Разборы патентов Google для SEO
Разобрано 1 300 из ~2 500
Как Google определяет запросы, требующие свежего контента (QDF), анализируя темпы создания документов в интернете
Google использует анализ временных меток документов для определения "запросов, ищущих свежесть" (QDF). Система строит временную шкалу публикаций по теме и ищет резкие всплески (события). Если обнаружен значительный недавний всплеск, система повышает в ранжировании документы, созданные после этого события, и понижает более старые результаты.
- US20150169574A1
- 2011-10-20
Как Google динамически управляет очередью сканирования и отклоняет низкоприоритетные URL при ограниченной пропускной способности сервера
Google использует адаптивную систему управления краулинговым бюджетом. Система прогнозирует вероятность успешного сканирования URL на основе скорости ответов сервера и приоритета запроса. Если пропускная способность ограничена, низкоприоритетные URL немедленно отклоняются (Early Rejection), не дожидаясь таймаута, чтобы обеспечить быстрое сканирование важного контента.
- US8676783B1
- 2011-06-28
Как Google использует анализ самой длинной общей подпоследовательности (LCS) для определения лексических синонимов и вариантов слов
Google использует метод Longest Common Subsequence (LCS) для идентификации лексически близких слов, таких как словоформы, аббревиатуры и составные слова. Система вычисляет самую длинную общую последовательность символов между двумя терминами и сравнивает её длину с длиной более длинного термина. Если коэффициент схожести и расстояние редактирования соответствуют порогам, слова считаются кандидатами в синонимы, что улучшает понимание запросов.
- US8001136B1
- 2008-07-02
Как Google извлекает структурированные данные путем анализа и запоминания шаблонов DOM-дерева сайта
Google использует гибридную систему для извлечения структурированных данных (например, списков эпизодов, треков альбома) с сайтов, даже если они не используют микроразметку. Система сначала применяет эвристики для поиска данных, проверяет их точность путем сравнения с другими источниками, а затем анализирует DOM-дерево сайта, чтобы запомнить шаблон расположения этих данных. Это позволяет Google эффективно извлекать информацию, понимая структуру HTML-шаблонов сайта.
- US8954438B1
- 2012-05-31
Как Google обеспечивает разнообразие выдачи (Diversity), принудительно понижая результаты с повторяющимися признаками (домен, автор, тема)
Google использует механизм переранжирования для обеспечения разнообразия (Diversity) в поисковой выдаче или ленте рекомендаций. Система определяет ключевые признаки (Features) для каждого результата (например, домен, автор, тип контента) и назначает им "штрафные значения" (Demotion Values). Если признак повторяется в топе, следующий результат с этим же признаком принудительно смещается вниз на заданное количество позиций от предыдущего, предотвращая доминирование одного источника или темы.
- US10055463B1
- 2015-11-19
Как Google использует атрибуты и метки от владельцев контента для структурирования данных и динамической фильтрации результатов поиска (Google Base)
Патент описывает систему (исторически Google Base), позволяющую владельцам загружать структурированные данные и определять собственные атрибуты (пары имя/значение) и метки. Google индексирует эту информацию и использует наиболее популярные атрибуты для создания динамических фильтров в результатах поиска, позволяя пользователям уточнять запросы. Система также автоматически определяет и продвигает популярные пользовательские атрибуты в статус "основных" для улучшения структуры данных.
- US20130339338A1
- 2013-08-23 (Оригинальная заявка 2005-10-23)
Как Google использует «Виртуальные часы» и оптимизацию ресурсов для эффективного рендеринга JavaScript-сайтов в масштабах веба
Google использует специализированную архитектуру для рендеринга веб-страниц в пакетном режиме (для индексации). Система применяет «Виртуальные часы», чтобы избежать таймаутов при медленной загрузке ресурсов и ускорить процесс. Также она оптимизирует нагрузку, игнорируя ненужные скрипты (например, аналитику), дедуплицируя ресурсы и используя «Mock Images» (заглушки с размерами) для расчета макета страницы.
- US9984130B2
- 2014-10-22
Как Google использует "бакетизацию" для баланса релевантности и атрибутов (цена, дата) при сортировке результатов
Google применяет двухэтапный механизм ранжирования, когда пользователь сортирует выдачу по атрибуту (например, цене). Сначала система рассчитывает комбинированную оценку и делит результаты на "бакеты" (subsets) по уровню релевантности. Затем результаты сортируются по атрибуту только внутри своего бакета. Это не позволяет дешевым, но нерелевантным товарам опережать более дорогие и релевантные.
- US8768932B1
- 2007-05-14
Как Google учитывает объем трафика для загрузки страницы при ранжировании, особенно для пользователей с лимитированным интернетом
Google может измерять объем данных, необходимый для полной загрузки веб-страницы (включая HTML, изображения, скрипты). Этот показатель используется как условный сигнал ранжирования: более "легкие" страницы могут получать преимущество, особенно если система определяет, что пользователь находится в сети с ограниченной пропускной способностью или лимитированным тарифным планом.
- US9201929B1
- 2013-08-09
Как Google прогнозирует частоту обновления новых страниц для оптимизации краулингового бюджета
Google использует статистический метод для оценки того, как часто будет обновляться новый документ. Система анализирует исторические данные о частоте изменений похожих документов (например, страниц с аналогичной структурой URL или на том же домене), чтобы определить оптимальную частоту сканирования новой страницы. Это позволяет поддерживать свежесть индекса и эффективно расходовать краулинговый бюджет.
- US20130212100A1
- 2012-12-26
Как Google оптимизирует частоту повторного сканирования, прогнозируя вероятность удаления страниц на сайте
Google использует историю сканирования для расчета вероятности удаления страниц, отдельно для разных категорий контента. На основе этой вероятности система оптимизирует расписание повторного сканирования (re-crawling schedule). Цель — найти баланс между затратами ресурсов на сканирование и риском показать пользователю устаревший (удаленный) контент, минимизируя общую функцию «штрафа» (Penalty Function).
- US8862569B2
- 2012-01-11
Как Google оптимизирует график повторного сканирования на основе частоты изменений и важности контента
Google использует адаптивную систему планирования повторного сканирования. Система оценивает, как часто меняется документ (Change Period) и насколько он важен (Importance Rank, например, PageRank). На основе этих данных рассчитывается оптимальная частота сканирования (Crawl Period), которая корректируется для обеспечения свежести индекса и эффективного использования ресурсов.
- US8386459B1
- 2011-02-22 (Продолжение заявки от 2005-04-25)
Как Google индексирует и ранжирует контент дополненной реальности и цифровые дополнения для визуального поиска (Google Lens)
Google создал систему для индексации и ранжирования цифровых дополнений (например, AR-контента, купонов, приложений), связанных с реальными объектами. Система сканирует веб-страницы в поисках метаданных, которые связывают эти дополнения с визуальными анкорями (продуктами, изображениями, местами). При визуальном поиске Google ранжирует эти дополнения, используя сигналы престижа (аналог PageRank) и релевантности, чтобы предоставить пользователю наиболее полезный интерактивный опыт.
- US10878037B2
- 2018-06-21
Как Google определяет дублированный и переработанный (spun) контент, анализируя относительный порядок слов
Патент Google, описывающий метод обнаружения похожих или почти дублирующихся документов, устойчивый к локальным изменениям текста (например, замене синонимов или перестановке слов). Вместо анализа последовательных фраз, система анализирует упорядоченные пары слов, которые не обязательно стоят рядом. Это позволяет идентифицировать структурное сходство контента даже при значительном изменении формулировок.
- US7734627B1
- 2003-06-17
Как Google определяет и фильтрует дубликаты в выдаче, сравнивая релевантные запросу сниппеты вместо целых страниц
Google использует механизм для улучшения разнообразия поисковой выдачи, предотвращая показ нескольких результатов с идентичным контентом по конкретному запросу. Вместо сравнения документов целиком, система извлекает только те части (сниппеты), которые релевантны запросу. Если эти сниппеты у разных документов слишком похожи, они считаются дубликатами для данного запроса, и менее релевантные результаты фильтруются.
- US6615209B1
- 2000-10-06
Как Google использует алгоритмы "Shingling" для эффективного обнаружения дубликатов и похожего контента в масштабах веба
Патент описывает эффективные алгоритмы (Shingling) для создания цифровых отпечатков веб-страниц. Разбивая контент на перекрывающиеся последовательности (шинглы) и выбирая репрезентативное подмножество, Google может быстро сравнивать миллиарды документов для выявления дубликатов, почти дубликатов (near-duplicates) и шаблонного контента.
- US8131751B1
- 2008-12-03
Как Google визуально и аудиально сигнализирует об уверенности в подсказках автозаполнения (Auto-Complete)
Google использует систему для улучшения UX при вводе запроса, рассчитывая вероятность того, что подсказка автозаполнения соответствует намерению пользователя. Если вероятность для лучшей подсказки превышает определенный порог, Google может визуально или аудиально выделить ее (например, подсветкой, гистограммой или звуком), чтобы ускорить выбор пользователя.
- US8412728B1
- 2011-09-26
Как Google (Chrome) использует адресную строку (Omnibox) для автозаполнения URL и быстрого поиска по сайтам
Патент описывает работу адресной строки браузера (например, Chrome Omnibox). Система анализирует историю посещений, чтобы предлагать автозаполнение URL и отличать навигационные намерения от поисковых запросов. Она также позволяет пользователям искать внутри конкретного сайта (например, Amazon) прямо из адресной строки, используя «Поисковые ярлыки», минуя переход на главную страницу этого сайта.
- US8438148B1
- 2009-09-01
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 исправляет запросы, введенные с неправильной раскладкой клавиатуры, используя контекст пользователя
Google использует механизм для автоматического определения и исправления запросов, введенных с ошибочной раскладкой клавиатуры. Если исходный запрос возвращает неудовлетворительные результаты, система анализирует контекст пользователя (язык интерфейса, местоположение, историю поиска), чтобы определить предполагаемый язык. Затем запрос перекодируется в правильный скрипт, и пользователю показываются релевантные результаты.
- US8676824B2
- 2007-12-14
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 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 позволяет верифицированным владельцам сайтов управлять скоростью сканирования (Crawl Rate) и выбирать предпочитаемый домен
Анализ патента, лежащего в основе функций Google Search Console. Он описывает механизмы верификации прав собственности, выбора канонического (предпочитаемого) домена для консолидации сигналов и управления скоростью сканирования. Ключевой момент: система увеличивает скорость сканирования только тогда, когда текущий лимит является реальным ограничивающим фактором для краулера.
- US7599920B1
- 2006-10-12
Как Google объединяет разные URL в один результат, если они ведут на одну и ту же страницу (например, при мобильных редиректах)
Google использует механизм дедупликации для повышения разнообразия выдачи. Если несколько разных URL в результатах поиска перенаправляют пользователя на одну и ту же целевую страницу (например, из-за редиректа на мобильную версию, страницу входа или главную страницу), Google объединяет эти функциональные дубликаты в один замещающий результат.
- US10007731B2
- 2012-09-12
Как Google кэширует данные Knowledge Graph на устройствах пользователей для понимания контекста и помощи в реальном времени
Google создает "срезы" (фиксированные наборы) данных из Knowledge Graph на основе тем и локаций. Система предсказывает, какие срезы наиболее релевантны пользователю, основываясь на его местоположении, контенте на экране и других сигналах, и загружает их на устройство. Это позволяет Google мгновенно распознавать сущности и предлагать помощь (например, через Assistant или Lens) даже без подключения к сети.
- US10178527B2
- 2015-12-08
Как Google кластеризует и фильтрует похожие товары одного продавца в Google Shopping для повышения разнообразия выдачи
Google использует систему для обнаружения и фильтрации почти дублирующихся товаров в системах онлайн-покупок (например, Google Shopping). Система вычисляет «расстояние» между товарами одного и того же продавца на основе их атрибутов (название, модель, описание, изображение). Похожие товары объединяются в кластеры, и при формировании выдачи система ограничивает количество товаров из одного кластера, чтобы повысить разнообразие продуктов на странице результатов.
- US9342849B2
- 2013-09-19
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 объединяет данные о странице, если она находится в разных индексах под разными URL (например, Web и Shopping)
Google использует механизм для сопоставления разных URL, ведущих на одну и ту же страницу, но хранящихся в разных индексах (например, основной веб-индекс и индекс товаров). Система извлекает уникальные идентификаторы (например, SKU) из параметров URL. Если идентификаторы совпадают и контент верифицирован, URL связываются, позволяя Google обогащать результаты в одном индексе данными из другого (например, показ цены в веб-выдаче).
- US8645355B2
- 2011-10-21
Как Google определяет основной контент страницы, анализируя визуальную геометрию и расположение элементов после рендеринга
Google анализирует визуальную структуру отрендеренной страницы для идентификации основного контента («Колонки интереса»). Система определяет расположение колонок, исключает выбросы (невидимый или удаленный контент) и вычисляет центральную область. Контент, найденный в этой области, получает повышенный вес при ранжировании, в то время как контент в боковых панелях, футерах и рекламе деприоритизируется.
- US9753901B1
- 2013-05-09
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