Как Google объединяет последовательные запросы и контекст в «Структурированный Запрос» для уточнения интента и диплинкинга

Описание

Какую задачу решает

Патент решает проблему потери контекста при обработке последовательных, часто неоднозначных поисковых запросов. Когда пользователь итеративно уточняет свой поиск (например, ищет «Футболки», а затем «маленький размер»), второй запрос сам по себе лишен контекста (indeterminate search query). Изобретение направлено на сохранение контекста из предыдущих запросов для точной интерпретации текущего намерения, что повышает релевантность выбранного контента (особенно рекламы) и целевых страниц.

Что запатентовано

Запатентована система, которая анализирует последовательные поисковые запросы (первый и второй) от одного устройства, определяет связь между ними и генерирует Structured Search Query (Структурированный Поисковый Запрос). Этот запрос объединяет контекст обоих запросов и обогащается Supplemental Terms (дополнительными данными, отсутствующими в исходных запросах). Система использует этот структурированный запрос для выбора Content Items (например, объявлений) и передает его издателю контента (Content Publisher) при клике.

Как это работает

Система функционирует следующим образом:

• Сбор запросов: Система получает последовательные запросы (Q1 и Q2) от пользователя.
• Определение связи: Анализируется семантическая, тематическая или временная связь между Q1 и Q2.
• Генерация структурированного запроса: Формируется Structured Search Query, инкапсулирующий общее намерение. Например, из «Футболки» и «маленький размер» создается «type: shirt, style: tees, size: small». Также добавляются Supplemental Terms (например, местоположение пользователя).
• Выбор контента: Контент (например, реклама) выбирается на основе этого обогащенного структурированного запроса.
• Передача контекста и Диплинкинг: При клике на контент представление структурированного запроса передается издателю (встраивается в URI/URL), позволяя ему направить пользователя на наиболее релевантную страницу (например, с уже примененными фильтрами).

Актуальность для SEO

Высокая. Понимание эволюционирующего намерения пользователя в рамках сессии и контекстный (включая разговорный) поиск являются центральными задачами современных поисковых систем. Это особенно актуально с ростом голосового (явно упомянутого в патенте) и мобильного поиска. Механизмы улучшения релевантности контента и пост-клик опыта активно развиваются.

Важность для SEO

Патент имеет умеренно высокое значение (6.5/10) для SEO. Он в первую очередь сфокусирован на рекламных технологиях (AdTech) — выборе объявлений и передаче данных рекламодателям. Однако описанный механизм понимания последовательных запросов и генерации Structured Search Query является фундаментальным для этапа Query Understanding в поиске в целом. Для SEO это подтверждает важность оптимизации под поисковые сессии (User Journeys) и необходимость наличия архитектуры сайта, поддерживающей диплинкинг и структурированные интенты.

Детальный разбор

Термины и определения

Structured Search Query (Структурированный поисковый запрос, SSQ)

Сгенерированное системой представление, которое объединяет информацию из нескольких последовательных запросов и Supplemental Terms. Предоставляет полный контекст намерения в структурированном виде (например, ключ-значение). Пример: «type: shirt, style: tees, size: small».

Supplemental Terms (Дополнительные термины)

Данные, добавляемые в SSQ, которые отсутствуют в исходных поисковых запросах. Могут включать время, тип устройства, местоположение, характеристики пользователя, критерии субъекта или объекта.

Content Item (Элемент контента)

Сторонний контент, выбираемый для показа в ответ на запрос. В контексте патента преимущественно подразумеваются рекламные объявления (Ads) или товарные объявления (PLA).

Content Publisher (Издатель контента)

Субъект, предоставляющий Content Items и целевые страницы. В контексте патента — рекламодатель.

Relationship (Взаимосвязь)

Связь между последовательными запросами, определяемая на основе семантической, тематической (subject matter), временной (temporal) или контентной схожести.

Content Identifier / Geographic Location Identifier

Структурированные элементы внутри SSQ, определяющие атрибуты контента (например, размер, тип) или местоположение.

Uniform Resource Identifier (URI)

Идентификатор (часто URL), связанный с Content Item. Система встраивает представление SSQ в этот URI для передачи издателю.

Ключевые утверждения (Анализ Claims)

Патент сосредоточен на генерации контекстного запроса из сессии и его использовании для выбора контента и диплинкинга.

Claim 1 (Независимый пункт, Система) и Claim 10 (Независимый пункт, Метод): Описывают основной процесс обработки последовательных запросов.

1. Система получает первый запрос (Q1) и второй запрос (Q2) от устройства.
2. Определяется взаимосвязь (Relationship) между Q1 и Q2 на основе их терминов.
3. На основе этой взаимосвязи система идентифицирует: (i) релевантный термин из Q1 и (ii) Supplemental Term, который отсутствует и в Q1, и в Q2.
4. Генерируется Structured Search Query (SSQ), который включает Q2, идентифицированный термин из Q1 и Supplemental Term.
5. В ответ на Q2 система выбирает Content Item (объявление), основываясь на сгенерированном SSQ.
6. Выбранный Content Item содержит URI, который включает представление этого SSQ.
7. Content Item передается на устройство пользователя и сконфигурирован для передачи URI издателю при взаимодействии (клике).

Ядро изобретения — это объединение терминов из предыдущего запроса (контекст) и внешних данных (Supplemental Terms) с текущим запросом для создания обогащенного структурированного представления, которое затем используется для выбора рекламы и встраивается в ссылку для передачи рекламодателю.

Claim 2 и 11 (Зависимые): Уточняют, что запросы могут быть голосовыми (voice query).

Claim 8 и 17 (Зависимые): Важное уточнение: механизм может применяться уже к первому запросу (Q1). Система может сгенерировать первый SSQ для Q1, включив в него Supplemental Term (отсутствующий в Q1), выбрать контент на его основе и передать этот SSQ издателю при клике, еще до получения Q2. Это означает, что структурирование и обогащение контекстом происходит постоянно.

Где и как применяется

Изобретение применяется на этапах понимания запросов и выбора рекламного контента.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения. Система в реальном времени обрабатывает поток запросов от пользователя, поддерживая контекст сессии для определения связи между последовательными запросами (Q1 и Q2). Даже для первого запроса (согласно Claim 8) система стремится обогатить его контекстом. На этом этапе происходит идентификация Supplemental Terms и генерация Structured Search Query.

RANKING / METASEARCH (Системы выбора рекламы)
Патент напрямую относится к системам выбора рекламы (Ad Selection). Сгенерированный SSQ используется как входные данные для выбора наиболее релевантных Content Items (объявлений или PLA). Обогащенный контекст позволяет точнее сопоставить запрос с доступными рекламными креативами.

Входные данные:

• Первый и второй поисковые запросы (Q1, Q2).
• Данные сессии (для установления связи).
• Внешние данные для Supplemental Terms (IP, время, тип устройства, история пользователя).

Выходные данные:

• Structured Search Query (SSQ).
• Выбранный Content Item с встроенным в URI представлением SSQ.
• (Пост-клик) Передача SSQ рекламодателю.

На что влияет

• Специфические запросы: Уточняющие запросы (refinement queries) и запросы, которые неоднозначны без контекста предыдущих поисков.
• Конкретные ниши: E-commerce (поиск товаров с атрибутами) и Travel (бронирование), где запросы часто бывают многоэтапными и требуют структурирования.
• Типы контента: Влияет на выбор рекламных объявлений (Ads) и товарных объявлений (PLA). Не влияет напрямую на органические результаты.
• Голосовые запросы: Патент явно применим к голосовому поиску, где запросы часто более разговорные и контекстуальные.

Когда применяется

• Триггеры активации: Механизм обогащения контекстом (добавление Supplemental Terms) может активироваться при любом запросе (Claim 8).
• Условия работы (Объединение запросов): Механизм объединения контекста из Q1 в Q2 активируется, когда система обнаруживает связь (семантическую, тематическую, временную) между последовательными запросами в рамках одной сессии.

Пошаговый алгоритм

Процесс обработки запросов:

1. Получение первого запроса (Q1): Система получает Q1 от устройства. (Например, «Футболки»).
2. Обработка Q1 (Claim 8): Система может уже на этом этапе сгенерировать SSQ1, добавив Supplemental Terms (например, местоположение), и выбрать контент на его основе.
3. Получение второго запроса (Q2): Система получает последующий запрос от того же устройства. (Например, «маленький размер»).
4. Определение взаимосвязи: Анализ Q1 и Q2 на предмет связи (временная близость, тематическое сходство).
5. Идентификация контекста и дополнительных данных: Если связь найдена, извлекаются контекстуальные термины из Q1 и определяются новые Supplemental Terms.
6. Генерация структурированного запроса (SSQ2): Генерация SSQ2, объединяющего Q2, контекст из Q1 и Supplemental Terms. (Например, «type: shirt, style: tees, size: small, location: Frankfurt»).
7. Выбор контента: Использование SSQ2 для выбора релевантных Content Items (объявлений).
8. Встраивание контекста в URI: Представление SSQ2 встраивается в URI выбранных объявлений.
9. Показ и Обработка клика: Объявления показываются пользователю. Пользователь кликает на объявление.
10. Передача данных издателю: Система перенаправляет пользователя на сайт рекламодателя (Content Publisher), передавая ему SSQ2 через URI.
11. Диплинкинг (Действие Рекламодателя): Рекламодатель использует полученный SSQ2 для показа наиболее релевантной страницы (например, страницы с отфильтрованными маленькими футболками).

Какие данные и как использует

Данные на входе

Система использует несколько типов данных для генерации SSQ:

• Контентные факторы (Запросы): Текстовое (или расшифрованное голосовое) содержание первого и второго поисковых запросов. Анализируются термины и семантика.
• Временные факторы: Время между получением последовательных запросов используется для определения связи (temporal similarity). Временные критерии также могут быть Supplemental Term.
• Пользовательские, Технические и Географические факторы (Supplemental Terms): Данные, не содержащиеся в тексте запроса. К ним относятся:
  • Характеристики устройства (characteristic of the computing device).
  • Географическое положение (для Geographic Location Identifier).
  • Критерии субъекта/объекта (subject/object criterion) – могут включать интересы пользователя.

Какие метрики используются и как они считаются

Патент не детализирует формулы, но упоминает следующие методы анализа для определения связи между запросами:

• Оценка взаимосвязи (Relationship Determination): Метрика, основывающаяся на:
  • Semantic similarity (Семантическое сходство).
  • Subject matter similarity (Тематическое сходство).
  • Temporal similarity (Временное сходство/близость).
  • Content similarity (Контентное сходство).
• Структуризация данных: Процесс преобразования неструктурированных запросов и Supplemental Terms в формат ключ-значение с использованием идентификаторов.

Выводы

1. Анализ сессий, а не изолированных запросов: Патент подтверждает, что Google активно анализирует последовательность поисковых запросов для построения глубокого понимания контекста и намерения в рамках одной сессии или поисковой миссии.
2. Обогащение запросов внешними данными (Supplemental Terms): Ключевым аспектом является интеграция данных, которые пользователь явно не вводил (местоположение, устройство, время), в финальный Structured Search Query. Это происходит даже для первого запроса в сессии (Claim 8).
3. Структурирование интента: Система стремится преобразовать неструктурированный текст в структурированные намерения (атрибут: значение), что облегчает сопоставление с контентом, особенно в E-commerce и Travel.
4. Приоритет для Рекламных Систем и Диплинкинга: Основное применение патента — повышение эффективности рекламы. Система не только использует контекст для выбора объявлений, но и явно передает его рекламодателю при клике (через URI) для обеспечения релевантной посадочной страницы (Deep Linking).
5. Поддержка голосового поиска: Система разработана с учетом голосового поиска, где контекстуальные и последовательные (диалоговые) запросы встречаются чаще.

Практика

Best practices (это мы делаем)

Хотя патент ориентирован на рекламные системы, он предоставляет критически важные инсайты для SEO-стратегии относительно Query Understanding и технической архитектуры.

• Оптимизация под поисковые сессии (User Journeys): Проектируйте контент и структуру сайта с учетом того, как пользователи итеративно ищут и уточняют информацию. Обеспечьте легкий переход от общих тем к специфичным уточнениям, покрывая весь сценарий поиска.
• Оптимизация фасеточной навигации и фильтрации: Патент демонстрирует стремление Google понять запросы с атрибутами (размер, цвет, локация). Критически важно иметь хорошо структурированные, индексируемые страницы фильтров, отвечающие на эти уточненные, структурированные запросы.
• Внедрение ЧПУ для фильтров (Deep Linking Architecture): Архитектура сайта должна поддерживать прямые ссылки на страницы с конкретными комбинациями атрибутов. URL вида /category/brand/color/size/ предпочтительнее неинформативных параметров, так как они лучше соответствуют структурированному интенту.
• Использование структурированных данных (Schema.org): Применение разметки (Product, Place и т.д.) помогает Google понять атрибуты вашего контента, что коррелирует с тем, как Google формирует Content Identifiers в SSQ.
• Учет контекста пользователя (Supplemental Terms): Помните, что Google всегда учитывает местоположение, время и устройство. Убедитесь, что контент адаптирован под мобильные устройства и локальный контекст.

Worst practices (это делать не надо)

• Рассмотрение запросов изолированно: Оптимизация страниц только под отдельные ключевые слова без учета контекста сессии и возможных уточнений противоречит логике работы современных поисковых систем.
• Блокировка доступа к страницам уточнений: Закрытие от индексации полезных страниц фильтрации или реализация фильтров только через JavaScript без изменения URL лишает сайт возможности отвечать на структурированные интенты и поддерживать диплинкинг.
• Направление трафика на общие страницы: Использование общих целевых страниц для специфических запросов. Это противоречит цели патента по обеспечению максимальной релевантности пост-клика.

Стратегическое значение

Патент подтверждает стратегический приоритет Google на понимание контекста сессии и пути пользователя (User Journey). Он демонстрирует, как Google структурирует намерение, чтобы обеспечить релевантность не только в выдаче, но и на сайте издателя. Для SEO это означает, что долгосрочная стратегия должна фокусироваться на полном удовлетворении пользовательского сценария, а техническое SEO должно обеспечивать гибкость архитектуры для поддержки структурированных запросов и диплинкинга.

Практические примеры

Сценарий: Оптимизация E-commerce сайта (Фасетная навигация)

1. Наблюдение (User Journey): Пользователь ищет: Q1 – «Мужские джинсы», Q2 – «Levis», Q3 – «Синие размер 32».
2. Действие Google (согласно патенту): Google генерирует Structured Search Query: {категория: джинсы, пол: мужской, бренд: Levis, цвет: синий, размер: 32}.
3. SEO-задача: Обеспечить наличие индексируемой страницы, соответствующей этому SSQ, и возможность диплинкинга.
4. Реализация:
   • Внедрить фасетную навигацию с ЧПУ. Целевая страница должна иметь URL вида: /jeans/mens/levis/color-blue/size-32/.
   • Оптимизировать мета-теги и заголовки этой конкретной страницы фильтра.
   • Использовать разметку Product с указанием всех атрибутов.
5. Ожидаемый результат: Повышение релевантности сайта для уточненных запросов. При клике (из органики или рекламы) пользователь попадает сразу на страницу с нужными фильтрами, что улучшает UX и конверсию.

Вопросы и ответы