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

Как Google связывает коммерческие действия с сущностями и меняет вид выдачи в зависимости от интента пользователя

ENTITY-BASED SEARCHING WITH CONTENT SELECTION (Поиск на основе сущностей с выбором контента)
  • US9536259B2
  • Google LLC
  • 2013-03-05
  • 2017-01-03
  • Семантика и интент
  • Knowledge Graph
  • SERP
  • Персонализация
  • Описание
  • Разбор
  • Выводы
  • Практика
  • FAQ
  • Похожие

Google патентует систему, которая связывает Сущности (например, фильмы, книги, места) с Онлайн-действиями (например, купить, стримить, забронировать). Вместо таргетинга по ключевым словам, партнеры делают ставки на пары «Сущность-Действие». Система определяет, насколько запрос связан с действием, и динамически меняет визуальное представление этих коммерческих предложений в выдаче (например, в Панели знаний), делая их более или менее заметными.

Описание

Какую проблему решает

Патент решает проблему неэффективности традиционного поиска и выбора контента (включая рекламу), основанного строго на ключевых словах. Он улучшает способность поисковой системы понимать намерение (интент) пользователя, лежащее в основе запроса, связывая его с конкретными Сущностями (Entities) и потенциальными Онлайн-действиями (Online Actions). Это позволяет более точно подбирать релевантный сторонний контент (например, коммерческие предложения) и эффективнее организовывать аукционы для партнеров, позволяя им конкурировать в рамках конкретных действий (например, стриминг против покупки DVD), а не общих ключевых слов.

Что запатентовано

Запатентована система выбора и отображения стороннего контента (third-party content) на основе Пар Сущность-Действие (Entity-Action Pairs). Система получает ставки от партнеров, привязанные не к ключевым словам, а к этим парам (например, {Фильм X, Стримить}). При получении запроса система идентифицирует релевантную сущность и определяет связь запроса с возможными действиями. На основе этой связи и результатов аукциона система выбирает сторонний контент и динамически генерирует его визуальное представление (visual layout) в результатах поиска.

Как это работает

Механизм работает следующим образом:

  • Идентификация Сущности: Система анализирует запрос и определяет основную Сущность.
  • Определение Действий: Система идентифицирует потенциальные Онлайн-действия, связанные с этой сущностью.
  • Оценка Связи (Relationship): Система оценивает, насколько тесно запрос связан с конкретной парой Сущность-Действие. Запрос может явно указывать на действие (например, «стримить фильм X») или подразумевать его.
  • Аукцион Контента: Проводится аукцион среди партнеров, сделавших ставки на релевантные пары Сущность-Действие.
  • Динамический Макет: Система генерирует визуальный макет для выбранного контента. Если запрос тесно связан с действием, контент визуально выделяется (больший шрифт, выше позиция). Если связь слабая, контент деприоритизируется.
  • Отображение: Результаты поиска, информация о сущности и выбранный сторонний контент (часто в виде интерактивных элементов) отображаются пользователю.

Актуальность для SEO

Высокая. Патент напрямую связан с эволюцией семантического поиска, Knowledge Graph и монетизацией выдачи. Механизмы, описанные в патенте, активно используются в современных Панелях знаний (Knowledge Panels) для медиа-контента (фильмы, книги, музыка), локального поиска и электронной коммерции, позволяя пользователям совершать действия прямо из SERP.

Важность для SEO

Влияние на SEO значительно (8/10), хотя патент фокусируется на платном/партнерском контенте. Он раскрывает механизмы, как Google интерпретирует интент на основе сущностей и действий, что критически важно для понимания структуры SERP. Система определяет, как и где отображать коммерческие блоки, что напрямую влияет на видимость органических результатов и может приводить к увеличению Zero-Click Searches, поскольку пользователь может выполнить действие (например, перейти на стриминговый сервис) прямо из блока сущности, минуя органическую выдачу.

Детальный разбор

Термины и определения

Actionable Item (Интерактивный элемент)
Элемент пользовательского интерфейса (например, кнопка, ссылка) в объекте сущности, который связан с ресурсом стороннего поставщика и позволяет пользователю выполнить Онлайн-действие.
Auction Parameters / Content Placement Parameters (Параметры аукциона / Параметры размещения контента)
Данные, предоставляемые сторонними поставщиками, которые контролируют участие в аукционе контента. Включают ставку (bid value) и привязку к конкретной паре Сущность-Действие.
Entity-Action Pair (Пара Сущность-Действие)
Ключевая структура данных, связывающая Сущность с конкретным Онлайн-действием (например, {Фильм «Шериф Боб», Стримить}).
Feed (Фид данных)
Способ передачи Параметров аукциона от сторонних поставщиков поисковой системе, часто в текстовом формате (например, XML, CSV).
First-party content (Основной контент)
Первичный контент, запрошенный пользователем, например, органические результаты поиска, предоставляемые поисковой службой.
Knowledge Panel (Панель знаний)
Область на странице результатов поиска, где отображается информация о Сущности, факты и выбранный Сторонний контент (хотя патент не использует этот термин напрямую, он описывает именно этот функционал).
Online Action (Онлайн-действие)
Действие, которое пользователь может выполнить в отношении сущности (например, стриминг, покупка, бронирование, получение маршрута, покупка билетов).
Quality Score (Показатель качества)
Метрика, используемая в дополнение к ставке аукциона для выбора стороннего контента. Может основываться на вероятности того, что пользователь совершит действие (например, Click-Through Rate).
Search Entity (Поисковая Сущность)
Концепция, представляющая именованную сущность в физическом мире (человек, место, медиа-контент и т.д.).
Third-party content (Сторонний контент)
Дополнительный контент, предоставляемый в сочетании с основным контентом. В контексте патента — это спонсируемый или партнерский контент (например, реклама, платные ссылки на услуги), связанный с Онлайн-действием.
Visual Layout (Визуальный макет)
Способ представления стороннего контента на SERP. Макет генерируется динамически на основе связи между запросом и парой Сущность-Действие.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает метод выбора стороннего контента.

  1. Поддержание базы данных Поисковых Сущностей (именованных сущностей реального мира).
  2. Ассоциирование одного или нескольких Онлайн-действий с каждой сущностью в базе данных.
  3. Получение Параметров размещения контента от поставщика, включающих пару Сущность-Действие.
  4. Получение поискового запроса.
  5. Получение результатов поиска.
  6. Определение того, что ключевые слова запроса соответствуют Сущности из пары, но не соответствуют Онлайн-действию из этой пары. (Это описывает сценарий неявного интента).
  7. Генерация объекта поисковой сущности, включающего Интерактивный элемент, связанный с ресурсом поставщика и выполняющий Онлайн-действие.
  8. Предоставление страницы результатов поиска, включающей результаты, сущность и сгенерированный объект с интерактивным элементом.

Claim 2 (Зависимый от 1): Описывает альтернативный сценарий определения связи.

Определение того, что ключевые слова запроса соответствуют и Сущности, и Онлайн-действию из пары Сущность-Действие. (Это описывает сценарий явного интента, например, запрос «Стримить Шериф Боб»).

Claim 4 (Зависимый от 1): Детализирует механизм отображения на основе ранжирования.

  1. Определение ранжирования (ranking) пар Сущность-Действие для данной сущности.
  2. Генерация Визуального макета, который позиционирует сторонний контент относительно сущности в соответствии с этим ранжированием.

Claim 5 (Зависимый от 1): Описывает механизм отображения для связанных сущностей.

  1. Определение того, что ключевые слова запроса соответствуют другой сущности (Сущность А), отличной от сущности в паре Сущность-Действие (Сущность Б).
  2. Определение связи между двумя сущностями (А и Б).
  3. Генерация Визуального макета для стороннего контента, который включает информацию об этой связи (например, «Люди также ищут»).

Где и как применяется

Изобретение применяется на нескольких этапах поисковой архитектуры, связывая понимание запросов с генерацией финальной выдачи и монетизацией.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна поддерживать базу данных Сущностей (Knowledge Graph) и ассоциировать с ними потенциальные Онлайн-действия. Также индексируются данные из партнерских фидов (Auction Parameters).

QUNDERSTANDING – Понимание Запросов
Ключевой этап применения. Система должна распознать Сущность в запросе и определить связь (relationship) между запросом и потенциальными парами Сущность-Действие. Определяется, является ли интент действия явным (Claim 2) или неявным (Claim 1).

RANKING – Ранжирование
Система ранжирует не только органические результаты, но и сами пары Сущность-Действие на основе их релевантности запросу (Claim 4). Это определяет, какие действия будут предложены пользователю.

METASEARCH – Метапоиск и Смешивание
Основной этап реализации. Система проводит Аукцион контента для выбранных пар Сущность-Действие. Затем она генерирует Визуальный макет (часто в виде Панели знаний), динамически определяя, как отображать Интерактивные элементы (сторонний контент) на основе ранжирования действий и результатов аукциона. Происходит смешивание органических результатов, информации о сущности и партнерского контента.

Входные данные:

  • Поисковый запрос пользователя.
  • База данных Сущностей и ассоциированных Онлайн-действий.
  • Параметры аукциона от сторонних поставщиков (фиды, ставки).
  • Индекс веб-ресурсов.

Выходные данные:

  • Страница результатов поиска (SERP) с динамически сгенерированным Визуальным макетом.
  • Объект сущности (например, Панель знаний), включающий Интерактивные элементы для выполнения Онлайн-действий.

На что влияет

  • Конкретные типы контента и ниши: Наибольшее влияние оказывается на ниши, где сущности имеют четкие коммерческие действия: медиа (фильмы, музыка, книги – стриминг, покупка), локальный поиск (рестораны, отели – бронирование, заказ), события (концерты – покупка билетов), и электронная коммерция (продукты – покупка).
  • Специфические запросы: Влияет как на общие запросы по сущностям (например, «Шериф Боб»), так и на запросы с явным интентом действия (например, «смотреть Шериф Боб онлайн»).

Когда применяется

Алгоритм применяется при выполнении следующих условий:

  • Триггеры активации: Поисковый запрос распознан как соответствующий Поисковой Сущности, у которой есть ассоциированные Онлайн-действия.
  • Наличие партнеров: Существуют сторонние поставщики, которые предоставили Параметры аукциона для релевантных пар Сущность-Действие.
  • Результаты аукциона: Ставки в аукционе превышают резервную цену (если она установлена), и поставщики имеют достаточный Quality Score.

Пошаговый алгоритм

Процесс А: Обработка запроса и выбор контента

  1. Получение параметров аукциона (Офлайн): Система получает Параметры аукциона от сторонних поставщиков, включая ставки и пары Сущность-Действие (например, через фид).
  2. Получение запроса: Система получает поисковый запрос от пользователя.
  3. Идентификация результатов поиска: Система извлекает стандартные органические результаты поиска.
  4. Идентификация Сущности и Действий: Система определяет, соответствует ли запрос Поисковой Сущности, и идентифицирует связанные Онлайн-действия.
  5. Определение связи: Система определяет характер связи между парой Сущность-Действие и запросом. Оценивается сила этой связи (сильная, умеренная, слабая).
  6. Ранжирование Действий: Пары Сущность-Действие ранжируются на основе силы их связи с запросом.
  7. Проведение аукциона контента: Для высоко ранжированных пар Сущность-Действие проводится аукцион с использованием полученных параметров.
  8. Выбор стороннего контента: Выбирается контент победителей аукциона (учитывая ставки и Quality Score). Количество победителей может зависеть от ранга действия.
  9. Генерация визуального макета: Система генерирует макет для выбранного контента на основе ранжирования пары Сущность-Действие. Высокий ранг приводит к визуальному выделению (emphasis), низкий ранг — к деприоритизации (deemphasis).
  10. Предоставление результатов: Система предоставляет пользователю страницу результатов поиска, включающую органические результаты, информацию о сущности и сторонний контент, оформленный согласно сгенерированному макету.

Какие данные и как использует

Данные на входе

Патент фокусируется на механизме выбора контента на основе сущностей и не детализирует все факторы ранжирования органического поиска. Он использует следующие данные:

  • Данные о Сущностях (Entity Data): База данных именованных сущностей реального мира и фактов о них (Knowledge Graph).
  • Данные о Связях (Relationship Data): Информация о связях между сущностями (например, актер снимался в фильме) и ассоциации между Сущностями и Онлайн-действиями.
  • Партнерские данные (Third-Party Data): Auction Parameters, полученные через фиды или интерфейсы. Включают идентификаторы сущностей, типы действий, целевые страницы (Landing page), цены, информацию о подписке и ставки (bid values).
  • Поведенческие факторы (Неявно): Quality Score поставщика (например, CTR его контента). Также упоминается возможность определения связи между сущностями на основе того, как часто пользователи ищут обе сущности. Связь между запросом и действием может определяться частотой, с которой пользователи выполняли действие после ввода запроса.

Какие метрики используются и как они считаются

  • Ранжирование Пар Сущность-Действие (Ranking of Entity-Action Pairs): Метрика, определяющая релевантность действия данному запросу. Рассчитывается на основе наличия ключевых слов действия в запросе и/или поведенческих данных (частота выполнения действия пользователями после запроса).
  • Ставка аукциона (Bid Value): Денежная сумма, указанная сторонним поставщиком в Auction Parameters.
  • Quality Score (Показатель качества): Метрика качества поставщика или его контента. Используется для корректировки результатов аукциона (поставщик с высокой ставкой, но низким QS может проиграть).
  • Резервная цена (Reserve Price): Минимальная ставка, необходимая для отображения стороннего контента для данной пары Сущность-Действие.

Выводы

  1. Приоритет Сущностей над Ключевыми словами в коммерческом поиске: Патент подтверждает переход от таргетинга по ключевым словам к таргетингу на основе Сущностей и Действий. Это требует глубокого понимания Knowledge Graph и того, как Google ассоциирует коммерческие интенты с сущностями.
  2. Динамическое изменение SERP на основе Интента: Визуальное представление выдачи (Visual Layout) не статично. Оно меняется в зависимости от того, насколько явно запрос выражает намерение совершить Онлайн-действие. Система может агрессивно продвигать или, наоборот, скрывать коммерческие предложения.
  3. Сегментация коммерческих предложений: Система позволяет разделять аукционы для разных типов действий (например, стриминг и покупка DVD). Это означает, что Google четко разграничивает разные бизнес-модели, связанные с одной и той же сущностью.
  4. Интеграция действий в Панели Знаний: Основной механизм реализации — это интеграция Интерактивных элементов (Actionable Items) непосредственно в блоки с информацией о сущности. Это создает возможности для Zero-Click Searches, где коммерческое намерение удовлетворяется без перехода на органические результаты.
  5. Неявный и Явный интент: Система спроектирована для обработки как случаев, когда действие явно указано в запросе, так и случаев, когда запрос сфокусирован только на сущности, но система все равно предлагает релевантные действия (Claims 1 и 2).

Практика

Best practices (это мы делаем)

  • Оптимизация Сущностей (Entity Optimization): Убедитесь, что ваша организация, продукты, контент (если применимо) четко определены как Сущности в Knowledge Graph. Используйте структурированные данные (Schema.org), чтобы明確に определить сущность и ее атрибуты.
  • Анализ Ассоциированных Действий: Изучайте Панели Знаний для ваших ключевых сущностей и сущностей конкурентов. Определите, какие Онлайн-действия Google ассоциирует с ними. Это поможет понять, какие коммерческие интенты Google считает приоритетными в вашей нише.
  • Создание контента под разные фазы интента: Разрабатывайте контент, который отвечает как на общие запросы о сущности, так и на запросы, связанные с конкретными действиями. Понимание того, как Google ранжирует эти действия (Ranking of Entity-Action Pairs), поможет расставить приоритеты в контент-стратегии.
  • Участие в партнерских программах (Если применимо): Если ваш бизнес-модель совпадает с описанной (например, стриминг, продажа билетов, бронирование), необходимо обеспечить техническую интеграцию через фиды данных (Feeds), чтобы ваш контент мог участвовать в аукционах Entity-Action и отображаться непосредственно в SERP.
  • Мониторинг SERP Real Estate: Отслеживайте изменения в Визуальном макете выдачи. Появление крупных блоков с Интерактивными элементами может сигнализировать о снижении органического CTR, требуя корректировки SEO-стратегии.

Worst practices (это делать не надо)

  • Игнорирование Семантического Поиска: Фокусироваться только на традиционном подборе ключевых слов без учета оптимизации сущностей неэффективно, так как система Google строится вокруг Сущностей.
  • Игнорирование Структурированных Данных о Действиях: Не использовать разметку для потенциальных действий (например, Actions в Schema.org, хотя патент не упоминает стандарт напрямую), если они применимы к вашему контенту или продукту, снижает вероятность того, что Google поймет коммерческий потенциал вашей сущности.
  • Конкуренция за нерелевантные действия: Пытаться оптимизировать сайт под действия, которые слабо связаны с основной сущностью или не являются приоритетными для пользователей. Система деприоритизирует такие действия в Визуальном макете.

Стратегическое значение

Этот патент имеет высокое стратегическое значение, так как он описывает инфраструктуру для монетизации Knowledge Graph и превращения SERP в операционную среду (Google как движок действий, а не только информации). Для SEO это означает усиление тренда на Zero-Click Searches в коммерческих нишах. Стратегия должна смещаться от простого привлечения трафика к управлению видимостью сущности и связанных с ней действий непосредственно в экосистеме Google. Построение сильной, узнаваемой сущности становится критически важным для долгосрочного успеха.

Практические примеры

Сценарий 1: Оптимизация для Медиа-сайта (Информационный ресурс)

  1. Задача: Повысить видимость сайта с обзорами фильмов.
  2. Применение патента: SEO-специалист анализирует, как Google отображает Панели Знаний для фильмов. Он замечает, что Google активно продвигает действия «Стримить» и «Купить билеты».
  3. Действие: Специалист обеспечивает максимальную оптимизацию страниц обзоров как Сущностей (разметка Movie,Organization), а также создает контент, отвечающий на вопросы, связанные с действиями (например, «Где смотреть фильм X», «Сравнение стриминговых сервисов для фильма X»).
  4. Ожидаемый результат: Хотя сайт не может напрямую участвовать в аукционе действий, он повышает свою релевантность для запросов, где Google активирует эти блоки, и может занять органические позиции рядом с Панелью Знаний.

Сценарий 2: Управление данными для Стримингового Сервиса (Коммерческий ресурс)

  1. Задача: Обеспечить отображение сервиса в Панели Знаний при поиске фильмов.
  2. Применение патента: Компания понимает, что Google использует аукционы на основе Entity-Action Pairs.
  3. Действие: Компания готовит и загружает в Google Фид данных (Feed), содержащий список всех доступных фильмов (Сущности), тип действия («Стримить» или «Подписаться»), целевые страницы и цены. Устанавливаются ставки (Auction Parameters) для этих пар.
  4. Ожидаемый результат: При поиске фильма («Шериф Боб») сервис выигрывает аукцион, и в Панели Знаний появляется Интерактивный элемент «Смотреть на [Сервис]», ведущий напрямую к фильму на платформе.

Вопросы и ответы

Является ли этот патент о SEO или о Рекламе (PPC)?

Этот патент описывает выбор и отображение стороннего контента (third-party content), что в первую очередь относится к рекламе, спонсируемым ссылкам и партнерским интеграциям. Однако он критически важен для SEO, поскольку раскрывает, как Google понимает связь между Сущностями и коммерческими Действиями. Понимание этих механизмов необходимо для прогнозирования структуры SERP, оценки потенциала органического трафика и адаптации к Zero-Click выдаче, так как эти платные блоки часто занимают приоритетные позиции в Панелях Знаний.

Что такое «Пара Сущность-Действие» (Entity-Action Pair) и почему это важно?

Пара Сущность-Действие — это структура данных, которая связывает объект реального мира (Сущность, например, фильм) с тем, что пользователь может с ним сделать онлайн (Действие, например, стримить). Это важно, потому что Google переходит от интерпретации ключевых слов к пониманию намерений через эти пары. Вместо того чтобы оптимизироваться под фразу «купить билет на фильм X», система фокусируется на паре {Фильм X, Купить билет} и динамически отображает релевантные предложения, независимо от точной формулировки запроса.

Как Google определяет, какие действия связать с моей сущностью?

Патент предполагает, что эти ассоциации могут быть определены оператором поисковой системы, получены из открытых источников (например, онлайн-энциклопедий) или идентифицированы автоматически при индексации веб-страниц. Также они могут определяться на основе поведения пользователей – какие действия они чаще всего совершают в отношении данной сущности. На практике это часто определяется типом сущности (для ресторанов – бронирование, для фильмов – просмотр) и наличием партнерских фидов данных.

Что означает «динамическая генерация визуального макета» (Visual Layout Generation) для SEO?

Это означает, что вид SERP может радикально меняться в зависимости от того, как Google интерпретирует интент запроса. Если Google считает, что запрос тесно связан с коммерческим действием, блоки, связанные с этим действием, будут визуально выделены (больше размер, выше позиция), что может сместить органические результаты вниз. Если связь слабая, эти блоки будут менее заметны. SEO-специалистам необходимо отслеживать эти динамические изменения макета для своих ключевых запросов.

Могу ли я повлиять на то, какие действия отображаются для моей сущности, если я не участвую в аукционе?

Напрямую повлиять на результаты платного аукциона нельзя. Однако можно повлиять на то, какие действия Google ассоциирует с вашей сущностью в целом. Использование соответствующей разметки Schema.org (например, для событий, продуктов, бронирований) и создание качественного контента, который четко описывает предлагаемые вами действия, может помочь Google лучше понять основные функции вашей сущности, что потенциально влияет на структуру Панели Знаний.

Как этот патент связан с Zero-Click Searches?

Патент напрямую способствует увеличению Zero-Click Searches. Он описывает создание Интерактивных элементов (Actionable Items) прямо в SERP, которые позволяют пользователю выполнить действие (например, перейти на стриминговый сервис или сайт бронирования). Поскольку пользователь удовлетворяет свой интент или переходит напрямую к выполнению действия, он минует традиционные органические результаты, что снижает их CTR.

Что делать, если моя ниша не связана с медиа или локальным поиском?

Хотя примеры в патенте часто касаются фильмов, концепция Сущность-Действие универсальна. В любой нише есть сущности (например, B2B-продукт, услуга, компания, эксперт) и действия (например, получить цитату, скачать whitepaper, записаться на вебинар, связаться). Принципы патента применимы везде, где Google может идентифицировать сущность и связанные с ней коммерческие намерения, поэтому фокус на оптимизации сущностей остается актуальным.

Как система обрабатывает запросы, где интент неясен?

Патент специально покрывает случаи (Claim 1), когда запрос соответствует Сущности, но не содержит явных указаний на Действие (например, просто «Шериф Боб»). В этом случае система ранжирует все возможные пары Сущность-Действие (например, на основе их общей популярности) и предлагает наиболее релевантные из них. Визуальный макет будет адаптирован так, чтобы отразить этот более общий интент, возможно, показывая несколько разных опций действий.

Упоминается ли Quality Score в этом патенте и как он работает?

Да, Quality Score упоминается как фактор, используемый при выборе стороннего контента наряду со ставкой аукциона. Он может измерять вероятность того, что пользователь совершит действие при показе контента (например, CTR). Патент указывает, что поставщик с самой высокой ставкой может быть отклонен, если у него низкий Quality Score, что подчеркивает важность релевантности и качества целевых страниц партнера.

Как система обрабатывает связанные сущности?

Система может отображать действия для связанных (вторичных) сущностей, даже если они не являются основным объектом запроса (Claim 5). Например, при поиске фильма может быть показано действие для покупки альбома саундтреков. В этом случае система также генерирует визуальный макет, который может включать пояснение о связи между сущностями (например, «Люди, которые искали X, также интересовались Y»), чтобы обосновать показ этого контента.

Похожие патенты

Как Google использует пары «Сущность-Действие» для таргетинга и отображения рекламы в результатах поиска
Google использует механизм показа рекламы, основанный не на ключевых словах, а на парах «Сущность-Действие» (Entity-Action pairs). Система определяет сущность в запросе (например, фильм) и связанные с ней действия (например, «стриминг» или «купить DVD»). Для каждого действия проводятся отдельные аукционы, что позволяет разным типам рекламодателей конкурировать в своих нишах. Формат показа рекламы динамически меняется в зависимости от того, насколько точно запрос соответствует действию.
  • US20140258014A1
  • 2014-09-11
  • Семантика и интент

  • SERP

  • Knowledge Graph

Как Google автоматически выбирает категории и контент для страниц сущностей, комбинируя данные о поведении пользователей и Knowledge Graph
Google использует механизм для автоматического создания страниц о сущностях (например, о фильмах или персонажах). Система определяет, какие категории (свойства) сущности наиболее интересны пользователям, сравнивая данные из Knowledge Graph с данными о том, что пользователи ищут или смотрят вместе с этой сущностью. Затем она наполняет эти категории популярным контентом.
  • US11036743B2
  • 2021-06-15
  • Knowledge Graph

  • Семантика и интент

  • Поведенческие сигналы

Как Google использует распознавание сущностей в тексте (например, в email) для отображения персонализированного медиаконтента и социальных действий
Google анализирует текст (например, электронные письма) для идентификации медиа-сущностей (фильмов, книг, музыки). Система автоматически отображает связанный контент, ссылки для покупки и персонализированную информацию, включая активность социальных связей пользователя. Это демонстрирует возможности Google в извлечении сущностей из неструктурированного текста и их связи с действиями и социальным графом.
  • US9430447B1
  • 2016-08-30
  • Персонализация

  • Семантика и интент

  • Мультимедиа

Как Google использует фиды данных для связи продуктов и услуг с сущностями в Knowledge Graph и показа коммерческих предложений в Knowledge Panel
Google позволяет поставщикам контента (например, стриминговым сервисам, интернет-магазинам) загружать фиды данных о своих товарах и услугах. Система автоматически связывает элементы фида с конкретными сущностями (например, фильмами, книгами) и действиями (например, «смотреть онлайн», «купить»). Это позволяет показывать релевантные коммерческие предложения в Knowledge Panel и проводить отдельные аукционы для разных типов действий.
  • US9953085B1
  • 2018-04-24
  • Knowledge Graph

  • Семантика и интент

Как Google связывает запросы с сущностями для формирования выдачи, подсказок и определения доминирующего интента
Google использует систему для определения того, какие сущности (люди, места, объекты) подразумеваются в поисковом запросе. Система анализирует, насколько релевантны топовые документы запросу и насколько центральное место в этих документах занимает конкретная сущность. На основе этого рассчитывается оценка Entity Score, которая определяет ранжирование сущностей для запроса. Этот механизм используется для показа блоков знаний, организации поисковой выдачи и предоставления уточняющих поисковых подсказок.
  • US20160224621A1
  • 2016-08-04
  • Семантика и интент

  • Knowledge Graph

  • SERP

Популярные патенты

Как Google использует данные о поведении пользователей и длительность кликов для улучшения и переписывания поисковых запросов
Google использует систему для автоматического переписывания запросов пользователей. Система анализирует миллионы прошлых поисковых сессий, чтобы определить, как пользователи уточняли свои запросы и насколько они были удовлетворены результатами (измеряя длительность кликов). На основе этого рассчитывается «Ожидаемая полезность» (Expected Utility) для предложенных вариантов запросов, что позволяет Google предлагать пользователю те формулировки, которые с наибольшей вероятностью приведут к качественному ответу.
  • US7617205B2
  • 2009-11-10
  • Поведенческие сигналы

  • Семантика и интент

  • SERP

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 позволяет вебмастерам управлять весом и интерпретацией исходящих ссылок через атрибуты тега (Основа nofollow)
Google запатентовал механизм, позволяющий вебмастерам добавлять в теги ссылок () специальные пары "параметр=значение" (например, rel=nofollow или linkweight=0.5). Эта информация используется краулером и поисковой системой для изменения способа обработки ссылки, например, для корректировки передаваемого веса (PageRank) или блокировки ее учета.
  • US7979417B1
  • 2011-07-12
  • Ссылки

  • Краулинг

  • Техническое SEO

Как Google определяет географическую зону релевантности бизнеса на основе реального поведения пользователей (Catchment Areas)
Google определяет уникальную "зону охвата" (Catchment Area) для локального бизнеса, анализируя, из каких географических точек пользователи кликали на его результаты в поиске. Эта динамическая зона заменяет фиксированный радиус и используется для фильтрации кандидатов при локальном поиске, учитывая известность бренда, категорию бизнеса и физические препятствия.
  • US8775434B1
  • 2014-07-08
  • Local SEO

  • Поведенческие сигналы

Как Google оценивает и выбирает контент для Featured Snippets (Блоков с ответами) на основе консенсуса выдачи
Google использует систему для выбора и оценки Featured Snippets. Система анализирует топовые результаты поиска, чтобы предсказать, какие термины должны быть в ответе (Answer Terms). Затем она оценивает отрывки текста, учитывая совпадение с запросом, наличие предсказанных терминов ответа (консенсус топа), качество исходного сайта, форматирование и языковую модель контента.
  • US9940367B1
  • 2018-04-10
  • SERP

  • Семантика и интент

  • EEAT и качество

Как Google динамически регулирует влияние фактора близости в локальном поиске в зависимости от тематики запроса и региона
Google использует систему для определения того, насколько важна близость (расстояние) для конкретного поискового запроса и региона. Анализируя исторические данные о кликах и запросах маршрутов, система вычисляет «Фактор важности расстояния». Для запросов типа «Кофе» близость критична, и удаленные результаты пессимизируются. Для запросов типа «Аэропорт» близость менее важна, и качественные результаты могут ранжироваться высоко. Система также учитывает плотность региона (город или село), адаптируя ожидания пользователей по расстоянию.
  • US8463772B1
  • 2013-06-11
  • Local SEO

  • Поведенческие сигналы

Как Google использует данные о кликах и пропусках для валидации и удаления неэффективных синонимов в поиске
Google постоянно тестирует правила подстановки (синонимы) для расширения запросов. Этот патент описывает механизм оценки эффективности этих правил с помощью анализа поведения пользователей (клики и пропуски результатов). Если пользователи часто пропускают результаты, содержащие подставленный термин, система автоматически удаляет это правило, очищая понимание запросов от нерелевантных синонимов.
  • US8965875B1
  • 2015-02-24
  • Поведенческие сигналы

  • Семантика и интент

  • EEAT и качество

Как Google ранжирует сущности (например, фильмы или книги), используя популярность связанных веб-страниц и поисковых запросов в качестве прокси-сигнала
Google использует механизм для определения популярности контентных сущностей (таких как фильмы, телешоу, книги), когда прямые данные о потреблении недоступны. Система идентифицирует авторитетные «эталонные веб-страницы» (например, страницы Википедии) и связанные поисковые запросы. Затем она измеряет популярность сущности, анализируя объем трафика на эти эталонные страницы и частоту связанных запросов в поиске, используя эти данные как прокси-сигнал для ранжирования сущности.
  • US9098551B1
  • 2015-08-04
  • EEAT и качество

  • Поведенческие сигналы

  • SERP

Как Google использует историю местоположений для определения физической активности пользователя и гиперперсонализации поиска
Google анализирует историю перемещений пользователя (местоположения и скорость), чтобы определить его текущую физическую активность (например, поход, шоппинг) и способ передвижения (например, пешком, на автобусе). Эта информация используется для радикальной персонализации: система корректирует ранжирование результатов, изменяет запросы и формирует подсказки, чтобы они соответствовали контексту реальных действий пользователя.
  • US20150006290A1
  • 2015-01-01
  • Поведенческие сигналы

  • Персонализация

  • Local SEO

Как Google классифицирует интент запросов (например, поиск порнографии), анализируя историю использования фильтров (SafeSearch)
Google использует данные о том, как часто пользователи включают или отключают фильтры контента (например, SafeSearch) при вводе конкретного запроса. Анализируя нормализованное соотношение фильтрованных и нефильтрованных поисковых операций, система классифицирует запрос как целенаправленно ищущий определенный тип контента (например, adult). Эта классификация затем используется для повышения или понижения релевантности соответствующего контента в выдаче.
  • US9152701B2
  • 2015-10-06
  • Семантика и интент

  • Безопасный поиск

  • Поведенческие сигналы

seohardcore