Как Google анализирует реальные пути переходов пользователей и контекст вокруг ссылок для генерации и взвешивания ключевых слов

Описание

Какую задачу решает

Патент решает проблему неэффективности и уязвимости традиционных методов генерации ключевых слов для систем выбора контента (рекламы). Традиционный анализ, основанный только на анкорах (anchors-only technique), уязвим для манипуляций, таких как link farming, и страдает от проблемы устаревших ссылок (stale links). Изобретение направлено на повышение релевантности ключевых слов за счет анализа реального поведения пользователей и контекста, окружающего ссылки, которые фактически генерируют трафик.

Что запатентовано

Запатентована система параметризации сетевых коммуникационных путей (network communication paths) для генерации взвешенных ключевых слов. Система анализирует реальные переходы пользователей со страницы-источника (anchor page) на целевую страницу (landing page). Ключевым словам, извлеченным со страницы-источника, присваивается вес (scalar value) на основе характеристик этого пути и расположения слов на странице.

Как это работает

Система работает следующим образом:

• Идентификация пути: Отслеживается переход пользователя со страницы-источника на целевую страницу через гиперссылку.
• Анализ источника: Страница-источник сканируется (scrape) для извлечения ключевых слов.
• Взвешивание ключевых слов: Каждому ключевому слову присваивается вес на основе комбинации факторов:
• Proximity: Близость ключевого слова к ссылке, по которой был совершен переход.
• Network Activity Value: Ценность действий пользователя (например, конверсии), связанных с этим переходом.
• Referral Ratio/Rate: Объем или доля реферального трафика по данному пути по сравнению с другими источниками.
• Выбор контента: Ключевые слова с наибольшим весом используются как входные данные для online content selection process (например, рекламного аукциона).

Актуальность для SEO

Средняя. Хотя патент направлен в первую очередь на рекламные технологии (AdTech) и оптимизацию выбора контента, описанные в нем технологии контекстуального анализа ссылок (включая рендеринг для определения близости) и учета реального трафика для противодействия манипуляциям остаются крайне актуальными для понимания общих принципов работы систем Google в 2025 году.

Важность для SEO

Влияние на SEO опосредованное (6/10). Патент не описывает алгоритмы ранжирования органической выдачи. Однако он имеет критическое стратегическое значение, так как подтверждает техническую способность и философию Google использовать анализ контекста вокруг ссылок (proximity) и данные о реальном поведении пользователей (network communication paths, referral rate) для оценки значимости связей между страницами. Это подчеркивает важность получения ссылок, которые расположены в релевантном контексте и реально приводят заинтересованный трафик.

Детальный разбор

Термины и определения

Anchor Page / Source Webpage (Страница-источник, анкорная страница)

Веб-страница, содержащая гиперссылку, по которой пользователь переходит на целевую страницу. Источник реферального трафика.

Content Item (Элемент контента)

Элемент на странице, который может содержать гиперссылку, ИЛИ элемент, выбираемый системой для показа пользователю (например, реклама).

Daisy Chain (Цепочка переходов)

Многоступенчатый путь навигации пользователя (например, Страница C -> Страница B -> Страница A).

Destination Webpage / Landing Page (Целевая страница)

Веб-страница, на которую попадает пользователь после клика по гиперссылке на странице-источнике.

Network Activity Value (Значение сетевой активности)

Метрика ценности. Основана на взаимодействии с ключевым словом на странице-источнике (согласно Claim 1) и, в более широком контексте, ценности действий пользователя на целевой странице (например, конверсии) в результате перехода.

Network Communication Path (Сетевой коммуникационный путь)

Путь, пройденный клиентским устройством по сети, включающий страницу-источник и целевую страницу, связанные гиперссылкой.

Online Content Selection Process (Процесс выбора онлайн-контента)

Механизм (например, рекламный аукцион), который использует взвешенные ключевые слова для выбора дополнительного контента.

Proximity (Близость)

Расстояние между ключевым словом и гиперссылкой на странице-источнике. Измеряется в символах, пикселях или структурных элементах (предложение, параграф, видимая область экрана — fold).

Scalar Value / Score (Скалярное значение / Оценка)

Итоговая оценка или вес, присвоенный ключевому слову. Хранится в Weight data structure.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод оценки ключевых слов на основе анализа реферального пути для выбора контента.

Ядром изобретения является система, которая оценивает ключевые слова, найденные на исходной (анкорной) странице, основываясь на характеристиках перехода с этой страницы на целевую. Оценка (score) рассчитывается с использованием трех основных факторов:

1. Близость (Proximity): Физическая близость ключевого слова к ссылке на исходной странице.
2. Значение сетевой активности (Network Activity Value): Ценность взаимодействия, связанного с этим переходом.
3. Соотношение переходов (Ratio): Сравнение исторического объема реферального трафика с этой исходной ссылки с объемом трафика с другой (третьей) исходной ссылки, указывающей на ту же целевую страницу.

Ключевые слова с наивысшей оценкой затем используются для выбора единицы контента (например, рекламы), когда пользователь запрашивает целевую веб-страницу.

Claims 4, 5, 6, 7 (Зависимые пункты): Детализируют механизм измерения близости (Proximity).

Система рендерит исходную страницу (Claim 4) для определения расстояния между ключевыми словами и ссылкой. Это расстояние (distance) может измеряться точно в символах (Claim 5) или пикселях (Claim 6). Также оно может быть категоризировано (bucketized distance) — например, находится ли слово в том же предложении, том же абзаце или той же видимой области экрана (same fold) (Claim 7).

Claim 8 (Зависимый пункт): Вводит анализ цепочек переходов (Daisy Chains).

Если пользователи переходят со Страницы A на Страницу B, а затем на Страницу C, система может также проанализировать Страницу A. Она рассчитывает оценки для ключевых слов на Странице A на основе параметров пути от A к B и близости ключевых слов на Странице A к ссылке, указывающей на Страницу B.

Claim 10 (Зависимый от 9): Описывает сравнение источников на основе ценности трафика.

Если Источник A и Источник B ссылаются на Целевую страницу C, и Источник B приводит к большей «сетевой активности» (например, больше конверсий), то ключевым словам, полученным из Источника B, присваивается больший вес.

Где и как применяется

Этот патент в первую очередь ориентирован на системы выбора контента (AdTech, Display Network), а не на ранжирование органического поиска. Он использует данные, собранные на разных этапах.

CRAWLING и INDEXING (Сканирование и Индексирование)
Система должна сканировать (scrape) страницы-источники (anchor pages) для извлечения ключевых слов. Критически важен этап Рендеринга (возможно, виртуальный) для анализа макета и определения точного расположения ключевых слов и ссылок (Proximity).

Сбор данных о поведении пользователей (Data Acquisition)
Система отслеживает реальные пути навигации пользователей (network communication paths) и последующие действия. Это необходимо для определения частоты переходов и Network Activity Value. Используются механизмы трекинга (например, browser cookie, analytics API).

RANKING / SELECTION (Процесс выбора контента)
Основное применение. Когда поступает запрос на контент, система использует рассчитанные веса ключевых слов (scalar values) в качестве входных данных для выбора наиболее подходящего элемента контента (например, рекламы).

Входные данные:

• Запрос от клиентского устройства на целевую страницу.
• Информация о реферере (URL страницы-источника).
• Данные рендеринга и извлеченные ключевые слова страницы-источника.
• Исторические данные о трафике и активности для пути (Источник -> Цель).

Выходные данные:

• Взвешенный список ключевых слов (weight data structure).
• Выбранный элемент контента (content item).

На что влияет

• Конкретные типы контента: В первую очередь влияет на выбор supplemental content (реклама, блоки рекомендаций).
• Восприятие ссылок: Косвенно влияет на то, как Google воспринимает контекст и ценность исходящих и входящих ссылок. Ссылка, окруженная релевантными ключевыми словами и генерирующая значительный, качественный трафик, высоко характеризуется этой системой.

Когда применяется

• Триггеры активации: Процесс активируется, когда система выбора контента получает запрос и имеет доступ к информации о реферере.
• Противодействие манипуляциям: Механизм используется для снижения влияния искусственных ссылок (link farming), так как он учитывает реальный трафик (total rate of referrals), а не только наличие ссылок.

Пошаговый алгоритм

Процесс А: Анализ пути и генерация весов

1. Идентификация сетевых путей: Система отслеживает переходы пользователей с анкорных страниц на целевые страницы. Фиксируется источник (реферер).
2. Сбор данных с анкорной страницы: Система сканирует (scrape) анкорную страницу для извлечения ключевых слов.
3. Анализ расположения (Рендеринг): Система рендерит код анкорной страницы для определения ее макета.
4. Расчет близости (Proximity Calculation): Для каждого ключевого слова вычисляется его расстояние до гиперссылки. Расстояние измеряется в символах, пикселях или категориях (предложение, параграф, видимая область экрана).
5. Расчет параметров пути (Path Parameter Calculation): Система анализирует логи трафика для определения:
   • Объема переходов (referrals) и соотношения (ratio) по сравнению с другими источниками.
   • Ценности сетевой активности (Network Activity Value), например, конверсий, произошедших после перехода по этому пути.
6. Генерация весов (Weight Generation): Для каждого ключевого слова рассчитывается скалярное значение (scalar value/score). Вес является функцией от близости слова к ссылке и параметров пути. Слова, расположенные ближе к ссылке, генерирующей много ценного трафика, получают больший вес.
7. Ранжирование ключевых слов: Ключевые слова ранжируются на основе их рассчитанных весов и сохраняются в Weight Data Structure.

Процесс Б: Выбор контента

1. Получение запроса: Поступает запрос на показ контента на целевой странице.
2. Выбор контента (Content Selection): Наиболее высоко ранжированные ключевые слова из Weight Data Structure используются в качестве входных данных для процесса выбора контента (например, рекламного аукциона).

Какие данные и как использует

Данные на входе

• Контентные и структурные факторы: Текст страницы-источника (для извлечения ключевых слов). Структура HTML и данные рендеринга (для определения макета, параграфов, предложений, расположения элементов и расчета Proximity).
• Технические факторы: URL/URI страницы-источника и целевой страницы.
• Ссылочные факторы: Наличие гиперссылки между источником и целью.
• Поведенческие факторы: Данные о реальных переходах пользователей (реферальный трафик), частота переходов (rate of referrals). Данные о последующих действиях пользователей (для расчета Network Activity Value, например, конверсии).
• Пользовательские факторы (Опционально): В описании патента упоминается использование атрибутов пользователей (например, местоположение, интересы) для кластеризации и дополнительного взвешивания ключевых слов для конкретных сегментов аудитории.

Какие метрики используются и как они считаются

• Proximity (Близость): Расстояние между ключевым словом и ссылкой. Методы расчета:
• Количество символов.
• Количество пикселей (требует рендеринга).
• Bucketized distance (структурная близость): в том же предложении, параграфе, части экрана (fold).
• Network Activity Value (Значение сетевой активности): Метрика ценности взаимодействий. Может рассчитываться как коэффициент конверсии (CR) или доход, связанный с трафиком по данному пути.
• Referral Rate/Ratio (Частота/Соотношение переходов): Метрики объема трафика. Рассчитываются как общее количество переходов или как соотношение переходов с этого источника к переходам из других источников (как указано в Claim 1).
• Scalar Value (Итоговый вес): Агрегированная оценка ключевого слова. Рассчитывается путем комбинации (например, сложения, умножения или взвешенной суммы) метрик Proximity, Network Activity Value и Referral Rate/Ratio.

Выводы

1. Реальный трафик валидирует ссылки: Патент подтверждает, что Google активно использует данные о реальном трафике (network communication paths) для оценки контекста и ценности связей, а не только факт их существования. Это механизм защиты от манипуляций, таких как link farming.
2. Контекст ссылки определяется окружающим текстом (Proximity): Система детально анализирует близость ключевых слов к ссылке. Ключевые слова, расположенные ближе к ссылке, считаются более релевантными для описания интента перехода.
3. Детальный анализ макета (Рендеринг обязателен): Для определения близости Google использует рендеринг страницы и измеряет расстояние в пикселях, символах или структурных блоках. Это подчеркивает важность визуального и структурного расположения контента.
4. Ценность трафика (Network Activity) — ключевой модификатор: Ссылки, которые приводят к конверсиям или значимым действиям на целевой странице, придают значительно больший вес ключевым словам на исходной (анкорной) странице.
5. Анализ цепочек переходов (Daisy Chains): Google может анализировать многоступенчатые пути навигации, извлекая контекст не только с последнего реферера, но и с предшествующих страниц в цепочке.
6. Применение в AdTech, но инсайты для SEO: Хотя основная цель – улучшение таргетинга рекламы, патент раскрывает фундаментальные технические аспекты анализа ссылок, что критически важно для понимания современных требований к линкбилдингу и перелинковке.

Практика

Best practices (это мы делаем)

Хотя патент фокусируется на AdTech, описанные механизмы дают критически важные инсайты для SEO-стратегии.

• Приоритет ссылкам, генерирующим реальный трафик: Сосредоточьтесь на получении ссылок, по которым пользователи действительно переходят на ваш сайт (Link Earning, Digital PR). Ссылки с высоким rate of referrals и положительным Network Activity Value (конверсии, вовлеченность) будут цениться выше.
• Оптимизация околоссылочного текста (Link Context): Убедитесь, что текст, окружающий исходящие и входящие ссылки, максимально релевантен теме целевой страницы. Поскольку система использует Proximity для взвешивания ключевых слов, контекст в непосредственной близости от ссылки (тот же параграф, предложение) имеет решающее значение.
• Размещение важных ссылок в основном контенте: Интегрируйте ссылки непосредственно в текст в релевантных разделах. Ссылки, расположенные визуально и структурно близко к основному тематическому контенту, передадут больше контекстуальной значимости, чем ссылки в футере или сайдбаре.
• Структурирование контента и семантическая верстка: Используйте чистую структуру HTML. Система использует структурные маркеры (same sentence, same paragraph) для оценки близости, что делает семантическую верстку важной для правильной интерпретации контента.

Worst practices (это делать не надо)

• Link Farming и PBN без трафика: Создание сетей сайтов, которые ссылаются друг на друга, но не генерируют реального пользовательского трафика. Патент прямо указывает, что описанный механизм направлен на борьбу с такими практиками, так как вес ключевых слов будет низким из-за отсутствия rate of referrals.
• Нерелевантное размещение ссылок: Вставка ссылок в контент без учета окружающего текста. Если ключевые слова вокруг ссылки нерелевантны цели, контекст будет определен неверно или будет иметь низкий вес.
• Игнорирование качества трафика: Получение ссылок, которые приводят нецелевой трафик с низким вовлечением (низкий Network Activity Value). Качество трафика влияет на оценку источника.

Стратегическое значение

Патент подтверждает стратегический курс Google на использование данных о реальном поведении пользователей для валидации традиционных SEO-сигналов (ссылок). Он демонстрирует сложный механизм для понимания контекстуальной релевантности связей, основанный на анализе макета (рендеринг) и околоссылочного текста. Для SEO это означает, что стратегии линкбилдинга должны эволюционировать от простого накопления ссылок к построению естественных связей, которые встроены в релевантный контент и способствуют реальной навигации пользователей.

Практические примеры

Сценарий: Оптимизация статьи в блоге для передачи контекста

1. Задача: Опубликовать статью о «лучших треккинговых ботинках для зимы» и сослаться на страницу категории интернет-магазина.
2. Применение (Proximity): Ссылка на категорию должна быть размещена непосредственно в том разделе, где обсуждаются конкретные модели или критерии выбора.
3. Неправильно: Разместить ссылку в блоке «Читайте также» в конце статьи, далеко от основного тематического контента.
4. Правильно: После детального обсуждения характеристик (водонепроницаемость, утеплитель, подошва) разместить текст: «На основе этих критериев, мы рекомендуем изучить ассортимент зимних треккинговых ботинок в магазине Х».
5. Ожидаемый результат: Система проанализирует ключевые слова, описывающие характеристики, и слова «ассортимент», «зимние треккинговые ботинки» как находящиеся в непосредственной близости (Proximity) к ссылке. Если пользователи активно переходят по этой ссылке и покупают товары, эти ключевые слова получат высокий вес при анализе контекста ссылки.

Вопросы и ответы