Разборы патентов Google для SEO
Разобрано 1 300 из ~2 500
Как Google адаптивно сортирует комментарии и UGC в зависимости от популярности («buzziness») страницы
Google использует адаптивный механизм для сортировки пользовательского контента (UGC), такого как комментарии или посты в социальных сетях, связанных с веб-страницей. Если страница популярна или трендовая («buzzy»), система отдает приоритет самым свежим комментариям. Если страница не является трендовой, система отдает приоритет самым качественным комментариям, основываясь на авторитете автора, длине контента и других сигналах.
- US11055332B1
- 2017-05-31
Как Google использует историю медиапотребления и фоновый звук для персонализации поисковых подсказок (Autocomplete)
Google может анализировать историю потребления медиаконтента пользователем (музыка, фильмы) и захватывать фоновый звук (например, играющую музыку) в момент ввода запроса. На основе распознанных сущностей (артисты, названия) система персонализирует поисковые подсказки (Autocomplete), предлагая запросы, связанные с недавно потребленным или текущим контентом.
- US9984075B2
- 2015-10-06
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 определяет реальную видимость контента и фильтрует ложные поведенческие сигналы, вызванные перекрытиями интерфейса
Google использует систему анализа слоев пользовательского интерфейса для точного определения, какие элементы контента реально видны пользователю, а какие скрыты перекрывающими элементами (меню, уведомлениями). Это позволяет отфильтровывать ложные сигналы вовлеченности (клики, показы), зарегистрированные на скрытых элементах, повышая точность поведенческих факторов и оценки качества страницы.
- US12079644B2
- 2022-10-28
Как Google дифференцирует и взвешивает поведенческие сигналы для персонализации рекомендаций контента
Google использует систему для персонализации рекомендаций контента, анализируя характеристики документов (например, через TF-IDF) и создавая динамические профили интересов пользователей. Система обучается на основе поведения: разные типы взаимодействий (просмотр, печать, сохранение) по-разному влияют на профиль пользователя, а влияние этих поведенческих сигналов со временем ослабевает (Signal Decay).
- US20170344572A1
- 2009-01-29
Как Google передает данные об интересах пользователя сторонним сайтам для персонализации контента после клика
Google анализирует активность пользователя для определения его тематических интересов (например, "тайская еда" или "собаки"). При генерации поисковой выдачи Google может закодировать релевантные интересы прямо в URL ссылки. Это позволяет стороннему сайту немедленно адаптировать контент лендинга под пользователя и потенциально передать данные о его поведении обратно в Google для уточнения профиля.
- US9754036B1
- 2014-03-26
Как Google использует поведенческие данные и визуальные превью для предложения вариантов поиска картинок на других языках
Google использует механизм для улучшения поиска изображений, предлагая пользователю варианты запроса на других языках. Если система определяет, что перевод запроса может вернуть лучшие результаты, она отображает эти альтернативные запросы с визуальным превью. Выбор лучших переводов основан на анализе поведенческих данных: частоте запросов (Frequency of Submission), CTR и том, как часто пользователи сами переформулируют запросы между языками (Frequency of Revision).
- US8856162B2
- 2009-11-20
Как Google использует институциональные подписки для предоставления доступа к закрытым документам в Google Scholar
Google интегрирует данные из библиотек и научных учреждений для улучшения поисковой выдачи (преимущественно в Google Scholar). Система получает от библиотек информацию о доступных документах (holding information) и список авторизованных пользователей (affiliation list). При поиске система идентифицирует пользователя (например, по IP-адресу) и, если он авторизован, добавляет в результаты поиска прямую ссылку для доступа к закрытым материалам через его библиотеку.
- US7526475B1
- 2006-05-10
Как Google использует Социальный Граф и метрику Affinity для персонализации и ранжирования поиска по картинкам
Google использует социальный граф пользователя для персонализации поиска по картинкам. Система идентифицирует изображения, опубликованные контактами пользователя (друзьями, подписками), и ранжирует их в единой выдаче с общими результатами. Ключевую роль играет метрика Affinity (близость контакта к пользователю), основанная на степени связи и частоте взаимодействий, которая используется для повышения релевантных социальных результатов.
- US20150169571A1
- 2010-10-21
Как Google выбирает и показывает рекламу в поисковых подсказках (Autocomplete) на основе частичного запроса
Google использует систему для показа рекламы в выпадающем меню подсказок (Autocomplete) до того, как пользователь завершит ввод запроса. Система прогнозирует вероятные завершения запроса (Completions) на основе введенной части (Prefix). Затем проводится аукцион для выбора наиболее релевантной и качественной рекламы, связанной с этими вероятными завершениями. Реклама показывается только при высокой уверенности в намерении пользователя.
- US8504437B1
- 2010-11-04
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 использует персональные оценки пользователей для экстраполяции предпочтений и персонализации поисковой выдачи
Google использует механизм для агрегации оценок (явных или неявных), которые пользователь дает отдельным веб-страницам. Система формирует персональный «рейтинг сайта» или раздела сайта на основе этих данных. Затем этот агрегированный рейтинг используется для повышения или понижения позиций других страниц этого сайта в будущих поисковых результатах конкретного пользователя, даже если эти страницы он ранее не оценивал.
- US8589391B1
- 2005-09-15
Как Google контролирует качество и объективность в кастомизированных поисковых системах (PSE), блокируя спам и предвзятость от третьих сторон
Google использует систему контроля для Программируемых Поисковых Систем (PSE), где третьи стороны могут влиять на выдачу через "Контекстные Файлы". Патент описывает двухэтапный процесс (офлайн и во время запроса) для обнаружения и фильтрации спама или предвзятости (Bias). Система сравнивает кастомизированные результаты с результатами основного поиска, чтобы гарантировать объективность выдачи.
- US7743045B2
- 2005-08-10
Как Google (YouTube) определяет «Классические видео», используя нормализацию просмотров для оценки долгосрочной популярности
Google использует алгоритм для идентификации «Классических видео» на платформах типа YouTube. Система анализирует не абсолютное количество просмотров, а долю видео в общем трафике платформы за день. Если видео стабильно поддерживает значительную долю трафика на протяжении длительного периода, оно получает статус «Классического», что отличает его от вирусного контента с кратковременной популярностью.
- US8650488B1
- 2010-12-08
Как Google использует социальные связи для персонализации и повышения в ранжировании онлайн-форумов в результатах поиска
Google использует механизм для персонализации поисковой выдачи путем интеграции данных из социальной сети. Если система определяет, что результат поиска является онлайн-форумом, она проверяет, являются ли социальные контакты пользователя участниками этого форума. При обнаружении таких связей система повышает рейтинг форума в выдаче и добавляет социальные аннотации, указывая, кто из контактов пользователя активен на этом ресурсе.
- US8862598B1
- 2012-09-13
Как Google использует точное место клика или касания пользователя для улучшения исправления опечаток и текстовых подсказок
Google использует механизм для повышения релевантности предлагаемых исправлений текста (например, в поисковой строке или редакторе). Система анализирует не только слово целиком, но и точное место, рядом с которым пользователь установил курсор или коснулся экрана. Предложения по исправлению фильтруются в зависимости от того, соответствуют ли они этой указанной пользователем позиции редактирования.
- US20140280109A1
- 2013-03-14
Как Google улучшает интерфейс голосового поиска, предлагая альтернативные варианты распознавания при ошибке ввода
Google использует механизм улучшения пользовательского опыта в голосовом поиске. Если система неверно распознала голосовой запрос и пользователь кликает в строку поиска для исправления, Google автоматически показывает другие вероятные варианты распознавания (n-best list) в области подсказок, облегчая коррекцию ошибки.
- US8249876B1
- 2012-01-03
Как Google перехватывает навигацию пользователя для защиты от низкокачественных сайтов (паркинги, фермы контента)
Механизм защиты пользователей, который перехватывает запрос на загрузку веб-страницы. Если страница идентифицирована как низкокачественная (паркинг домена, ферма контента или ссылочная ферма), система показывает предупреждение и предлагает перейти на альтернативный релевантный сайт вместо запрошенного.
- US8775924B1
- 2012-03-09
Как Google визуально выделяет в поиске продавцов, использующих доверенную платежную систему (Брокера)
Google использует механизм для повышения доверия пользователей к результатам поиска в электронной коммерции. Система идентифицирует продавцов, которые принимают оплату через доверенную стороннюю систему (Брокера), и визуально выделяет их контент (рекламу или органические ссылки) специальным значком (Badge). Значки могут иметь несколько уровней и указывать не только на поддержку платежной системы, но и на репутацию продавца и вероятность успешной покупки.
- US8078497B1
- 2007-09-19
Как Google использует клики, удаление и архивирование новостей для персонализации и обновления ленты Google News
Патент Google, описывающий механизм поддержания актуальности и релевантности новостной ленты (например, Google News). Система использует явные (удаление, понижение) и неявные (клики) сигналы пользователя для фильтрации контента. Просмотренные или скрытые новости удаляются из ленты вместе с похожими материалами и заменяются свежим контентом. Эти взаимодействия также используются для переранжирования оставшихся новостей.
- US8880499B1
- 2005-12-28
Как Google ранжирует стриминговые сервисы и поставщиков медиаконтента в результатах поиска
Google использует персонализированный алгоритм для ранжирования поставщиков медиаконтента (фильмов, сериалов). Система учитывает наличие у пользователя подписок, установленных приложений, историю взаимодействий, стоимость контента, поддержку глубоких ссылок и популярность сервиса, чтобы определить, какие ссылки на просмотр показать первыми в выдаче.
- US20170364598A1
- 2015-11-19
Как Google персонализирует поисковые подсказки (Autocomplete) используя ваш социальный граф
Google использует данные из социального графа пользователя для персонализации и ранжирования поисковых подсказок (Autocomplete). Система учитывает, что искали ваши контакты, на какие результаты они кликали и какие ресурсы они одобряли (Endorsements). Подсказки, популярные среди близких контактов, ранжируются выше.
- US9305092B1
- 2012-08-10
Как Google использует анализ временных трендов и вейвлеты для поиска связанных запросов
Google идентифицирует связанные запросы, анализируя схожесть их исторических трендов популярности, а не только семантику. Система преобразует данные об объеме запросов в многомерные изображения и применяет вейвлет-анализ для извлечения ключевых характеристик трендов. Сравнение этих характеристик позволяет находить запросы с похожими паттернами роста или падения интереса.
- US8019742B1
- 2007-05-31
Как Google динамически меняет поисковые подсказки в зависимости от того, что пользователь видит на экране (Viewport)
Google динамически генерирует поисковые подсказки на основе контента, который пользователь просматривает. Система придает больший вес сущностям и темам, которые находятся непосредственно в видимой области экрана (Viewport), меньший вес тому, что пользователь уже пролистал, и наименьший — контенту, до которого он еще не дошел.
- US9652556B2
- 2012-10-05
Как Google визуально выделяет популярные профили в поиске и использует частоту запросов для борьбы с фейковыми аккаунтами
Google использует данные о популярности (количество связей) и качестве (вовлеченность) профилей пользователей, чтобы визуально выделить наиболее авторитетные результаты при поиске людей или брендов. Если один профиль значительно популярнее других, он отображается крупнее. Система также динамически регулирует порог качества в зависимости от частоты запроса: чем популярнее имя, тем выше требования к профилю для его отображения, что помогает бороться со спамом.
- US8935245B1
- 2012-09-20
Как Google использует Knowledge Graph для автодополнения фактов и проверки точности информации при создании контента
Система анализирует вводимый текст в редакторах (например, Google Docs или Gmail), распознает сущности и их атрибуты, автоматически запрашивает факты у поисковой системы (Knowledge Graph) и предлагает их для вставки. Также она способна проверять уже введенные факты на точность и предлагать исправления в реальном времени.
- US20150324339A1
- 2014-05-12
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 персонализирует поисковые подсказки (Autocomplete) на основе интересов пользователя
Google использует механизм для персонализации поисковых подсказок (Autocomplete). Система определяет категории интересов пользователя на основе его истории поиска. Когда пользователь вводит начало запроса, подсказки ранжируются не по глобальной популярности, а по частоте их использования людьми с похожими интересами. Это направляет поисковое поведение пользователя в сторону запросов, релевантных его категории.
- US8027990B1
- 2008-07-09
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 динамические UI-элементы (Floatables и Chips) для ускорения обнаружения видео и адаптации рекомендаций в реальном времени
Google патентует механизмы интерфейса для мобильных платформ (например, YouTube), направленные на улучшение обнаружения контента. Система активно показывает превью скрытых видео в виде анимированных плавающих элементов (Floatables) или компактных плиток (Chips) до того, как пользователь до них доскроллит. Взаимодействие с этими элементами обеспечивает мгновенную обратную связь для адаптации рекомендаций в реальном времени.
- US11941240B1
- 2022-12-21