Google использует механизм для поддержания поискового контекста при исследовании связанных тем. Когда пользователь изучает коллекцию сущностей одного типа (например, породы собак или фильмы актера), система отображает постоянный навигационный элемент (карусель). Это позволяет быстро переключаться между сущностями, обновляя результаты поиска и информационные блоки, не покидая исходную страницу выдачи.

Описание

Какую проблему решает

Патент решает проблему потери поискового контекста при навигации между несколькими наборами результатов поиска, связанными с одной темой или коллекцией сущностей. Традиционные методы, такие как переход по ссылкам на отдельные веб-страницы и использование кнопок "вперед"/"назад" или вкладок браузера, усложняют сравнение и быстрое изучение связанных сущностей.

Что запатентовано

Запатентована система и метод для отображения результатов поиска с сохранением контекста. Система предоставляет пользовательский интерфейс, который включает постоянную область навигации (Related Entity Area), содержащую ссылки на набор связанных сущностей (Entities) одного типа (Entity Type), часто в виде карусели. При выборе сущности из этой области другие части экрана (Search Result Area и Information Area) обновляются для отображения информации о выбранной сущности, в то время как навигационная область остается видимой.

Как это работает

Механизм активируется при поиске конкретной сущности или списка сущностей (типа).

  • Поиск Сущности: Пользователь ищет сущность (например, Актера). В выдаче появляется Information Area со связанными сущностями разных типов (например, Фильмы, ТВ-шоу). Если пользователь выбирает одну из них (например, конкретный Фильм), система генерирует Related Entity Area (карусель), содержащую другие сущности того же типа (другие Фильмы этого актера).
  • Поиск Списка: Пользователь ищет тип (например, "Фильмы Актера"). Система сразу отображает Related Entity Area (карусель) с сущностями этого типа.
  • Навигация: При выборе элемента в карусели, Search Result Area и Information Area обновляются результатами для этого элемента, но сама карусель остается на месте, позволяя быстро переключаться между элементами коллекции.

Актуальность для SEO

Высокая. Описанный механизм является точным описанием функциональности "Каруселей Сущностей" (Entity Carousels), которые активно используются в поисковой выдаче Google для навигации по структурированным данным (актеры, фильмы, места, продукты и т.д.). Это ключевой компонент современного интерфейса поиска, основанного на сущностях и Knowledge Graph.

Важность для SEO

Патент имеет среднее-высокое значение для SEO (65/100). Он не описывает алгоритмы ранжирования или сигналы качества, но критически важен для понимания того, как Google представляет и связывает сущности в пользовательском интерфейсе. Попадание в эти карусели обеспечивает значительную видимость и влияет на то, как пользователи потребляют контент. Понимание этого механизма подчеркивает стратегическую важность оптимизации под сущности (Entity Optimization) и структурированные данные.

Детальный разбор

Термины и определения

Entity (Сущность)
Объект, который является уникальным и различимым (человек, место, предмет, идея, концепция). В контексте поиска относится к концепции объекта, представленной в базе данных (Knowledge Graph).
Entity Type (Тип сущности)
Определяющая характеристика или группировка сущностей. Например, "Джордж Вашингтон" — это сущность типа "Президент США".
Information Area (Информационная область)
Область на экране, отображающая информацию о текущей выбранной сущности, включая ссылки на связанные сущности разных типов. Аналог Панели Знаний (Knowledge Panel).
Related Entity Area (Область связанных сущностей)
Область на экране, отображающая набор ссылок на сущности одного и того же типа. Часто реализуется в виде горизонтальной прокручиваемой карусели (Carousel). Обеспечивает постоянный контекст навигации.
Search Result Area (Область результатов поиска)
Область на экране, отображающая стандартные результаты поиска (например, веб-ссылки), относящиеся к текущему запросу или выбранной сущности.
List Search (Поиск списка)
Поисковый запрос (упомянутый в Claim 9 как "search query for a list of entities"), который явно или неявно идентифицирует тип сущности (например, "Фильмы Тома Хэнкса").

Ключевые утверждения (Анализ Claims)

Патент содержит два основных независимых пункта (Claim 1 и Claim 9), описывающих два сценария активации механизма.

Claim 1 (Независимый пункт): Описывает процесс для поиска конкретной сущности.

  1. Система получает запрос на сущность.
  2. В ответ отображается первая группа ссылок (first links) в Information Area. Эти ссылки соответствуют связанным сущностям. Экран разделен на отдельные размеченные регионы: Information Area, Related Entity Area и Search Result Area.
  3. Система получает выбор одной из первых ссылок, которая относится к определенному типу сущности.
  4. В ответ на выбор, система отображает вторую группу ссылок (second links) в Related Entity Area. Эти ссылки соответствуют сущностям, которые связаны с исходной сущностью И относятся к тому же типу, что и выбранная первая ссылка.
  5. Система получает выбор одной из вторых ссылок.
  6. В ответ на этот выбор, система отображает третью группу ссылок (результаты поиска, связанные с выбранной второй ссылкой) в Search Result Area, при этом вторая группа ссылок остается отображенной в Related Entity Area.

Ядро изобретения в этом сценарии — это динамическое создание навигационного контекста (Related Entity Area) на основе выбора пользователя и поддержание этого контекста видимым во время изучения результатов.

Claim 9 (Независимый пункт): Описывает процесс для поиска списка (типа) сущностей.

  1. Система получает запрос на список сущностей, который явно или неявно идентифицирует тип сущности.
  2. Система отображает группу ссылок (related area links) в Related Entity Area. Каждая ссылка соответствует сущности данного типа.
  3. Система получает выбор одной из этих ссылок.
  4. В ответ на выбор, система отображает данные, представляющие веб-ресурсы, связанные с выбранной сущностью, в другой области экрана, при этом группа ссылок остается отображенной в Related Entity Area.
  5. При выборе конкретного веб-ресурса он отображается пользователю.

Ядро изобретения в этом сценарии — это немедленное предоставление навигационного контекста для запросов типа "список" и его поддержание во время навигации.

Где и как применяется

Изобретение затрагивает этапы, связанные с пониманием запроса, формированием и отображением поисковой выдачи.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна предварительно идентифицировать сущности, классифицировать их по типам (Entity Type) и установить связи между ними. Эти структурированные данные (Knowledge Graph) необходимы для работы механизма.

QUNDERSTANDING – Понимание Запросов
Система должна распознать, является ли запрос поиском конкретной сущности (Entity Search, логика Claim 1) или поиском списка/типа (List Search, логика Claim 9). Это определяет, какой сценарий интерфейса будет активирован.

METASEARCH – Метапоиск и Смешивание (Universal Search & Blending)
Основное применение патента. На этом этапе система формирует структуру SERP и определяет, какие компоненты интерфейса будут отображены.

  1. Агрегация данных о сущностях: Система извлекает связанные сущности и их типы для формирования Information Area и Related Entity Area.
  2. Формирование SERP Features: Система создает специализированные блоки интерфейса — Карусель (Related Entity Area) и Информационную панель (Information Area) — и интегрирует их со стандартными результатами поиска (Search Result Area).
  3. Управление интерфейсом: Система управляет взаимодействием пользователя с этими областями, обеспечивая обновление контента в одних областях при сохранении контекста в других.

Входные данные:

  • Поисковый запрос пользователя.
  • Структурированные данные о сущностях: идентификаторы, типы, связи между сущностями, изображения для тамбнейлов.
  • Наборы стандартных поисковых результатов для каждой релевантной сущности.

Выходные данные:

  • Сформированная страница результатов поиска (SERP) с интегрированными областями Information Area, Related Entity Area (если применимо) и Search Result Area.
  • Динамически обновленные данные для Search Result Area и Information Area в ответ на взаимодействие пользователя с Related Entity Area.

На что влияет

  • Конкретные типы контента: Влияет на контент, который может быть четко структурирован и представлен в виде сущностей и их коллекций (фильмы, книги, персоналии, места, продукты, породы животных и т.д.).
  • Специфические запросы: Влияет на информационные и исследовательские запросы, где пользователь заинтересован в изучении или сравнении нескольких связанных объектов.
  • Конкретные ниши или тематики: Наибольшее влияние в тематиках с богатыми структурированными данными: развлечения, путешествия, история, наука, некоторые области E-commerce.

Когда применяется

Алгоритм применяется при следующих условиях:

  • Триггеры активации (Сценарий 1, Claim 1): Когда пользователь ищет сущность, у которой есть четко определенные связанные сущности, И когда пользователь взаимодействует с этими связанными сущностями в Information Area.
  • Триггеры активации (Сценарий 2, Claim 9): Когда запрос пользователя идентифицирован как поиск списка или типа сущностей (List Search).
  • Условия работы: Наличие достаточного количества структурированных данных в базе знаний Google для формирования коллекции сущностей одного типа.

Пошаговый алгоритм

Сценарий А: Обработка запроса сущности (Claim 1)

  1. Получение запроса: Система получает запрос на конкретную сущность.
  2. Отображение первичной информации: Система отображает результаты поиска в Search Result Area и связанные сущности разных типов (первая группа ссылок) в Information Area.
  3. Получение выбора связанной сущности: Пользователь выбирает одну связанную сущность определенного типа в Information Area.
  4. Генерация контекста навигации: Система идентифицирует тип выбранной сущности. Затем она формирует набор других сущностей того же типа, связанных с исходной сущностью (вторая группа ссылок).
  5. Отображение Related Entity Area: Система отображает этот набор в виде ссылок (например, карусели) в Related Entity Area.
  6. Обновление результатов: Search Result Area и Information Area обновляются для отображения информации о выбранной сущности.
  7. Получение выбора в навигации: Пользователь выбирает другую сущность в Related Entity Area.
  8. Контекстное обновление: Система обновляет Search Result Area и Information Area для новой выбранной сущности (третья группа ссылок), при этом Related Entity Area остается видимой и неизменной (сохраняя контекст).

Сценарий Б: Обработка запроса списка (Claim 9)

  1. Получение запроса: Система получает запрос, идентифицирующий тип сущности (например, "породы собак").
  2. Генерация контекста навигации: Система формирует набор сущностей данного типа.
  3. Отображение Related Entity Area: Система отображает этот набор в виде ссылок в Related Entity Area.
  4. Получение выбора в навигации: Пользователь выбирает одну сущность в Related Entity Area.
  5. Контекстное обновление: Система отображает результаты поиска и информацию для выбранной сущности в других областях экрана, при этом Related Entity Area остается видимой.

Какие данные и как использует

Данные на входе

Патент фокусируется на интерфейсе и взаимодействии, предполагая наличие следующих данных:

  • Структурные факторы (Данные о сущностях): Критически важные данные. Система использует предварительно извлеченные и структурированные данные о сущностях (Entity), их типах (Entity Type) и взаимосвязях. Это основа для формирования коллекций в Related Entity Area и Information Area.
  • Мультимедиа факторы: Изображения сущностей используются для создания тамбнейлов (thumbnail links) в каруселях и информационных блоках.
  • Пользовательские факторы (Взаимодействие): Взаимодействие пользователя (клики по ссылкам в Information Area и Related Entity Area) является триггером для обновления интерфейса.

Какие метрики используются и как они считаются

Патент не описывает конкретных метрик ранжирования или формул для выбора того, какие именно сущности включать в карусель или как их сортировать. Однако он упоминает общие принципы организации:

  • Группировка по типу: Ключевой механизм — это группировка сущностей строго по одному типу (Entity Type) для отображения в Related Entity Area.
  • Связь с исходной сущностью: В Сценарии А (Claim 1) сущности в карусели должны быть связаны как с исходной сущностью запроса, так и принадлежать к типу выбранной пользователем сущности.
  • Методы сортировки (Упоминаются как возможные): Алфавитный порядок, числовой порядок, глобальная популярность поиска, предпочтения пользователя или предопределенные параметры.
  • Фильтрация: Упоминается возможность использования фильтров (Filters) для уточнения набора сущностей в Related Entity Area.

Выводы

  1. Подтверждение перехода к Entity-Based Search: Патент демонстрирует, насколько глубоко Google интегрирует сущности и структурированные данные в пользовательский интерфейс. Это не просто ранжирование документов, а организация информации вокруг объектов реального мира (сущностей).
  2. Интерфейс для удержания пользователя: Основная цель механизма — удержать пользователя в экосистеме Google, предоставляя ему возможность исследовать связанные темы (горизонтальное исследование) без необходимости переходить на внешние сайты или терять контекст исходного поиска.
  3. Важность типизации сущностей: Для попадания в Related Entity Area (карусель) критически важно, чтобы сущность была правильно классифицирована (имела четкий Entity Type) и была частью коллекции связанных сущностей.
  4. Два пути активации интерфейса: Система может активировать этот интерфейс как в ответ на общий запрос о сущности (если пользователь уточняет интерес через Information Area), так и в ответ на прямой запрос списка/типа.
  5. Визуальное представление критично: Поскольку карусели часто используют тамбнейлы, наличие качественного и релевантного изображения, связанного с сущностью, имеет большое значение для привлечения внимания пользователя (CTR в карусели).

Практика

Best practices (это мы делаем)

  • Оптимизация сущностей (Entity Optimization): Сосредоточьтесь на том, чтобы ваш бренд, продукты, авторы или ключевой контент были распознаны Google как сущности. Используйте согласованные данные (NAP), качественную разметку Schema.org (особенно @id, sameAs) и стремитесь к созданию или улучшению записей в Knowledge Graph.
  • Четкая классификация и типизация: Убедитесь, что ваши сущности правильно классифицированы. Если вы пишете о фильме, он должен быть идентифицирован как Movie. Это увеличивает шансы на попадание в соответствующие карусели (Related Entity Area).
  • Построение связей между сущностями: Используйте внутреннюю перелинковку и разметку (например, relatedTo, isPartOf, author), чтобы помочь Google понять связи между вашими сущностями. Если у вас есть серия статей или продуктов, четко свяжите их в коллекцию.
  • Оптимизация изображений для сущностей: Обеспечьте наличие высококачественных, релевантных и оптимизированных изображений для всех ключевых сущностей. Google часто использует эти изображения для тамбнейлов в Related Entity Area.
  • Создание авторитетного контента по сущностям: Создавайте лучший контент для конкретных сущностей. Когда пользователь кликает на сущность в карусели, Search Result Area обновляется. Ваша цель — ранжироваться в этом обновленном наборе результатов.

Worst practices (это делать не надо)

  • Игнорирование структурированных данных: Отказ от использования Schema.org значительно снижает шансы на то, что ваш контент будет распознан как часть структурированной коллекции сущностей и попадет в эти интерфейсные элементы.
  • Несогласованная информация о сущностях: Предоставление противоречивой информации о сущности на разных страницах или платформах затрудняет ее идентификацию и классификацию, мешая попаданию в Knowledge Graph и карусели.
  • Фокус только на ключевых словах, а не на типах: Оптимизация только под текстовые запросы без учета того, как контент вписывается в более широкие категории (типы сущностей), игнорирует этот механизм навигации.

Стратегическое значение

Этот патент подчеркивает стратегическую важность перехода от традиционного SEO к семантическому SEO, ориентированному на сущности. Google стремится стать не просто поисковой системой, а средой для исследования информации (Discovery Engine). Интерфейсы, подобные описанному, способствуют этому, позволяя пользователям легко перемещаться по Knowledge Graph. Долгосрочная стратегия должна включать создание и поддержание четкого, структурированного представления о ваших сущностях в сети, чтобы интегрироваться в эту навигационную модель.

Практические примеры

Сценарий: Оптимизация для сайта о путешествиях (Активация через Entity Search)

Цель: Попасть в карусель достопримечательностей города.

  1. Исходный запрос пользователя: "Париж" (Entity Search).
  2. Действие Google: Google показывает Information Area (Панель Знаний) о Париже, где есть блок "Достопримечательности" со ссылками на Эйфелеву башню, Лувр и т.д.
  3. Взаимодействие пользователя: Пользователь кликает на "Лувр".
  4. Активация механизма (Claim 1): Google определяет тип ("Достопримечательность Парижа") и отображает Related Entity Area (карусель) с другими сущностями этого типа. Search Result Area обновляется для запроса "Лувр".
  5. Действие SEO-специалиста: Чтобы страница о Лувре на сайте путешествий была видна в Search Result Area:
    • Страница должна быть четко идентифицирована как относящаяся к сущности "Лувр" (через заголовок, контент и разметку Place).
    • Необходимо использовать качественное изображение Лувра, размеченное и оптимизированное.
    • Сайт должен иметь высокий авторитет в тематике, чтобы ранжироваться по запросу "Лувр".

Вопросы и ответы

Что такое "Related Entity Area" в контексте этого патента и как она выглядит в реальной выдаче?

Related Entity Area — это область интерфейса, предназначенная для отображения коллекции сущностей одного типа. В реальной поисковой выдаче Google это чаще всего реализуется как горизонтальная прокручиваемая карусель (Entity Carousel), расположенная обычно в верхней части SERP или внутри Панели Знаний. Она содержит тамбнейлы и названия связанных сущностей.

В чем основное преимущество этого интерфейса для Google?

Основное преимущество заключается в поддержании поискового контекста (Maintaining Search Context). Это позволяет пользователю быстро исследовать и сравнивать связанные сущности (например, разные модели продукта или разные фильмы режиссера), не теряя из виду всю коллекцию и не покидая страницу выдачи Google. Это увеличивает вовлеченность и удержание пользователя в экосистеме поиска.

Патент описывает два сценария активации этого интерфейса. В чем разница?

Сценарий 1 (Claim 1) активируется при поиске конкретной сущности (например, "Том Хэнкс"). Карусель появляется только после того, как пользователь взаимодействует со связанной сущностью в Information Area (например, кликает на фильм). Сценарий 2 (Claim 9) активируется при поиске списка или типа (например, "Фильмы Тома Хэнкса"). В этом случае карусель появляется сразу как основной элемент ответа на запрос.

Как SEO-специалист может повлиять на попадание в эти карусели?

Патент не описывает алгоритмы отбора, но описывает структуру. Чтобы попасть туда, необходимо, чтобы ваш контент или бренд был распознан как Entity и четко ассоциирован с определенным Entity Type. Ключевые действия: внедрение полной и корректной разметки Schema.org, обеспечение согласованности данных о сущности в сети и работа над попаданием в Knowledge Graph.

Влияет ли этот патент на ранжирование стандартных "синих ссылок"?

Напрямую нет. Патент описывает пользовательский интерфейс и логику отображения SERP Features, а не алгоритмы расчета релевантности или качества сайтов. Однако появление таких мощных интерфейсных блоков в выдаче неизбежно влияет на распределение внимания и CTR, смещая трафик от стандартных результатов к элементам навигации по сущностям.

Насколько важна оптимизация изображений в контексте этого патента?

Очень важна. Related Entity Area часто реализуется в виде карусели с тамбнейлами (thumbnail images). Наличие качественного, релевантного и правильно размеченного изображения, ассоциированного с вашей сущностью, критично для того, чтобы Google выбрал его для отображения в этом блоке, что напрямую влияет на привлекательность для пользователя.

Что такое "Entity Type" и почему это важно для этого механизма?

Entity Type — это классификация сущности (например, Книга, Фильм, Актер, Порода Собаки). Это критически важно, потому что механизм, описанный в патенте, группирует сущности в Related Entity Area строго по одному общему типу. Без четкой типизации система не сможет сформировать релевантную коллекцию для навигации.

Применим ли этот механизм к коммерческим запросам и E-commerce?

Да, абсолютно. Этот механизм может использоваться для отображения коллекций продуктов, например, при запросе "Смартфоны Samsung" (List Search) может появиться карусель с различными моделями. Пользователь сможет быстро переключаться между моделями, сравнивая их характеристики и результаты поиска, не теряя контекста всей линейки продуктов.

Что происходит с результатами поиска, когда я кликаю на элемент в карусели?

Согласно патенту, когда вы выбираете элемент в карусели (Related Entity Area), другие области экрана — Search Result Area (стандартные результаты) и Information Area (информационный блок) — обновляются, чтобы показать данные о новом выбранном элементе. При этом сама карусель остается на месте.

Как этот патент связан с Knowledge Graph?

Этот патент описывает интерфейс для навигации по данным, хранящимся в Knowledge Graph. Функционирование Related Entity Area и Information Area напрямую зависит от наличия структурированных данных о сущностях, их типах и взаимосвязях, которые и составляют Knowledge Graph. Это визуальное представление графа для пользователя.

Похожие патенты

Как Google использует Knowledge Graph для генерации коллекций связанных сущностей и облегчения навигации в поиске
Google использует этот механизм для помощи пользователям в изучении тем, связанных с их исходным запросом. Когда пользователь ищет коллекцию сущностей (например, «Романтические фильмы»), система анализирует связи этих сущностей в Knowledge Graph (например, кто режиссер, кто актер). На основе этих связей (триплетов) система генерирует и предлагает пользователю новые коллекции для изучения (например, «Актеры романтических фильмов»).
  • US20160063106A1
  • 2016-03-03

  • Knowledge Graph

  • Семантика и интент

Как Google использует атрибуты сущностей для генерации «Дополненных запросов» и уточнения поиска
Google использует механизм для помощи в исследовании тем, связанных с сущностями (люди, места, продукты). Система распознает сущность в запросе, определяет ее ключевые атрибуты (анализируя результаты поиска или Knowledge Graph) и автоматически генерирует список предлагаемых «дополненных запросов» (Сущность + Атрибут). Это позволяет пользователю одним кликом запустить новый, более сфокусированный поиск по теме.
  • US10055462B2
  • 2018-08-21

  • Семантика и интент

  • Knowledge Graph

  • SERP

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 распознает сущности в результатах поиска по описательным запросам и предлагает их для уточнения поиска
Google использует этот механизм для улучшения поиска, особенно по картинкам. Если пользователь вводит описательный запрос (например, «коричневая собака-пловец»), система распознает конкретные сущности в найденных результатах (например, «Чесапик-бей-ретривер») и отображает их названия как кликабельные элементы. Это позволяет пользователю перейти от общего описания к поиску конкретной сущности.
  • US9418121B2
  • 2016-08-16

  • Семантика и интент

  • Индексация

  • SERP

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

Популярные патенты

Как Google идентифицирует и верифицирует локальные бизнесы для показа карт и адресов в органической выдаче
Google использует этот механизм для улучшения органических результатов. Система определяет, связана ли веб-страница с одним конкретным бизнесом. Затем она верифицирует ее локальную значимость, проверяя, ссылаются ли на нее другие топовые результаты по тому же запросу. Если страница верифицирована, Google дополняет стандартную «синюю ссылку» интерактивными локальными данными, такими как адреса и превью карт.
  • US9418156B2
  • 2016-08-16

  • Local SEO

  • SERP

  • Ссылки

Как Google классифицирует запросы как навигационные или исследовательские, чтобы регулировать количество показываемых результатов
Google использует систему для динамического определения количества отображаемых результатов поиска. Система классифицирует запрос как навигационный (поиск конкретного места/ресурса) или исследовательский (поиск вариантов). Классификация основана на анализе компонентов оценки релевантности (совпадение по названию vs. категории) и энтропии исторических кликов. При навигационном интенте количество результатов сокращается.
  • US9015152B1
  • 2015-04-21

  • Семантика и интент

  • Поведенческие сигналы

  • Local SEO

Как Google использует цепочки запросов и время взаимодействия для определения и ранжирования результатов, которые действительно нужны пользователям
Google анализирует последовательности запросов пользователей (цепочки запросов) и время между кликами и последующими запросами (время взаимодействия), чтобы определить удовлетворенность пользователя. Если пользователи часто переформулируют Запрос А в Запрос Б, прежде чем найти удовлетворительный результат, Google использует эти данные, чтобы ранжировать этот удовлетворительный результат выше по исходному Запросу А и предлагать Запрос Б в качестве связанного поиска.
  • US9342600B1
  • 2016-05-17

  • Поведенческие сигналы

  • Семантика и интент

  • SERP

Как Google комбинирует поведенческие сигналы из разных поисковых систем для улучшения ранжирования
Google использует механизм для улучшения ранжирования путем объединения данных о поведении пользователей (клики и время взаимодействия) из разных поисковых систем (например, Веб-поиск и Поиск по Видео). Если в основной системе данных недостаточно, система заимствует данные из другой, применяя весовой коэффициент и фактор сглаживания для контроля смещения и обеспечения релевантности.
  • US8832083B1
  • 2014-09-09

  • Поведенческие сигналы

  • SERP

Как Google рассчитывает тематическую популярность (Topical Authority) документов на основе поведения пользователей
Google использует данные о посещаемости и навигации пользователей для расчета популярности документов. Система классифицирует документы и запросы по темам, а затем вычисляет популярность документа внутри каждой конкретной темы (Per-Topic Popularity). Эта метрика используется как сигнал ранжирования, когда тема запроса пользователя соответствует теме документа.
  • US8595225B1
  • 2013-11-26

  • Поведенческие сигналы

  • Семантика и интент

  • SERP

Как Google использует генеративный ИИ для создания динамических и гиперперсонализированных бизнес-профилей
Google разрабатывает систему, которая заменяет статические бизнес-профили динамическими «курируемыми профилями», генерируемыми ИИ (например, LLM). Эти профили адаптируются в реальном времени под конкретного пользователя, учитывая его запрос, предпочтения, историю поиска и демографию, чтобы показать наиболее релевантный контент, продукты и описания бренда.
  • US20250054045A1
  • 2025-02-13

  • Персонализация

  • Поведенческие сигналы

  • Семантика и интент

Как Google использует персональное дерево интересов пользователя для определения важности слов в запросе и его переписывания
Google использует иерархический профиль интересов пользователя (Profile Tree), построенный на основе истории поиска и поведения, чтобы определить, какие слова в запросе наиболее важны для конкретного человека. Специфичные интересы (глубокие узлы в дереве) получают больший вес. Это позволяет системе отфильтровать шум в длинных запросах и сгенерировать более точный альтернативный запрос.
  • US8326861B1
  • 2012-12-04

  • Персонализация

  • Семантика и интент

  • Поведенческие сигналы

Как Google подменяет ссылки в выдаче, чтобы обойти медленные редиректы на мобильные версии сайтов
Google оптимизирует скорость загрузки, определяя, когда клик по результату поиска вызовет условный редирект (например, с десктопной версии на мобильную). Система заранее подменяет исходную ссылку в выдаче на конечный URL редиректа. Это позволяет устройству пользователя сразу загружать нужную страницу, минуя промежуточный запрос и экономя время.
  • US9342615B2
  • 2016-05-17

  • Техническое SEO

  • SERP

  • Ссылки

Как Google использует всплески поискового интереса и анализ новостей для обновления Графа Знаний в реальном времени
Google отслеживает аномальный рост запросов о сущностях (людях, компаниях) как индикатор реального события. Система анализирует свежие документы, опубликованные в этот период, извлекая факты в формате Субъект-Глагол-Объект (SVO). Эти факты используются для оперативного обновления Графа Знаний или добавления блока «Недавно» в поисковую выдачу.
  • US9235653B2
  • 2016-01-12

  • Knowledge Graph

  • Свежесть контента

  • Семантика и интент

Как Google извлекает, обрабатывает и индексирует анкорный текст, контекст и атрибуты входящих ссылок для ранжирования целевых страниц
Фундаментальный патент, описывающий инфраструктуру Google для обработки ссылок. Система извлекает анкорный текст, окружающий контекст и атрибуты форматирования (аннотации) из исходных страниц и инвертирует эти данные в структуру "Sorted Anchor Map". Это позволяет индексировать целевую страницу по тексту ссылок, указывающих на нее, используя эту внешнюю информацию как сигнал релевантности.
  • US7308643B1
  • 2007-12-11

  • Ссылки

  • Индексация

  • Техническое SEO