SEO HARDCORE
  • Разборы патентов
    • Патенты Google
  • Скоро SEO инструменты
  • Скоро SEO аналитика
  • seohardcore
SEO HARDCORE
назад

Как Google создает мгновенные интерактивные результаты на SERP, предварительно загружая и персонализируя скрытый контент

INTERACTIVE ANSWER BOXES FOR USER SEARCH QUERIES (Интерактивные блоки ответов на поисковые запросы пользователей)
  • US9274683B2
  • Google LLC
  • 2012-12-07
  • 2016-03-01
  • SERP
  • Персонализация
  • Поведенческие сигналы
  • Knowledge Graph
  • Описание
  • Разбор
  • Выводы
  • Практика
  • FAQ
  • Похожие

Google использует механизм для создания интерактивных блоков ответов (Answer Boxes), таких как Погода или Панели Знаний. Система отправляет пользователю не только видимый результат, но и дополнительный скрытый контент («карточки»), выбранный на основе истории взаимодействий пользователя. При взаимодействии с блоком (свайп или клик) дополнительный контент отображается мгновенно, без отправки нового запроса на сервер.

Описание

Какую проблему решает

Патент решает проблему задержек (latency) при взаимодействии пользователя с результатами поиска, особенно на мобильных устройствах с ограниченной пропускной способностью сети. Традиционно получение дополнительной информации (например, переход от обзора к деталям) требовало нового сетевого запроса или перехода на другой сайт. Изобретение улучшает пользовательский опыт (UX), позволяя мгновенно взаимодействовать с контентом прямо на SERP, имитируя поведение нативного приложения.

Что запатентовано

Запатентована система предоставления интерактивных блоков ответов (Answer Boxes). Ключевая особенность — предварительная загрузка дополнительного контента (second content) вместе с исходным ответом в рамках одного сетевого запроса (first resource request). Контент организован в виде «карточек» (display cards), выбор которых персонализируется на основе истории пользователя. При взаимодействии (свайп, клик) контент обновляется локально на устройстве без обращения к сети.

Как это работает

Система работает на стыке серверной и клиентской частей:

  • Серверная подготовка и Персонализация: В ответ на запрос система определяет первичный и дополнительный контент. Используя профиль пользователя, она выбирает набор релевантных карточек (display cards).
  • Единая доставка: Весь контент (видимый и скрытый) отправляется на устройство пользователя в рамках одной передачи данных.
  • Клиентское взаимодействие: Устройство отображает первичный контент. Когда пользователь взаимодействует с блоком (например, свайпает), устройство обрабатывает это событие локально.
  • Мгновенное обновление: Предварительно загруженный дополнительный контент мгновенно отображается вместо первичного, без сетевых задержек и повторных запросов.

Актуальность для SEO

Крайне высокая. Описанный механизм является фундаментальным для работы современных интерактивных элементов SERP (виджеты погоды, финансовые графики, панели знаний с вкладками). Принципы предварительной загрузки данных и персонализации интерфейса остаются центральными в стратегии Google по улучшению UX и удержанию пользователей.

Важность для SEO

Патент имеет значительное влияние (7/10) на SEO-стратегию. Он не описывает алгоритмы ранжирования, но объясняет механизм, который напрямую способствует росту zero-click поисков. Предоставляя богатый, персонализированный и мгновенный интерактивный опыт на SERP, Google снижает необходимость перехода на внешние сайты. Это подчеркивает критическую важность оптимизации под SERP-фичи и использования структурированных данных для обеспечения видимости внутри этих блоков.

Детальный разбор

Термины и определения

Answer Box (Блок ответа)
Форматированное представление контента на SERP, релевантное запросу. Включает современные Featured Snippets, Rich Results и интерактивные элементы Панели Знаний.
Display Card / Card (Карточка отображения)
Способ организации контента внутри Answer Box. Каждая карточка содержит определенный тип контента и имеет свой шаблон (например, «Обзор», «Изображения», «Отзывы»).
First Content / Second Content (Первичный / Вторичный контент)
Первичный контент отображается при загрузке SERP. Вторичный (дополнительный) контент предварительно загружен, но скрыт до взаимодействия пользователя.
First Resource Request (Первый запрос ресурса)
Исходный сетевой запрос, отправленный устройством для получения страницы результатов поиска. Обновление контента происходит без Second Resource Request.
Presentation Control User Interface Element (Элемент управления отображением)
Интерактивные элементы внутри Answer Box (вкладки, слайдеры, кнопки, таймлайны), позволяющие пользователю переключать контент локально.
Confidence Measure (Мера уверенности)
Значение, указывающее на вероятность того, что контент Answer Box отвечает на запрос. Используется для определения размера блока на экране.
User Identifier / User Profile (Идентификатор / Профиль пользователя)
Данные, используемые для персонализации. Включают историю предыдущих взаимодействий пользователя с категориями карточек.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод работы системы на устройстве пользователя, включая механизм персонализации и предварительной загрузки.

  1. В ответ на первый запрос (first resource request) устройство получает: результаты поиска, Answer Box и несколько display cards.
  2. Критический аспект персонализации: Набор этих карточек выбирается на основе категорий предыдущих карточек, с которыми ранее взаимодействовал пользователь, связанный с этим устройством.
  3. Устройство отображает SERP и Answer Box с первой карточкой.
  4. Устройство обнаруживает взаимодействие пользователя (например, свайп или клик) с Answer Box.
  5. В ответ устройство отображает вторую карточку в этом же блоке, сохраняя отображение остальных результатов поиска на SERP.
  6. Отображение второй карточки происходит независимо от отправки второго сетевого запроса (т.е. используется предварительно загруженный контент).

Claim 3 (Зависимый): Уточняет контекст мобильных устройств и эффективность сети.

Система применяется на мобильном устройстве в мобильной сети. Все карточки принимаются в рамках одной передачи данных (same data transfer), инициированной первым запросом.

Claim 5 и 8 (Зависимые): Детализируют персонализацию содержания и структуры.

Конкретное содержание карточек (Claim 5) и общее количество предоставляемых карточек (Claim 8) определяются на основе user identifier или user profile.

Claim 6 и 7 (Зависимые): Описывают механизм адаптивного размера блока.

Размер Answer Box может быть увеличен, чтобы занять пороговую часть области отображения (например, весь экран). Это происходит, если устройство мобильное (Claim 6) ИЛИ если Confidence Measure превышает порог (Claim 7).

Где и как применяется

Изобретение затрагивает несколько этапов поиска, с фокусом на генерации выдачи и клиентском взаимодействии.

QUNDERSTANDING – Понимание Запросов
На этом этапе система определяет интент, который может триггерировать Answer Box. Также здесь происходит идентификация пользователя и извлечение данных из User Profile Store для применения правил персонализации при выборе карточек (согласно Claims 1, 5, 8).

METASEARCH – Метапоиск и Смешивание
Основной этап применения на стороне сервера. Система определяет необходимость Answer Box, выбирает и извлекает контент для всех карточек (начальной и дополнительных), применяет правила персонализации и определяет размер блока (на основе Confidence Measure или типа устройства). Затем она упаковывает весь этот контент в единый ответ для отправки клиенту.

Клиентская сторона (Браузер / Устройство пользователя)
Хотя это не слой архитектуры поиска Google, это критически важный компонент для реализации патента. Устройство получает пакет данных, отображает начальный контент и управляет мгновенным переключением между предварительно загруженными карточками в ответ на действия пользователя, без обращения к сети.

Входные данные (на сервере):

  • Поисковый запрос.
  • User Identifier и User Profile (включая историю взаимодействий).
  • Тип устройства (например, мобильное).

Выходные данные (с сервера на клиент):

  • Result Data, включающие органические результаты поиска.
  • Определение Answer Box (размер, расположение).
  • Набор предварительно загруженных карточек (Display Cards), включающий исходный и весь дополнительный контент.

На что влияет

  • Специфические запросы: Наибольшее влияние на информационные запросы, где ответ можно структурировать: погода, финансы, спорт, факты о сущностях (люди, места, компании).
  • Типы контента: Влияет на представление структурированных данных, виджетов и мультимедиа, которые могут быть сегментированы на логические блоки (карточки).
  • Устройства: Особенно критично для мобильного поиска, где минимизация сетевых запросов и оптимизация пространства экрана имеют первостепенное значение.

Когда применяется

  • Триггеры активации: Когда поисковая система классифицирует запрос как подходящий для Answer Box и может идентифицировать релевантный дополнительный контент, который пользователь, вероятно, захочет увидеть следующим.
  • Условия персонализации: Если пользователь идентифицирован и для него доступна история взаимодействий, система применяет правила выбора карточек на основе этой истории.
  • Пороговые значения: Confidence Measure может использоваться для определения, будет ли блок показан в стандартном размере или развернут на весь экран.

Пошаговый алгоритм

Процесс А: Обработка на стороне сервера (Search System)

  1. Получение данных: Система получает запрос, User Identifier и тип устройства.
  2. Принятие решения об Answer Box: Определяется необходимость генерации Answer Box.
  3. Персонализация и выбор карточек: На основе истории взаимодействий пользователя (User Profile) система выбирает набор и количество Display Cards (Claims 1, 8). Также персонализируется содержание карточек (Claim 5).
  4. Идентификация и получение контента: Извлекается контент для всех выбранных карточек (начальной и дополнительных).
  5. Определение размера: Вычисляется Confidence Measure. На основе этой меры и/или типа устройства определяется размер Answer Box (Claim 6, 7).
  6. Генерация и отправка данных: Формируется единый пакет данных (Result Data), включающий все карточки. Пакет отправляется клиенту (в идеале, за одну передачу данных).

Процесс Б: Обработка на стороне клиента (User Device)

  1. Получение данных: Устройство получает весь пакет данных.
  2. Рендеринг SERP: Устройство отображает SERP и Answer Box с начальной карточкой. Дополнительные карточки сохраняются локально, но скрыты.
  3. Мониторинг взаимодействия: Устройство ожидает действий пользователя (свайп, клик) внутри Answer Box.
  4. Локальное обновление: При взаимодействии устройство определяет запрошенную карточку, извлекает ее из локального хранилища и мгновенно отображает ее в Answer Box, не отправляя новый сетевой запрос.

Какие данные и как использует

Данные на входе

Патент акцентирует внимание на механизме представления и персонализации, используя следующие данные:

  • Пользовательские факторы: Критически важные данные. Используется User Identifier для доступа к User Profile.
  • Поведенческие факторы (История взаимодействий): История того, с какими категориями карточек пользователь взаимодействовал ранее, используется для выбора набора карточек для текущего запроса (Claim 1).
  • Технические факторы (Устройство): Тип устройства (например, мобильное) может влиять на размер Answer Box (Claim 6).
  • Контентные факторы: Структурированные данные, текст, изображения, видео, извлеченные из индекса или внешних источников для наполнения карточек.

Какие метрики используются и как они считаются

  • Confidence Measure (Мера уверенности): Метрика, оценивающая вероятность того, что контент Answer Box релевантен запросу. В патенте упоминается, что она может быть основана на оценках релевантности (например, IR scores) контента внутри блока или на количестве доступного контента. Используется для принятия решения о размере блока (Claim 7).
  • Пороги взаимодействия: Технические пороги на клиентском устройстве для распознавания жестов (например, минимальное расстояние для регистрации свайпа).

Выводы

  1. Приоритет скорости и UX (App-like Experience): Google стремится обеспечить мгновенную обратную связь на SERP, имитируя поведение нативного приложения. Это достигается за счет предварительной загрузки всего потенциально необходимого контента в рамках одного запроса.
  2. Глубокая персонализация структуры SERP-фич: Патент явно защищает (Claims 1, 5, 8) персонализацию не только контента, но и самой структуры Answer Box (тип и количество карточек) на основе истории взаимодействий пользователя. Интерфейс адаптируется под привычки пользователя.
  3. Оптимизация для мобильных устройств: Механизм явно оптимизирован для мобильных сетей (минимизация числа запросов) и экранов (адаптивный размер блока вплоть до полноэкранного режима).
  4. Динамический размер блоков на основе уверенности: Система может агрессивно продвигать Answer Box, увеличивая его размер, если Confidence Measure высока, потенциально вытесняя органические результаты с первого экрана.
  5. Усиление тренда Zero-Click: Предоставляя богатый, интерактивный и исчерпывающий опыт непосредственно на SERP, этот механизм снижает необходимость перехода на внешние сайты, способствуя росту поисков с нулевым кликом.

Практика

Best practices (это мы делаем)

  • Комплексное покрытие темы и структурирование контента: Поскольку Google ищет контент для нескольких «карточек» (Display Cards), необходимо создавать контент, который всесторонне охватывает тему и имеет четкую внутреннюю структуру (заголовки, списки, таблицы). Это облегчает извлечение данных для разных аспектов темы (например, «Обзор», «Характеристики», «Отзывы»).
  • Активное использование структурированных данных (Schema.org): Внедряйте микроразметку (Recipe, Product, Event, FAQ, HowTo), чтобы помочь Google понять структуру вашего контента и использовать его в интерактивных результатах. Это напрямую поддерживает механизм сегментации контента на карточки.
  • Оптимизация сущностей (Entity Optimization): Работайте над тем, чтобы Google четко распознавал вашу компанию, продукты или авторов как значимые сущности. Это повышает вероятность генерации интерактивных карточек (Панелей Знаний) с вашим контентом.
  • Анализ интента и связанных вопросов: Анализируйте, какую информацию пользователи ищут после основного запроса (что соответствует логике дополнительных карточек). Предоставление ответов на эти связанные вопросы увеличивает ценность вашего контента для использования в Answer Boxes.

Worst practices (это делать не надо)

  • Создание монолитного контента: Публикация длинных текстов без четкой структуры, где разные аспекты темы смешаны. Это затрудняет извлечение информации для отдельных карточек.
  • Игнорирование структурированных данных: Отсутствие микроразметки снижает вероятность того, что контент будет использован в сложных интерактивных блоках.
  • Ориентация только на «синие ссылки»: Игнорирование оптимизации под SERP features приведет к потере видимости, так как интерактивные блоки захватывают внимание и снижают CTR остальных результатов, способствуя Zero-Click поведению.

Стратегическое значение

Патент подтверждает стратегию Google по превращению SERP в конечный пункт назначения (Destination Engine). Технические механизмы (предварительная загрузка, персонализация интерфейса) направлены на удержание пользователя в экосистеме Google. Для SEO это означает, что стратегия должна включать не только привлечение трафика, но и максимизацию видимости контента и бренда внутри интерактивных элементов Google. Понимание глубокой персонализации (Claims 1, 5, 8) также важно: видимость в Answer Box может сильно различаться для разных пользователей.

Практические примеры

Сценарий: Оптимизация страницы музыкального исполнителя для Панели Знаний

  1. Задача: Добиться отображения интерактивного Answer Box (Панели Знаний) по запросу об исполнителе.
  2. Действия (на основе патента): Необходимо структурировать контент на официальном сайте так, чтобы Google мог легко создать несколько Display Cards.
    • Создать четкие разделы: «Биография» (Карточка 1), «Дискография» (Карточка 2), «Даты туров» (Карточка 3).
    • Внедрить комплексную разметку Schema.org (MusicGroup, Album, Event).
  3. Ожидаемый результат: Google распознает данные. При запросе пользователя Google формирует ответ, предварительно загружая все три карточки. Пользователь видит карточку «Биография» и может мгновенно переключиться (свайпом или кликом по вкладке) на «Дискографию» или «Даты туров» без ожидания загрузки и не покидая SERP.

Вопросы и ответы

В чем основное техническое новшество этого патента?

Основное новшество — это предварительная загрузка дополнительного (скрытого) контента вместе с основным ответом в рамках одного сетевого запроса. Это позволяет обновлять интерфейс Answer Box мгновенно при взаимодействии пользователя (например, при свайпе или клике по вкладке), без задержек на отправку нового запроса на сервер.

Что такое «Карточки» (Display Cards) в контексте этого патента?

Это способ организации информации внутри Answer Box. Каждая карточка — это отдельный набор контента со своим шаблоном представления (например, текущая погода, почасовой прогноз, прогноз на 5 дней). Пользователь может переключаться между ними, как между вкладками в приложении.

Влияет ли этот патент на алгоритмы ранжирования?

Нет, патент не описывает, как Google ранжирует сайты или выбирает источники контента. Он фокусируется исключительно на механизме доставки, представления и взаимодействия с контентом после того, как он уже был выбран для показа в Answer Box.

Насколько важна персонализация в этом механизме?

Она критически важна и является защищенной частью изобретения (Claims 1, 5, 8). Патент явно указывает, что выбор типа контента, а также количество и виды карточек, которые будут отправлены пользователю, определяются на основе его идентификатора и истории предыдущих взаимодействий с подобными блоками.

Как этот патент связан с Zero-Click Searches?

Он напрямую способствует увеличению числа Zero-Click Searches. Предоставляя богатый, интерактивный и мгновенный доступ к информации прямо на странице выдачи, система снижает мотивацию пользователя переходить на внешние сайты для получения деталей.

Как SEO-специалист может оптимизировать сайт под структуру с несколькими карточками?

Необходимо создавать контент, который всесторонне охватывает тему и имеет четкую структуру (заголовки, списки, таблицы). Активно используйте микроразметку Schema.org. Это поможет Google сегментировать ваш контент на потенциальные интерактивные «карточки» (например, ингредиенты, шаги, пищевая ценность для рецепта).

Может ли Answer Box занимать весь экран?

Да. Патент описывает механизм (Claim 7), при котором система рассчитывает Confidence Measure (уверенность в ответе). Если уверенность высока или если используется мобильное устройство (Claim 6), система может принять решение увеличить размер Answer Box так, чтобы он заполнил значительную часть или всю область отображения.

Особенно ли важен этот механизм для мобильного поиска?

Да, он критически важен. Предварительная загрузка данных позволяет избежать задержек при взаимодействии, что особенно ценно в условиях нестабильных или медленных мобильных сетей. Также патент подчеркивает эффективность использования сети, так как все данные передаются за один раз (Claim 3).

Какие типы взаимодействий поддерживаются?

Патент упоминает различные типы взаимодействий. Это могут быть клики или тапы по элементам управления (вкладки, ссылки, кнопки), жесты, такие как свайп (User Swipe) для переключения между карточками, а также взаимодействие со сложными элементами, например, слайдерами на графиках.

Как Google решает, какой дополнительный контент предварительно загружать?

Выбор основывается на двух ключевых факторах. Во-первых, это анализ общих паттернов поведения (что пользователи часто запрашивают после исходного запроса). Во-вторых, это глубокая персонализация (Claim 1), когда выбор основывается на категориях карточек, с которыми конкретный пользователь взаимодействовал ранее.

Похожие патенты

Как Google динамически расширяет результаты поиска на SERP, добавляя превью и контент из других источников
Анализ патента Google, описывающего механизм пользовательского интерфейса (UI), позволяющий пользователям взаимодействовать с результатом поиска (например, свайпом) для отображения «Расширенного контента» прямо на SERP. Этот контент может включать предварительный просмотр страниц сайта или релевантную информацию из других источников («off-page content»), например, карты или изображения. При этом слот результата расширяется, предоставляя больше информации без ухода со страницы выдачи.
  • US9201925B2
  • 2015-12-01
  • SERP

  • Поведенческие сигналы

Как Google встраивает интерактивные ответы (OneBox) в контент веб-страниц и сниппеты поисковой выдачи
Патент описывает систему для идентификации ключевых терминов (например, названий компаний, локаций, медиа) на любой веб-странице или в сниппете поисковой выдачи. Система динамически встраивает интерактивные гаджеты (Answer Box Gadgets), предоставляющие пользователю мгновенную информацию (например, текущую цену акции или погоду) по клику или наведению, не требуя покидать страницу.
  • US9146992B2
  • 2015-09-29
  • SERP

  • Семантика и интент

Как Google показывает блоки с ответами (Answer Boxes) прямо в поисковых подсказках во время ввода запроса
Google может показывать блоки с готовыми ответами (Answer Boxes) прямо в интерфейсе поисковых подсказок, ещё до того, как пользователь отправил запрос. Система прогнозирует наиболее вероятный полный запрос ("Dominant Query") на основе частичного ввода, истории поиска и данных профиля пользователя (например, местоположения), и если для этого запроса существует готовый ответ, он отображается немедленно.
  • US8538982B2
  • 2013-09-17
  • Семантика и интент

  • SERP

  • Персонализация

Как Google использует контекст документа и данные пользователя для генерации мгновенных ответов (Knowledge Panels, Answer Boxes) при выделении текста
Google анализирует текст, выделенный пользователем на странице, и окружающий контекст (контент документа, язык и местоположение пользователя). Система определяет, является ли выделение сущностью, иностранной валютой или словом, требующим перевода, и динамически генерирует соответствующую информационную карточку (Knowledge Panel или Answer Box) поверх страницы.
  • US9613145B2
  • 2017-04-04
  • Семантика и интент

  • Knowledge Graph

  • SERP

Как Google синдицирует (передает) свои блоки с ответами (Answer Boxes) другим поисковым системам и приложениям через API
Патент описывает технологию, позволяющую сторонним поисковым системам, не имеющим собственной функциональности блоков с ответами (Answer Boxes), запрашивать и отображать эти блоки от другого провайдера (например, Google). Это достигается путем встраивания специального кода (API/AJAX), который отправляет отфильтрованный запрос провайдеру и интегрирует полученный ответ в стороннюю выдачу.
  • US8959111B2
  • 2015-02-17
  • SERP

Популярные патенты

Как Google использует исторические данные о кликах по Сущностям для ранжирования нового или редко посещаемого контента
Google решает проблему «холодного старта» для новых страниц, у которых нет собственных поведенческих данных. Система агрегирует историю кликов на уровне Сущностей (Entities). Если сущности, упомянутые на новой странице, исторически имеют высокий CTR по целевому запросу, страница получает бустинг в ранжировании, наследуя поведенческие сигналы через эти сущности.
  • US10303684B1
  • 2019-05-28
  • Поведенческие сигналы

  • Семантика и интент

  • SERP

Как Google использует клики пользователей для определения составных фраз (N-грамм) в запросах
Google анализирует, какие результаты поиска выбирают пользователи, чтобы понять, являются ли последовательные слова в запросе единой фразой (например, "Нью Йорк") или отдельными терминами. Если пользователи преимущественно кликают на результаты, содержащие эту последовательность как неразрывную фразу, система определяет ее как составную (Compound) и использует это знание для улучшения ранжирования и понимания запроса.
  • US8086599B1
  • 2011-12-27
  • Семантика и интент

  • Поведенческие сигналы

  • SERP

Как Google использует структуру сайта и анкорные тексты для извлечения Сущностей из шумных заголовков (Title)
Google использует метод для точного определения основного объекта (Сущности) веб-страницы, когда заголовок (Title) содержит лишнюю информацию (брендинг, рубрики). Система анализирует заголовки похожих страниц на том же сайте (Peer Documents) и анкорные тексты, ссылающиеся на них. Выявляя повторяющиеся шаблоны (префиксы и суффиксы) в заголовках, Google отделяет название Сущности от шума.
  • US7590628B2
  • 2009-09-15
  • Семантика и интент

  • Структура сайта

  • Ссылки

Как Google использует пользовательский контент (UGC) и историю поиска для сбора структурированных отзывов
Google анализирует пользовательский контент (фотографии, посты, метаданные) и историю поиска, чтобы определить, с какими объектами (места, продукты, услуги) взаимодействовал пользователь. Система проактивно предлагает оставить структурированный отзыв, используя шаблон, который может быть предварительно заполнен на основе тональности исходного UGC. Это направлено на увеличение объема и подлинности отзывов.
  • US20190278836A1
  • 2019-09-12
  • Семантика и интент

  • Персонализация

  • EEAT и качество

Как Google фильтрует поведенческие сигналы, используя совместимость языков и стран пользователей
Google уточняет ранжирование, анализируя, откуда (страна) и на каком языке (язык пользователя) поступали исторические клики по документу. Если эти характеристики считаются «несовместимыми» с текущим пользователем, поведенческие сигналы (клики) от этих групп могут быть исключены или понижены в весе. Это предотвращает искажение релевантности данными от кардинально отличающихся аудиторий.
  • US8498974B1
  • 2013-07-30
  • Поведенческие сигналы

  • Мультиязычность

  • Персонализация

Как Google использует историю навигации и клики по рекламе для генерации ключевых слов, гео-таргетинга и выявления MFA-сайтов
Патент Google, описывающий три механизма, основанных на анализе поведения пользователей (selection data). Система использует путь навигации пользователя для генерации новых ключевых слов для рекламы, улучшает гео-таргетинг объявлений на основе предпочтений пользователей, а также выявляет низкокачественные сайты (MFA/манипулятивные) по аномально высокому CTR рекламных блоков.
  • US8005716B1
  • 2011-08-23
  • Поведенческие сигналы

  • Семантика и интент

  • Антиспам

Как Google агрегирует поведенческие данные из похожих запросов для ранжирования редких и длиннохвостых запросов
Google использует механизм обобщения запросов для улучшения ранжирования, особенно когда исторических данных по исходному запросу недостаточно. Система создает варианты запроса (удаляя стоп-слова, используя синонимы, стемминг или частичное совпадение) и агрегирует данные о поведении пользователей (клики, dwell time) из этих вариантов. Это позволяет оценить качество документа для исходного запроса, используя статистику из семантически близких запросов.
  • US9110975B1
  • 2015-08-18
  • Поведенческие сигналы

  • Семантика и интент

  • SERP

Как Google рассчитывает авторитетность и ранжирует сайты, вычисляя кратчайшие пути до доверенных источников (Seeds) в Веб-графе
Google использует масштабируемую распределенную систему для анализа огромных графов, таких как Веб-граф (триллионы связей). Система вычисляет кратчайшие пути от каждого узла (сайта) до набора предопределенных авторитетных источников («Seeds»). Эти расстояния используются для расчета метрик авторитетности и ранжирования сайтов: чем ближе сайт к доверенным источникам, тем выше его предполагаемое качество.
  • US8631094B1
  • 2014-01-14
  • EEAT и качество

  • Ссылки

Как Google использует LLM для генерации поисковых сводок (SGE), основываясь на контенте веб-сайтов, и итеративно уточняет ответы
Google использует Большие Языковые Модели (LLM) для создания сводок (AI-ответов) в результатах поиска. Для повышения точности и актуальности система подает в LLM не только запрос, но и контент из топовых результатов поиска (SRDs). Патент описывает, как система выбирает источники, генерирует сводку, проверяет факты, добавляет ссылки на источники (linkifying) и аннотации уверенности. Кроме того, система может динамически переписывать сводку, если пользователь взаимодействует с одним из источников.
  • US11769017B1
  • 2023-09-26
  • EEAT и качество

  • Ссылки

  • SERP

Как Google выбирает предлагаемые запросы, анализируя вероятность завершения поиска и коммерческую ценность
Google использует графовую модель для анализа поисковых сессий пользователей. Система определяет, какие уточняющие запросы чаще всего приводят к завершению поиска (становятся «финальным пунктом назначения»). Эти запросы считаются обладающими наибольшей «полезностью» (Utility) и предлагаются пользователю в качестве подсказок или связанных запросов. Система также учитывает коммерческий потенциал этих запросов и может показывать для них релевантные рекламные блоки.
  • US8751520B1
  • 2014-06-10
  • SERP

  • Поведенческие сигналы

  • Семантика и интент

seohardcore