Как Google определяет авторитетные сайты для конкретных тем, анализируя «гибридные запросы» пользователей

Термины и определения

Hybrid Query (Гибридный запрос)

Запрос, содержащий как topic keyword, так и navigation keyword. Пример: «back pain WebMD». Служит основой для выявления связей между темами и ресурсами.

Topic Keyword (Ключевое слово темы)

Слово или фраза (naming keyword), идентифицирующая конкретную тему (topic). Используется в информационных запросах.

Navigation Keyword (Ключевое слово навигации)

Слово или фраза (naming keyword), идентифицирующая конкретный навигационный ресурс (navigational resource). Используется в навигационных запросах (например, «WebMD»).

Navigational Resource (Навигационный ресурс)

Веб-сайт или веб-страница, к которой пользователи часто обращаются по известному имени. В контексте патента — ресурс, который идентифицируется как авторитетный источник информации по теме.

Association Precision Criteria (Критерии точности ассоциации)

Фильтры, применяемые к первичным ассоциациям между темами и ресурсами для удаления слабых или ненадежных связей. Включают пороги по кликам и паттернам переформулирования запросов.

First Mapping (Первая карта соответствия)

Карта типа Ресурс -> Темы (R->Ts). Ассоциирует каждый уникальный навигационный ресурс с группой тем, выявленных в гибридных запросах.

Second Mapping (Вторая карта соответствия)

Карта типа Тема -> Ресурсы (T->Rs). Получается путем инвертирования First Mapping после этапа генерализации. Ассоциирует каждую тему с группой авторитетных навигационных ресурсов. Используется для ранжирования.

Generalization (Генерализация)

Процесс обобщения группы тем, связанных с одним ресурсом, для выявления дополнительных, более широких тем (additional topics).

Association Score (Оценка ассоциации)

Метрика, рассчитываемая для каждой пары Тема-Ресурс во Second Mapping. Отражает силу связи и используется при расчете итогового scoring.

Vertical (Вертикаль)

Тематическая категория, включающая группу связанных тем (например, «Медицина», «Автомобили»). Патент описывает создание Vertical-to-Resource mapping.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает полный цикл создания и применения карты соответствия тем и ресурсов.

1. Обработка лога запросов для идентификации hybrid queries (содержащих topic keyword и navigation keyword).
2. Создание First Mapping (Ресурс -> Темы).
3. Для каждой ассоциации в First Mapping:
   • Генерализация (обобщение) группы тем для выявления дополнительных тем.
   • Дополнение (augmenting) ассоциации этими дополнительными темами.
4. Инвертирование дополненной First Mapping для получения Second Mapping (Тема -> Ресурсы).
5. Применение Second Mapping. В тексте патента Claim 1 явно указывает на применение для автодополнения:
   • Обнаружение того, что термины частично введенного запроса соответствуют теме из Second Mapping.
   • Идентификация навигационных ресурсов, связанных с этой темой.
   • Оценка (scoring) кандидатов автодополнения на основе того, ведут ли их результаты поиска к этим идентифицированным навигационным ресурсам.

Claim 2 (Зависимый от 1): Детализирует процесс создания First Mapping (Шаг 2 в Claim 1).

1. Фильтрация первичных ассоциаций на основе Association Precision Criteria.
2. Генерация начальной карты Тема -> Ресурсы на основе отфильтрованных ассоциаций.
3. Инвертирование этой начальной карты для генерации First Mapping (Ресурс -> Темы).

Claims 3, 4, 5 (Зависимые от 2): Определяют конкретные Association Precision Criteria.

• Claim 3: Минимальная доля кликов, которую ресурс получает по гибридным запросам, связывающим его с темой.
• Claim 4: Минимальное количество сессий, в которых происходит переформулирование от информационного запроса по теме к навигационному запросу для ресурса.
• Claim 5: Требование, чтобы ресурс получал минимальное количество кликов по информационным запросам, содержащим ключевое слово темы.

Claim 6 (Зависимый от 1): Вводит понятие Association Score.

• Для ассоциаций во Second Mapping рассчитывается Association Score для каждого навигационного ресурса. Эти оценки используются при ранжировании (scoring candidate search results).

Claim 11 (Зависимый от 1): Описывает расширение механизма на уровень вертикалей.

1. Категоризация тем из Second Mapping по вертикалям.
2. Создание Vertical-to-Resource mapping.
3. Использование этой карты для оценки результатов поиска по запросам, отнесенным к этим вертикалям.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, преимущественно в офлайн-обработке данных и на финальных этапах обработки запроса.

INDEXING / QUNDERSTANDING (Офлайн-процессы)
Основная работа алгоритма происходит офлайн как часть глобального анализа данных:

• Анализ данных: Обработка Query Logs и Click Logs для идентификации hybrid queries.
• Индексация сущностей: Система должна поддерживать индексы известных тем (Keyword-Topic Index) и известных навигационных ресурсов (Keyword-Resource Index).
• Генерация и хранение карт: Создание, фильтрация, генерализация и хранение карт соответствия (First Mapping, Second Mapping, Vertical-to-Resource mapping).
• Расчет метрик: Вычисление Association Scores.

QUNDERSTANDING (Понимание Запросов - Онлайн)

• Автодополнение (Auto-completion): При вводе запроса система проверяет соответствие темы в Second Mapping и использует связанные ресурсы для оценки (scoring) и ранжирования поисковых подсказок (явно указано в Claim 1).
• Идентификация темы/вертикали: Определение темы или вертикали входящего запроса для активации соответствующих карт.

RANKING / RERANKING (Ранжирование / Переранжирование)

• Повышение авторитетов: При обработке информационного запроса система может использовать Second Mapping (или Vertical-to-Resource mapping) для корректировки оценок кандидатов. Ресурсы, указанные в карте как авторитетные для данной темы, могут получить бустинг (boost) в scoring.

METASEARCH (Метапоиск и Смешивание)

• Рекомендации сайтов: Предоставление пользовательского элемента (например, блока «Рекомендованные сайты») на странице выдачи, который идентифицирует навигационные ресурсы, связанные с темой запроса (Claim 13).

На что влияет

• Типы контента и ресурсы: В первую очередь влияет на веб-сайты и веб-страницы, классифицированные как navigational resources (авторитетные источники, бренды).
• Специфические запросы: Наибольшее влияние оказывается на информационные запросы, для которых существуют четко определенные авторитеты. Также влияет на ранжирование поисковых подсказок.
• Конкретные ниши или тематики: Особенно актуально в тематиках, где важна экспертиза и существуют признанные лидеры мнений (например, медицина, финансы, технологии, хобби).

Когда применяется

• Условия работы (Офлайн): Алгоритм генерации карт применяется при наличии достаточного объема данных в Query Logs и Click Logs для идентификации статистически значимых hybrid queries.
• Триггеры активации (Офлайн): Ассоциация создается только при выполнении строгих Association Precision Criteria (пороги по кликам, частоте запросов, паттернам поведения).
• Условия работы (Онлайн): Механизмы ранжирования и автодополнения активируются, когда входящий (или частично введенный) запрос соответствует теме или вертикали, присутствующей в созданных картах (Second Mapping или Vertical-to-Resource mapping).

Пошаговый алгоритм

Процесс генерации карты соответствия (Офлайн):

1. Сбор данных и идентификация гибридов: Обработка Query Log. Идентификация hybrid queries путем сравнения терминов запроса с Keyword-Topic Index и Keyword-Resource Index.
2. Создание первичных ассоциаций: Формирование начальных связей (Topic-Resource) на основе идентифицированных гибридных запросов.
3. Фильтрация (Применение Association Precision Criteria): Удаление ассоциаций, не удовлетворяющих критериям точности. Критерии включают:
   • Минимальная доля кликов на ресурс по гибридному запросу.
   • Минимальное количество сессий с переформулированием от темы к ресурсу.
   • Минимальное количество кликов на ресурс по чисто информационному запросу.
4. Генерация начальных карт:
   • Создание начальной карты T->Rs (Тема -> Ресурсы).
   • Инвертирование для создания First Mapping (R->Ts, Ресурс -> Темы).
5. Генерализация тем: Для каждого ресурса в First Mapping анализируется связанная с ним группа тем. Темы обобщаются (например, с использованием таксономии) для выявления более широких additional topics.
6. Дополнение карты (Augmentation): First Mapping дополняется обобщенными темами (создается Augmented R->Ts Mapping).
7. Генерация финальной карты: Инвертирование дополненной карты для получения Second Mapping (Augmented T->Rs Mapping).
8. Расчет Association Scores: Для каждой пары (Тема, Ресурс) в Second Mapping вычисляется оценка ассоциации на основе различных сигналов (клики, переформулирования, анкорный текст, количество связанных тем).
9. (Опционально) Генерация Vertical Mapping: Категоризация тем по вертикалям и создание Vertical-to-Resource mapping.

Какие данные и как использует

Данные на входе

• Поведенческие факторы (Ключевые):
  • Query Logs: Используются для идентификации hybrid queries, информационных и навигационных запросов, а также для анализа сессий и переформулирований (query revisions).
  • Click Logs: Используются для определения количества и доли кликов на ресурсы по разным типам запросов (гибридным, информационным). Это критически важно для фильтрации (Association Precision Criteria) и расчета Association Scores.
• Ссылочные факторы:
  • Анкорный текст (Anchor text): Используется как один из методов расчета Association Score. Система анализирует, как часто ключевое слово темы появляется в анкорах ссылок, ведущих на навигационный ресурс.
• Системные данные/Индексы:
  • Keyword-Topic Index: База данных известных тем и их ключевых слов.
  • Keyword-Resource Index: База данных известных навигационных ресурсов и их ключевых слов.
  • Таксономия тем (неявно): Используется для этапа генерализации тем.

Какие метрики используются и как они считаются

Система использует два основных типа метрик: Критерии фильтрации и Оценки ассоциации.

Association Precision Criteria (Фильтры):

• Доля кликов по гибридному запросу: Отношение кликов на Ресурс к общему числу кликов по запросу [Тема + Ресурс].
• Количество переформулирований: Число сессий, где пользователь перешел от запроса [Тема] к запросу [Ресурс].
• Количество кликов по информационному запросу: Число кликов на Ресурс при поиске по запросу [Тема].

Association Scores (Оценки): Патент предлагает несколько методов расчета, которые могут использоваться по отдельности или в комбинации:

• Метод 1 (Clicks on Informational Queries): Основан на общем количестве кликов, которые ресурс получил в качестве результата поиска по информационным запросам, состоящим из ключевого слова темы.
• Метод 2 (Query Revisions): Основан на общем количестве сессий, в которых произошло переформулирование от информационного запроса по теме к навигационному запросу для ресурса.
• Метод 3 (Topic Diversity): Основан на общем количестве уникальных тем, связанных с данным навигационным ресурсом в Second Mapping. (Чем больше тем, тем выше может быть оценка).
• Метод 4 (Anchor Text Analysis): Основан на общем количестве появлений ключевого слова темы в анкорном тексте гиперссылок, указывающих на навигационный ресурс.

1. Topical Authority через поведение пользователей: Патент описывает механизм, который позволяет Google алгоритмически определять авторитетность сайта по теме (Topical Authority), основываясь не только на контенте или ссылках, но и на прямом анализе поведения пользователей — как они связывают темы и бренды в своих запросах (hybrid queries).
2. Критичность поведенческих сигналов: Успешность ассоциации темы и ресурса зависит от выполнения строгих критериев (Association Precision Criteria), основанных на кликах и паттернах поиска. Простого упоминания бренда рядом с темой недостаточно; пользователи должны активно выбирать ресурс.
3. Механизм расширения авторитета (Generalization): Система активно расширяет влияние авторитетных сайтов. Если сайт признан авторитетом по нескольким смежным подтемам, механизм генерализации может сделать его авторитетом и для более широкой, обобщенной темы.
4. Многофакторная оценка авторитетности: Association Score рассчитывается на основе комбинации сигналов, включая поведение пользователей (клики, переформулирования) и традиционные SEO-сигналы (анкорный текст).
5. Влияние за пределами ранжирования: Идентифицированные ассоциации используются не только для scoring в основном поиске, но и явно применяются для улучшения качества поисковых подсказок (auto-completions) и могут использоваться для генерации блоков рекомендаций сайтов.
6. Вертикальная авторитетность: Система может агрегировать авторитетность на уровне целых вертикалей (Vertical-to-Resource mapping), что позволяет усиливать позиции крупных авторитетных порталов по широкому спектру запросов внутри вертикали.

Best practices (это мы делаем)

• Станьте «Навигационным Ресурсом» (Build Topical Authority): Стратегическая цель — добиться того, чтобы пользователи ассоциировали ваш бренд/сайт с ключевыми темами вашей ниши. Необходимо стать настолько авторитетным источником, чтобы пользователи целенаправленно искали информацию на вашем сайте, используя hybrid queries (например, [Ваша Тема + Ваш Бренд]).
• Стимулирование брендового и гибридного спроса: Инвестируйте в PR, контент-маркетинг и построение сообщества. Это увеличит количество гибридных запросов и вероятность того, что система идентифицирует ваш сайт как navigational resource для темы.
• Кластерное покрытие тем (Leverage Generalization): Создавайте глубоко проработанные кластеры контента. Авторитетность по нескольким связанным подтемам может привести к тому, что система генерализации признает ваш сайт авторитетом для более широкой родительской темы.
• Оптимизация под информационный интент и удовлетворенность пользователя: Крайне важно, чтобы ваш сайт получал клики и удовлетворял интент пользователей по чисто информационным запросам. Это является одним из ключевых Association Precision Criteria и фактором расчета Association Score.
• Анализ анкорного профиля (Anchor Text Relevance): Убедитесь, что внешние ссылки на ваш сайт используют релевантный анкорный текст, содержащий ключевые слова тем. Это напрямую влияет на Association Score (Метод 4).

Worst practices (это делать не надо)

• Игнорирование брендового трафика: Фокус исключительно на небрендовых информационных запросах без работы над узнаваемостью бренда снижает вероятность идентификации сайта как авторитетного ресурса через этот механизм.
• Накрутка гибридных запросов: Попытки искусственно сгенерировать hybrid queries в логах поиска, скорее всего, будут неэффективны из-за строгих Association Precision Criteria. Система требует не только наличия запросов, но и подтверждения реальными кликами и сложными паттернами поведения (query revisions).
• Поверхностное покрытие тем: Создание большого количества страниц под разные запросы без установления четкой связи и авторитетности не поможет активировать этот механизм. Система ищет ресурсы, которые пользователи считают конечным пунктом назначения для изучения темы.

Стратегическое значение

Этот патент подтверждает стратегическую важность комплексного подхода к SEO, объединяющего построение бренда, Topical Authority и анализ поведения пользователей. Он демонстрирует, что Google имеет конкретные алгоритмы для измерения того, насколько сайт является «именем нарицательным» в своей нише. Для долгосрочной стратегии это означает, что инвестиции в качество контента и узнаваемость бренда напрямую конвертируются в сигналы ранжирования, позволяя доминировать как по конкретным темам, так и по целым вертикалям.

Практические примеры

Сценарий: Улучшение ранжирования авторитетного медицинского сайта

1. Ситуация: Крупный медицинский портал (например, Mayo Clinic) хочет улучшить видимость по запросу «симптомы диабета».
2. Анализ данных (Google): Система анализирует логи и видит большое количество запросов «симптомы диабета Mayo Clinic» (hybrid queries).
3. Проверка критериев: Система видит, что Mayo Clinic получает высокую долю кликов по этим гибридным запросам, а также много кликов по чисто информационному запросу «симптомы диабета». Критерии выполнены.
4. Создание ассоциации: В Second Mapping создается связь: Тема [Симптомы диабета] -> Ресурс [Mayo Clinic] с высоким Association Score.
5. Генерализация: Система также видит ассоциации Mayo Clinic с темами «лечение диабета», «типы диабета» и обобщает их до темы [Диабет].
6. Применение (Ранжирование): Когда пользователь вводит «симптомы диабета», страницы Mayo Clinic получают бустинг в ранжировании благодаря высокому Association Score.
7. Применение (Автодополнение): Когда пользователь начинает вводить «симптомы диаб...», подсказка «симптомы диабета Mayo Clinic» ранжируется выше, так как она ведет к авторитетному ресурсу.