Как Google автоматически определяет неудовлетворенный интент и проактивно рекомендует новый контент (Основы Google Discover)

Описание

Какую задачу решает

Патент решает проблему неэффективности и неудобства ручной настройки поисковых оповещений (например, Google Alerts). Пользователи часто имеют долгосрочные интересы (continuing interests) или сталкиваются с ситуациями, когда их информационная потребность не была удовлетворена (unfulfilled information need), но они не создают оповещения вручную. Изобретение автоматизирует выявление таких ситуаций на основе анализа поведения пользователя и обеспечивает проактивную доставку нового релевантного контента.

Что запатентовано

Запатентована система автоматического генерирования персонализированных оповещений. Система анализирует данные об использовании Интернета пользователем (Internet usage data), включая историю запросов и поведение в рамках поисковых сессий, чтобы идентифицировать запросы, соответствующие неудовлетворенным потребностям. Эти запросы автоматически перезапускаются, и если обнаруживаются новые качественные результаты, система уведомляет пользователя.

Как это работает

Система работает в несколько этапов:

• Сбор данных и анализ сессий: Система собирает и группирует действия пользователя (запросы, клики, уточнения) в поисковые сессии (Query Sessions).
• Идентификация неудовлетворенности: Анализируются поведенческие сигналы. Превышение порогов по длительности сессии, количеству кликов или long clicks интерпретируется как признак неудовлетворенной потребности.
• Автоматический перезапуск: Идентифицированные запросы периодически перезапускаются системой автоматически.
• Оценка новых результатов: Новые результаты оцениваются по критериям новизны (пользователь их не видел) и качества (например, PR score – Popularity and Relevance Score).
• Оповещение: Ссылки на новые релевантные результаты отправляются пользователю (например, в ленту рекомендаций, такую как Google Discover).

Актуальность для SEO

Критически высокая. Хотя концепция была впервые подана в 2005 году, этот патент (выданный в 2019) описывает фундаментальные принципы работы современных проактивных систем рекомендаций, таких как Google Discover. Автоматическое определение интересов и удовлетворенности пользователя на основе его поведения является ключевым элементом современного поиска.

Важность для SEO

Патент имеет высокое стратегическое значение (8/10). Он не описывает алгоритмы глобального ранжирования, но детально раскрывает механизм, лежащий в основе персонализированной доставки контента (Google Discover). Он подтверждает, как Google анализирует поведенческие факторы (dwell time, pogo-sticking в рамках сессии) для оценки удовлетворенности пользователя. Для SEO это подчеркивает важность создания свежего, авторитетного контента, который полностью удовлетворяет интент, для получения трафика из рекомендательных систем.

Детальный разбор

Термины и определения

Continuing Interest (Постоянный/Долгосрочный интерес)

Запрос или тема, по которой пользователь заинтересован получать обновления. Система идентифицирует их автоматически.

Query Session (Поисковая сессия)

Все действия, связанные с исходным запросом, включая клики по результатам, просмотр следующих страниц выдачи и уточнения запроса (refinements).

Refinement (Уточнение)

Последующее действие пользователя в рамках сессии для сужения или изменения поиска. Включает изменение текста запроса, исправление орфографии или переход на следующую страницу результатов.

Long Clicks (Долгие клики)

Клик по результату с последующим просмотром страницы в течение значительного времени (аналог Dwell Time). Используется как индикатор интереса и для определения неудовлетворенности.

Internet Usage Data (Данные об использовании Интернета)

Собранная информация о действиях пользователя: запросы, клики, длительность сессий, просмотренные URL.

Interest Score (Оценка интереса)

Метрика, рассчитываемая для поисковой сессии (упоминается в описании патента), которая коррелирует с вероятностью того, что у пользователя сохраняется интерес к данной теме.

PR Score (Popularity and Relevance Score)

Оценка качества результата. Включает факторы релевантности запросу (например, TF-IDF, анкоры) и статические показатели популярности/авторитетности (например, PageRank).

Navigational Queries (Навигационные запросы)

Запросы для поиска конкретного веб-сайта. Обычно характеризуются одним кликом и отсутствием уточнений. Исключаются из анализа.

Unfulfilled Information Need (Неудовлетворенная информационная потребность)

Ситуация, когда пользователь не нашел искомую информацию. Выявляется по поведенческим признакам в рамках сессии.

Ключевые утверждения (Анализ Claims)

Анализ фокусируется на финальной версии патента (US10289712B2, 2019 год), где Claims сфокусированы на определении неудовлетворенной потребности.

Claim 1 (Независимый пункт): Описывает основной процесс с точки зрения пользовательского устройства (клиента).

1. Устройство отправляет запрос в поисковую систему.
2. Устройство получает первый набор результатов.
3. Устройство отправляет данные, которые указывают на то, что пользователь не нашел искомую информацию в первом наборе результатов (свидетельство Unfulfilled Information Need).
4. В ответ на последующую автоматическую вторую отправку того же запроса (выполненную системой позже), устройство получает обновленный набор результатов, содержащий новый результат.
5. Устройство отображает новый результат, исходный запрос и индикацию того, что результат является новым.

Ядром изобретения является автоматическое определение неудовлетворенной потребности на основе поведенческих данных и последующее автоматическое отслеживание новых результатов.

Claims 3, 5, 6 (Зависимые от 1): Уточняют, как именно определяется, что пользователь «не нашел» информацию. Это происходит, если поведенческие метрики превышают определенные пороги:

• Claim 3: Длительность поисковой сессии (duration of a search session) превышает порог.
• Claim 5: Количество выборов (кликов) в наборе результатов превышает порог.
• Claim 6: Количество результатов, просмотренных дольше определенного времени (long clicks), превышает порог.

Высокая активность (длинная сессия, много кликов) интерпретируется как признак того, что пользователь прилагал усилия, но не был удовлетворен.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, в основном связанных с анализом поведения пользователей и персонализацией.

INDEXING – Индексирование и извлечение признаков
На этом этапе рассчитываются статические метрики качества документов (часть PR Score, например, PageRank), которые позже используются для фильтрации новых результатов.

QUNDERSTANDING – Понимание Запросов (и Пользователей)
Основная часть работы происходит здесь (в офлайн-режиме или периодически). Система анализирует Internet Usage Data пользователя (логи запросов, клики, сессии), чтобы определить Unfulfilled Information Needs и Continuing Interests.

RANKING – Ранжирование
Система периодически перезапускает (reruns) идентифицированные запросы, используя стандартные механизмы ранжирования.

RERANKING / METASEARCH – Переранжирование / Метапоиск и Смешивание
Происходит фильтрация результатов перезапущенных запросов. Система сравнивает их с историей пользователя, чтобы найти новые результаты, и применяет критерии отбора (search result selection criteria). Затем эти результаты доставляются пользователю в виде оповещений или рекомендаций (например, в ленте Discover).

Входные данные:

• История поисковых запросов и данные о кликах (click data).
• Данные о поисковых сессиях (длительность, уточнения) и long clicks (dwell time).
• Текущий поисковый индекс и метрики качества документов (PR scores).

Выходные данные:

• Список ссылок на новые документы, релевантные прошлым запросам пользователя (персонализированные оповещения/рекомендации).

На что влияет

• Специфические запросы: Наибольшее влияние на информационные и исследовательские запросы, требующие глубокого изучения или мониторинга. Навигационные запросы исключаются.
• Типы контента: Влияет на любой тип контента, особенно на новый или недавно обновленный, который может удовлетворить постоянный интерес.
• Конкретные ниши: Влияет на динамичные ниши, где часто появляется новый контент (новости, технологии, хобби, сложные коммерческие или YMYL тематики).

Когда применяется

• Триггеры активации: Алгоритм активируется для запроса, если анализ поисковой сессии показывает признаки неудовлетворенной потребности (превышение порогов по длительности сессии, количеству кликов или long clicks, согласно Claims 3, 5, 6).
• Временные рамки: Перезапуск происходит автоматически: периодически (ежедневно, еженедельно) или при наступлении событий (например, вход пользователя в систему).

Пошаговый алгоритм

Фаза А: Идентификация неудовлетворенных потребностей (Офлайн или периодически)

1. Доступ к данным: Система получает доступ к Internet Usage Data пользователя.
2. Группировка в сессии: Запросы и связанные действия группируются в Query Sessions.
3. Анализ сессий и расчет метрик: Вычисляются длительность сессии, количество кликов, количество long clicks, количество уточнений.
4. Определение неудовлетворенной потребности: Система проверяет, превышают ли метрики сессии установленные пороги (согласно Claims 3, 5, 6).
5. Выбор запросов: Выбираются запросы из сессий, которые соответствуют критериям неудовлетворенности (и не являются навигационными). В описании патента также упоминается расчет Interest Score для оценки общего интереса.

Фаза Б: Генерация рекомендаций (Офлайн или периодически)

1. Перезапуск запросов: Система автоматически перезапускает выбранные запросы.
2. Фильтрация по новизне: Результаты сравниваются с историей пользователя. Отбираются только те URL (или домены), которые пользователь ранее не видел.
3. Фильтрация по качеству: К новым результатам применяются критерии отбора. Оценивается их ранг и PR Score. Рассчитывается Quality Score.
4. Выбор рекомендаций: Отбираются результаты, удовлетворяющие порогам качества.

Фаза В: Доставка оповещений

1. Отправка и отображение: Ссылки отправляются на клиентское устройство и отображаются пользователю с указанием исходного запроса для контекста.

Какие данные и как использует

Данные на входе

Патент в первую очередь опирается на поведенческие факторы для идентификации неудовлетворенности, а также на стандартные факторы ранжирования для оценки качества.

• Поведенческие факторы: Критически важны для определения Unfulfilled Information Need.
  • Тексты поисковых запросов и их уточнения (Refinements).
  • Данные о кликах (Click-Through Data).
  • Длительность просмотра страницы (Long Clicks / Dwell Time).
  • Длительность поисковой сессии (Session duration).
• Факторы ранжирования (Системные данные): Используются для оценки качества новых результатов.
  • Ранг документа в текущей выдаче.
  • PR Score (включает сигналы популярности, например PageRank, и сигналы релевантности запросу).

Какие метрики используются и как они считаются

• Критерии неудовлетворенной потребности (Claims): Используются пороговые значения. Триггер срабатывает, если: Длительность сессии > Порог T1 (Claim 3); ИЛИ Количество кликов > Порог N1 (Claim 5); ИЛИ Количество Long Clicks > Порог N2 (Claim 6).
• Quality Score (Оценка качества нового результата): Метрика для выбора наилучших новых результатов. Примеры формул из описания патента: A*(PR score) + B*(rank) или C*(PR score) + D*(1/rank), где A, B, C, D – константы.
• Interest Score (Оценка интереса): Упоминается в описании патента как агрегированная метрика для выбора запросов, представляющих постоянный интерес. Пример формулы: a*log(#clicks + #refinements) + b*log(#repetitions) + c*(history match score), где a, b, c – константы.

Выводы

1. Поведенческие данные как мера удовлетворенности: Патент явно определяет (Claims 3, 5, 6), как Google использует поведенческие метрики (длительность сессии, количество кликов, long clicks/dwell time) для оценки того, нашел ли пользователь ответ. Высокая активность интерпретируется как признак неудовлетворенной потребности.
2. Автоматизация на основе имплицитных сигналов: Google автоматически определяет неудовлетворенные потребности, анализируя обычное поисковое поведение, без необходимости явной подписки пользователя на оповещения.
3. Фундамент для Google Discover: Описанная технология является основой для современных персонализированных лент, которые проактивно предлагают контент на основе прошлой активности и выявленных потребностей.
4. Фокус на новизне и качестве: Чтобы быть рекомендованным, контент должен быть новым для пользователя (не просмотренным ранее) и иметь высокие показатели качества (PR Score, высокий ранг).
5. Анализ сессий важнее отдельных запросов: Для понимания намерений и удовлетворенности анализируется вся Query Session, а не изолированный запрос.

Практика

Best practices (это мы делаем)

• Фокус на полном удовлетворении интента: Создавайте контент, который исчерпывающе отвечает на запрос. Если пользователи вынуждены возвращаться к поиску и уточнять запрос (признаки неудовлетворенной потребности), Google может начать искать альтернативы вашему контенту для рекомендации в будущем.
• Оптимизация под Google Discover: Поскольку этот патент описывает механизмы, лежащие в основе персонализированных лент, следует применять лучшие практики для Discover: фокус на сущностях, высокое качество контента (E-E-A-T) и регулярные публикации.
• Непрерывное создание и обновление контента (Freshness): Поскольку система ищет «новые» результаты, регулярная публикация свежего контента по ключевым темам увеличивает шансы попасть в эти персонализированные оповещения.
• Построение авторитетности (E-E-A-T): Система использует PR Score (включая сигналы типа PageRank) для фильтрации новых результатов. Только качественные и авторитетные источники будут рекомендованы.
• Оптимизация вовлеченности (Dwell Time): Работайте над улучшением контента для стимулирования long clicks, так как это является ключевым сигналом, анализируемым в рамках сессии (Claim 6).

Worst practices (это делать не надо)

• Кликбейт и поверхностный контент (Pogo-sticking): Контент, который приводит к коротким кликам и возврату в поиск, генерирует сигналы неудовлетворенности. Это может стимулировать систему искать альтернативы вашему контенту.
• Прекращение работы над темой после публикации: Если сайт не обновляет информацию, он не сможет воспользоваться преимуществами этой системы, так как не будет «новых» результатов для рекомендации.
• Игнорирование качества сайта: Даже если контент новый и релевантный прошлому запросу, он не будет рекомендован, если его показатели качества (PR Score) низкие.

Стратегическое значение

Патент подтверждает стратегический сдвиг Google от реактивного поиска к проактивному и персонализированному ассистенту (Google Discover). Он демонстрирует, как поведенческие данные используются для понимания удовлетворенности пользователя и формирования его будущих информационных потоков. Для SEO это подчеркивает важность работы над качеством контента, E-E-A-T и сигналами удовлетворенности пользователей как основы для видимости в персонализированных сервисах.

Практические примеры

Сценарий: Рекомендация нового контента после неудовлетворенного поиска

1. Действие пользователя: Пользователь ищет «лучшие беззеркальные камеры для путешествий 2025». Он проводит долгую сессию (превышен порог длительности), кликает на 5 разных обзоров (превышен порог кликов) и уточняет запрос.
2. Анализ системы: Google интерпретирует это поведение как unfulfilled information need (согласно Claims 3 и 5). Запрос помечается для мониторинга.
3. Действие SEO/Контент-команды: Авторитетный сайт о фотографии через неделю публикует новый детальный обзор камер для путешествий.
4. Перезапуск и рекомендация: Система Google автоматически перезапускает запрос, обнаруживает новую статью (которая имеет высокий PR Score и ранг), определяет, что пользователь ее не видел.
5. Результат: Пользователь видит рекомендацию этой статьи в своей персонализированной ленте (Discover).

Вопросы и ответы