Local SEO в Google: разборы патентов
Детальные разборы патентов Google, связанные с локальным поиском
Как Google использует граф сущностей для генерации расширенных географических подсказок в реальном времени
Google использует механизм для генерации расширенных поисковых подсказок (Expanded Query Suggestions), особенно в географическом поиске. Система идентифицирует сущности, соответствующие введенному префиксу, а затем обходит граф связанных сущностей (Entity Graph), чтобы предложить релевантные подсказки, которые не начинаются с этого префикса. Это позволяет предлагать конкретные места или бизнесы (например, «MoMA New York» на запрос «new y»), основываясь на географических, категорийных и популярных связях между сущностями.
- US8694512B1
- 2011-11-16
Как Google использует статистические модели для разделения картографических запросов на "Что" (объект) и "Где" (локация)
Google использует статистическую модель, обученную на известных адресах и названиях организаций, для парсинга неоднозначных картографических запросов. Система сегментирует запрос, присваивает локационные типы и рассчитывает вероятность различных вариантов разделения, чтобы точно определить искомую локацию и объект поиска, особенно в языках без пробелов.
- US8745065B2
- 2009-07-07
Как Google превращает объекты на изображениях в интерактивные элементы для выполнения действий (звонок, покупка, маршрут)
Google анализирует визуальные запросы (изображения) для распознавания сущностей (продукты, логотипы, текст, здания). Система находит связанную информацию в индексе (номера телефонов, адреса, URL) и генерирует «действенные результаты» — интерактивные кнопки, позволяющие пользователю немедленно совершить действие (позвонить, купить, проложить маршрут), запуская соответствующее приложение.
- US8977639B2
- 2010-08-11
Как Google использует местоположение пользователя для улучшения распознавания текста на изображениях и поиска источника контента
Google использует географическое положение пользователя для выбора наиболее подходящей языковой модели при распознавании текста (OCR) на изображениях (визуальных запросах). Это позволяет системе учитывать региональные различия в языке (например, орфографию или терминологию) для более точной интерпретации контента. Цель — найти оригинальный канонический документ, соответствующий тексту на изображении.
- US8805079B2
- 2011-12-01
Как Google автоматически звонит по телефону или перенаправляет на сайт, минуя страницу результатов поиска
Система Google, которая интерпретирует голосовые или текстовые запросы как команды к действию (например, «Позвони в пиццерию» или «Открой Википедию»). Вместо показа списка результатов система определяет лучший результат и автоматически инициирует звонок или перенаправляет браузер на целевую страницу после короткого обратного отсчета, если пользователь не отменит действие.
- US8392411B2
- 2010-08-06
Как Google использует единый Image Embedding для параллельного поиска по разным вертикалям (Web, Shopping, Local) при визуальном запросе
Google патентует механизм для улучшения визуального поиска (например, Google Lens). Система генерирует единое векторное представление (Image Embedding) для изображения-запроса и использует его для одновременного поиска визуально похожих результатов в нескольких разных базах данных (например, в общем веб-индексе и специализированном индексе товаров или локаций). Контекст пользователя (местоположение, история) помогает системе выбрать, какие специализированные базы активировать для поиска.
- US20240311421A1 (Application)
- 2023-03-13
Как Google автоматически определяет зоны обслуживания (Coverage Areas) и использует физическую близость для локального ранжирования
Google связывает физические адреса компании с её веб-сайтом. На основе этих адресов, категории бизнеса и плотности населения система динамически определяет «зону обслуживания» (Coverage Area). При локальном поиске система проверяет, попадает ли пользователь в эту зону, и повышает сайт в выдаче, причем бустинг обратно пропорционален кратчайшему расстоянию до ближайшего филиала.
- US8495046B1
- 2010-03-17
Как Google использует двухмерный индекс и пре-компьютерные пути для ультрабыстрого поиска в Knowledge Graph
Google использует специализированную архитектуру индекса для Knowledge Graph, отличную от веб-индекса. Патент описывает двумерную структуру индекса, которая позволяет обрабатывать сложные запросы к графу (связи сущностей, диапазоны, геолокация) с очень низкой задержкой. Система интегрирует текстовый поиск с графом, предварительно вычисляет сложные пути и использует специальные структуры для оптимизации локального и диапазонного поиска.
- US9576007B1
- 2013-12-10
Как Google определяет местоположение пользователя для локального поиска и использует историю местоположений
Патент Google, описывающий фундаментальную архитектуру локального поиска на мобильных устройствах. Система определяет, как браузер получает доступ к GPS данным через нативное приложение. Описан иерархический механизм определения локации: текущее местоположение устройства, явное указание локации в запросе или использование истории предыдущих поисков. Если текущая локация недоступна, система может инициировать параллельный поиск по нескольким недавним местоположениям.
- US9081860B2
- 2009-08-24
Как Google использует «Оценку Неожиданности» (Surprisingness Value) для выявления и фильтрации переспама в названиях компаний в локальном поиске
Google использует статистический анализ для борьбы со спамом в названиях компаний (например, в Google Maps). Система анализирует корпус легитимных названий, чтобы понять естественные комбинации слов. Затем для проверяемого названия вычисляется «Оценка Неожиданности» (Surprisingness Value). Если сочетание слов слишком маловероятно (например, «Ресторан Слесарь»), листинг помечается как спам и исключается из выдачи.
- US8473491B1
- 2010-12-03
Как Google выявляет спам в Локальном Поиске, анализируя частоту изменений в листингах и коммерческую ценность ключевых слов
Google использует систему для выявления спама в локальной выдаче (например, на Картах). Система анализирует, насколько часто определенные термины появляются в обновлениях бизнес-листингов (Flux) и какова их потенциальная коммерческая ценность (Monetary Value). Если высокодоходные термины часто изменяются или добавляются, система помечает эти термины и использующие их листинги как потенциальный спам и понижает их в ранжировании.
- US20150154612A1
- 2013-01-23
Как Google использует закон Ципфа для выявления спама и манипуляций с названиями в локальных листингах
Google анализирует все известные названия (Titles), связанные с локальным бизнесом. Система сравнивает распределение частотности слов в этих названиях с двумя моделями: равномерным распределением (характерно для легитимных данных из разных источников) и распределением по закону Ципфа (характерно для маркетинговых текстов и спама). Если распределение ближе к закону Ципфа, листинг помечается как потенциальный спам и понижается в локальной выдаче.
- US9483566B2
- 2013-01-23
Как Google уточняет границы местности в локальном поиске, комбинируя полигоны, почтовые индексы и значимые центры активности
Google использует комплексный механизм для определения географической релевантности бизнеса. Система комбинирует расстояние до официальных границ региона (полигона), верификацию через почтовый индекс и расстояние до «центра активности» (например, центра города, а не геометрического центра). Это позволяет точнее ранжировать локальные результаты, компенсируя неточности карт и почтового зонирования.
- US8898173B1
- 2010-05-14
Как Google использует визуальный поиск и GPS для уточнения местоположения пользователя и показа гиперлокальных результатов (Visual Positioning System)
Google использует механизм, который объединяет изображение с камеры (визуальный запрос) и приблизительные данные GPS для точного определения местоположения и ориентации пользователя. Сопоставляя изображение с базой геопривязанных изображений (например, Street View), система вычисляет точные координаты (Enhanced Location) и направление взгляда (Pose). Эти уточненные данные используются для показа релевантных локальных бизнес-листингов, находящихся в поле зрения пользователя.
- US9852156B2
- 2010-08-12
Как Google связывает локальные бизнес-данные (адреса и телефоны) с веб-сайтами для показа в результатах поиска
Google использует систему для интеграции локальной информации (адреса, телефоны) непосредственно в основную поисковую выдачу. Система сопоставляет структурированные данные о бизнесе из локальной базы данных с соответствующими URL в веб-индексе, разрешая конфликты и неоднозначности. Это позволяет показывать контактную информацию и ссылки на карты прямо в сниппете результата поиска.
- US7624101B2
- 2006-01-31
Как Google динамически определяет страну пользователя и агрессивно повышает локальные результаты в выдаче
Google динамически определяет предпочитаемую страну пользователя, используя интерфейс поиска (например, google.de) и IP-адрес. Затем система смещает результаты поиска, повышая оценки (Weighting Factor) или позиции (Shifting Factor) контента, связанного с этой страной. Патент раскрывает сигналы, используемые для определения местоположения сайта (ccTLD, IP сервера, география ссылок) и методы агрессивного повышения локальных результатов.
- US7451130B2
- 2003-06-27
Как Google определяет географическую релевантность сайта, анализируя местоположение его посетителей
Google использует механизм для автоматического определения географической релевантности веб-ресурсов путем анализа местоположения их посетителей (через IP-адреса). Система применяет кластерный анализ к этим данным: если аудитория сконцентрирована в определенных регионах, сайт признается локально релевантным этим регионам. Эти данные используются для повышения ранжирования сайта для пользователей из этих же регионов.
- US8086690B1
- 2003-09-22
Как Google определяет 'эталонное расстояние' для локальных бизнесов, чтобы сбалансировать релевантность и близость похожих мест
Google использует механизм для определения списка похожих локальных бизнесов. Система агрегирует несколько списков похожих мест, ранжированных по разным сигналам (например, по типу кухни, по отзывам). Затем вычисляется 'эталонное расстояние' на основе того, как далеко находятся наиболее похожие бизнесы. Это расстояние используется для корректировки финального списка: слишком далекие места понижаются, даже если они очень похожи по тематике.
- US10025830B1
- 2014-10-30
Как Google использует "Массу Локации" и гео-подсказки для точного геокодирования запросов и извлечения адресов из контента
Патент Google, раскрывающий фундаментальные механизмы геокодирования и извлечения адресов. Система преобразует текстовые описания мест в точные координаты, используя "Массу Локации" (количество адресов в регионе) для оценки значимости. При наличии "Гео-подсказки" (например, местоположения пользователя) система отдает приоритет ближайшим результатам. Также описан процесс автоматического извлечения адресов с веб-страниц.
- US8959084B2
- 2006-07-13
Как Google использует текст внутри изображений (например, Street View) для индексации и ранжирования в локальном и имиджевом поиске
Google извлекает текст непосредственно из изображений (например, названия улиц, вывески бизнесов в Street View), используя передовые методы OCR и улучшения качества (Superresolution). Этот текст ассоциируется с точными географическими координатами (GPS). Это позволяет Google индексировать информацию из реального мира и использовать её для ответа на локальные поисковые запросы и повышения релевантности поиска по картинкам.
- US8098934B2
- 2006-06-29
Как Google определяет, когда игнорировать местоположение пользователя и показывать глобальные результаты для уникальных сущностей
Google использует систему для динамического выбора между показом результатов, привязанных к предполагаемому местоположению пользователя (например, по IP или GPS), и глобальными результатами. Если глобальные результаты географически тесно сгруппированы вокруг определенного места, система может решить, что пользователь ищет конкретную уникальную сущность (например, известный ресторан в другом городе), и предпочтет эти глобальные результаты локальным.
- US10037357B1
- 2010-12-09
Как Google корректирует ранжирование для обеспечения разнообразия категорий в локальном поиске
Google использует механизм для предотвращения доминирования одной категории результатов в локальной выдаче (например, только рестораны). Система идентифицирует перепредставленные категории и применяет масштабирующие коэффициенты: повышает лучшие результаты в недопредставленных категориях и агрессивно понижает результаты, не являющиеся лидерами в перепредставленных категориях. Это гарантирует разнообразие типов локаций (POI) в топе выдачи.
- US9507801B2
- 2011-10-04
Как Google добавляет случайный шум к оценкам спама в бизнес-листингах (Local SEO), чтобы помешать обратному инжинирингу фильтров
Google использует механизм для защиты своих алгоритмов обнаружения спама в бизнес-листингах (Local SEO). Чтобы спамеры не могли определить точные пороги фильтров путем тестирования, система добавляет контролируемый случайный шум к рассчитанной оценке спамности (Spam Score). Это делает применение санкций (удаление или понижение) недетерминированным и затрудняет обратный инжиниринг.
- US8612436B1
- 2011-09-27
Как Google формирует локальные подсказки в Autocomplete, смешивая глобальные и местные запросы на основе местоположения
Google использует этот фреймворк для улучшения поисковых подсказок (Autocomplete) путем интеграции локального контекста. Система определяет общее и точное местоположение пользователя, а затем смешивает глобально популярные запросы с запросами, популярными именно в этой местности. Для определения локальной популярности используются модели пространственного распределения, что позволяет агрессивно продвигать местные подсказки, если они значительно релевантнее в данном регионе.
- US8856115B1
- 2010-12-06
Как Google предлагает релевантные типы поиска (например, визуальный поиск) в зависимости от местоположения пользователя
Google использует местоположение мобильного устройства для предиктивного предложения наиболее подходящих типов поиска. Например, находясь в музее, система предложит визуальный поиск по произведениям искусства, а в магазине — сканирование штрих-кодов. Это улучшает пользовательский опыт, предлагая нужный инструмент поиска в нужном контексте.
- US20140156704A1
- 2013-05-23
Как Google автоматически категоризирует локальный контент и историю пользователя для контекстного поиска по неявным запросам
Патент Google, описывающий технологию для локального (Desktop) или персонализированного поиска. Система отслеживает взаимодействие пользователя с контентом (события) и использует «схемы событий» для автоматической категоризации файлов, электронных писем и истории просмотров. Эти категории затем используются для предоставления релевантных результатов в ответ на неявные запросы, генерируемые системой на основе текущего контекста пользователя.
- US7788274B1
- 2004-06-30
Как Google использует пространственное индексирование (Geohashing) для эффективного локального поиска по радиусу
Google использует метод предварительного расчета географических областей для ускорения локального поиска. Система делит карту на ячейки (используя пространственный индекс, например, Hierarchical Triangular Mesh) и при индексации связывает документ не только с его фактической ячейкой, но и со всеми соседними ячейками в пределах заданного радиуса. Это позволяет мгновенно находить релевантные результаты без сложных геопространственных вычислений во время выполнения запроса.
- US7801897B2
- 2004-12-30
Как Google выбирает, какое местоположение использовать для локализации поисковой выдачи, когда сигналы конфликтуют
Google использует иерархическую систему правил для выбора единственной «геолокации запроса» из множества доступных сигналов. Система анализирует физическое местоположение пользователя, локации в тексте запроса, историю поиска и настройки профиля. Затем она применяет строгую логику приоритетов, чтобы определить, какая локация наиболее релевантна для текущего интента, и соответствующим образом корректирует (смещает) ранжирование результатов.
- US20150234889A1
- 2013-02-06
Как Google группирует локальные результаты поиска вокруг физических адресов и динамически определяет радиус поиска
Google использует систему для организации локальной выдачи, кластеризуя веб-документы вокруг конкретного физического адреса или номера телефона. Система определяет «область интереса», используя динамический радиус поиска, который меняется в зависимости от типа запроса (например, поиск ресторана или автодилера). Результаты ранжируются на основе баланса близости и релевантности.
- US8346770B2
- 2003-09-22
Как Google Maps мгновенно отображает локации на карте по мере ввода запроса (Search-as-you-type)
Этот патент описывает функцию "поиск по мере ввода" (search-as-you-type) в картографических сервисах, таких как Google Maps. Когда пользователь вводит частичный запрос, система предсказывает полный запрос и мгновенно отображает булавки (индикаторы) на карте для наиболее вероятных результатов, динамически обновляя их с каждым нажатием клавиши еще до того, как пользователь нажмет кнопку поиска.
- US8671106B1
- 2012-05-30