Как Google переносит авторитет и сигналы ранжирования с десктопной версии страницы на ее мобильный аналог

Описание

Какую задачу решает

Патент решает проблему точного ранжирования документов, предназначенных для мобильных устройств (mobile documents). Исторически мобильный веб был менее развит, чем десктопный: мобильные документы часто содержали меньше контента и имели значительно меньше обратных ссылок (back links). Это создавало дефицит данных для стандартных алгоритмов ранжирования (таких как PageRank), которые полагаются на ссылочную структуру для определения авторитетности и релевантности. Патент предлагает механизм для улучшения качества мобильного поиска в условиях этой нехватки сигналов.

Что запатентовано

Запатентована система для определения релевантности мобильного документа путем использования данных его десктопного аналога (non-mobile document). Система идентифицирует корреляцию (correlation) между мобильной и немобильной версиями страницы, проверяет схожесть их основного контента (substantive content) и, при выполнении условий, переносит индикаторы релевантности (например, рейтинг или back links) с десктопной версии на мобильную. Десктопная версия выступает в роли «рейтингового прокси».

Как это работает

Система работает в несколько этапов:

• Классификация: Документы анализируются для определения, являются ли они мобильными или немобильными (на основе формата, сложности, URL и т.д.).
• Корреляция: Система ищет соответствие между мобильным и немобильным документами. Это делается путем анализа схожести контента, перезаписи URL (например, удаление /mobile/ или замена .wml на .html), отслеживания HTTP-редиректов или анализа ссылок между документами.
• Оценка схожести: Вычисляется Similarity Score, отражающий уровень схожести основного контента.
• Перенос релевантности: Если Similarity Score превышает порог, система идентифицирует Relevance Score немобильного документа и присваивает мобильному документу оценку, основанную на этом значении. Мобильный документ может наследовать back links.
• Адаптивное применение: Система может уменьшать влияние унаследованной оценки, если мобильный документ набирает достаточную собственную популярность.

Актуальность для SEO

Высокая. Хотя патент имеет приоритет от 2005 года и предшествует Mobile-First Indexing (MFI), описанные в нем механизмы консолидации сигналов (signal consolidation) между разными версиями одного контента остаются фундаментальными. Принципы корреляции и необходимость паритета контента, заложенные здесь, лежат в основе того, как Google обрабатывает сайты с раздельными URL (m-dot) и динамическим показом, гарантируя, что авторитет не теряется при переходе между платформами.

Важность для SEO

Патент имеет критическое значение для технического SEO (9/10). Он подтверждает, что авторитет и ссылочный профиль канонической (часто десктопной) версии напрямую влияют на ранжирование мобильной версии. Это подчеркивает абсолютную необходимость обеспечения технически корректной связи между версиями и поддержания паритета контента, чтобы гарантировать полный перенос сигналов ранжирования. Стратегии линкбилдинга для основного домена напрямую усиливают мобильную выдачу.

Детальный разбор

Термины и определения

Mobile Document (Мобильный документ)

Первый документ. Документ, предназначенный или оптимизированный для отображения на мобильных устройствах. Может определяться по формату (например, WML), расширению файла, пути в URL (например, /mobile/) или простоте контента.

Non-Mobile Document (Немобильный документ)

Второй документ. Стандартный (десктопный) документ, который обычно более сложен и имеет больше контента и входящих ссылок, чем его мобильная версия.

Correlation / Correspondence (Корреляция / Соответствие)

Взаимосвязь между двумя разными документами (мобильным и немобильным), которые система идентифицирует как версии одного и того же контента.

Substantive Content (Основной контент)

Ключевая содержательная часть документа, исключая графические материалы, рекламу, навигацию или другие элементы, не влияющие на суть документа.

Similarity Score (Оценка схожести)

Числовое значение, отражающее уровень схожести (level of similarity) между substantive content мобильного и немобильного документов.

Relevance Indicator / Relevance Score (Индикатор релевантности / Оценка релевантности)

Метрика, используемая для ранжирования документа. Может основываться на back links. В патенте это значение, которое мобильный документ наследует от немобильного.

Back Link Information (Информация об обратных ссылках)

Данные о документах, ссылающихся на анализируемый документ (например, для расчета PageRank или анализа анкоров).

Correlating Engine (Механизм корреляции)

Компонент системы, отвечающий за идентификацию соответствий между документами путем анализа контента, URL, редиректов и других сигналов.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс использования корреляции и схожести контента для переноса оценок ранжирования.

1. Система идентифицирует первый документ (Doc 1) и второй документ (Doc 2), которые отличаются друг от друга.
2. Определяется уровень схожести между substantive content Doc 1 и Doc 2.
3. Присваивается Similarity Score этому отношению.
4. Система получает поисковый запрос и идентифицирует Doc 1 как релевантный ответ.
5. Проверяется, удовлетворяет ли Similarity Score между Doc 1 и Doc 2 предустановленному порогу (predetermined level of similarity).
6. Если ДА, идентифицируется Relevance Score, присвоенный Doc 2.
7. Doc 1 присваивается Relevance Score, основанный на Relevance Score Doc 2.
8. Документы ранжируются с использованием этих оценок (включая унаследованную оценку для Doc 1) и предоставляются пользователю.

Ядром изобретения является условное использование сигналов ранжирования одного документа для ранжирования другого, при условии, что их основной контент достаточно схож.

Claim 4 (Зависимый от 1): Уточняет контекст применения.

Процесс применяется, когда Doc 2 (второй документ) создан для отображения на немобильном устройстве, а Doc 1 (первый документ) является версией Doc 2, созданной для отображения на мобильном устройстве.

Claim 7 (Зависимый от 1): Уточняет природу наследуемых сигналов.

Присвоение оценки Doc 1 на основе оценки Doc 2 включает определение оценки для Doc 1 на основе количества ссылок (number of links) на Doc 2, найденных в других документах. Это прямое указание на наследование ссылочного веса (например, PageRank).

Claim 3 (Зависимый от 1): Описывает один из методов установления корреляции.

Соответствие между Doc 1 и Doc 2 может быть установлено, если запрос Doc 2 через интернет перенаправляет (redirects) на Doc 1. Редиректы являются сильным сигналом корреляции.

Claim 8 (Зависимый от 1): Описывает динамическое и адаптивное использование унаследованной оценки.

Присвоение оценки включает взвешивание использования оценки Doc 2 на основе популярности Doc 1 (измеряемой количеством пользовательских выборов – user selections). Использование оценки Doc 2 уменьшается по мере роста популярности Doc 1. Система предпочитает нативные сигналы мобильной страницы, если они становятся достаточно сильными.

Где и как применяется

Изобретение применяется на нескольких ключевых этапах поисковой архитектуры для обеспечения консолидации сигналов между разными версиями контента.

CRAWLING – Сканирование и Сбор данных
Краулеры (включая мобильные агенты) обнаруживают обе версии документов. Они также фиксируют HTTP-перенаправления при сканировании с разными User-Agent, что является одним из методов корреляции (Claim 3).

INDEXING – Индексирование и извлечение признаков
Это основной этап применения патента (Indexing phase).

1. Классификация: Документы классифицируются как мобильные или немобильные.
2. Расчет нативных оценок: Вычисляются исходные Relevance Scores и собираются данные о популярности для обеих версий.
3. Корреляция: Correlating Engine анализирует данные для поиска пар. Используются методы: парсинг и перезапись URL (URL parser), анализ редиректов, анализ контента.
4. Вычисление Similarity Score: Система определяет схожесть substantive content.
5. Наследование и Присвоение Оценок: Если корреляция установлена и Similarity Score высок, система принимает решение о наследовании сигналов. Она оценивает популярность мобильной версии (Claim 8), чтобы определить вес унаследованной оценки от немобильной версии.

RANKING – Ранжирование
Во время выполнения запроса (Serving phase) система извлекает оценки для релевантных документов. Для мобильного документа используется та оценка (нативная или унаследованная), которая была определена на этапе индексирования.

Входные данные:

• Содержимое мобильных и немобильных документов.
• URL, пути, расширения файлов, Doctype.
• Данные об HTTP-перенаправлениях.
• Back link information (ссылки, анкоры) для обеих версий.
• Данные о популярности (user selections) мобильной версии.

Выходные данные:

• Записи о корреляции между документами и их Similarity Scores.
• Индексированные мобильные документы с присвоенными Relevance Scores (нативными, унаследованными или взвешенными).

На что влияет

• Конфигурации сайтов: Наибольшее влияние оказывается на сайты, использующие отдельные URL для мобильных версий (например, m.domain.com) или динамический показ (Dynamic Serving), где контент значительно различается в зависимости от устройства.
• Адаптивный дизайн: Меньшее прямое влияние на адаптивный дизайн (Responsive Design), где URL и контент идентичны, так как корреляция не требуется.
• Все типы запросов: Влияет на ранжирование в мобильной выдаче по всем типам запросов.

Когда применяется

• Триггеры активации: Механизм наследования активируется при выполнении двух условий:
  1. Корреляция: Система должна идентифицировать немобильный документ, соответствующий мобильному.
  2. Схожесть: Similarity Score между substantive content документов должен превышать заданный порог (predetermined level of similarity).
• Условия использования прокси (Адаптивность): Унаследованная оценка используется преимущественно тогда, когда мобильный документ сам по себе не имеет достаточной популярности (Claim 8). Если мобильный документ популярен, система может уменьшить влияние прокси-оценки.

Пошаговый алгоритм

Процесс А: Индексирование и Корреляция (Офлайн/Препроцессинг)

1. Обнаружение и Классификация: Краулер находит документ, система определяет его тип (мобильный/немобильный).
2. Нативная оценка: Вычисляется исходный Relevance Score и популярность документа на основе его собственных сигналов.
3. Поиск корреляции: Correlating Engine ищет соответствующий документ противоположного типа. Методы включают:
   • Парсинг и перезапись URL (удаление /mobile/, замена .wml на .html, замена wap. на www.).
   • Анализ HTTP-перенаправлений.
   • Анализ ссылок между документами.
4. Валидация корреляции (Анализ контента): Если кандидат найден, система извлекает substantive content обоих документов.
5. Вычисление Similarity Score: Рассчитывается степень схожести основного контента.
6. Принятие решения о наследовании: Если Similarity Score превышает порог:
   • Система оценивает популярность мобильного документа (user selections).
   • Определяется вес наследования Relevance Score или Back link information от немобильной версии. Чем ниже собственная популярность, тем выше вес наследования.
7. Сохранение данных: Корреляция, Similarity Score и итоговая оценка сохраняются в индексе.

Процесс Б: Обработка запроса (Онлайн)

1. Получение запроса: Система получает запрос от пользователя.
2. Идентификация совпадений: Определяются релевантные документы.
3. Извлечение оценок: Для мобильных документов извлекается присвоенная оценка (которая может быть основана на немобильной версии).
4. Ранжирование: Документы сортируются на основе извлеченных оценок.
5. Отображение результатов: Результаты отправляются пользователю.

Какие данные и как использует

Данные на входе

• Технические факторы:
  • URL-структура и пути: Анализируются для поиска корреляций путем перезаписи (например, наличие /mobile/, /imode/, m., wap.).
  • Расширения файлов и Doctype: Используются для классификации (например, .wml vs .html).
  • HTTP-перенаправления: Используются как сильный сигнал корреляции (Claim 3).
  • DNS/IP адреса: Упоминаются в описании как способ поиска корреляций на аффилированных доменах.
• Контентные факторы:
  • Substantive Content: Основное содержание обоих документов. Критически важно для расчета Similarity Score. Система должна уметь отделять его от шаблонов и рекламы.
• Ссылочные факторы:
  • Back link information: Данные о ссылках на немобильный документ. Это основа для наследуемой авторитетности и релевантности (Claim 7).
  • Внутренние ссылки: Ссылки между мобильной и немобильной версиями (могут использоваться для обнаружения корреляции).
• Поведенческие факторы:
  • User selections: Количество выборов пользователя для мобильного документа. Используется как мера популярности для адаптивного взвешивания унаследованных сигналов (Claim 8).

Какие метрики используются и как они считаются

• Similarity Score: Метрика схожести контента. Рассчитывается путем сравнения substantive content. Используется для валидации корреляции.
• Relevance Score (Унаследованная): Оценка немобильного документа, используемая как прокси. Основана на Back link information (например, PageRank).
• Порог схожести (Predetermined level of similarity): Пороговое значение для Similarity Score, необходимое для активации наследования.
• Вес прокси-оценки: Динамический коэффициент, зависящий от популярности (user selections) мобильного документа. Чем выше популярность мобильной версии, тем ниже вес унаследованной оценки (Claim 8).

Выводы

1. Консолидация сигналов является фундаментальным механизмом: Google активно ищет способы связать разные версии одного и того же контента (мобильную и десктопную), чтобы рассматривать их как единое целое для целей ранжирования, объединяя сигналы авторитетности.
2. Паритет контента критичен для наследования: Наследование сигналов релевантности напрямую зависит от Similarity Score основного содержания (substantive content). Мобильные версии, из которых удален ключевой контент, не смогут воспользоваться авторитетом десктопной версии.
3. Авторитет десктопной версии переносится на мобильную: Патент явно описывает механизм, при котором Back link information (ссылки, авторитет, PageRank) десктопной страницы используется для ранжирования ее мобильного аналога (Claim 7).
4. Множество способов идентификации корреляции: Система использует комбинацию анализа контента, шаблонов URL, HTTP-перенаправлений (Claim 3) и структуры сайта для установления связи между версиями.
5. Адаптивное использование сигналов (Dynamic Proxying): Система адаптивна. Она использует десктопную версию как прокси, но если мобильная версия набирает собственные сигналы популярности (user selections), влияние прокси снижается (Claim 8).

Практика

Best practices (это мы делаем)

• Обеспечение полного паритета контента (Content Parity): Гарантируйте, что substantive content (основной текст, ключевые изображения, структурированные данные) полностью совпадает между мобильной и десктопной версиями. Это критично для достижения высокого Similarity Score и обеспечения консолидации сигналов.
• Правильная техническая конфигурация для корреляции: Для сайтов с раздельными URL (m-dot) необходимо обеспечить четкие сигналы для Correlating Engine:
  • Использование логичных и параллельных шаблонов URL.
  • Настройка корректных постраничных HTTP-перенаправлений на основе User-Agent.
  • Использование атрибутов rel=alternate (на десктопе) и rel=canonical (на мобильной версии) для явного указания связи.
• Усиление авторитета канонической версии: Поскольку сигналы наследуются, стратегия линкбилдинга должна фокусироваться на канонических URL. Эти усилия напрямую влияют на ранжирование мобильной версии благодаря механизму наследования (Claim 7).
• Мониторинг индексации и каноникализации: Убедитесь, что обе версии сканируются, и что система Google правильно идентифицировала связь между ними (проверка канонических URL, выбранных Google, в GSC).

Worst practices (это делать не надо)

• Урезание контента на мобильной версии: Удаление основного текста или функционала на мобильной версии. Это снижает Similarity Score и препятствует наследованию сигналов ранжирования.
• Разделение сигналов из-за ошибок конфигурации: Неправильные редиректы (например, все на главную) или отсутствие связи между версиями. Это заставляет Google рассматривать их как отдельные, менее авторитетные документы.
• Непоследовательная структура URL: Использование сложной или нелогичной структуры URL на мобильном сайте, которая не соответствует десктопной. Это затрудняет алгоритмическую корреляцию методом анализа URL.
• Блокировка сканирования: Если любая из версий (или ключевые ресурсы, такие как CSS/JS) недоступна для сканирования, система не сможет корректно оценить контент и установить корреляцию.

Стратегическое значение

Этот патент объясняет техническую основу консолидации сигналов в Google. Он подтверждает, что паритет контента является критическим требованием, особенно важным при переходе к Mobile-First Indexing. Стратегия должна быть направлена на создание унифицированного контента и обеспечение максимальной консолидации сигналов ранжирования, независимо от технической реализации (m-dot, динамический показ или адаптивный дизайн). Построение сильного бренда и ссылочного профиля является универсальной задачей, результаты которой распространяются на все платформы.

Практические примеры

Сценарий: Консолидация сигналов для сайта с раздельными URL (M-dot)

Сайт электронной коммерции имеет десктопную версию www.shop.com/product-1 и мобильную версию m.shop.com/product-1. Десктопная версия имеет 100 качественных бэклинков, мобильная — 2.

1. Задача: Убедиться, что мобильная страница наследует авторитет десктопной.
2. Действия (согласно патенту):
   • Паритет контента: Убедиться, что описание продукта и отзывы идентичны на обеих страницах (для высокого Similarity Score).
   • Конфигурация: Настроить автоматическое перенаправление мобильных пользователей на m-dot (сигнал корреляции по Claim 3) и использовать параллельную структуру URL.
3. Результат: Google анализирует страницы, определяет высокую схожесть контента и идентифицирует корреляцию. Поскольку собственная популярность мобильной версии низкая, система применяет Claim 7: мобильная страница m.shop.com/product-1 наследует Back link information от www.shop.com/product-1 и получает соответствующий высокий Relevance Score в мобильной выдаче.

Вопросы и ответы