Как Google использует курируемые пользователями коллекции контента (Web Notebooks) для ранжирования и генерации сниппетов

Термины и определения

Web Notebook (Веб-блокнот)

Документ или коллекция, созданная пользователем, которая объединяет Clipped Content из различных источников, а также может содержать заголовки и аннотации пользователя. Хранится на сервере (hosted).

Clipped Content / Web Clippings (Сохраненный контент / Веб-вырезки)

Фрагменты контента (текст, изображения, ссылки и т.д.), которые пользователь выбрал на исходной веб-странице и добавил в свой Web Notebook.

Ranker (Ранжировщик)

Компонент поисковой системы, отвечающий за сортировку результатов поиска.

Web Notebook-based Ranker (Ранжировщик на основе веб-блокнотов)

Специализированный модуль внутри Ranker, который использует контент и структуру Web Notebooks для изменения рейтинга результатов поиска.

Snippetizer (Генератор сниппетов)

Компонент, который выбирает краткое описание (сниппет) для отображения в результатах поиска. В контексте патента он предпочитает использовать контент, сохраненный в Web Notebooks.

User-annotation (Пользовательская аннотация)

Комментарии, заметки или текст, добавленные пользователем в Web Notebook вручную, а не скопированные с веб-страницы.

Ключевые утверждения (Анализ Claims)

Патент содержит два основных независимых набора утверждений: один фокусируется на ранжировании (Claim 1), другой — на генерации сниппетов (Claim 9).

Claim 1 (Независимый пункт): Описывает процесс модификации ранжирования с использованием Web Notebooks.

1. Система получает поисковый запрос от первого пользователя.
2. Определяется набор результатов поиска и их первоначальное ранжирование (initial ranking).
3. Система определяет, что выполняются два условия: (а) один или несколько конкретных веб-блокнотов имеют заголовок (title), соответствующий поисковому запросу, И (б) документ конкретного результата поиска связан с контентом этих веб-блокнотов.
4. Важное условие: первый пользователь НЕ является автором этих веб-блокнотов. Контент блокнотов включает web clippings (вырезки), сделанные авторами.
5. Ранжирование результатов модифицируется с помощью web notebook based ranker, используя контент из этих конкретных веб-блокнотов.
6. Предоставляется ответ с результатами в порядке, основанном на модифицированном ранжировании.

Ядро изобретения — использование публично курированного контента (блокнотов других людей) и контекста, заданного ими (заголовков), для улучшения ранжирования текущего пользователя.

Claim 9 (Независимый пункт): Описывает процесс генерации сниппетов с использованием Web Notebooks.

1. Система получает поисковый запрос от первого пользователя и определяет набор результатов.
2. Для конкретного результата генерируется сниппет.
3. Процесс генерации включает определение того, что один или несколько веб-блокнотов (автором которых НЕ является первый пользователь) имеют заголовок, соответствующий запросу, И что web clippings в этих блокнотах связаны с частью документа этого результата.
4. Сниппет для результата генерируется ИЗ этих web clippings.
5. Результат предоставляется вместе со сниппетом, сгенерированным из вырезок.

Ядро изобретения для сниппетов — использование того фрагмента контента, который другие пользователи посчитали достаточно важным для сохранения, в качестве основного сниппета в SERP.

Где и как применяется

Изобретение затрагивает этапы индексирования, ранжирования и финального формирования выдачи.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна индексировать сами Web Notebooks. Это включает анализ их структуры: названий, заголовков, пользовательских аннотаций, индексацию Clipped Content и извлечение метаданных, включая URL источника контента.

RANKING – Ранжирование (L2/L3) или RERANKING – Переранжирование
Основное применение для ранжирования. Патент описывает процесс модификации уже существующего ранжирования (например, полученного с помощью PageRank Module). Система использует Web Notebook-based Ranker для переоценки результатов на основе сигналов из блокнотов. Это происходит после первоначального отбора кандидатов.

RERANKING / METASEARCH (Формирование SERP)
При формировании финальной страницы результатов Snippetizer использует данные из Web Notebooks для выбора наилучшего сниппета. Также на этом этапе могут добавляться аннотации в SERP (например, "Referenced by 27 Notebooks").

Входные данные:

• Поисковый запрос.
• Первоначальный набор результатов поиска и их ранги.
• Индекс Web Notebooks (включая заголовки, аннотации, сохраненный контент, URL источников).

Выходные данные:

• Модифицированные оценки ранжирования.
• Выбранные сниппеты (предпочтительно из Clipped Content).
• Аннотации в SERP о цитировании в Web Notebooks.

На что влияет

• Типы контента: Патент упоминает возможность использования различных типов контента в блокнотах, включая текст, изображения, видео, карты (maps), книги (books), научные статьи, информацию о продуктах (shopping).
• Специфические запросы и Ниши: Наибольшее влияние оказывается на запросы, связанные с исследованиями, планированием и сравнением (путешествия, ecommerce, хобби, рецепты), где пользователи активно собирают и курируют информацию.
• Интерпретация контента: Система может использовать пользовательскую классификацию для понимания сути страницы. Например, если страница кафе часто сохраняется в блокноты с заголовком «Итальянские рестораны», система может повысить ее рейтинг по этому запросу, даже если на самой странице нет таких слов.

Когда применяется

• Условия активации (Ранжирование): Алгоритм активируется, когда выполняются два условия: (1) Найдены Web Notebooks, релевантные запросу (например, название блокнота соответствует запросу), и (2) Результаты поиска присутствуют в этих релевантных блокнотах в виде Clipped Content.
• Условия активации (Сниппеты): Активируется, когда для результата поиска существует сохраненный контент в Web Notebooks. Этот контент получает приоритет при выборе сниппета.
• Персонализация vs. Общее ранжирование: Патент описывает оба варианта. Claims 1 и 9 фокусируются на использовании блокнотов других пользователей (не автора) для улучшения общего ранжирования. В описании также упоминается возможность использования собственных блокнотов пользователя для персонализации выдачи.

Пошаговый алгоритм

Процесс А: Модификация ранжирования

1. Получение запроса и первичное ранжирование: Система получает запрос, идентифицирует релевантные результаты и определяет их первоначальное ранжирование (например, с помощью модуля PageRank).
2. Анализ Web Notebooks: Система ищет Web Notebooks (созданные другими пользователями), которые релевантны запросу. Релевантность определяется путем сопоставления запроса с названиями блокнотов, заголовками или аннотациями.
3. Корреляция: Определяется, какие из результатов поиска были сохранены (clipped) в этих релевантных блокнотах.
4. Модификация ранжирования: Web Notebook-based Ranker повышает оценки ранжирования для результатов, найденных на шаге 3. Результаты, присутствующие в блокнотах, ранжируются выше тех, которые отсутствуют.
5. Финальное ранжирование: Результаты сортируются на основе модифицированных оценок.

Процесс Б: Генерация сниппетов

1. Идентификация результатов: Определяется финальный набор результатов поиска.
2. Поиск сохраненного контента: Для каждого результата система проверяет, был ли контент с этой страницы сохранен в Web Notebooks.
3. Выбор сниппета: Если сохраненный контент (Clipped Content) существует и релевантен запросу, Snippetizer отдает ему предпочтение при генерации сниппета для SERP.
4. Альтернативный выбор: Если сохраненного контента нет, сниппет генерируется стандартными методами.
5. Форматирование SERP: Сниппеты и результаты (включая аннотации о количестве ссылающихся блокнотов) отправляются пользователю.

Какие данные и как использует

Данные на входе

Система использует данные, извлеченные из Web Notebooks:

• Контентные и структурные факторы (из блокнотов):
  • Названия Web Notebooks (Titles).
  • Заголовки и подзаголовки внутри блокнотов (Headings).
  • Clipped Content (фактически сохраненный текст, изображения, карты и т.д.).
  • User Annotations (комментарии пользователей).
• Технические факторы (из блокнотов):
  • URL-адреса источников, откуда был взят контент.
  • Метаданные (Metadata): время сохранения, авторство, уровень доступа.
• Системные данные:
  • Начальные Ranking Scores, полученные от стандартных алгоритмов ранжирования.

Какие метрики используются и как они считаются

• Релевантность блокнота запросу: Метрика, основанная на сопоставлении терминов поискового запроса с контекстуальной информацией блокнота (название, заголовки, аннотации).
• Web Notebook-based Rank: Оценка, вычисляемая Web Notebook-based Ranker. Она используется для модификации базовой оценки ранжирования. Чем релевантнее контекст блокнота запросу, тем выше эта оценка для документа, сохраненного в этом блокноте.
• Количество ссылающихся блокнотов (Reference Count): В описании упоминается отображение количества блокнотов, ссылающихся на результат (например, "Referenced by 27 Notebooks"). Это может служить сигналом популярности и полезности.
• Ранжирование блокнотов (Notebook Ranking): Патент предполагает (Claim 5), что сами блокноты могут ранжироваться. Это подразумевает оценку качества или авторитетности блокнотов, которая может влиять на вес их воздействия на результаты поиска.

1. Человеческое курирование как сигнал релевантности: Google рассматривает действия пользователей по сохранению и организации контента как сильный сигнал качества и полезности. Факт сохранения фрагмента контента является "голосом" в пользу этого контента.
2. Контекст важнее содержания (Inference of Topic): Ключевой механизм патента — использование контекста, в котором контент был сохранен (название блокнота, заголовки), для определения тематики исходной страницы. Это позволяет системе повышать ранжирование страницы по запросу, даже если сама страница не содержит этих терминов (например, вывод о том, что кафе является "итальянским рестораном", потому что пользователь сохранил его под этим заголовком).
3. Приоритезация сниппетов на основе выбора пользователя: Та часть страницы, которую пользователи чаще всего сохраняют (Clipped Content), считается наиболее релевантной. Система использует это для генерации сниппетов, что должно повышать удовлетворенность пользователей и CTR.
4. Использование "мудрости толпы": Claims 1 и 9 подчеркивают использование блокнотов, созданных другими пользователями (не тем, кто выполняет поиск). Это указывает на механизм улучшения общего ранжирования, а не только персонализации.
5. Зависимость от платформы: Реализация полностью зависит от существования и популярности платформы Web Notebooks. Поскольку Google Notebook был закрыт, практическая ценность описанных механизмов в их оригинальном виде снижена, но концепция остается важной.

Практическое применение в SEO

ВАЖНОЕ ПРИМЕЧАНИЕ: Продукт Google Notebook, на котором основан этот патент, был закрыт. Прямое применение этих конкретных механизмов маловероятно. Однако базовые принципы применимы к современным эквивалентам (Google Collections/Saves, анализ социального букмаркинга) и пониманию Полезного Контента (Helpful Content).

Best practices (это мы делаем)

• Создавайте "Clippable" (сохраняемый) контент: Фокусируйтесь на создании контента, который пользователи захотят сохранить для повторного использования. Это могут быть исчерпывающие инструкции, уникальные данные, таблицы сравнения, ключевые определения, чек-листы или качественная инфографика.
• Оптимизируйте контент для извлечения: Используйте четкую структуру HTML и микроразметку (Schema.org). Это облегчает пользователям (и системам) извлечение значимых фрагментов. Четко структурированные данные (списки, таблицы) более склонны к сохранению и могут стать предпочтительными сниппетами.
• Фокус на полезности (Utility) и решении задач: Контент, который помогает пользователю решить конкретную задачу или принять решение, с большей вероятностью будет сохранен в тематическую коллекцию. Это создает положительные сигналы вовлеченности и полезности.
• Поощряйте социальный шеринг и букмаркинг: Активность на платформах вроде Pinterest, Pocket или во внутренних коллекциях Google (Saves), вероятно, генерирует аналогичные сигналы о ценности и категоризации контента.

Worst practices (это делать не надо)

• Создание поверхностного или "водянистого" контента: Контент, который не предоставляет долгосрочной ценности или уникальной информации, вряд ли будет сохранен пользователями, и, следовательно, не получит преимуществ от подобных механизмов.
• Запутывание информации или блокировка копирования: Усложнение структуры страницы или намеренное затруднение копирования/извлечения ключевой информации может снизить вероятность того, что пользователи сохранят контент.
• Игнорирование визуальной составляющей: Поскольку патент упоминает изображения и карты, игнорирование качественных медиафайлов может привести к упущенным возможностям для сохранения контента пользователями в визуальные коллекции.

Стратегическое значение

Этот патент демонстрирует давний интерес Google к использованию поведения пользователей по организации и курированию информации в качестве сигналов ранжирования. Это подтверждает стратегический сдвиг от простых метрик к более глубокому пониманию того, как пользователи взаимодействуют с контентом и оценивают его полезность. Долгосрочная SEO-стратегия должна быть направлена на то, чтобы стать тем ресурсом, который пользователи активно сохраняют и к которому возвращаются.

Практические примеры

Сценарий: Улучшение сниппетов и ранжирования для страницы рецепта (концептуальный пример)

1. Ситуация: Сайт кулинарных рецептов хочет улучшить видимость своего рецепта "Паста Карбонара".
2. Действие на основе патента: Убедиться, что список ингредиентов и пошаговая инструкция представлены в максимально чистом, легко извлекаемом формате (используя Recipe Schema и четкую HTML-структуру). Добавить качественное фото блюда.
3. Механизм (как описано в патенте): Пользователи сохраняют именно эту структурированную часть (инструкции/ингредиенты) или фото в свои Web Notebooks (или современные коллекции) с названиями вроде "Любимые итальянские блюда".
4. Ожидаемый результат:
   • Ранжирование: Агрегированные сигналы пользовательской категоризации повышают релевантность страницы для запросов, связанных с "итальянскими блюдами".
   • Сниппет: Сохраненный фрагмент (например, список ингредиентов) становится предпочтительным сниппетом в SERP, что может улучшить CTR.