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

Персонализация в Google: разборы патентов

Детальные разборы патентов Google, связанные с персонализацией поиска
  • 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 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
  • Персонализация

  • Семантика и интент

  • Local SEO

Как Google использует ваши личные данные (Gmail, Календарь, Фото) для генерации персонализированных подсказок в Autocomplete
Google анализирует активность пользователя и его контент в различных сервисах (таких как email, календарь, фотохостинг). На основе этих данных система генерирует персонализированные поисковые подсказки (Autocomplete), когда пользователь начинает вводить запрос. Это позволяет предлагать запросы типа «мои рейсы» или «мои фото», основываясь на реальных бронированиях или загруженных изображениях пользователя.
  • US9317585B2
  • 2013-03-15
  • Персонализация

  • Индексация

  • Поведенческие сигналы

Как Google персонализирует сниппеты в выдаче, используя профиль интересов пользователя
Google использует механизм для генерации сниппетов в поисковой выдаче, основанный не только на терминах запроса, но и на профиле интересов пользователя. Система анализирует документ, находит термины, соответствующие интересам пользователя, и выделяет их в сниппете. Это призвано повысить релевантность сниппета для конкретного пользователя и лучше отразить содержание документа в контексте его интересов.
  • US8631006B1
  • 2005-04-14
  • Персонализация

  • SERP

  • Семантика и интент

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
  • Local SEO

  • Персонализация

  • Семантика и интент

Как Google использует архитектуру «Generative Companion» для ведения диалогового поиска с сохранением контекста и выбора специализированных LLM (SGE)
Google патентует архитектуру диалогового поиска («Generative Companion»), которая поддерживает состояние пользователя (контекст, историю запросов и взаимодействий) на протяжении всей сессии. Система использует начальную LLM для генерации «синтетических запросов», классифицирует намерение пользователя на основе текущего состояния и динамически выбирает специализированные «Downstream LLM» (для суммаризации, креатива или уточнения) для формирования финального генеративного ответа.
  • US20240289407A1
  • 2024-02-27
  • Персонализация

  • Семантика и интент

Как Google использует бездействие пользователя для показа контекстных подсказок и обучения синтаксису поиска (Zero-Query Suggestions)
Google использует механизм показа поисковых подсказок до того, как пользователь начал вводить запрос. Если пользователь бездействует у строки поиска, система предлагает либо примеры использования расширенного синтаксиса (например, булевых операторов) для обучения, либо запросы, связанные с недавно просмотренным медиаконтентом (например, имена актеров из фильма, который пользователь смотрит на Smart TV).
  • US9292622B2
  • 2012-12-27
  • Персонализация

  • Поведенческие сигналы

  • Семантика и интент

Как Google автоматически генерирует персонализированные "псевдо-биографии" для экспертов в результатах поиска
Google использует систему для идентификации экспертов (Authoritative Users) и автоматического создания сниппетов, объясняющих их релевантность конкретному запросу. Эти сниппеты, или «псевдо-биографии», генерируются офлайн путем анализа профилей и публикаций экспертов в компьютерных сервисах (например, социальных сетях) и отображаются в поисковой выдаче для подтверждения их экспертизы.
  • US9087130B2
  • 2012-10-04
  • EEAT и качество

  • SERP

  • Персонализация

Как Google позволяет пользователям изменять, персонализировать и совместно улучшать категории результатов поиска
Google патентует систему организации результатов поиска в иерархию категорий (фасетную навигацию). Пользователи могут модифицировать эту иерархию: добавлять/удалять категории, голосовать за их полезность и связывать страницы с темами. Система сохраняет эти изменения для персонализации будущих результатов пользователя и агрегирует обратную связь для глобального улучшения категоризации.
  • US8214361B1
  • 2008-09-30
  • Персонализация

  • SERP

  • Поведенческие сигналы

Как Google переранжирует результаты поиска в реальном времени, скрывая контент, который пользователь уже видел на других сайтах
Google использует механизм оценки новизны информации для динамической корректировки поисковой выдачи во время сессии пользователя. Система вычисляет «Information Gain Score» для непросмотренных документов, определяя, сколько новой информации они содержат по сравнению с уже посещенными сайтами. Результаты с уникальной информацией повышаются, а повторяющийся контент понижается, чтобы уменьшить избыточность.
  • US11354342B2
  • 2018-10-18
  • SERP

  • Семантика и интент

  • Персонализация

Как Google оптимизирует персонализированный поиск, выборочно приоритизируя контент от влиятельных социальных аккаунтов
Google использует механизм для эффективного включения социальных результатов в поисковую выдачу. Система анализирует социальный граф пользователя, различая друзей (симметричные связи) и подписки на влиятельных пользователей (асимметричные связи). Если пользователь подписан на слишком много аккаунтов, система ограничивает их число при обработке запроса, чтобы избежать задержек. Приоритет отдается аккаунтам с высокой популярностью (Prominence) и высоким уровнем взаимодействия с пользователем (Affinity).
  • US20160246789A1
  • 2013-03-07
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google систематизирует сбор, хранение и анализ истории поисковых запросов и поведенческих данных пользователей
Патент Google, описывающий инфраструктуру для перехвата, фильтрации, консолидации и хранения истории поисковых запросов и их результатов. Система детально фиксирует контекстную информацию, включая то, какие результаты просмотрел пользователь, когда и как часто. Эти данные формируют основу для анализа поведения пользователей и обучения систем ранжирования.
  • US9111284B2
  • 2004-05-21
  • Поведенческие сигналы

  • Персонализация

Как Google персонализирует поиск, уточняя социальную близость к авторам на основе истории кликов пользователя
Google анализирует, как пользователь взаимодействует (кликает или игнорирует) с контентом авторов из его социального графа. Если взаимодействие по определенной теме превышает порог и у пользователя уже есть социальная связь с автором, система уточняет степень их близости (Affinity) к этой теме. Эта уточненная близость используется для повышения или понижения контента этого автора по этим темам в будущей выдаче пользователя.
  • US9519683B1
  • 2012-09-06
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google использует частичные запросы, логи и профили пользователей для формирования подсказок (Autocomplete) и предварительной загрузки результатов
Патент описывает технологию Google Autocomplete (Suggest). Система предсказывает финальный запрос на основе частично введенного текста, используя словари, составленные из популярных запросов сообщества. Предсказания ранжируются по популярности и персонализируются с учетом профиля пользователя. Система также может заранее кэшировать результаты для наиболее вероятных подсказок, чтобы ускорить выдачу.
  • US7836044B2
  • 2004-06-22
  • Персонализация

  • Семантика и интент

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
  • Local SEO

  • Персонализация

  • Семантика и интент

Как Google анализирует личные данные (Email, Календарь, Контакты) для определения скрытого интента и персонализации выдачи
Google создает персонализированную «Модель пользователя» на основе его личного контента (письма, события, контакты). Эта модель хранит ключевые термины и их контекст. Система использует ее, чтобы понять «неявное намерение» запроса — ищет ли пользователь общую информацию в вебе или свои личные данные (например, свой рейс) — и соответствующим образом адаптирует выдачу, даже если запрос выглядит общим.
  • US20150012532A1
  • 2013-07-02
  • Персонализация

  • Семантика и интент

  • Свежесть контента

Как Google использует распознавание сущностей в тексте (например, в email) для отображения персонализированного медиаконтента и социальных действий
Google анализирует текст (например, электронные письма) для идентификации медиа-сущностей (фильмов, книг, музыки). Система автоматически отображает связанный контент, ссылки для покупки и персонализированную информацию, включая активность социальных связей пользователя. Это демонстрирует возможности Google в извлечении сущностей из неструктурированного текста и их связи с действиями и социальным графом.
  • US9430447B1
  • 2013-05-20
  • Персонализация

  • Семантика и интент

  • Мультимедиа

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
  • Local SEO

  • Семантика и интент

  • Персонализация

Как Google позволяет пользователям "привязывать" веб-контент к конкретным моментам в видео или аудио
Патент Google, описывающий механизм, который позволяет пользователям ассоциировать ("привязывать") один тип контента (например, веб-статью) с конкретной позицией в индексированном контенте (например, таймкодом в видео). При просмотре видео другие пользователи увидят ссылку на привязанную статью в соответствующий момент.
  • US9288121B2
  • 2012-10-03
  • Индексация

  • Мультимедиа

  • Ссылки

Как Google показывает блоки с ответами (Answer Boxes) прямо в поисковых подсказках во время ввода запроса
Google может показывать блоки с готовыми ответами (Answer Boxes) прямо в интерфейсе поисковых подсказок, ещё до того, как пользователь отправил запрос. Система прогнозирует наиболее вероятный полный запрос ("Dominant Query") на основе частичного ввода, истории поиска и данных профиля пользователя (например, местоположения), и если для этого запроса существует готовый ответ, он отображается немедленно.
  • US8538982B2
  • 2010-08-31
  • Семантика и интент

  • SERP

  • Персонализация

Как Google планирует заменить статические веб-сайты страницами, генерируемыми ИИ на лету из «сырого» контента
Патент описывает радикально новую архитектуру веба («Generative Navigational Corpus»), где контент-провайдеры предоставляют «сырые» данные (Seed Content), а Большая Фундаментальная Модель (LFM) генерирует веб-страницы, UI и ссылки в реальном времени, адаптируя формат и структуру под конкретный интент пользователя и контекст навигации.
  • US20250094521A1
  • 2024-09-18
  • Семантика и интент

  • Персонализация

  • Индексация

Как Google использует контент, который вы сейчас просматриваете, для фильтрации и уточнения вашей поисковой выдачи
Google анализирует контекст веб-страницы или документа, который просматривает пользователь, чтобы определить основную тему (топик). Когда пользователь вводит запрос, система фильтрует результаты поиска, отдавая предпочтение тем документам, которые соответствуют этой контекстной теме, тем самым уточняя выдачу для неоднозначных запросов.
  • US8762368B1
  • 2012-04-30
  • Семантика и интент

  • SERP

  • Персонализация

Как Google Assistant позволяет пользователям выбирать предпочтительные источники контента (и когда он может их игнорировать)
Патент описывает, как Google Assistant создает и использует "Правила параметров источника" (Source Parameter Rules), чтобы отдавать приоритет контенту из источников, указанных пользователем. Система проверяет качество и актуальность этих источников и может предложить альтернативы, если предпочтительный источник устарел или недоступен, уведомляя пользователя о соблюдении или нарушении его предпочтений.
  • US12347429B2
  • 2021-12-10
  • Персонализация

  • EEAT и качество

  • Свежесть контента

Как Google классифицирует пользователей в анонимные группы на основе истории браузера для персонализации контента и рекламы
Патент описывает механизм замены индивидуального отслеживания (например, third-party cookies) на квазиперсонализацию. Google анализирует историю просмотров миллиардов пользователей, выделяет общие паттерны и создает модель классификации. Браузер локально определяет, к какой группе (кластеру) относится пользователь, и отправляет анонимный идентификатор группы при запросе контента (например, рекламы), обеспечивая релевантность без раскрытия личных данных.
  • US11194866B2
  • 2019-08-08
  • Персонализация

  • Поведенческие сигналы

Как Google объединяет поисковый запрос и профиль пользователя для персонализации выдачи с помощью векторных эмбеддингов (LCR)
Google использует метод Latent Collaborative Retrieval (LCR) для персонализации поиска. Система создает векторные представления (эмбеддинги) для текущего запроса пользователя и его долгосрочного профиля (история, предпочтения). Эти векторы приводятся к единой размерности в общем латентном пространстве, что позволяет напрямую сравнивать и комбинировать релевантность запросу и соответствие профилю пользователя для формирования финальной выдачи.
  • US20130325846A1
  • 2012-06-01
  • Персонализация

  • Семантика и интент

  • SERP

Как Google использует редкость сущностей (IDF) для персонализации и повышения интересности контента
Google использует механизм для персонализации выдачи (например, в Новостях или Рекомендациях), который повышает в ранжировании документы, содержащие сущности, интересующие пользователя, если эти сущности редко встречаются в недавнем корпусе документов. Редкость измеряется с помощью Inverse Document Frequency (IDF). Система продвигает уникальные комбинации тем (группы сущностей), которые могут быть особенно интересны пользователю.
  • US9679018B1
  • 2014-02-19
  • Персонализация

  • Семантика и интент

  • SERP

Как Google связывает коммерческие действия с сущностями и меняет вид выдачи в зависимости от интента пользователя
Google патентует систему, которая связывает Сущности (например, фильмы, книги, места) с Онлайн-действиями (например, купить, стримить, забронировать). Вместо таргетинга по ключевым словам, партнеры делают ставки на пары «Сущность-Действие». Система определяет, насколько запрос связан с действием, и динамически меняет визуальное представление этих коммерческих предложений в выдаче (например, в Панели знаний), делая их более или менее заметными.
  • US9536259B2
  • 2013-03-05
  • Семантика и интент

  • Knowledge Graph

  • SERP

Как Google использует контекст поисковой сессии для исправления ошибок и уточнения запросов пользователя
Google использует механизм для интеллектуального исправления ошибок в запросах (опечаток или неверно употребленных слов), опираясь на контекст текущей поисковой сессии. Вместо стандартного исправления по словарю, система анализирует предыдущие запросы пользователя, чтобы понять его намерение, и предлагает вариант исправления, который соответствует теме поиска.
  • US7953746B1
  • 2007-12-07
  • Семантика и интент

  • Персонализация

Как Google идентифицирует, отбирает и диверсифицирует показ экспертов (Authoritative Users) в результатах поиска
Патент описывает механизм интеграции экспертов (Authoritative Users) в поисковую выдачу. Когда запрос совпадает с триггерным запросом, система извлекает пул экспертов и их оценки авторитетности. Этот пул фильтруется с использованием оценок, социальных связей пользователя и элемента случайности. Система специально разработана для диверсификации показа экспертов при повторных идентичных запросах.
  • US9165030B1
  • 2012-12-21
  • EEAT и качество

  • SERP

  • Персонализация

Как Google объединяет персональную историю поиска и популярные запросы для формирования подсказок (Autocomplete)
Google формирует поисковые подсказки (Autocomplete), комбинируя два источника данных: запросы, которые пользователь вводил ранее (персональная история), и запросы, популярные среди сообщества пользователей. Система ранжирует эти подсказки, учитывая частоту и новизну персональных запросов, и визуально выделяет персональные подсказки от общих.
  • US8639679B1
  • 2011-05-05
  • Персонализация

  • Поведенческие сигналы

Как Google оптимизирует отображение поисковых подсказок (Autocomplete) на маленьких экранах, показывая только следующие слова
Google использует механизм для экономии места на экранах мобильных и носимых устройств при отображении поисковых подсказок. Вместо показа полной предлагаемой фразы система отображает только следующий вероятный сегмент (слово), ранжированный на основе веб-активности пользователя. Это позволяет итеративно формировать запрос, не перегружая интерфейс.
  • US20140253458A1
  • 2011-07-20
  • Поведенческие сигналы

  • Персонализация

  • 1
  • …
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
seohardcore