Local SEO в Google: разборы патентов
Детальные разборы патентов Google, связанные с локальным поиском
Как Google использует упоминания бренда в вебе (Webscore) для определения популярности и ранжирования локальных бизнесов
Google рассчитывает метрику «Webscore» для локальных компаний, основанную на количестве упоминаний их названия в интернете. Эта оценка используется для определения «Популярности» (Prominence) бизнеса и влияет на ранжирование в локальном поиске, часто отдавая предпочтение известным компаниям перед теми, что просто находятся ближе. Алгоритм учитывает длину названия и корректирует оценки для сетевых бизнесов.
- US8122013B1
- 2006-01-27
Как Google использует авторитетность в веб-поиске для определения порядка ранжирования в Локальном поиске (Local Pack)
Google использует механизм объединения результатов из Универсального (веб) и Локального поиска. Система идентифицирует авторитетные бизнес-сайты в веб-выдаче и оценивает их по локальным критериям. Затем Локальный блок (Local Pack) переранжируется так, чтобы порядок результатов соответствовал их авторитетности в Универсальном поиске. Это подтверждает, что авторитетность сайта в вебе напрямую влияет на его позиции в Локальном поиске.
- US8392394B1
- 2010-05-04
Как Google использует известность и авторитетность бизнеса (Location Prominence) вместо расстояния для ранжирования в локальном поиске
Google использует механизм дифференцированного ранжирования в локальном поиске. Внутри основной географической области (например, города или видимой карты) результаты ранжируются по «Известности» (Location Prominence), основанной на авторитетности, отзывах и упоминаниях бизнеса. За пределами этой области результаты ранжируются преимущественно по расстоянию. Это позволяет показывать наиболее значимые бизнесы, а не просто ближайшие к условному центру.
- US7822751B2
- 2005-05-27
Как Google использует отзывы пользователей для обнаружения спама и фейковых компаний в локальном поиске (Google Maps)
Google анализирует текст отзывов о компаниях для выявления спама в бизнес-листингах. Система ищет стоп-слова (например, "фейк", "не существует"), выявляет нерелевантные термины для категории бизнеса и сравнивает отзывы с базой известного спама. При превышении порога подозрительных сигналов листинг помечается как спам.
- US8621623B1
- 2012-07-06
Как Google использует сезонные и локальные события (Recurrent Queries) для определения местоположения пользователя
Google улучшает геолокацию пользователей, анализируя «повторяющиеся запросы» (Recurrent Queries) — запросы, популярность которых резко возрастает в конкретных регионах в определенное время (например, локальные праздники или события). Когда пользователь вводит такой запрос в соответствующий период, система с высокой уверенностью определяет его местоположение, даже если другие сигналы (IP, GPS) неоднозначны.
- US20150169596A1
- 2013-02-19
Как Google идентифицирует локальных экспертов и использует их отзывы для ранжирования в локальном поиске
Google использует систему для идентификации пользователей, являющихся «экспертами» в конкретных географических областях и категориях бизнеса, основываясь на объеме и качестве их отзывов. При локальном поиске система извлекает мнения этих экспертов и использует их как ключевой сигнал для ранжирования результатов. Система также может персонализировать выбор экспертов, отдавая предпочтение тем, чьи оценки совпадают с предпочтениями пользователя.
- US9792330B1
- 2013-04-30
Как Google использует контекст пользователя (местоположение, время, историю) для предсказания поискового намерения в локальном поиске (Queryless Search)
Google использует механизм предиктивного поиска (Queryless Search), который анализирует местоположение пользователя, время суток, историю поиска и историю перемещений. На основе этих данных система автоматически предлагает релевантные категории (например, "Рестораны", "Бары") еще до ввода запроса. Система адаптирует предложения в зависимости от знакомства пользователя с локацией и фильтрует результаты по времени работы и близости.
- US9529867B1
- 2013-09-19
Как Google индексирует действия пользователя на локальном устройстве для контекстного поиска (Архитектура Google Desktop)
Патент описывает архитектуру клиентского поискового движка (например, Google Desktop), который в реальном времени фиксирует взаимодействия пользователя с контентом (веб-страницы, документы, email). Система индексирует этот контент локально и может генерировать автоматические (имплицитные) запросы на основе текущего контекста пользователя, объединяя локальные и веб-результаты.
- US7725508B2
- 2004-06-30
Как Google автоматически извлекает и анализирует отзывы о компаниях из интернета
Google использует систему для автоматического поиска и анализа отзывов о сущностях (например, компаниях) на веб-страницах. Система идентифицирует информацию о компании (название, адрес), извлекает текст рядом с ней и применяет анализ тональности (Sentiment Analysis), чтобы определить, является ли этот текст отзывом и какова его эмоциональная окраска.
- US20150112981A1
- 2009-12-14
Как Google использует историю чтения новостных сайтов для определения географических интересов пользователя и персонализации выдачи
Google может определять географические интересы пользователя, анализируя местоположение издателей новостных сайтов, которые он посещал. Эта информация (Geo Signal) используется для корректировки ранжирования будущих поисковых запросов, повышая результаты, релевантные этим интересам, даже если пользователь физически находится в другом месте.
- US20130246381A1
- 2008-10-03
Как Google персонализирует результаты поиска изображений на основе языка и местоположения пользователя
Google персонализирует Поиск Изображений, анализируя исторические данные о кликах. Система сравнивает, на что кликает общая популяция пользователей, с тем, что предпочитают пользователи с тем же языком и местоположением. Если предпочтения значительно различаются, Google переранжирует изображения в соответствии с локальным консенсусом, обеспечивая культурно и контекстуально релевантные результаты.
- US8504547B1
- 2008-04-23
Как Google борется со спамом в бизнес-профилях (Local SEO), используя контекстуальный анализ и калибровку оценок спама
Google использует систему для обнаружения спамных бизнес-листингов (Local SEO), сравнивая данные из доверенных и ненадежных источников в рамках конкретных бизнес-контекстов (например, «сантехники» против «юристов»). Система выявляет характеристики, статистически связанные со спамом в данной нише, генерирует оценку спама и калибрует её в вероятность с помощью логистической регрессии для точной фильтрации.
- US8738557B1
- 2011-07-26
Как Google использует историю посещений (чекины) пользователя и его друзей для персонализации локальной выдачи
Google может повышать в ранжировании места (рестораны, магазины), которые посещал сам пользователь или его контакты из социального графа. Система учитывает данные о физическом присутствии, давность посещения и силу социальной связи, чтобы персонализировать результаты локального поиска.
- US9659065B1
- 2013-06-05
Как Google персонализирует локальную выдачу и ранжирует отзывы, основываясь на отеле, в котором остановился пользователь
Google использует данные о месте проживания пользователя (например, отеле) для персонализации локального поиска. При поиске ресторанов или достопримечательностей система повышает в ранжировании те места, которые высоко оценили другие гости этого же отеля. Отзывы от постояльцев также показываются в приоритетном порядке, так как они считаются более релевантными для пользователя.
- US9817907B1
- 2014-06-18
Как Google использует официальный сайт компании как эталон для проверки точности данных (NAP) в каталогах и Local SEO
Google автоматически верифицирует данные о локальных компаниях (адрес, телефон, часы работы), сравнивая информацию из сторонних каталогов и агрегаторов с данными, извлеченными с официального сайта компании («Authority Website»). Официальный сайт считается эталоном истины. На основе сравнения рассчитывается «Оценка Точности» (Accuracy Score) для каждого источника. Финальный профиль компании формируется с приоритетом данных с официального сайта и источников с высокой оценкой точности.
- US20130282699A1
- 2011-01-14
Как Google использует историю поиска и текущее местоположение пользователя для проактивных подсказок (Zero-Click)
Google использует механизм для проактивного предложения пользователю его прошлых поисковых запросов и результатов, на которые он кликал, основываясь на его текущем физическом местоположении. Система анализирует историю поиска, определяет связанные с ней локации и оценивает их близость к пользователю. Это позволяет предоставлять релевантные локальные подсказки без необходимости ввода запроса (Zero-Click), особенно на мобильных устройствах.
- US8301639B1
- 2010-01-29
Как Google предсказывает запросы в Картах до того, как пользователь открыл приложение или ввел запрос
Google использует машинное обучение для анализа местоположения, скорости движения и истории пользователя, чтобы предсказать, когда он откроет приложение Карт и что будет искать. Это позволяет системе заранее подготовить релевантные ссылки на маршруты и показать их мгновенно при запуске приложения, обеспечивая нулевую задержку.
- US12141136B2
- 2019-12-05
Как Google использует социальные связи и одобрения для персонализации и переранжирования локальной выдачи
Google патентует механизм интеграции социальных сигналов из "сетей участников" (социальных сетей) в локальный поиск. Система позволяет пользователям одобрять локальные бизнесы или рекламу. При поиске результаты переранжируются на основе этих одобрений, причем вес одобрения зависит от типа и степени связи между ищущим и одобряющим.
- US7827176B2
- 2004-06-30
Как Google использует данные о кликах разных групп пользователей (популяций) для локализации и персонализации ранжирования
Google адаптирует результаты поиска, анализируя, как разные группы пользователей (популяции), определяемые по местоположению, языку или демографии, взаимодействуют с выдачей. Система рассчитывает «Сигнал Популяции» (Population Signal) на основе исторических кликов группы и корректирует ранжирование. Также используется механизм сглаживания для компенсации нехватки данных по конкретным группам.
- US7454417B2
- 2003-09-12
Как Google анализирует поисковые запросы, разделяя географию пользователя, географию интента и вертикаль рынка
Google использует систему для глубокого анализа логов поисковых запросов. Определяется местоположение пользователя (источник), географическое место, упомянутое в запросе (назначение), и тематическая категория (вертикаль рынка). Эти данные индексируются, позволяя аналитикам и рекламодателям изучать тренды, например, как часто пользователи из США ищут отели в Германии и какие ключевые слова они используют.
- US20160041999A1
- 2012-07-23
Как Google приоритизирует локальное поведение пользователей над глобальной популярностью в международном поиске
Google использует систему для корректировки поискового ранжирования на основе местоположения и языка пользователя. Система приоритизирует данные о кликах от конкретной популяции пользователей (например, страны) над более широкими популяциями (например, глобальными данными). Глобальные сигналы популярности «понижаются» в весе, чтобы гарантировать более высокое ранжирование локально релевантных результатов, даже если они менее популярны в мировом масштабе.
- US8694511B1
- 2007-08-20
Как Google использует историю кликов для персонализации локальной выдачи и показа ранее посещенных страниц
Google создает «Профиль локального поиска», отслеживая, какие сайты пользователь посещал при поиске информации о конкретных местах. Когда пользователь снова ищет это место (или соседнее), Google показывает эти ранее посещенные сайты на видном месте в выдаче, даже если они не релевантны новому запросу, чтобы облегчить навигацию и помочь завершить задачу.
- US8838621B1
- 2011-06-16
Как Google персонализирует локальную выдачу, используя активность и присутствие контактов из вашего социального графа
Google улучшает результаты локального поиска (например, рестораны или магазины), показывая, кто из ваших социальных контактов находится там сейчас, недавно посещал это место или часто там бывает. Система также интегрирует сообщения или отзывы, оставленные этими контактами о данном заведении, непосредственно в сниппет результата поиска.
- US8972368B1
- 2012-12-07
Как Google использует игровые механики и сравнение изображений для краудсорсинга оценок и ранжирования локальных бизнесов
Патент Google описывает игровой интерфейс, помогающий пользователю выбрать одно место (например, ресторан) из множества кандидатов путем итеративного выбора предпочтительного изображения. Система делит кандидатов на группы и сужает выбор на основе визуальных предпочтений пользователя. Этот механизм используется для сбора данных о предпочтениях и может влиять на ранжирование результатов локального поиска.
- US20140149310A1
- 2012-11-28
Как Google комбинирует тематическую релевантность и географическую близость для ранжирования локальных результатов
Google использует систему для ранжирования результатов поиска, которая учитывает как тематическую релевантность (Topical Score), так и географическую близость (Distance Score). Система определяет, насколько тема запроса чувствительна к местоположению (Location Sensitivity), и использует этот фактор для корректировки влияния расстояния на итоговый рейтинг, обеспечивая оптимальный баланс между близостью и качеством.
- US7606798B2
- 2003-12-31
Как Google определяет скрытый локальный интент запроса, анализируя аномальную популярность запроса в конкретном регионе
Google анализирует статистику запросов по разным географическим регионам. Если конкретный запрос вводится в определенном регионе значительно чаще, чем ожидалось (по сравнению с базовым регионом), Google классифицирует этот запрос как "локальный" для данной местности. При получении такого запроса от пользователя из этого региона, система автоматически повышает в ранжировании результаты, связанные с местными достопримечательностями или темами, даже если в запросе нет явных указаний на местоположение.
- US9424342B1
- 2010-02-19
Как Google выбирает главные изображения для локаций и достопримечательностей, используя качество, клики и веб-контекст
Google использует иерархическую систему для выбора наилучшего репрезентативного изображения для локаций (городов) и достопримечательностей. Система оценивает фотографии по двум основным критериям: релевантности (основанной на кликах пользователей в поиске по картинкам и контексте веб-страниц, где размещено изображение) и визуальному качеству (четкость, экспозиция). Для крупных локаций система выбирает лучшее изображение из числа лучших фотографий её ключевых достопримечательностей.
- US9076079B1
- 2013-03-29
Как Google понижает удаленные локальные результаты, если существуют более близкие альтернативы или качественные нелокальные сайты
Google анализирует выдачу по запросам с локальным интентом. Если локальный результат находится далеко от пользователя, система проверяет наличие альтернатив: других локальных результатов поблизости или высокорелевантных нелокальных страниц. Если альтернативы найдены, удаленный результат понижается, за исключением случаев, когда он обладает высокой глобальной значимостью (независимо от местоположения).
- US9262541B2
- 2013-10-18
Как Google разбирает локальные запросы на «Что» и «Где» для повышения точности выдачи
Google использует механизм для интерпретации локальных запросов, введенных в одну строку. Система генерирует различные комбинации разделения запроса на тему («Что») и местоположение («Где»), отправляет их в разные базы данных (например, Карты, Локальный поиск) и использует оценки уверенности (Confidence Scores) для выбора наилучшей интерпретации.
- US7917490B2
- 2007-07-09
Как Google использует контекст запроса, местоположение и язык пользователя для распознавания неоднозначных названий локаций
Патент Google описывает систему для определения того, когда неоднозначная фраза в запросе (например, "Orange") относится к местоположению. Система анализирует сопутствующие слова (используя "Location Factors"), местоположение пользователя ("Origin Factor") и язык запроса ("Language Factor"). Это позволяет Google показывать локальные результаты (например, карты) для запросов со скрытым локальным интентом.
- US7987195B1
- 2008-04-08