Как Google использует контент, который вы смотрите (например, на ТВ), для автоматического переписывания и персонализации ваших поисковых запросов

Термины и определения

Augmented Search Query (Дополненный/Аугментированный поисковый запрос)

Исходный запрос пользователя, модифицированный системой путем добавления Contextual Information для повышения точности или устранения неоднозначности.

Audio Recognizer Component / Pattern Recognizer Component

Подсистемы Search Management Component, использующие техники распознавания аудио и образов соответственно, для идентификации информации (объектов, диалогов, сцен) в представленном контенте.

Content Identifier Timestamp (Метка идентификатора контента)

Структура данных, которая связывает идентифицированную контекстуальную информацию с конкретным моментом времени в потоке контента. Используется для корреляции контента с последующей активностью пользователя.

Contextual Information (Контекстуальная информация)

Данные, извлеченные из потребляемого контента. Могут включать идентификаторы сущностей (актеры, объекты, продукты, названия шоу), темы, сцены, диалоги, метаданные, субтитры.

Pairing (Сопряжение устройств)

Процесс установления связи между двумя устройствами (например, ТВ и смартфоном) для обмена контекстом. Может быть прямым (через протокол или общий аккаунт) или косвенным (на основе близости).

Search Management Component (Компонент управления поиском)

Основной модуль, отвечающий за идентификацию контента, извлечение контекста и аугментацию запросов.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает систему для контекстуализации поиска на основе потребления ТВ-контента, включая кросс-девайсное применение.

1. Система идентифицирует ТВ-контент (television-related content) в первый момент времени.
2. Идентифицируется Contextual Information, включающая термины, указывающие на идентификатор (identifier) этого контента.
3. Генерируется Content Identifier Timestamp, который связывает контекст с активностью пользователя на первом или втором устройстве.
4. Во второй момент времени система получает поисковый запрос.
5. Определяется, связаны ли термины контекста с терминами запроса.
6. Контекст передается на второе устройство, которое генерирует модифицированный запрос.
7. Модификация происходит путем добавления (appending) терминов контекстной информации (в частности, идентификатора контента) к запросу, если связь установлена.
8. Система инициирует предоставление результатов поиска по модифицированному запросу.

Claim 9 (Независимый пункт): Описывает метод, аналогичный Claim 1, с явным акцентом на процесс сопряжения (pairing) устройств для передачи контекста.

1. Идентификация контента, контекста и генерация Content Identifier Timestamp.
2. Получение запроса и определение его связи с контекстом.
3. Выполняется сопряжение (pairing) первого устройства со вторым.
4. Контекст передается на второе устройство.
5. Если связь установлена, запрос на втором устройстве модифицируется путем добавления контекста.
6. Модифицированный запрос передается (например, в поисковую систему).

Claim 16 (Независимый пункт): Описывает систему со стороны поисковой машины (search engine), которая обрабатывает запрос, уже модифицированный на основе контекста ТВ-контента, идентифицированного на коммуникационном устройстве.

Где и как применяется

Изобретение применяется преимущественно на этапе понимания запроса для его обогащения контекстом реального времени.

QUNDERSTANDING – Понимание Запросов
Это основная область применения. Система работает как препроцессор запросов, который использует информацию о текущей или недавней активности пользователя (потреблении медиаконтента) для контекстуализации, устранения неоднозначности (Disambiguation) и дополнения (Augmentation) запроса. Это механизм переписывания запроса (Query Rewriting), который происходит до этапа ранжирования.

RERANKING – Переранжирование (Персонализация)
Использование непосредственного контекста является формой гипер-персонализации. Аугментированный запрос приводит к формированию кастомизированной выдачи (customized search results). Патент также упоминает, что контекст может использоваться для promotion (повышения) одних результатов над другими.

INDEXING – Индексирование и извлечение признаков
Косвенное взаимодействие. Для эффективной работы система полагается на базовые индексы и Граф Знаний, чтобы распознавать сущности (актеров, фильмы, объекты) внутри медиапотока.

Входные данные:

• Аудиовизуальный поток или метаданные потребляемого контента.
• Информация о времени просмотра.
• Исходный поисковый запрос пользователя.
• Данные о сопряжении устройств (pairing).
• Опционально: История просмотра (historical content viewing history), история поиска (search history), местоположение.

Выходные данные:

• Content Identifier Timestamp (внутренние данные).
• Augmented Search Query (передается в поисковую систему).

На что влияет

• Специфические запросы: Наибольшее влияние на неоднозначные (ambiguous) запросы, интерпретация которых зависит от контекста (например, [Ягуар], [Дом], [Аватар]). Также влияет на запросы о сущностях, присутствующих в просматриваемом контенте.
• Конкретные ниши или тематики: Медиа, развлечения, спорт, электронная коммерция (товары, показанные в фильмах, рекламе или обзорах).
• Кросс-девайсное взаимодействие: Влияет на сценарии, когда пользователь смотрит контент на одном устройстве (ТВ), а ищет на другом (смартфон).

Когда применяется

• Условия работы: Алгоритм активируется, когда пользователь потребляет идентифицируемый медиаконтент на устройстве, способном извлекать контекст.
• Триггеры активации: Ввод пользователем поискового запроса во время или вскоре после сессии потребления контента.
• Условие применения аугментации: Система должна определить наличие релевантной связи между извлеченной Contextual Information и терминами введенного запроса.
• Временные рамки: Применяется в реальном времени. Патент упоминает возможность фильтрации истории за определенный недавний период (defined recent time period, например, 24 часа), чтобы контекст оставался актуальным.

Пошаговый алгоритм

Процесс А: Извлечение контекста (Фоновый режим / Реальное время)

1. Идентификация контента: В заданный момент времени система идентифицирует секцию контента, представляемую на устройстве.
2. Анализ контента: Секция анализируется с использованием Pattern Recognizer Component (для видео) и Audio Recognizer Component (для аудио), а также анализируются метаданные и субтитры.
3. Извлечение контекста: Идентифицируются элементы Contextual Information (сущности, объекты, темы, идентификатор контента).
4. Генерация метки времени: Создается Content Identifier Timestamp, фиксирующий контекст и момент времени.
5. Хранение и передача: Метка сохраняется и может быть передана на сопряженные устройства.

Процесс Б: Обработка и аугментация запроса (Реальное время)

1. Получение запроса: Система получает поисковый запрос от пользователя.
2. Анализ запроса: Идентифицируются поисковые термины.
3. Сопоставление контекста: Система определяет, связаны ли элементы контекста из недавних Content Identifier Timestamps с терминами запроса.
4. Аугментация запроса: Если релевантная связь найдена, система генерирует Augmented Search Query, добавляя (appending) к исходному запросу контекстуальную информацию.
5. Выполнение поиска: Аугментированный запрос передается в поисковую систему для выполнения и генерации кастомизированных результатов.

Какие данные и как использует

Данные на входе

Система использует данные, получаемые непосредственно из потребляемого контента и активности пользователя.

• Мультимедиа факторы: Видео- и аудиопотоки контента. Анализируются для распознавания объектов, сцен, лиц, диалогов и музыки.
• Контентные факторы (Медиа): Текстовая информация: метаданные (названия, описания из TV-листингов) и скрытые субтитры (closed-caption information).
• Пользовательские факторы:
  • Текущая активность: Факт просмотра контента в определенное время.
  • История: Historical content viewing history и Search history могут использоваться как дополнительный контекст.
  • Профиль: Интересы пользователя (User interests).
  • Устройство: Статус сопряжения устройств (Pairing).
• Географические факторы: Местоположение (geographical location) устройства упоминается как возможный дополнительный контекст.

Какие метрики используются и как они считаются

• Методы анализа Мультимедиа: Применяются Pattern recognition techniques для анализа визуальной информации и Voice recognition techniques для анализа аудио информации.
• Определение релевантности контекста: Используются метрики (детали не раскрыты) для определения степени связи между терминами исходного запроса и Contextual Information. Это ключевой шаг для принятия решения об аугментации.
• Фильтрация по времени: Используется filter component для ограничения анализа истории определенным недавним временным периодом (defined recent time period), чтобы контекст оставался актуальным.

1. Мгновенный контекст как главный сигнал интента: Патент демонстрирует, что Google может рассматривать текущую активность пользователя (потребление медиа) как доминирующий сигнал для интерпретации его поискового намерения, переопределяя другие возможные значения запроса.
2. Автоматическое устранение неоднозначности (Disambiguation): Основная функция системы — разрешение неоднозначности запросов в реальном времени. Система проактивно уточняет интент, основываясь на контексте просмотра/прослушивания.
3. Переписывание запросов (Query Rewriting) как ключевой механизм: Система не меняет ранжирование, а изменяет сам запрос (Augmentation). Ключевым техническим решением, защищенным в Claims, является добавление идентификаторов контента к исходному запросу.
4. Кросс-девайсный контекст (Cross-Device Context): Подчеркивается важность экосистемы. Сопряжение (pairing) позволяет переносить контекст с одного устройства (ТВ) на другое (смартфон), обеспечивая бесшовный поисковый опыт.
5. Зависимость от распознавания сущностей в медиа: Эффективность механизма напрямую зависит от способности Google точно распознавать сущности (объекты, людей, темы) внутри аудиовизуального контента с помощью технологий распознавания образов и аудио.

Best practices (это мы делаем)

• Фокус на оптимизации сущностей (Entity Optimization): Поскольку система распознает сущности в медиа и использует их для уточнения запросов, критически важно, чтобы ваши бренды, продукты, ключевые лица были четко определены в Графе Знаний и на вашем сайте (используя Schema.org). Это поможет системе корректно идентифицировать вашу сущность в любом контексте.
• Усиление связи Сущностей и Контекстов: Убедитесь, что ваши сущности имеют сильные семантические связи с релевантными контекстами. Если вы продвигаете бренд "Ягуар" (автомобиль), он должен быть четко отделен от сущности "Ягуар" (животное), чтобы системы disambiguation работали в вашу пользу.
• Синергия Видео и Веб-контента: Развивайте стратегию, связывающую ваш видеоконтент с веб-страницами. Просмотр вашего видео может стать контекстом для последующего веб-поиска. Для создателей медиаконтента критично предоставлять полные метаданные и субтитры для облегчения распознавания контента системами Google.
• Интеграция SEO и медиа-стратегии (Product Placement): Координируйте SEO-активности с медийными кампаниями (ТВ-реклама, продакт-плейсмент). Готовьте контент, оптимизированный под сущности, которые появятся в медиа, чтобы захватить трафик по аугментированным запросам.

Worst practices (это делать не надо)

• Ставка на ранжирование по неоднозначным Head Terms: Попытки занять топ по высокочастотным, но неоднозначным ключевым словам становятся менее эффективными. Система будет динамически уточнять такие запросы на основе индивидуальной активности пользователя, уводя трафик на ресурсы, соответствующие этому уточненному контексту.
• Игнорирование Персонализации и Контекста: Оценка позиций только по "чистым" запросам в режиме инкогнито становится менее показательной. Реальная выдача сильно зависит от немедленного контекста пользователя, формируемого его медиапотреблением.
• Создание Неоднозначных Брендов: Запуск бренда с общим названием без создания сильных семантических связей рискован. Системы могут ошибочно интерпретировать запросы о нем на основе случайного медиаконтекста пользователя.

Стратегическое значение

Патент подтверждает стратегию Google по переходу к гипер-контекстуальному и проактивному поиску (Ambient Computing). Поиск рассматривается не как изолированное событие, а как часть непрерывного информационного потока пользователя на разных устройствах. Долгосрочная SEO-стратегия должна фокусироваться на построении сильных, однозначных сущностей и учитывать полный путь пользователя (user journey), включая его взаимодействие с медиаконтентом.

Практические примеры

Сценарий 1: Уточнение неоднозначного запроса (Disambiguation)

1. Контекст: Пользователь смотрит сериал "House" (Доктор Хаус). Система генерирует Content Identifier Timestamp с контекстом: ["TV show", "House", "Hugh Laurie", "drama"].
2. Запрос пользователя: Пользователь вводит на сопряженном устройстве запрос [house show].
3. Действие системы: Система определяет связь и генерирует Augmented Search Query: "house Hugh Laurie TV show drama" (пример из патента).
4. Результат: Пользователь получает выдачу о сериале, а не о шоу про недвижимость.

Сценарий 2: Поиск по названию фильма (Entity Search)

1. Контекст: Пользователь смотрит фильм "The Enforcer". Система идентифицирует объект и контекст: ["Movie", "The Enforcer", "Clint Eastwood", ".44 Magnum" (оружие)].
2. Запрос пользователя: Пользователь вводит запрос [enforcer].
3. Действие системы: Система дополняет запрос до: "enforcer Clint Eastwood 'Dirty Harry' movie" (пример из патента).
4. Результат: Пользователь получает выдачу о фильме, а не о других значениях слова "enforcer".