Local SEO в Google: разборы патентов
Детальные разборы патентов Google, связанные с локальным поиском
Как Google определяет релевантность локальных результатов и решает, когда показывать их первыми в выдаче
Google анализирует запрос, чтобы предсказать, ищет ли пользователь локальную информацию. Если да, система автоматически использует текущее или сохраненное местоположение пользователя для генерации локальных результатов. Затем, используя "белые" (Whitelist) и "черные" (Blacklist) списки запросов, Google решает, насколько высоко ранжировать эти локальные результаты по сравнению с обычными веб-результатами или когда следует запросить у пользователя уточнение местоположения.
- US8005822B2
- 2007-01-17
Как Google использует "Белые списки" для определения локального интента и подмешивания локальных результатов, если город в запросе не указан
Google применяет систему для выявления неявного локального интента в запросах без указания местоположения (например, "пицца"). Система проверяет запрос по двум разным "Белым спискам" (Whitelists). В зависимости от того, известно ли местоположение пользователя (из профиля или cookie), система либо автоматически добавляет локальные результаты (Local Pack), либо сначала запрашивает у пользователя его локацию.
- US8359300B1
- 2007-04-03
Как Google определяет географическую релевантность документа, анализируя неоднозначные термины и названия мест
Google использует классификатор местоположений для определения географической привязки документа, даже если в нем нет точного адреса. Система анализирует неоднозначные термины (например, названия районов или улиц) и использует профили георелевантности (гистограммы), показывающие, где эти термины чаще всего используются. Перемножая эти профили, Google разрешает неоднозначность и вычисляет наиболее вероятное местоположение контента.
- US7716162B2
- 2004-12-30
Как Google переводит GPS-координаты в концептуальные «Области Поиска» (Search Area) для локальной выдачи на мобильных устройствах
Google использует механизм для локального поиска, который абстрагируется от точных GPS-координат пользователя к концептуальной «Области Поиска» (например, магазин, торговый центр или район). Система выбирает наиболее подходящую область из иерархии вложенных территорий, учитывая контекст (точность координат, скорость движения), и использует её название как запрос для предоставления релевантных локальных результатов, в том числе при «пустых» запросах.
- US8396888B2
- 2010-11-24
Как Google отличает сетевые бренды от общих терминов и локальных компаний для улучшения локальной выдачи
Google использует несколько алгоритмов для автоматического определения, является ли бизнес сетевым (имеет много филиалов) и ищет ли пользователь именно его. Система анализирует триггерные слова (например, «адреса»), соотношение локальных и веб-запросов (Localness Score), частоту упоминания в названиях и категориях, а также географическое распределение запросов. Это позволяет точнее ранжировать результаты и показывать ближайшие точки на карте.
- US20140358971A1
- 2010-10-19
Как Google определяет скрытый локальный интент в общих запросах на основе региональной популярности и использования Карт
Google анализирует, является ли общий запрос (без указания места) статистически более популярным в конкретном регионе или часто вводится через интерфейс Карт. Если да, система определяет запрос как «локально значимый», автоматически создает его локализованную версию и подмешивает местные результаты в основную выдачу, обеспечивая видимость локального контента.
- US9348925B2
- 2011-06-16
Как Google связывает названия бизнесов с категориями для локального расширения запросов
Google использует систему для анализа названий и категорий бизнесов в конкретных географических регионах. Система определяет, можно ли однозначно связать название бизнеса (или его часть) с определенной категорией услуг. Если связь установлена, Google расширяет запросы, содержащие это название, добавляя соответствующую категорию. Это позволяет обобщать локальный поиск от конкретного бренда к общей услуге в данном регионе.
- US8983956B1
- 2013-03-15
Как Google рассчитывает универсальную оценку (MUS Score) для ранжирования локальных результатов и их смешивания с веб-поиском
Google использует механизм расчета Универсальной Оценки (MUS Score) для результатов локального поиска. Эта оценка позволяет сравнивать релевантность карт и локальных объектов с результатами из других вертикалей (например, веб-поиска) для формирования смешанной выдачи. Оценка агрегирует сигналы уверенности в адресе (Address Support), близости к пользователю (Viewport Support) и текстовой релевантности (Matching Score), определяя ранжирование в Local Pack.
- US8463774B1
- 2008-07-15
Как Google определяет характер районов и neighborhoods на основе данных о бизнесе, демографии и недвижимости
Система Google для автоматического понимания характеристик географических областей (например, «дорогой район», «центр индийской кухни»). Система анализирует распределение бизнес-листингов, демографические данные и информацию о недвижимости, чтобы присвоить регионам классификации. Эти данные используются для улучшения локального поиска и персонализации результатов в зависимости от характера местности и предпочтений пользователя.
- US20150019551A1
- 2011-10-12
Как Google стандартизирует и расширяет географическую релевантность сайтов на соседние локации
Google использует систему Семантических Геотокенов для стандартизации упоминаний местоположений на веб-страницах. Система не только определяет точное местоположение, но и ассоциирует ресурс с соседними географическими областями. Это позволяет сайту ранжироваться по запросам в близлежащих локациях, даже если они явно не упомянуты на странице.
- US8949277B1
- 2010-12-30
Как Google использует физическое местоположение пользователя и категории ближайших бизнесов (POI) для адаптации поисковых подсказок
Google использует физическое местоположение пользователя для адаптации поисковых подсказок (Autocomplete). Система определяет категории ближайших точек интереса (POI), например, «электроника» или «продукты». Затем она предлагает запросы, которые статистически чаще задают пользователи, находящиеся рядом с бизнесами этой категории. Это позволяет адаптировать подсказки к текущему контексту и намерениям пользователя.
- US9111011B2
- 2012-12-27
Как Google использует контекстно-зависимые шаблоны запросов для понимания локальных поисковых запросов
Google анализирует исторические логи поиска, чтобы понять, как пользователи в разных странах и на разных языках структурируют географические запросы. Система генерирует вероятностные Шаблоны Запросов (Query Templates) и рассчитывает вероятность их корректности в зависимости от контекста пользователя (локаль, язык, устройство). Это позволяет точнее интерпретировать неоднозначные локальные запросы и адаптироваться к региональным особенностям.
- US9753945B2
- 2013-03-13
Как Google динамически регулирует силу фактора близости в локальном поиске в зависимости от плотности результатов
Google использует механизм для динамической корректировки влияния расстояния на ранжирование локальных результатов. Если по запросу доступно много местных компаний (высокая плотность), влияние близости усиливается, и удаленные результаты быстро теряют позиции. Если компаний мало (низкая плотность), влияние близости ослабевает, позволяя ранжироваться более удаленным, но релевантным результатам. Система также гарантирует максимальное повышение для ближайшего результата, независимо от его абсолютного расстояния.
- US20160070703A1
- 2013-08-27
Как Google определяет локальный интент на уровне кластеров запросов для автоматического добавления локальных расширений
Google анализирует кластеры похожих поисковых запросов для определения их коллективного локального интента. Если достаточный процент запросов в кластере вызывает срабатывание локальных функций поиска (например, карт или локальной панели знаний), весь кластер помечается как «высокий локальный интент». Когда пользователь вводит запрос из этого кластера, Google автоматически добавляет локальные расширения (адреса, телефоны) к соответствующим результатам или рекламе.
- US11397737B2
- 2019-10-30
Как Google отслеживает клики (CTR) на сторонних сайтах и защищает свои данные от парсинга в API и виджетах
Google использует двухэтапный метод доставки результатов поиска через API и виджеты (например, Google Maps) на сторонних сайтах. Сначала отображается только базовое описание результата и присваивается уникальный защищенный токен. Полный контент загружается только после клика пользователя и валидации токена. Это защищает данные Google от парсинга третьими сторонами и позволяет точно измерять CTR, который используется как сигнал ранжирования для географических запросов.
- US9177058B2
- 2010-11-18
Как Google стандартизирует географические названия и их варианты (сленг, сокращения) для точного локального поиска и рекламы
Google использует «Идентификаторы критериев местоположения» (Location Criteria Identifiers), чтобы понять, что разные термины (например, «СПб» и «Санкт-Петербург») относятся к одному и тому же месту. Это позволяет точно сопоставлять контент с таргетингом на местоположение (например, рекламу) с запросами пользователей, даже если они используют сленг, сокращения или допускают ошибки в названиях.
- US9183570B2
- 2012-08-31
Как Google использует местоположение пользователя для понимания и переписывания неявных запросов о ближайших объектах
Google использует механизм для интерпретации неявных запросов (например, «часы работы» или «меню»), основанный на точном местоположении пользователя. Система определяет ближайшие организации, понимает, к какому типу бизнеса относится запрос, и переписывает его, добавляя название наиболее подходящей организации (например, «меню [Название ресторана]»), используя популярность и рейтинги для выбора лучшего варианта среди конкурентов.
- US10474671B2
- 2015-05-08
Как Google фильтрует географические синонимы, чтобы предотвратить подмену местоположений в поиске
Google использует структурированную иерархическую базу географических данных для валидации синонимов. Если исходный термин и предложенный синоним являются разными, но связанными географическими объектами (например, соседние города или город и штат), система помечает их как «Проблемные синонимы». Это предотвращает автоматическую замену одного местоположения другим при обработке запроса, повышая точность локальной выдачи и избегая географического «дрейфа темы».
- US8041730B1
- 2007-10-24
Как Google индексирует расписание трансляций в местных заведениях, чтобы пользователи могли найти, где посмотреть конкретное событие
Google патентует систему, позволяющую местным заведениям (барам, ресторанам) указывать в своих бизнес-профилях, какие именно события (например, спортивные матчи) они будут транслировать. Эта информация индексируется и используется в Поиске и Картах, позволяя пользователям находить заведения по запросам типа «где посмотреть матч [Команда А] сегодня вечером».
- US20230308829A1
- 2023-03-28
Как Google использует личные данные (Gmail, историю местоположений) для ответов на запросы о посещенных местах
Google анализирует личные данные пользователя (электронные письма, данные о местоположении, календари) для ответа на запросы типа «рестораны, которые я посетил в Атланте». Система определяет, является ли запрос «персональным локационным», извлекает релевантные взаимодействия из приватного индекса пользователя и обогащает их публичными данными о сущности (адрес, телефон), отображая эти персональные результаты над стандартной органической выдачей.
- US10089394B2
- 2013-07-11
Как Google группирует подсказки в Google Картах и адаптирует их в зависимости от масштаба карты
Google использует систему группировки поисковых подсказок (автозаполнения) в интерфейсах карт. Система определяет основной термин запроса (например, «отели») и группирует связанные уточнения (например, «рядом с Oakland» или «люкс»). Ключевая особенность — выбор типа уточнений (географические или качественные) динамически зависит от текущего масштаба и местоположения, отображаемого на карте.
- US8612414B2
- 2011-11-21
Как Google использует Knowledge Graph для ответа на запросы о пространственной и временной близости сущностей (например, «банки рядом с ресторанами»)
Google обрабатывает сложные «композиционные запросы», сравнивая атрибуты (местоположение или время) разных типов сущностей в Knowledge Graph. Система находит пары, удовлетворяющие критерию связи (например, расстоянию), и визуализирует результаты на картах или временных шкалах с возможностью динамической фильтрации.
- US11003729B2
- 2012-12-12
Как Google использует персональные данные пользователя (календарь, фото, историю) для понимания контекстных запросов о местах
Google использует систему для интерпретации семантических запросов о местах, основанных на личном контексте пользователя (например, «ресторан, где мы отмечали годовщину»). Система анализирует персональные данные пользователя (с его разрешения), такие как календари, фотографии и историю местоположений, чтобы идентифицировать конкретное место. Система также учится, какие источники данных наиболее надежны для конкретного пользователя.
- US12164584B2
- 2020-09-08
Как Google использует визуальные доказательства из изображений для подтверждения информации о местах (POI) и повышения доверия к данным
Google разработал систему для повышения доверия к данным о точках интереса (POI). Система извлекает фактическую информацию (адреса, часы работы, услуги) из изображений (Street View, фото пользователей) с помощью компьютерного зрения и помечает её как «визуально проверяемую». При ответе на запрос система может показать исходное изображение и аннотировать (выделить или увеличить) ту его часть, которая подтверждает предоставленную информацию.
- US20230044871A1
- 2020-12-29
Как Google использует иерархические таксономии для понимания связей между соседними словами в запросе
Google использует механизм для интерпретации поисковых запросов путем анализа соседних слов на предмет иерархических связей (например, «Город, Страна» или «Род, Вид»). Система сопоставляет комбинации слов с известными таксономиями (география, биология, бизнес) и оценивает вероятность того, что пользователь имел в виду именно эту иерархическую связь. Это позволяет точнее определить интент запроса, особенно в локальном поиске и при категоризации.
- US8745028B1
- 2012-04-20
Как Google контекстуально выбирает изображения и отзывы для локаций на основе атрибутов запроса пользователя
Google использует машинное обучение для анализа изображений и отзывов о местах (например, ресторанах) и связывания их с конкретными атрибутами (например, "есть детское меню", "вид на горы"). При поиске система динамически ранжирует этот контент, отдавая приоритет тем изображениям и отзывам, которые наиболее релевантны атрибутам, указанным в запросе пользователя.
- US10671660B2
- 2017-09-29
Как Google предлагает категории для уточнения запроса на основе анализа топа выдачи (особенно в локальном поиске)
Google анализирует категории (например, из бизнес-справочников), к которым принадлежат топовые результаты по запросу пользователя. Наиболее релевантные или часто встречающиеся категории предлагаются пользователю для уточнения или сужения поиска, что особенно актуально для локальных запросов и поиска организаций.
- US7523099B1
- 2004-12-30
Как Google использует местоположение и направление смартфона для понимания запросов о местах поблизости
Google может определять, о каком месте спрашивает пользователь (например, "какие отзывы у этого ресторана?"), даже если название не указано. Система использует GPS и компас, чтобы понять, где находится пользователь и куда направлен его телефон (ориентация). Затем она сужает поиск до объектов в поле зрения, определяя конусообразную зону поиска в направлении взгляда, и переписывает запрос, добавляя название найденного места.
- US10185746B2
- 2015-08-20
Как Google динамически определяет стоп-слова в локальных запросах, тестируя разные интерпретации запроса
Google использует механизм для точной интерпретации локальных запросов, содержащих неоднозначные слова. Вместо статического удаления стоп-слов система генерирует несколько вариантов разделения запроса на субъект и местоположение. Она тестирует варианты с удалением и сохранением потенциального стоп-слова, выполняет параллельные поиски и выбирает ту интерпретацию, которая дает наилучшие результаты.
- US9009144B1
- 2012-03-29
Как Google выборочно индексирует действия пользователя на локальном устройстве, основываясь на поведении и частоте событий
Анализ патента Google, описывающего инфраструктуру для клиентского поиска (например, Google Desktop). Система фиксирует действия пользователя (события) с контентом (статьями) и решает, индексировать ли их, используя критерии, основанные на частоте событий, доступных ресурсах и предполагаемых интересах пользователя (имплицитно выведенных из его поведения).
- US8346777B1
- 2004-03-31