Google анализирует структурно похожие страницы, ссылающиеся на различные ресурсы. Определяя, где известные поисковые запросы (Seed Queries) появляются в структуре этих ссылающихся страниц (например, в заголовках или Title), Google создает шаблоны. Эти шаблоны затем используются для извлечения текста из аналогичных мест на других страницах, создавая «синтетический описательный текст» (аналог анкорного текста) для целевых ресурсов. Это улучшает ранжирование, даже если фактический анкорный текст низкого качества.

Описание

Какую проблему решает

Патент решает проблему зависимости поисковых систем от качества традиционного анкорного текста. Если анкорный текст неинформативен (например, «читать далее», «сайт»), отсутствует или является манипулятивным, поисковой системе сложно понять релевантность целевой страницы. Это может приводить к недооценке и плохому ранжированию релевантных ресурсов. Изобретение позволяет генерировать высококачественный описательный текст, используя контент ссылающейся страницы, находящийся вне самого анкора.

Что запатентовано

Запатентована система генерации Synthetic Descriptive Text (синтетического описательного текста) для целевого ресурса путем анализа структуры ссылающейся страницы. Система использует известные запросы (Seed Queries), основанные на данных о кликах, для выявления структурных шаблонов (Templates) на группах похожих ссылающихся страниц. Извлеченный текст функционирует аналогично анкорному тексту при оценке релевантности.

Как это работает

Механизм работает следующим образом:

  • Идентификация группы: Система определяет группу структурно похожих ссылающихся страниц (например, страницы профилей или каталога).
  • Анализ Seed Queries: Для некоторых целевых ресурсов, на которые ссылается эта группа, система знает Seed Queries (запросы, по которым пользователи часто кликают на этот ресурс).
  • Создание шаблонов: Система анализирует, где именно термины из Seed Queries появляются в структуре ссылающихся страниц (например, в теге <h1> или <title>). На основе этого создается шаблон (Template), например: «Извлечь текст из <h1>».
  • Применение шаблонов: Этот шаблон применяется к другим страницам в этой группе. Текст, извлеченный из соответствующей структуры (например, <h1>), становится Synthetic Descriptive Text для целевого ресурса, на который ссылается эта страница.
  • Ранжирование: Сгенерированный текст индексируется и используется для ранжирования целевого ресурса, причем его вес зависит от оценки надежности.

Актуальность для SEO

Высокая. Понимание контекста ссылки и снижение зависимости от манипулируемых анкоров является ключевым направлением развития поиска. Этот патент описывает конкретный, масштабируемый механизм для использования структуры и контента ссылающейся страницы как сигнала релевантности. Участие Пола Хаара (Paul Haahr), одного из ключевых инженеров поиска Google, подчеркивает значимость изобретения.

Важность для SEO

Патент имеет высокое значение (8/10). Он демонстрирует, что контекст, окружающий ссылку на ссылающейся странице (включая заголовки и Title), может быть использован в качестве замены или дополнения к анкорному тексту. Это смещает фокус с манипулирования анкорами на обеспечение того, чтобы ссылки размещались в релевантном и хорошо структурированном контексте, особенно на сайтах с шаблонной структурой (каталоги, справочники).

Детальный разбор

Термины и определения

Embedded Coding Fragment (Фрагмент встроенного кода)
Конкретная часть HTML-структуры ссылающегося ресурса (например, пара тегов и заключенный в них контент), которая используется для генерации шаблона.
Linking Resource (Ссылающийся ресурс)
Страница, содержащая ссылку на целевой ресурс.
Literal (Литерал)
Точная строка слов или фраз в шаблоне, которая должна присутствовать в структуре ссылающейся страницы (например, статичный текст рядом с извлекаемыми данными).
Seed Queries (Исходные/Опорные запросы)
Запросы, по которым пользователи часто выбирали (кликали) данный целевой ресурс в результатах поиска. Они используются как эталон релевантности для генерации шаблонов.
Structure (Структура)
Элемент форматирования в коде ресурса (например, HTML-теги) и, опционально, связанный с ним контент.
Synthetic Descriptive Text (Синтетический описательный текст)
Текст, извлеченный из ссылающегося ресурса с помощью шаблона и ассоциированный с целевым ресурсом в индексе. Функционирует как аналог анкорного текста.
Target Resource (Целевой ресурс)
Страница, на которую ведет ссылка.
Template (Шаблон)
Набор правил (generative rule), определяющий, какой текст и из какой структуры ссылающегося ресурса следует извлечь. Шаблон также определяет, где должна находиться ссылка на целевой ресурс.
Wildcard (Подстановочный знак)
Элемент шаблона, представляющий переменную часть текста. Он определяет категорию терминов и ограничения (constraints) на контекст их появления (например, расположение в определенном теге или частоту появления).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод генерации синтетического текста.

  1. Система идентифицирует группу ссылающихся ресурсов (linking resources), каждый из которых ведет на соответствующий целевой ресурс (target resource).
  2. Определяется, что некоторые из этих целевых ресурсов ассоциированы с Seed Queries в индексе.
  3. Генерируются шаблоны (Templates). Каждый шаблон выводится из одного или нескольких наборов данных (триплет: ссылающийся ресурс, целевой ресурс, Seed Query). Шаблон определяет местоположение терминов из Seed Query в ссылающемся ресурсе. Процесс включает генерацию кандидатов в шаблоны и выбор лучших из них.
  4. Генерируется Synthetic Descriptive Text. Для этого:
    • Идентифицируются другие ссылающиеся ресурсы (не те, что использовались для создания шаблона), которые соответствуют структуре шаблона.
    • Шаблон применяется к этим другим ресурсам для извлечения текста из определенных местоположений.
    • Извлеченный текст назначается как Synthetic Descriptive Text для целевого ресурса, на который ссылается этот другой ресурс.
  5. Синтетический текст ассоциируется с целевым ресурсом в индексе.

Claim 2 (Зависимый от 1): Детализирует процесс генерации кандидатов в шаблоны.

Если термин из Seed Query появляется в определенной структуре ссылающегося ресурса, генерируется кандидат в шаблоны. Он определяет правило (generative rule) для извлечения текста из аналогичных структур на других страницах и указывает необходимое расположение ссылки.

Claim 3 (Зависимый от 2): Уточняет состав шаблона.

Шаблон может включать Literals (точные фразы) и/или Wildcards (переменные с ограничениями на контекст).

Claim 5 и 6 (Зависимые от 2): Уточняют, что такое структура.

Структура включает Embedded Coding Fragment, например, пару HTML-тегов (например, <h1>...</h1>), которая заключает в себе термин из Seed Query.

Где и как применяется

Изобретение применяется на этапах индексирования для извлечения признаков и на этапе ранжирования для оценки релевантности.

CRAWLING – Сканирование и Сбор данных
Система собирает полный HTML-код и структуру ссылающихся ресурсов.

INDEXING – Индексирование и извлечение признаков
Это основной этап применения патента. Descriptive Text Engine работает здесь (частично офлайн, частично во время индексации).

  1. Анализ данных (Офлайн): Анализ логов кликов для идентификации Seed Queries. Анализ структур ссылающихся страниц.
  2. Генерация шаблонов (Офлайн): Генерация и выбор надежных Templates.
  3. Извлечение признаков: Применение Templates для извлечения Synthetic Descriptive Text во время индексирования ссылающихся страниц.
  4. Расчет статических оценок: Вычисление Query-Independent Score (включая Template Score, Linking Score, Target Score) для извлеченного текста.
  5. Хранение данных: Сгенерированный текст и его оценка сохраняются в индексе и ассоциируются с целевым ресурсом.

RANKING – Ранжирование
На этом этапе система использует предварительно вычисленный синтетический текст в реальном времени.

  1. Расчет динамических оценок: Вычисляется Query-Dependent Score (насколько синтетический текст соответствует текущему запросу).
  2. Корректировка ранжирования: Query-Dependent Score комбинируется с Query-Independent Score для получения итоговой оценки, которая используется для корректировки общего Ranking Score ресурса.

Входные данные:

  • HTML-структура и контент ссылающихся ресурсов.
  • Данные о ссылках (URL цели, расположение ссылки).
  • Seed Queries (из индекса/логов поведения пользователей).

Выходные данные:

  • Шаблоны (Templates) для извлечения текста.
  • Synthetic Descriptive Text, ассоциированный с целевыми ресурсами.
  • Оценки качества синтетического текста (Query-Independent Scores).

На что влияет

  • Конкретные типы контента и ниши: Наибольшее влияние оказывается на ресурсы, которые часто упоминаются на сайтах со стандартизированной структурой: каталоги, справочники (Directories), агрегаторы, сайты отзывов, списки ресурсов.
  • Ресурсы с плохим анкорным текстом: Алгоритм значительно улучшает ранжирование ресурсов, на которые ссылаются с использованием неинформативных анкоров («подробнее», URL в качестве анкора, «сайт компании»).

Когда применяется

  • Триггеры активации: Алгоритм активируется при обнаружении группы ссылающихся ресурсов, обладающих структурным сходством (structurally similar linking documents).
  • Необходимые условия: Для генерации шаблонов необходимо наличие достаточного количества Seed Queries, связанных с целевыми ресурсами, на которые ссылается данная группа страниц.
  • Частота применения: Генерация шаблонов и извлечение текста происходят в процессе индексирования (офлайн/батч). Использование синтетического текста происходит в реальном времени при ранжировании.

Пошаговый алгоритм

Алгоритм состоит из трех основных процессов.

Процесс А: Генерация синтетического текста (Индексирование/Офлайн)

  1. Идентификация группы: Система определяет группу структурно похожих ссылающихся ресурсов.
  2. Идентификация целей и Seed Queries: Определяются целевые ресурсы и связанные с ними Seed Queries.
  3. Анализ местоположения терминов: Система определяет, где термины из Seed Queries появляются в структуре (Embedded Coding Fragments) ссылающихся ресурсов.
  4. Генерация кандидатов в шаблоны: На основе найденных структур создаются кандидаты с правилами извлечения (используя Literals и Wildcards).
  5. Выбор шаблонов: Кандидаты оцениваются по надежности (например, по частоте генерации из разных источников). Лучшие выбираются как финальные Templates.
  6. Применение шаблонов и извлечение: Финальные шаблоны применяются к другим ссылающимся ресурсам в группе для извлечения Synthetic Descriptive Text.
  7. Расчет статических оценок и индексация: Рассчитывается Query-Independent Score (см. Процесс В). Текст и оценка сохраняются в индексе и связываются с целевым ресурсом.

Процесс Б: Использование синтетического текста (Ранжирование)

  1. Получение ресурса: В ответ на запрос система идентифицирует целевой ресурс и его начальный Ranking Score.
  2. Расчет Query-Dependent Score (QDS): Для каждого фрагмента синтетического текста вычисляется оценка соответствия текущему запросу.
  3. Генерация общей оценки: QDS комбинируется с предварительно рассчитанным Query-Independent Score (QIS). Результаты агрегируются по всем фрагментам.
  4. Корректировка ранжирования: Начальный Ranking Score ресурса корректируется на основе общей оценки синтетического текста.

Процесс В: Расчет Query-Independent Score (QIS) (Индексирование)

Эта оценка определяет надежность и вес синтетического текста.

  1. Генерация Template Score (Оценка Шаблона): Оценка надежности шаблона. Учитывает количество уникальных фрагментов кода, использованных для его создания (больше — лучше), и разнообразие генерируемого текста.
  2. Генерация Linking Score (Оценка Ссылающегося Ресурса): Оценка качества группы ссылающихся ресурсов. Учитывает частоту кликов на эти ресурсы в поиске и разнообразие сайтов, на которые они ссылаются (признак авторитетного хаба).
  3. Генерация Target Score (Оценка Целевого Ресурса): Валидация текста. Учитывает, появляются ли термины из синтетического текста на самой целевой странице.
  4. Вычисление QIS: Комбинация (например, взвешенная сумма или произведение) Template Score, Linking Score и Target Score.

Какие данные и как использует

Данные на входе

  • Структурные и Технические факторы: HTML-структура ссылающейся страницы критически важна. Система анализирует Embedded Coding Fragments (теги <title>, <h1> и др.) и расположение ссылки в структуре документа для создания и применения шаблонов.
  • Контентные факторы: Текстовое содержание ссылающейся страницы используется для извлечения синтетического текста. Контент целевой страницы используется для расчета Target Score.
  • Ссылочные факторы: Используется факт наличия ссылки. Традиционный анкорный текст в этом механизме не используется для генерации, но дополняется им.
  • Поведенческие факторы: Критически важные данные. Seed Queries основаны на данных о кликах пользователей. Также частота кликов на ссылающиеся ресурсы влияет на Linking Score.

Какие метрики используются и как они считаются

Система использует комплексную модель оценки веса синтетического текста.

  • Query-Independent Score (QIS): Оценка качества синтетического текста. Агрегация трех компонент:
    • Template Score: Надежность шаблона. Учитывает статистику его генерации и применения (например, количество источников, разнообразие текста).
    • Linking Score: Качество ссылающегося источника. Учитывает популярность (клики) ссылающихся ресурсов и разнообразие их исходящих ссылок.
    • Target Score: Валидация релевантности. Учитывает, появляются ли термины из синтетического текста на целевой странице.
  • Query-Dependent Score (QDS): Оценка релевантности синтетического текста текущему запросу пользователя. Рассчитывается как мера сходства между запросом и текстом. Патент упоминает, что QDS может быть снижен, если у ресурса слишком много нерелевантных фрагментов синтетического текста (шум).
  • Synthetic Descriptive Text Score: Итоговая оценка, получаемая путем комбинирования QIS и QDS для каждого фрагмента и их последующей агрегации.

Выводы

  1. Контекст ссылки как «Синтетический Анкор»: Google активно извлекает релевантный текст из ссылающейся страницы (например, из заголовков, Title) и использует его как Synthetic Descriptive Text, если система может идентифицировать надежный структурный шаблон.
  2. Сила шаблонных ссылок и Структуры: Алгоритм в первую очередь нацелен на анализ ссылок со структурно похожих страниц (каталоги, списки). Чистая и семантичная HTML-структура на ссылающихся сайтах критически важна для работы этого механизма.
  3. Seed Queries (Click Data) как основа обучения: Система использует данные о поведении пользователей, чтобы понять, какие части структуры ссылающейся страницы содержат наиболее ценное описание целевого ресурса.
  4. Комплексная оценка веса текста: Не весь извлеченный текст имеет одинаковый вес. Query-Independent Score учитывает надежность шаблона (Template Score), качество ссылающегося сайта (Linking Score) и подтверждение на целевой странице (Target Score).
  5. Валидация на целевой странице обязательна: Чтобы избежать ошибок и ассоциации нерелевантного текста, система проверяет, присутствуют ли извлеченные термины на целевой странице (Target Score).

Практика

Best practices (это мы делаем)

  • Оптимизация контекста вокруг ссылок: При линкбилдинге (outreach, guest posting) убедитесь, что текст, окружающий ссылку, а также заголовки (H1-H6) и Title ссылающейся страницы, являются описательными и релевантными вашей целевой странице. Этот текст может быть использован как Synthetic Descriptive Text, даже если анкор нейтральный.
  • Стратегическое использование структурированных сайтов: При размещении в авторитетных каталогах, справочниках или на сайтах с шаблонной структурой, оптимизируйте поля, которые формируют ключевые структурные элементы (например, Название компании, которое попадает в H1).
  • Повышение качества ссылочных доноров (Linking Score): Стремитесь получать ссылки с авторитетных сайтов, которые сами получают трафик и клики из поиска. Ссылки с таких сайтов передают более весомый синтетический текст.
  • Обеспечение релевантности целевой страницы (Target Score): Убедитесь, что ключевые термины, которые используются для вашего описания на внешних сайтах, также присутствуют на вашей целевой странице. Это необходимо для валидации синтетического текста и получения высокого Target Score.

Worst practices (это делать не надо)

  • Игнорирование контекста ссылки: Фокусироваться только на получении ссылки с нужным анкором, игнорируя содержание и структуру ссылающейся страницы. Система может проигнорировать анкор и использовать контекст (или не найти его).
  • Ссылки из низкокачественных шаблонных сайтов: Получение ссылок из спамных каталогов или автоматически сгенерированных сайтов. Хотя они могут иметь структуру, их Linking Score будет низким, что снизит вес любого извлеченного текста.
  • Ссылки из неструктурированного или хаотичного контента: Ссылки со страниц с «грязной» версткой или отсутствием четкой семантической структуры затрудняют генерацию надежных шаблонов, снижая эффективность этого механизма.

Стратегическое значение

Патент подтверждает стратегию Google по снижению зависимости от прямых анкорных текстов, которые легко подвержены манипуляциям, и переходу к более глубокому контекстуальному и структурному анализу ссылок. Он демонстрирует, как Google использует машинное обучение и поведенческие данные (Seed Queries) для масштабируемого извлечения сигналов релевантности. Для SEO это означает, что качество, структура и контекст на сайте-доноре играют комплексную роль в оценке ссылки.

Практические примеры

Сценарий: Ссылка из отраслевого каталога

Компания «Вектор» (сантехнические услуги) размещает профиль в авторитетном городском каталоге услуг City-Catalog.ru.

  • Целевая страница: vector-plumbing.ru.
  • Ссылающаяся страница: city-catalog.ru/vector.
  • Структура ссылающейся страницы:
    • <title>Вектор - Сантехнические услуги в Москве - Городской Каталог</title>
    • <h1>Компания «Вектор»</h1>
    • Текст ссылки (анкор): <a href="vector-plumbing.ru">vector-plumbing.ru</a>

Как работает алгоритм:

  1. Анализ: Google видит, что City-Catalog.ru имеет множество структурно похожих страниц (профилей).
  2. Генерация шаблона: Анализируя другие профили и их Seed Queries, Google определяет, что тег <title> содержит наиболее релевантное описание. Создается шаблон: «Извлечь текст из <title> до разделителя "- Городской Каталог"».
  3. Извлечение: Для страницы профиля «Вектор» система извлекает текст: «Вектор - Сантехнические услуги в Москве».
  4. Результат: Несмотря на то, что анкор ссылки – это просто URL, Google ассоциирует текст «Вектор - Сантехнические услуги в Москве» с сайтом vector-plumbing.ru как Synthetic Descriptive Text, улучшая его ранжирование по соответствующим запросам.

Вопросы и ответы

Что такое «Synthetic Descriptive Text» и чем он отличается от обычного анкорного текста?

Synthetic Descriptive Text — это текст, который извлекается из контента ссылающейся страницы, но находится вне самого тега <a> (например, из заголовка H1 или Title ссылающейся страницы). В отличие от обычного анкорного текста (текста ссылки), он генерируется системой Google автоматически путем применения шаблонов к структурно похожим страницам. В индексе он функционирует аналогично анкорному тексту, помогая определить релевантность целевой страницы.

Что такое «Seed Queries» и почему они важны для этого алгоритма?

Seed Queries — это запросы, по которым пользователи часто переходят на определенный ресурс из поиска (данные о кликах). Они критически важны, так как служат основой для обучения системы. Анализируя, где термины из Seed Queries появляются на ссылающихся страницах (например, в H1), система учится определять, какие части структуры содержат наиболее ценное описание, и создает шаблоны для извлечения текста из аналогичных мест.

Означает ли этот патент, что анкорный текст больше не важен?

Нет, анкорный текст остается сильным сигналом. Однако этот патент показывает, что у Google есть надежный механизм для компенсации низкокачественного или отсутствующего анкорного текста. Если анкор неинформативен (например, «здесь» или URL), система может использовать контекст страницы (например, заголовок ссылающейся страницы) в качестве синтетического анкора, при условии, что она доверяет структуре сайта.

На какие типы сайтов-доноров следует обратить внимание в контексте этого патента?

Особое внимание следует уделить сайтам со структурированным, шаблонным представлением контента, которые ссылаются на множество внешних ресурсов. Это включает авторитетные отраслевые каталоги, справочники, сайты отзывов, списки партнеров. Важно, чтобы текст в ключевых структурных элементах (Title, H1) на этих сайтах был оптимизирован и релевантен вашей целевой странице.

Как Google оценивает вес извлеченного синтетического текста? Все ли они одинаково полезны?

Нет, они не одинаково полезны. Google использует сложную оценку Query-Independent Score, которая состоит из трех частей: Template Score (надежность шаблона), Linking Score (качество ссылающегося сайта) и Target Score (подтверждение релевантности на целевой странице). Синтетический текст, извлеченный надежным шаблоном с высококачественного сайта и подтвержденный контентом целевой страницы, будет иметь значительно больший вес.

Что такое Linking Score и как его повысить у доноров?

Linking Score — это оценка качества группы ссылающихся ресурсов. Согласно патенту, она повышается, если на эти ресурсы часто кликают в результатах поиска и если они ссылаются на разнообразные веб-сайты (признак авторитетного хаба). Для SEO это подтверждает важность получения ссылок с популярных, авторитетных сайтов, которые получают реальный трафик.

Зачем нужен Target Score? Неужели Google не доверяет извлеченному тексту?

Target Score служит механизмом валидации. Он проверяет, присутствуют ли термины из синтетического текста на самой целевой странице. Это предотвращает ошибки и гарантирует, что извлеченный текст действительно релевантен содержанию целевого ресурса. Если терминов нет на целевой странице, вес синтетического текста снижается.

Применяется ли этот механизм к ссылкам внутри одного сайта (перелинковка)?

Патент в основном описывает применение к внешним ссылкам. В тексте упоминается опция идентификации в качестве целевых ресурсов только ресурсов вне группы ссылающихся ресурсов (т.е. внешние сайты). Хотя принципы могут быть применимы и к внутренней перелинковке, если структура сайта это позволяет, основной фокус изобретения — улучшение понимания внешних ссылок с плохими анкорами.

Чем отличается извлечение текста по шаблону от простого анализа околоссылочного текста?

Анализ околоссылочного текста обычно рассматривает текст непосредственно перед или после ссылки в рамках одного блока. Описанный механизм действует иначе: он идентифицирует ключевые структурные элементы страницы (например, H1, Title), которые могут находиться далеко от самой ссылки, основываясь на шаблонах, подтвержденных Seed Queries. Это более структурный подход к пониманию контекста.

Как этот патент влияет на стратегии исходящих ссылок для моего сайта?

Если ваш сайт является каталогом или агрегатором и ссылается на множество внешних ресурсов, этот патент подчеркивает важность четкой и описательной структуры ваших страниц. Убедитесь, что заголовки и тайтлы страниц, с которых вы ссылаетесь, точно отражают суть целевых ресурсов. Это поможет Google корректно генерировать шаблоны и повысит качество вашего сайта (потенциально повышая ваш Linking Score).

Похожие патенты

Как Google использует контент вокруг ссылок (вне анкора) для генерации «Синтетического Описательного Текста» и ранжирования вашего сайта
Google может генерировать «Синтетический Описательный Текст» для страницы, анализируя контент и структуру сайтов, которые на нее ссылаются. Система создает структурные шаблоны для извлечения релевантного текста (например, заголовков или абзацев рядом со ссылкой), который затем используется как мощный сигнал ранжирования. Этот механизм позволяет лучше понять содержание страницы, особенно если традиционный анкорный текст низкого качества или отсутствует.
  • US9208233B1
  • 2015-12-08

  • Ссылки

  • Семантика и интент

  • Индексация

Как Google генерирует синтетические запросы, анализируя шаблоны и структуру HTML на сайте
Google использует структурное сходство между страницами на одном сайте для генерации новых, "синтетических" запросов. Система анализирует, в каких HTML-элементах (например, или <h1>) находятся термины из уже известных эффективных запросов. Затем она создает шаблон и применяет его к другим похожим страницам этого же сайта для извлечения новых фраз, улучшая понимание шаблонного контента.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US8346792B1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2013-01-01</li> </ul> <ul class="options-list"> <li><p>Структура сайта</p></li> <li><p>Семантика и интент</p></li> <li><p>SERP</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US9971746B2/">Как Google использует внутренние ссылки и структуру DOM для генерации шаблонов сайта и извлечения структурированных сниппетов</a> <div class="text">Google анализирует повторяющиеся блоки внутренних ссылок (например, списки товаров). Если текст возле ссылки на исходной странице совпадает с текстом на целевой странице, Google определяет DOM-структуру этого текста и создает шаблон домена. Этот шаблон позволяет автоматически извлекать ключевую информацию (например, цену и характеристики) для сниппетов со всех однотипных страниц сайта, даже без микроразметки.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US9971746B2<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2018-05-15</li> </ul> <ul class="options-list"> <li><p>Структура сайта</p></li> <li><p>SERP</p></li> <li><p>Ссылки</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US9128945B1/">Как Google улучшает результаты поиска, подбирая похожие "идеальные" запросы из логов и структурированных данных</a> <div class="text">Google идентифицирует запросы, которые стабильно показывают высокое вовлечение пользователей (CTR, долгие клики), и генерирует синтетические запросы из структурированных данных (например, частотного анкорного текста). Когда пользователь вводит похожий, но потенциально плохо сформулированный запрос, Google использует эти "аугментирующие запросы" для предоставления более качественных и релевантных результатов.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US9128945B1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2015-09-08</li> </ul> <ul class="options-list"> <li><p>SERP</p></li> <li><p>Поведенческие сигналы</p></li> <li><p>EEAT и качество</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US7308643B1/">Как Google извлекает, обрабатывает и индексирует анкорный текст, контекст и атрибуты входящих ссылок для ранжирования целевых страниц</a> <div class="text">Фундаментальный патент, описывающий инфраструктуру Google для обработки ссылок. Система извлекает анкорный текст, окружающий контекст и атрибуты форматирования (аннотации) из исходных страниц и инвертирует эти данные в структуру "Sorted Anchor Map". Это позволяет индексировать целевую страницу по тексту ссылок, указывающих на нее, используя эту внешнюю информацию как сигнал релевантности.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US7308643B1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2007-12-11</li> </ul> <ul class="options-list"> <li><p>Ссылки</p></li> <li><p>Индексация</p></li> <li><p>Техническое SEO</p></li> </ul> </div> </div> </div> </div> </div> <div class="features-widget ls-widget" id="similar"> <div class="widget-title"> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-vector-square-icon lucide-vector-square"><path d="M19.5 7a24 24 0 0 1 0 10"/><path d="M4.5 7a24 24 0 0 0 0 10"/><path d="M7 19.5a24 24 0 0 0 10 0"/><path d="M7 4.5a24 24 0 0 1 10 0"/><rect x="17" y="17" width="5" height="5" rx="1"/><rect x="17" y="2" width="5" height="5" rx="1"/><rect x="2" y="17" width="5" height="5" rx="1"/><rect x="2" y="2" width="5" height="5" rx="1"/></svg> <h2>Популярные патенты</h2> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US8825639B2/">Как Google планировал использовать социальные связи, сети доверия и экспертизу для персонализации и переранжирования поисковой выдачи</a> <div class="text">Google запатентовал метод использования данных из социальных сетей («member networks») для влияния на ранжирование. Пользователи могли явно одобрять («endorse») результаты поиска. Эти одобрения показывались другим связанным пользователям (друзьям или людям, ищущим экспертное мнение) и использовались для переранжирования выдачи, добавляя персонализированный слой доверия.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US8825639B2<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2014-09-02</li> </ul> <ul class="options-list"> <li><p>Персонализация</p></li> <li><p>EEAT и качество</p></li> <li><p>Поведенческие сигналы</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US10210263B1/">Как Google обрабатывает клики по ссылкам на мобильные приложения (App Deep Links) в результатах поиска</a> <div class="text">Google использует механизм клиентской обработки результатов поиска, ведущих в нативные приложения. Если у пользователя не установлено нужное приложение, система на устройстве автоматически подменяет ссылку приложения (App Deep Link) на эквивалентный веб-URL. Это гарантирует доступ к контенту через браузер и обеспечивает бесшовный пользовательский опыт.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US10210263B1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2019-02-19</li> </ul> <ul class="options-list"> <li><p>Ссылки</p></li> <li><p>SERP</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US9178848B1/">Как Google автоматически определяет связанные домены (например, международные версии сайта) и переранжирует их для повышения локальной релевантности и разнообразия выдачи</a> <div class="text">Google использует автоматическую систему для идентификации доменов, принадлежащих одной организации (аффилированных доменов), анализируя ссылки между ними и сходство их имен (SLD). Когда в результатах поиска появляется несколько таких доменов, система может понизить или поменять местами их позиции. Это делается для того, чтобы показать пользователю наиболее локально релевантную версию сайта и увеличить разнообразие организаций в топе выдачи.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US9178848B1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2015-11-03</li> </ul> <ul class="options-list"> <li><p>Local SEO</p></li> <li><p>SERP</p></li> <li><p>Ссылки</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US20150310100A1/">Как Google интегрирует персональный и социальный контент (Email, посты друзей, календарь) в универсальную поисковую выдачу</a> <div class="text">Google использует этот механизм для глубокой персонализации поиска, интегрируя релевантный контент из личных источников пользователя (Gmail, Drive, Calendar) и от его социальных связей. Система индексирует этот контент с разрешения пользователя, ранжирует его с учетом социальных сигналов (Affinity) и адаптивно отображает в SERP, смешивая с публичными результатами.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US20150310100A1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2015-10-29</li> </ul> <ul class="options-list"> <li><p>Персонализация</p></li> <li><p>Индексация</p></li> <li><p>Поведенческие сигналы</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US9020927B1/">Как Google рассчитывает «сигнал конкурентоспособности» (Competition Signal) страниц на основе анализа кликов, показов и времени взаимодействия</a> <div class="text">Google оценивает качество страниц, анализируя их «победы» и «поражения» в поисковой выдаче. Система сравнивает, как часто пользователи выбирают данный URL вместо других и как долго они взаимодействуют с контентом по сравнению с конкурентами (Dwell Time). На основе этих данных рассчитывается корректирующий фактор, который повышает или понижает позиции страницы, отражая её относительную конкурентоспособность и удовлетворенность пользователей.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US9020927B1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2015-04-28</li> </ul> <ul class="options-list"> <li><p>Поведенческие сигналы</p></li> <li><p>SERP</p></li> <li><p>EEAT и качество</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US7844603B2/">Как Google интегрирует поиск в инструменты создания контента и использует распространение ссылок для расчета репутации автора</a> <div class="text">Google разработал систему (UDS), интегрирующую поиск в инструменты создания контента (Email, блоги, форумы). Система автоматически уточняет запросы на основе контекста и профилей пользователей. Если автор вставляет ссылку, а читатель кликает по ней, Google использует это взаимодействие для расчета «оценки репутации» автора и как поведенческий сигнал качества контента.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US7844603B2<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2010-11-30</li> </ul> <ul class="options-list"> <li><p>Ссылки</p></li> <li><p>Поведенческие сигналы</p></li> <li><p>EEAT и качество</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US9268880B2/">Как Google персонализирует поисковые подсказки (Autocomplete) на основе недавно просмотренного медиаконтента</a> <div class="text">Google использует информацию о недавно потребленном пользователем медиаконтенте (видео, аудио, книги, игры) для персонализации поисковых подсказок. Система извлекает атрибуты (аспекты) из этого контента, такие как названия, имена актеров или артистов, и повышает в ранжировании те подсказки, которые соответствуют этим атрибутам. Влияние потребления медиа на подсказки зависит от времени, прошедшего с момента просмотра, типа контента и того, делился ли им пользователь.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US9268880B2<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2016-02-23</li> </ul> <ul class="options-list"> <li><p>Персонализация</p></li> <li><p>Семантика и интент</p></li> <li><p>Мультимедиа</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US20200159765A1/">Как Google использует машинное зрение и исторические клики для определения визуального интента и ранжирования изображений</a> <div class="text">Google использует систему, которая определяет визуальное значение текстового запроса, анализируя объекты на картинках, которые пользователи выбирали ранее по этому или похожим запросам. Система создает набор «меток контента» (визуальный профиль) для запроса и сравнивает его с объектами, распознанными на изображениях-кандидатах с помощью нейросетей. Это позволяет ранжировать изображения на основе их визуального соответствия интенту пользователя.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US20200159765A1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2020-05-21</li> </ul> <ul class="options-list"> <li><p>Семантика и интент</p></li> <li><p>Мультимедиа</p></li> <li><p>Персонализация</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US20140372873A1/">Как Google определяет основной контент страницы, анализируя визуальную структуру и характеристики разделов</a> <div class="text">Google использует систему для идентификации основного контента веб-страницы путем её разделения на логические разделы на основе визуального макета. Система оценивает характеристики каждого раздела (соотношение ссылок к тексту, количество слов, изображения, расположение) относительно характеристик всей страницы, чтобы выделить наиболее значимый контент и отделить его от навигации и шаблонов.</div> </div> <div class="bottom-box"> <ul class="info"> <li>US20140372873A1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2014-12-18</li> </ul> <ul class="options-list"> <li><p>Структура сайта</p></li> <li><p>Техническое SEO</p></li> <li><p>Ссылки</p></li> </ul> </div> </div> </div> </div> <div class="listing-block-five"> <div class="image-box"> <div class="se-icon"><img src="/static/img/google-logo-png-29534.png" alt=""></div></div> <div class="inner-box"> <div class="image-box"> </div> <div class="content-box"> <div class="upper-box"> <a class="pat-listing-item-headlink" href="http://seohardcore.ru/patents/google/US8645393B1/">Как Google ранжирует сущности (например, людей с одинаковыми именами) с помощью кластеризации, контекстной авторитетности и персонализации</a> <div class="text">Google использует систему двухуровневого ранжирования для обработки неоднозначных запросов (например, имен людей). Сначала ресурсы группируются в кластеры, представляющие разные сущности. Ресурсы внутри кластера ранжируются на основе их качества и авторитетности внутри этого кластера. Затем сами кластеры ранжируются с учетом релевантности запросу и сильной персонализации (социальные связи и местоположение пользователя).</div> </div> <div class="bottom-box"> <ul class="info"> <li>US8645393B1<li> <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="1.25" stroke-linecap="round" stroke-linejoin="round" class="lucide lucide-calendar-clock-icon lucide-calendar-clock"><path d="M16 14v2.2l1.6 1"></path><path d="M16 2v4"></path><path d="M21 7.5V6a2 2 0 0 0-2-2H5a2 2 0 0 0-2 2v14a2 2 0 0 0 2 2h3.5"></path><path d="M3 10h5"></path><path d="M8 2v4"></path><circle cx="16" cy="16" r="6"></circle></svg> 2014-02-04</li> </ul> <ul class="options-list"> <li><p>Персонализация</p></li> <li><p>Семантика и интент</p></li> <li><p>SERP</p></li> </ul> </div> </div> </div> </div> </div> </div> <!-- Sidebar Side --> <!-- End Sidebar Side --> </div> </div> </div> <!--End Sidebar Page Container --> <!-- Main Footer --> <footer class="main-footer style-two"> <!-- Footer Bottom --> <div class="footer-bottom"> <div class="text"><a class="tglink" target="_blank" href="https://t.me/seohardcore"><svg xmlns="http://www.w3.org/2000/svg" width="16" height="16" fill="currentColor" class="bi bi-telegram" viewBox="0 0 16 16"> <path d="M16 8A8 8 0 1 1 0 8a8 8 0 0 1 16 0M8.287 5.906q-1.168.486-4.666 2.01-.567.225-.595.442c-.03.243.275.339.69.47l.175.055c.408.133.958.288 1.243.294q.39.01.868-.32 3.269-2.206 3.374-2.23c.05-.012.12-.026.166.016s.042.12.037.141c-.03.129-1.227 1.241-1.846 1.817-.193.18-.33.307-.358.336a8 8 0 0 1-.188.186c-.38.366-.664.64.015 1.088.327.216.589.393.85.571.284.194.568.387.936.629q.14.092.27.187c.331.236.63.448.997.414.214-.02.435-.22.547-.82.265-1.417.786-4.486.906-5.751a1.4 1.4 0 0 0-.013-.315.34.34 0 0 0-.114-.217.53.53 0 0 0-.31-.093c-.3.005-.763.166-2.984 1.09"></path> </svg> seohardcore</a></div> </div> <!-- Scroll To Top --> <div class="scroll-to-top scroll-to-target" data-target="html"><span class="flaticon-up"></span></div> </footer> <!-- End Footer --> </div><!-- End Page Wrapper --> <script src="/js/jquery.js?v=1.04"></script> <!-- <script src="/js/popper.min.js?v=1.04"></script> <script src="/js/chosen.min.js?v=1.04"></script> --> <script src="/js/bootstrap.min.js?v=1.04"></script> <script src="/js/jquery-ui.min.js?v=1.04"></script> <script src="/js/jquery.fancybox.js?v=1.04"></script> <script src="/js/jquery.modal.min.js?v=1.04"></script> <script src="/js/jquery.hideseek.min.js?v=1.04"></script> <script src="/js/mmenu.polyfills.js?v=1.04"></script> <script src="/js/mmenu.js?v=1.04"></script> <script src="/js/appear.js?v=1.04"></script> <script src="/js/wow.js?v=1.04"></script> <script src="/js/script.js?v=1.04"></script> <script src="/js/listing-nav-sticky.js?v=1.04"></script> <script src="/js/back-ignoring-hash.js?v=1.04"></script> <script src="/js/patents-readmore.js?v=1.04"></script> </body> </html>