечение признаков (Feature Extraction): Извлечение Web Page Features для каждого случая размещения изображения (размер, позиция на странице и т.д.).
• Прекалькуляция Landing Pages: Запатентованный алгоритм может выполняться на этапе индексирования для предварительного определения лучшей Landing Page на основе query-independent Web Scores.

RANKING – Ранжирование (Image Search)
Если Web Scores зависят от запроса (согласно Claim 4), то алгоритм выбора Landing Page должен выполняться во время обработки запроса. Система получает релевантные изображения и связанные с ними страницы, получает их query-dependent Web Scores и выполняет логику выбора лучшей Landing Page в реальном времени.

Входные данные:

• Множество изображений и веб-страниц, на которых они размещены.
• Данные для определения Similar Images (фингерпринты).
• Web Scores для каждой веб-страницы (query-independent или query-dependent).
• (Опционально) Web Page Features для каждого размещения изображения.

Выходные данные:

• Идентификация официальной Landing Page для каждого набора Similar Images. Эти данные сохраняются (например, в Image Index) и используются для формирования результатов поиска.

На что влияет

• Типы контента: В первую очередь влияет на веб-страницы, содержащие изображения, которые часто копируются или переиспользуются (стоковые фото, новостные фотографии, изображения товаров, мемы, инфографика).
• Конкретные ниши: Сильное влияние в Ecommerce (выбор между производителем, ритейлером или обзорным сайтом), Новостях (выбор между первоисточником и агрегатором), Travel и других визуально насыщенных тематиках.

Когда применяется

Алгоритм применяется в двух основных сценариях:

• Во время индексирования: Для определения канонической Landing Page на основе общих показателей важности страниц (query-independent Web Score).
• Во время обработки запроса: Если используются query-dependent Web Scores (релевантность запросу), то выбор Landing Page происходит в реальном времени для конкретного запроса.

Триггер активации: Наличие одного и того же или похожих изображений на нескольких веб-страницах.

Пошаговый алгоритм

Процесс выбора Landing Page (на основе Claim 1):

Фаза 1: Определение локальных победителей (для идентичных изображений)

1. Идентификация размещений: Для каждого отдельного изображения (файла) в базе данных идентифицировать список всех веб-страниц, которые содержат это точное изображение.
2. Получение оценок: Для каждой веб-страницы в списке получить её Web Score (меру важности).
3. Выбор лучшей страницы: Сравнить Web Scores и выбрать одну веб-страницу, имеющую наивысшую оценку для данного изображения. Ассоциировать это изображение с этой выбранной страницей.

Фаза 2: Группировка и выбор глобального победителя (для похожих изображений)

4. Определение похожих наборов: Из изображений, прошедших Фазу 1, определить наборы Similar Images (изображений, производных от одного источника).
5. Сравнение победителей: Для каждого набора Similar Images рассмотреть выбранные веб-страницы (из шага 3), ассоциированные с каждым изображением в наборе.
6. Применение Web Score и Features: Сравнить Web Scores этих выбранных веб-страниц. Опционально, скорректировать выбор с учетом Web Page Features (например, отдать предпочтение странице с большим размером изображения или лучшей позицией, если Web Scores близки).
7. Идентификация Landing Page: Выбрать веб-страницу с наивысшим итоговым показателем важности. Идентифицировать эту страницу как официальную Landing Page для всего набора Similar Images.
8. Сохранение результата: Сохранить идентификатор Landing Page в индексе для использования при формировании результатов поиска.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании следующих данных:

• Технические факторы (Изображения): Данные для идентификации дубликатов и определения Similar Images (хеши, фингерпринты, результаты визуального анализа).
• Факторы авторитетности/качества (Страницы): Предварительно рассчитанные Web Scores, отражающие важность веб-страниц. Это могут быть ссылочные факторы (PageRank), оценки качества контента или сигналы релевантности.
• Структурные и Контентные факторы (Web Page Features):
  • Размер изображения (Dimensions/Surface Area) (Claim 6).
  • Соотношение сторон (Aspect Ratio) (Claim 7).
  • Позиция изображения на странице (например, вверху или внизу) (Claim 8).
  • Общее количество изображений на странице (Claim 9).
  • Текстовый контент страницы (например, обсуждает ли страница контент, изображенный на картинке) (Claim 10).

Какие метрики используются и как они считаются

• Web Score: Основная метрика для сравнения веб-страниц. Патент не определяет формулу расчета, но указывает, что она генерируется алгоритмом ранжирования и измеряет важность (importance). Может быть query-independent или query-dependent.
• Степень похожести (Similarity Threshold): Метрика для определения, являются ли два изображения Similar Images (производными от одного источника). Патент не детализирует метод расчета.
• Влияние Web Page Features: Патент указывает, что эти признаки могут влиять на Web Score или использоваться как дополнительные факторы при выборе Landing Page. Например, Web Score может быть увеличен, если изображение большое и расположено вверху страницы.

1. Авторитетность страницы определяет источник изображения: Ключевой вывод патента — трафик из Image Search получит та страница, которая имеет наивысший Web Score среди всех страниц, содержащих это или похожее изображение. Качество и авторитетность страницы размещения критически важны.
2. Двухуровневый выбор Landing Page: Запатентованный метод (Claim 1) использует двухэтапный процесс: сначала выбирается лучшая страница для точных дубликатов, затем лучшая страница среди похожих изображений (near-duplicates). Это гарантирует, что система найдет абсолютно лучшую страницу в глобальном масштабе.
3. Гибкость Web Score (Query-Dependent vs Independent): Система может выбирать Landing Page как на основе общей авторитетности сайта (независимо от запроса), так и на основе релевантности страницы конкретному запросу (Claim 4). Это означает, что для разных запросов одно и то же изображение может вести на разные Landing Pages.
4. Важность оптимизации размещения (Web Page Features): Патент явно указывает (Claims 5-10), что характеристики размещения изображения на странице (размер, позиция, окружающий текст) используются как дополнительные сигналы при выборе Landing Page. Это подтверждает важность технической оптимизации изображений на сайте.
5. Дедупликация результатов поиска: Механизм также служит для дедупликации выдачи. Вместо показа нескольких похожих изображений, ведущих на разные страницы, система стремится показать один результат, ведущий на лучшую Landing Page.

Best practices (это мы делаем)

• Повышение авторитетности и качества страниц размещения: Сосредоточьтесь на повышении Web Score страниц, где размещены ключевые изображения. Это включает улучшение качества контента, E-E-A-T и получение качественных обратных ссылок на эти страницы. Страница должна быть лучшей среди всех конкурентов, использующих это изображение.
• Оптимизация Web Page Features: Размещайте важные изображения на видном месте (Claim 8), предпочтительно ближе к верху страницы. Используйте изображения достаточного размера и высокого разрешения (Claim 6). Убедитесь, что текстовый контент страницы релевантен изображению и подробно его описывает (Claim 10).
• Использование уникальных изображений: Создание собственного уникального контента снижает конкуренцию за Landing Page. Если вы единственный источник изображения, ваша страница по умолчанию становится Landing Page.
• Мониторинг источников в Image Search: Анализируйте, какие сайты Google выбирает в качестве Landing Page для изображений в вашей нише. Если для изображения, присутствующего на вашем сайте, Google показывает другой источник, необходимо проанализировать и улучшить Web Score и Web Page Features вашей страницы.

Worst practices (это делать не надо)

• Размещение важных изображений на слабых страницах: Размещение ключевых изображений на страницах с низким авторитетом (низким Web Score), например, на страницах пагинации или технических разделах, снижает вероятность выбора этих страниц в качестве Landing Page.
• Массовое использование стоковых фото без добавленной ценности: Если вы используете популярное стоковое фото на странице, которая не предлагает значительной добавленной ценности по сравнению с сотнями других сайтов, ваш Web Score, скорее всего, будет ниже, и трафик получит другой источник.
• Игнорирование технических аспектов размещения: Размещение изображений маленького размера, в "подвале" страницы или в окружении нерелевантного текста снижает шансы страницы стать Landing Page из-за негативного влияния Web Page Features (Claims 6, 8, 10).
• Чрезмерное количество изображений на странице (Image Galleries): Хотя это и не всегда плохо, патент упоминает "количество изображений на веб-странице" (Claim 9) как фактор. Страницы, перегруженные изображениями, могут проиграть страницам, где фокус сделан на конкретном изображении в релевантном контексте.

Стратегическое значение

Патент подчеркивает, что Image SEO неразрывно связано с классическим SEO. Авторитетность и качество веб-страницы (Web Score) являются первичным фактором для определения источника в поиске по картинкам. Стратегически важно интегрировать оптимизацию изображений в общую контент-стратегию, гарантируя, что визуальный контент размещается на сильных, авторитетных и хорошо оптимизированных страницах. Этот патент объясняет механизм, почему авторитетные сайты часто доминируют в Image Search, даже если они не являются первоисточником изображения.

Практические примеры

Сценарий: Выбор Landing Page для изображения товара

Изображение: Фотография кроссовок "Nike Air Max 2025 Blue".

1. Идентификация размещений: Google находит это изображение на:
   • Site A: Официальный сайт Nike (Web Score=95)
   • Site B: Крупный ритейлер (Web Score=80)
   • Site C: Небольшой блог с обзором (Web Score=40)
2. Анализ похожих изображений (Similar Images): Google также находит обрезанную версию этого фото на Site D (Web Score=70).
3. Выбор победителя: Google сравнивает Web Scores всех страниц. Site A имеет наивысший балл (95).
4. Анализ Web Page Features: Google проверяет, что на Site A изображение имеет большой размер и расположено вверху карточки товара.
5. Результат: Официальный сайт Nike (Site A) выбирается как Landing Page. Когда пользователь ищет "Nike Air Max 2025 Blue" в Image Search и кликает на результат, он попадает на Site A.

Сценарий: Влияние релевантности запроса (Query-Dependent Web Score)

Изображение: Фотография Эйфелевой башни.

1. Запрос 1: "История Эйфелевой башни"
   • Страница A (Wikipedia): Высокая релевантность истории (Web Score для этого запроса = 90).
   • Страница B (Сайт бронирования отелей): Низкая релевантность истории (Web Score для этого запроса = 30).
   • Результат: Wikipedia выбирается как Landing Page.
2. Запрос 2: "Отели возле Эйфелевой башни"
   • Страница A (Wikipedia): Низкая релевантность отелям (Web Score для этого запроса = 40).
   • Страница B (Сайт бронирования отелей): Высокая релевантность отелям (Web Score для этого запроса = 85).
   • Результат: Сайт бронирования отелей выбирается как Landing Page для того же самого изображения.