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

Разборы патентов Google для SEO

Разобрано 1 300 из ~2 500
  • Ссылки
  • Поведенческие сигналы
  • Антиспам
  • Семантика и интент
  • EEAT и качество
  • SERP
  • Персонализация
  • Индексация
  • Мультимедиа
  • Local SEO
  • Техническое SEO
  • Knowledge Graph
  • Свежесть контента
  • Краулинг
  • Структура сайта
  • Мультиязычность
  • Безопасный поиск
  • Google Shopping
Как Google персонализирует списки трендовых тем на основе профиля интересов пользователя
Google использует механизм для адаптации списков популярных ("горячих") тем под конкретного пользователя. Система сравнивает профиль интересов пользователя (основанный на его истории поиска и активности) с тематическим профилем трендовой темы. На основе схожести стандартный рейтинг темы корректируется с помощью Boost Factor, формируя персонализированный список трендов.
  • US8762326B1
  • 2010-09-23
  • Персонализация

  • Поведенческие сигналы

Как Google использует радар для понимания жестов и физического состояния пользователя при обработке поисковых запросов
Google патентует технологию использования радарных систем (например, Project Soli) для улучшения поиска путем интерпретации физических жестов и физиологических данных пользователя в реальном времени. Система может распознать, куда указывает пользователь или в каком направлении он движется, и использовать эту информацию для уточнения поискового запроса (например, поиск кафе в направлении движения) или даже для инициирования поиска без текстового ввода.
  • US11169988B2
  • 2014-10-01
  • Семантика и интент

  • Персонализация

  • Поведенческие сигналы

Как Google автоматически запускает нативные приложения в ответ на поисковый запрос, минуя SERP
Google использует механизм для автоматического запуска нативных приложений в ответ на определенные поисковые запросы. Если система определяет, что запрос имеет четкое намерение использовать конкретное приложение ("Focus Intent") и это приложение значительно превосходит другие результаты в ранжировании, Google может запустить его напрямую, минуя страницу результатов поиска (SERP). Система также учитывает обратную связь от пользователей, прекращая автозапуск, если пользователи часто сразу закрывают приложение.
  • US9524347B1
  • 2014-04-01
  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google отслеживает, анализирует и использует историю поведения пользователя для персонализации поиска и визуализации активности
Патент Google описывает инфраструктуру для сбора и анализа истории действий пользователя (запросы, клики по органике и рекламе, просмотры страниц). Система использует эти данные, включая метрики вовлеченности вроде «stay-time», для определения «предпочитаемых местоположений» и персонализации выдачи. Также описан метод графической визуализации объема этой активности.
  • US7694212B2
  • 2005-03-31
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google управляет разнообразием и персонализацией в лентах контента (например, Discover), балансируя категории контента
Google использует систему для управления лентами контента (например, Google Discover). Различные серверы агрегируют контент в тематические блоки (Aggregated Content Data Structures) и оценивают их. Затем сервер смешивания выбирает эти блоки, активно балансируя их категории: он повышает оценки блоков из недопредставленных категорий и понижает из слишком частых, чтобы обеспечить заданное разнообразие и соответствие интересам пользователя.
  • US10129309B2
  • 2016-10-07
  • Персонализация

  • Поведенческие сигналы

Как Google меняет формат выдачи в вертикальном поиске на основе уверенности в интенте и какие факторы использует для оценки качества
Google использует механизм адаптации интерфейса в вертикальном поиске (например, Google Books или Shopping). Если система уверена, что результат №1 значительно релевантнее №2, он отображается заметно крупнее. Патент детализирует факторы оценки качества объекта (Quality Information), такие как репутация автора/бренда, продажи, внешнее признание и ссылочный вес связанных веб-сайтов, что дает ключевые инсайты для E-E-A-T.
  • US9141674B2
  • 2013-03-14
  • EEAT и качество

  • Семантика и интент

  • SERP

Как Google использует превью изображений, Hovercards и механизм отклонения для управления связанными запросами
Google использует механизм для улучшения взаимодействия с блоками связанных запросов (Related Searches), особенно в поиске изображений. Система отображает текстовые подсказки вместе с релевантными превью-изображениями. При наведении курсора показывается всплывающее окно (Hovercard) с дополнительными результатами. Пользователи могут отклонять нерелевантные подсказки, что служит сигналом обратной связи для системы и позволяет отобразить новые предложения.
  • US8645360B2
  • 2011-11-03
  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google использует историю местоположений пользователя для поиска чужих фотографий, сделанных в том же месте и в то же время
Google может использовать историю местоположений устройства пользователя (GPS-логи или чекины) для поиска в интернете фотографий, сделанных другими людьми в тех же местах и в то же время. Система находит изображения с соответствующими метаданными (геокоординаты и время съемки) и предлагает их пользователю.
  • US9165017B2
  • 2011-09-29
  • Персонализация

  • Мультимедиа

  • Индексация

Как Google автоматически оценивает и удаляет неэффективные синонимы и правила расширения запросов
Google использует механизм для оценки эффективности правил подстановки (синонимов). Если подставленный термин редко встречается в топовых результатах поиска или если пользователи не кликают на результаты, содержащие этот термин, система автоматически удаляет или понижает уверенность в этом правиле. Это позволяет поддерживать качество и точность понимания запросов.
  • US8600973B1
  • 2012-01-03
  • Семантика и интент

  • Поведенческие сигналы

  • SERP

Как Google проверяет, выбирает и подтверждает факты из интернета для своей базы знаний (Knowledge Graph)
Google использует многоэтапную систему для проверки фактов, извлеченных из интернета. Чтобы факт попал в базу знаний, он должен быть подтвержден несколькими независимыми источниками. Система оценивает распространенность атрибута и достоверность значения, учитывая авторитетность (например, PageRank) источников. Если источник доказал свою надежность, требования к другим его фактам снижаются или отменяются.
  • US8682913B1
  • 2005-03-31
  • Knowledge Graph

  • EEAT и качество

Как Google использует поведение в сессии (запросы и клики) для профилирования пользователей и персонализации выдачи на лету
Google анализирует действия пользователя в рамках текущей поисковой сессии, такие как специфическая терминология, орфография или клики по результатам, чтобы отнести его к определенной «Группе пользователей» (например, по профессии или демографии). Последующие результаты поиска переранжируются на основе того, что исторически популярно или непопупулярно в этой конкретной группе по сравнению с общей популяцией пользователей.
  • US8930351B1
  • 2010-03-31
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google автоматически создает и выполняет «постоянные запросы» на основе поведения и местоположения пользователя (Проактивный поиск)
Google использует систему проактивного поиска, которая отслеживает повторяющиеся действия пользователя (например, частые поиски или задачи). Система автоматически создает «постоянные запросы» и выполняет их в фоновом режиме, основываясь на контексте пользователя (местоположении, времени) и частоте его прошлых действий. Результаты доставляются в виде уведомлений, если система считает момент подходящим.
  • US9147001B1
  • 2012-08-15
  • Поведенческие сигналы

  • Персонализация

Как Google встраивает предлагаемые альтернативные запросы прямо в сниппеты поисковой выдачи
Google может улучшать поисковый опыт, встраивая интерактивные предложения запросов прямо в текстовые сниппеты результатов поиска. Система определяет альтернативные запросы (основываясь на анализе поведения пользователей) и связывает их с конкретными словами в сниппете. Эти слова выделяются (например, подчеркиванием), и пользователь может взаимодействовать с ними, чтобы запустить новый, уточненный поиск.
  • US8595252B2
  • 2008-09-12
  • SERP

  • Семантика и интент

  • Поведенческие сигналы

Как Google использует клики и пропуски (Clicks/Skips) для определения важности порядка слов в запросе
Google анализирует поведение пользователей для оценки правил, которые меняют порядок слов в запросе (Reordering Rules). Если пользователи кликают на результаты с измененным порядком слов, правило считается полезным (Click Count). Если пропускают такие результаты ради нижестоящих (Skip Count), правило отключается. Это позволяет системе автоматически понять, когда порядок слов критичен для смысла запроса, а когда им можно пренебречь.
  • US8959103B1
  • 2012-05-25
  • Поведенческие сигналы

  • Семантика и интент

  • SERP

Как Google вычисляет Оценку Оригинальности Сайта (Site Originality Score) для борьбы со скопированным контентом
Google использует систему для количественной оценки оригинальности контента на уровне сайта. Система анализирует, какая доля контента (n-граммы) на сайте впервые появилась именно на нем, основываясь на дате первого сканирования (Crawl Time Stamp). На основе этого соотношения вычисляется Оценка Оригинальности Сайта (Site Originality Score), которая затем используется как фактор ранжирования для продвижения первоисточников и понижения сайтов-копипастеров.
  • US8909628B1
  • 2012-11-02
  • Краулинг

  • EEAT и качество

  • SERP

Как Google использует краудсорсинг для выбора и улучшения группировки результатов поиска (например, в магазинах приложений и маркетплейсах)
Google использует масштабируемую систему для организации результатов поиска (таких как приложения или товары) в логические группы (кластеры). Система генерирует множество вариантов кластеризации для запроса, а затем использует краудсорсинговых работников для оценки и выбора наилучшего варианта. Лучший вариант дополнительно уточняется на основе консенсуса работников и сохраняется для использования при будущих запросах.
  • US10331681B1
  • 2016-04-11
  • SERP

  • EEAT и качество

  • Семантика и интент

Как Google ранжирует результаты для контекстного (неявного) поиска на основе форматирования контента и поведения пользователя
Патент описывает технологию "неявного поиска" (Implicit Search), которая анализирует текущий контекст пользователя (например, редактируемый документ или просматриваемую страницу) для автоматической генерации запросов. Ранжирование этих контекстных результатов учитывает характеристики исходного контента (форматирование, капитализация, TF-IDF) и предпочтения пользователя (клики, типы файлов).
  • US7693825B2
  • 2004-03-31
  • Семантика и интент

  • Поведенческие сигналы

  • SERP

Как Google использует контекст автора (Creator Context) для понимания и ранжирования пользовательского контента (UGC) и социальных сетей
Google использует модели машинного обучения для оценки релевантности пользовательского контента (например, постов в социальных сетях). Система учитывает не только текст поста, но и контекст его автора (биографию, экспертизу, местоположение). Это позволяет точнее интерпретировать короткие или неоднозначные публикации и повышать в выдаче контент от авторитетных источников.
  • US20250156488A1
  • 2023-11-15
  • Семантика и интент

  • EEAT и качество

Как Google использует историю поиска и контекст пользователя для проактивной доставки информации (Основы Google Discover/Assistant)
Google анализирует историю поиска пользователя для выявления повторяющихся интересов (например, спорт, погода, статус рейсов), особенно тех, которые вызывают показ прямых ответов (Inline Search Results). Отслеживая контекст пользователя (местоположение, время) и изменения в информации, Google проактивно отправляет обновленные результаты на устройство без ручного ввода запроса.
  • US20130346396A1
  • 2013-07-12
  • Персонализация

  • Поведенческие сигналы

  • Свежесть контента

Как Google использует пользовательские аннотации, метаданные и социальные сигналы для переранжирования результатов поиска
Система перехватывает результаты поиска и проверяет их по реестру, содержащему пользовательские аннотации, метаданные и социальные связи. Затем результаты переупорядочиваются на основе релевантности, которая частично определяется этими аннотациями и метаданными. Пользователям предоставляются инструменты для добавления новых аннотаций, которые влияют на будущие результаты поиска.
  • US20110153599A1
  • 2010-12-15
  • SERP

  • EEAT и качество

Как Google принудительно добавляет в выдачу результаты с авторитетных сайтов, используя модифицированные запросы и сайт-ограниченный поиск
Google использует механизм для гарантированного включения результатов с авторитетных сайтов в поисковую выдачу. Если исходный запрос содержит ключевое слово, связанное с авторитетным источником, или если качество стандартной выдачи низкое, система выполняет дополнительный поиск. Этот поиск строго ограничен рамками авторитетного сайта и использует модифицированную (часто агрессивно расширенную) версию исходного запроса. Полученный результат затем внедряется в топ выдачи.
  • US9659064B1
  • 2013-03-15
  • EEAT и качество

  • SERP

Как Google использует историю покупок, социальные связи, геолокацию и демографию для персонализации ранжирования в поиске по медиаконтенту (Приложения, Книги, Музыка, Фильмы)
Google применяет механизм для глубокой персонализации результатов поиска в вертикалях цифрового контента (например, Google Play). Система комбинирует стандартные оценки релевантности с персонализированными оценками, основанными на «сигналах предпочтений пользователя». Эти сигналы включают историю покупок и просмотров, демографические данные, местоположение, активность социальных кругов пользователя и историю потребления смежного контента (например, просмотр трейлера влияет на ранжирование книги).
  • US20140317099A1
  • 2013-04-23
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google использует данные подписок на оповещения (Google Alerts) для определения трендовых тем и повышения их в ранжировании Новостей
Google анализирует, на какие темы пользователи массово подписываются в сервисах оповещений (например, Google Alerts) за определенный период времени. Эти трендовые темы (Topical Subjects) затем используются как сигнал для ранжирования: новостные статьи, соответствующие этим актуальным темам, могут получать повышение (boost) в поисковой выдаче, особенно в поиске по новостям.
  • US20140143657A1
  • 2014-01-24
  • Свежесть контента

  • Поведенческие сигналы

  • SERP

Как Google использовал социальные аннотации в SERP для идентификации экспертов и стимулирования вовлеченности
Патент описывает механизм Google для стимулирования пользователей оставлять социальные аннотации (например, Google +1) к результатам поиска. Когда пользователь выражал интерес к теме или сайту, система немедленно предлагала связанный социальный контент: посты от идентифицированных экспертов и популярные обсуждения. Патент раскрывает критерии, которые Google использовал для алгоритмического определения экспертности автора и популярности контента.
  • US9047345B1
  • 2013-02-19
  • Поведенческие сигналы

  • SERP

  • EEAT и качество

Как Google выявляет всплески поискового интереса и определяет тренды в реальном времени
Google использует систему для определения "Исключительных запросов" — тем, интерес к которым резко и неожиданно возрастает в короткий промежуток времени (менее 30 минут). Система сравнивает текущую частоту запроса с прогнозируемой моделью, основанной на исторических данных. Если фактическая активность значительно превышает прогноз, запрос помечается как трендовый. Это позволяет выявлять актуальные события, а не просто самые популярные запросы.
  • US8140562B1
  • 2009-03-24
  • Свежесть контента

  • Поведенческие сигналы

Как Google адаптирует ранжирование контента под частоту посещений пользователя, балансируя между важностью и новизной
Google использует механизм для персонализации лент контента (например, Новости, Discover). Система анализирует, как часто пользователь запрашивает контент. Для частых посетителей приоритет отдается новизне, чтобы избежать повторов. Для редких посетителей приоритет отдается важности контента, чтобы они не пропустили ключевые материалы, даже если они были опубликованы давно.
  • US9477376B1
  • 2012-12-19
  • Персонализация

  • Поведенческие сигналы

  • Свежесть контента

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
  • Персонализация

  • Поведенческие сигналы

  • Local SEO

Как Google наследует сигналы качества и пессимизации между иерархически связанным контентом (например, Видео, Плейлисты, Каналы)
Google использует механизм для оценки качества контента (например, видео), учитывая не только его собственные характеристики, но и качество связанных с ним родительских сущностей (например, плейлиста или канала). Система комбинирует оценки качества (Classifier Scores) и оценки защиты (Protection Scores) всех уровней иерархии для расчета агрегированной оценки (Aggregate Score). Это позволяет точнее выявлять и понижать в поиске нежелательный контент, даже если он размещен на в целом качественном ресурсе, и наоборот.
  • US20200159769A1
  • 2019-11-15
  • SERP

  • EEAT и качество

  • Антиспам

Как Google использует эмбеддинги и историю взаимодействий для персонализации результатов в вертикальном поиске (Hotels, Flights, Shopping)
Google использует методы коллаборативной фильтрации для персонализации выдачи в вертикальных поисках (Hotels, Flights, Shopping). Система анализирует историю взаимодействий всех пользователей, чтобы создать векторные представления (эмбеддинги) для элементов (отелей, товаров). Затем она сравнивает персональный эмбеддинг пользователя с эмбеддингами элементов для ранжирования результатов, максимально соответствующих его предпочтениям.
  • US20190171689A1
  • 2018-12-05
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google (YouTube) использует последовательность просмотров и общее время просмотра для определения и ранжирования похожих видео
Google использует поведенческие сигналы для определения похожих видео на платформах типа YouTube. Система анализирует, какие видео пользователи смотрят одно за другим в течение короткого времени (ко-просмотры). Если пользователи положительно взаимодействуют (например, долго смотрят) с Видео А и сразу после этого с Видео Б, система считает их связанными. Финальный список рекомендаций ранжируется с учетом временной близости просмотров и общего времени просмотра (Total Watch Time).
  • US9088808B1
  • 2008-02-08
  • Поведенческие сигналы

  • Мультимедиа

  • Персонализация

  • 1
  • …
  • 14
  • 15
  • 16
  • 17
  • 18
  • …
  • 44
seohardcore