Как Google использует данные датчиков смартфона для определения физической активности пользователя и адаптации поисковой выдачи в реальном времени

Описание

Какую задачу решает

Патент решает проблему предоставления контекстуально релевантных результатов поиска и вариантов запросов, когда пользователь находится в движении или занят определенной физической активностью. Стандартный поиск часто не учитывает реальный контекст пользователя (например, едет ли он на машине или идет пешком), что может приводить к нерелевантным или непрактичным результатам. Изобретение улучшает поиск за счет интеграции данных о физической активности пользователя в реальном времени для адаптации SERP.

Что запатентовано

Запатентована система, которая определяет текущую активность пользователя (User Activity), в частности, способ передвижения (Mode of Transportation), используя данные датчиков (Sensor Readings) с его устройства (например, GPS, акселерометр). На основе этой активности система адаптирует поисковый интерфейс в реальном времени. Это включает ранжирование вариантов автозаполнения (Query Suggestions) для частичных запросов и модификацию полных запросов (Query Modification) путем добавления терминов, связанных с активностью, для повышения контекстуальной релевантности результатов.

Как это работает

Система работает в несколько этапов:

• Определение активности: Location Recognition Engine анализирует данные датчиков (GPS для определения скорости и местоположения, акселерометр для определения характера движения) за период времени, чтобы определить активность пользователя (например, ходьба, езда в автобусе).
• Обработка запроса: Пользователь вводит частичный или полный запрос.
• Адаптация (Query Suggestions): Если запрос частичный, система ранжирует варианты автозаполнения, повышая те, которые содержат термины или связаны с сущностями (Entities), ассоциированными с текущей активностью.
• Адаптация (Query Modification): Если запрос полный, система может идентифицировать термины, связанные с активностью, и добавить их к запросу, прежде чем выполнить поиск.
• Предоставление результатов: Пользователь получает контекстуально адаптированные предложения или результаты поиска.

Актуальность для SEO

Высокая. Мобильный поиск и контекстуальная релевантность являются ключевыми направлениями развития Google. Использование данных с устройств пользователей для понимания их реального контекста и намерений (особенно в локальном поиске и Google Maps) активно применяется и развивается. Этот патент описывает фундаментальные механизмы такой адаптации.

Важность для SEO

Патент имеет высокое значение для SEO, особенно в мобильном (Mobile SEO) и локальном (Local SEO) сегментах. Он демонстрирует, что релевантность может сильно зависеть от физического контекста пользователя в момент запроса. SEO-специалистам необходимо учитывать не только ЧТО ищет пользователь, но и ГДЕ и КАК он это делает (идет пешком, едет за рулем). Это требует глубокого понимания связи сущностей с видами активности и оптимизации под контекстуальные, часто неявные, интенты.

Детальный разбор

Термины и определения

User Activity (Активность пользователя)

Действия, которыми занят пользователь, определенные на основе данных датчиков. Включает Mode of Transportation (способ передвижения) или цель (например, шопинг).

Mode of Transportation (Способ передвижения)

Конкретный вид физической активности, связанный с перемещением: ходьба, бег, езда на велосипеде, в машине, автобусе, поезде и т.д.

Sensor Readings (Показания датчиков)

Данные, получаемые с датчиков устройства пользователя. В патенте упоминаются GPS (для определения местоположения и скорости) и акселерометр (для определения силы и частоты движений).

Location Recognition Engine

Компонент системы, отвечающий за идентификацию местоположения пользователя и определение его активности на основе Sensor Readings.

Partial Query (Частичный запрос)

Запрос, введенный пользователем до того, как он указал на его завершенность (например, нажал Enter).

Query Suggestions (Варианты запросов / Автозаполнение)

Предлагаемые варианты завершения Partial Query. Ранжируются и предоставляются пользователю для выбора.

Query Modification (Модификация запроса)

Процесс изменения завершенного запроса пользователя путем добавления терминов, связанных с его текущей активностью, для повышения релевантности результатов.

Entity (Сущность)

Определяемый объект или концепция (человек, место, вещь). Система использует связи между сущностями, активностями, запросами и документами для адаптации поиска.

Activity Suggestion Engine

Компонент, который предлагает пользователю действия (например, посетить магазин) на основе его текущей или прошлой активности. (Хотя это описано в патенте, финальные Claims фокусируются на поиске).

Ключевые утверждения (Анализ Claims)

Патент содержит два ключевых независимых пункта, описывающих разные сценарии адаптации поиска.

Claim 1 (Независимый пункт): Адаптация вариантов автозаполнения (Query Suggestions).

1. Система определяет текущую активность пользователя (конкретный Mode of Transportation) на основе анализа Sensor Readings за период времени.
2. Система получает Partial Query, введенный пользователем.
3. В ответ на Partial Query и пока пользователь занят активностью:
   1. Идентифицируются кандидаты Query Suggestions.
   2. Они ранжируются на основе определенной активности. Механизм ранжирования: проверяется, присутствуют ли в варианте запроса термины, ассоциированные с текущей активностью (в базе данных). Если да, ранг этого варианта повышается (boosting).
   3. Выбирается группа лучших вариантов.
   4. Эта группа предоставляется пользователю для выбора.

Claim 9 (Независимый пункт): Модификация завершенного запроса (Query Modification).

1. Система определяет текущую активность пользователя (Mode of Transportation) на основе Sensor Readings.
2. Система получает завершенный поисковый запрос.
3. Запрос модифицируется на основе активности:
   1. Идентифицируются термины, связанные с активностью.
   2. Эти термины добавляются к запросу, создавая Modified Query.
4. Modified Query отправляется в поисковую систему вместо оригинального запроса.
5. Идентифицируются результаты для Modified Query.
6. Эти результаты предоставляются пользователю, пока он занят активностью.

Claim 10 (Зависимый от 9): Механизм модификации запроса.

Идентификация терминов для модификации происходит путем нахождения сущности (Entity), которая связана как с определенной активностью, так и с введенным запросом. Затем используется псевдоним (alias) этой сущности в качестве термина для добавления.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, интегрируя данные о реальном мире с обработкой запросов.

INDEXING – Индексирование и извлечение признаков
Система полагается на предварительно вычисленные данные, хранящиеся в Content Database. Это включает:

• Ассоциации между активностями и сущностями/терминами (например, Активность=»Езда на автобусе» связана с Сущностью=»Автобус»).
• Ассоциации между запросами и сущностями (Query-Entity mapping).
• Ассоциации между документами и сущностями (Document-Entity mapping).

QUNDERSTANDING – Понимание Запросов
Это основной этап применения патента. Система работает в реальном времени для интерпретации намерений пользователя с учетом его физического контекста.

• Определение контекста: Location Recognition Engine определяет User Activity в реальном времени.
• Обработка Partial Query: Система генерирует и ранжирует Query Suggestions, используя User Activity как ключевой сигнал ранжирования (Claim 1).
• Обработка Completed Query: Система выполняет Query Modification, переписывая запрос на основе User Activity (Claim 9).

RANKING – Ранжирование
На этом этапе система ищет результаты для запроса (оригинального или модифицированного). Если запрос был модифицирован, то ранжирование естественно смещается в сторону добавленных терминов. В описании патента (не в Claims) также упоминается возможность прямого бустинга результатов, связанных с активностью, даже без модификации запроса.

Входные данные:

• Sensor Readings (GPS, Акселерометр).
• Ввод пользователя (Partial Query или Completed Query).
• Базы данных ассоциаций (Entity/Term mappings).

Выходные данные:

• Ранжированный список Query Suggestions.
• ИЛИ Modified Query.
• ИЛИ Ранжированный список результатов поиска, адаптированных к контексту.

На что влияет

• Мобильный поиск (Mobile SEO): Наибольшее влияние, так как определение активности основано на датчиках мобильных устройств.
• Локальный поиск (Local SEO): Активность (например, ходьба или вождение) критически влияет на локальные интенты и релевантность результатов (например, расстояние до объекта).
• Типы запросов: Влияет на запросы с неявным интентом (например, «кофе», «маршруты», «ботинки»), где контекст активности помогает уточнить намерение.
• Ниши: Ритейл, рестораны, туризм, транспорт, спорттовары – везде, где активность пользователя влияет на его потребности.

Когда применяется

• Условия работы: Алгоритм работает в реальном времени (real-time), пока пользователь занят определенной активностью.
• Триггеры активации: Наличие достаточных Sensor Readings для уверенного определения User Activity и ввод пользователем поискового запроса (частичного или полного).
• Технические особенности: Определение активности требует анализа данных за период времени (сравнение показаний датчиков в разные моменты времени), а не только в текущий момент.

Пошаговый алгоритм

Процесс А: Определение активности (постоянный фоновый процесс)

1. Сбор данных: Получение Sensor Readings (GPS, акселерометр) с устройства пользователя в разные моменты времени (T1, T2…).
2. Анализ перемещения: Расчет скорости и маршрута на основе GPS данных (расстояние между точками / время).
3. Анализ движения: Анализ данных акселерометра (сила, частота движений) для выявления паттернов (плавное движение, тряска, циклические движения ног).
4. Классификация активности: Сопоставление данных о скорости, маршруте (например, совпадение с автобусным маршрутом) и характере движения для определения Mode of Transportation (ходьба, бег, велосипед, машина, автобус).
5. Определение уверенности: Расчет Confidence Level для определенной активности.

Процесс Б: Обработка частичного запроса (Claim 1)

1. Получение ввода: Система получает Partial Query.
2. Получение контекста: Система получает текущую User Activity из Процесса А.
3. Генерация кандидатов: Идентификация стандартных Query Suggestions для данного Partial Query.
4. Ранжирование на основе активности:
   1. Для каждого кандидата проверяется наличие терминов, ассоциированных с User Activity.
   2. ИЛИ проверяется связь кандидата с сущностями (Entities), ассоциированными с User Activity.
   3. Кандидаты, имеющие такие связи, получают повышение (Boost) в ранжировании.
5. Выбор и предоставление: Лучшие варианты предоставляются пользователю.

Процесс В: Обработка завершенного запроса (Claim 9)

1. Получение ввода: Система получает завершенный запрос.
2. Получение контекста: Система получает текущую User Activity.
3. Идентификация терминов для модификации:
   1. Поиск сущности (Entity), которая связана и с запросом, и с активностью (Claim 10).
   2. Выбор псевдонима (alias) этой сущности в качестве термина.
4. Модификация запроса: Добавление выбранного термина к запросу для создания Modified Query.
5. Выполнение поиска: Поиск выполняется по Modified Query.
6. Предоставление результатов: Результаты для Modified Query возвращаются пользователю.

Какие данные и как использует

Данные на входе

• Пользовательские и Географические факторы (Real-World Context): Это ключевые данные патента.
  • GPS данные: Местоположение, скорость перемещения, маршрут.
  • Данные акселерометра: Характер движения (сила, частота).
  • Временные данные: Время нахождения в локациях, время перемещения между ними.
• Поведенческие факторы:
  • Введенный пользователем запрос (Partial Query или Completed Query).
• Системные данные (Базы знаний):
  • Content Database с ассоциациями сущностей (Entity Mappings): связи между активностями, терминами, запросами и сущностями.
  • Данные о локациях (например, типы мест: автобусная остановка, магазин, ресторан).

Какие метрики используются и как они считаются

• Скорость перемещения: Рассчитывается как расстояние между двумя точками GPS / время, затраченное на перемещение. Используется для определения Mode of Transportation.
• Confidence Level (Уровень уверенности): Вероятностная оценка того, что пользователь действительно занят определенной активностью. Рассчитывается на основе комбинации сигналов (скорость, данные акселерометра, типы локаций).
• Ассоциация Активность-Термин/Сущность: Предварительно рассчитанная сила связи между видом активности и связанными с ней терминами или сущностями. Используется для бустинга Query Suggestions.
• Ассоциация Запрос-Сущность: Предварительно рассчитанная связь между запросом и сущностью. Используется для Query Modification.

Выводы

1. Физический контекст как прямой сигнал ранжирования: Google может использовать данные о реальной физической активности пользователя (как он передвигается) как прямой сигнал для изменения результатов поиска и предложений автозаполнения в реальном времени. Это выходит за рамки простого учета местоположения.
2. Контекстуальное переписывание запросов: Система может активно изменять запрос пользователя (Query Modification), если считает, что это улучшит релевантность с учетом текущей активности. Например, запрос «маршруты» может быть переписан в «автобусные маршруты», если пользователь едет в автобусе.
3. Адаптация автозаполнения (Query Suggestions): Варианты автозаполнения сильно зависят от контекста. Система повышает предложения, которые связаны с текущей активностью, делая поиск более предиктивным.
4. Зависимость от сущностей (Entities): Механизмы адаптации полагаются на Граф Знаний и понимание связей между сущностями, активностями и запросами. Query Modification явно использует механизм поиска общей сущности между запросом и активностью.
5. Важность данных датчиков: Патент подчеркивает техническую возможность использования комбинации GPS и акселерометра для точного определения способа передвижения, что является основой для всех описанных адаптаций.

Практика

Best practices (это мы делаем)

• Оптимизация под локальные и мобильные интенты: Учитывайте контекст мобильного пользователя. Создавайте контент, отвечающий на запросы, которые могут возникнуть во время различных активностей (ходьба, вождение, поездка на транспорте). Например, для ресторана оптимизируйте под запросы типа «где поесть рядом [пешком]» и «ресторан по пути [на машине]».
• Укрепление связи сущностей с активностями: Убедитесь, что ваши услуги или продукты четко ассоциированы с релевантными видами активности. Если вы продаете походное снаряжение, ваша сущность должна быть тесно связана с сущностями «поход» (hiking), «кемпинг», «туризм». Это увеличит вероятность бустинга ваших Query Suggestions и результатов, когда пользователь занят этой активностью.
• Анализ контекстуальных Query Suggestions: Изучайте варианты автозаполнения на мобильных устройствах в разных физических контекстах (в офисе, в дороге, в торговом центре), чтобы понять, как Google интерпретирует активность и какие интенты считает приоритетными.
• Микро-моменты и контент: Разрабатывайте контент для микро-моментов («Хочу знать», «Хочу пойти», «Хочу купить»), которые возникают у пользователей во время движения. Контент должен быть легко потребляемым на ходу (быстрая загрузка, четкая структура).

Worst practices (это делать не надо)

• Игнорирование мобильного контекста: Разработка SEO-стратегии исключительно на основе десктопного поиска. Этот патент показывает, что выдача на мобильном устройстве может кардинально отличаться из-за учета физической активности.
• Фокус только на общих ключевых словах: Попытка ранжироваться по общим запросам без учета контекста может быть неэффективной. Например, ранжирование по запросу «ботинки» будет сложнее, если система определила, что пользователь бегает и ищет кроссовки, даже если он ввел общий запрос.
• Слабая проработка локальных сигналов: Недостаточное внимание к точности и полноте данных в Google Business Profile. Если система не может четко идентифицировать вашу локацию и ее тип, она не сможет связать ее с активностью пользователя.

Стратегическое значение

Этот патент подтверждает стратегию Google по переходу от «поиска» к «помощнику» (Google Assistant). Поисковая система стремится не просто отвечать на введенные слова, а понимать реальную ситуацию пользователя и предоставлять наиболее полезную информацию в данный момент. Для SEO это означает, что понимание контекста и интента становится сложнее и требует анализа не только семантики, но и реальных сценариев использования продукта или услуги. Долгосрочная стратегия должна фокусироваться на построении сильных сущностей, четко связанных с потребностями пользователей в различных ситуациях.

Практические примеры

Сценарий 1: Адаптация Query Suggestions для туриста

1. Действие пользователя: Турист идет пешком по центру города (Активность = Ходьба/Туризм). Он достает телефон и начинает вводить в поиск «лучшие м».
2. Стандартный автозаполнитель: Может предложить «лучшие машины», «лучшие фильмы».
3. Адаптация по патенту: Система определила активность (ходьба) и локацию (туристический центр). Она повышает Query Suggestions, связанные с этими данными: «лучшие музеи рядом», «лучшие места для фото».
4. SEO-действие: Музеям необходимо убедиться, что их сущность связана с туризмом и локацией, и что они оптимизированы под запросы, включающие «лучшие» + их тип.

Сценарий 2: Query Modification для пассажира автобуса

1. Действие пользователя: Человек едет в автобусе (Активность = Поездка на автобусе). Он вводит полный запрос «расписание 10».
2. Стандартный поиск: Может выдать расписание фильмов на 10 часов, или что-то нерелевантное.
3. Адаптация по патенту (Claim 9): Система определяет активность (автобус). Она находит общую сущность между запросом «расписание 10» и активностью (например, сущность «Общественный транспорт»). Она модифицирует запрос в «расписание автобуса 10».
4. Результат: Пользователь получает расписание нужного автобусного маршрута.

Вопросы и ответы