Как Google ранжирует и выбирает лучшие репрезентативные изображения для туристических локаций и достопримечательностей

Описание

Какую задачу решает

Патент решает задачу автоматического выбора наиболее репрезентативных, качественных и релевантных фотографий для географических объектов — мест назначения (Destinations) и точек интереса (Points of Interest, POIs) — в контексте специализированных туристических сервисов. Цель — предоставить пользователю оптимальное визуальное представление локации, которое может учитывать контекст, например, время года или конкретные активности.

Что запатентовано

Запатентована система и метод для ранжирования и выбора изображений, представляющих географические сущности. Основу изобретения составляет механизм оценки фотографий с использованием двух ключевых метрик: Relevancy Score и Visual Quality Score. Relevancy Score агрегирует данные о взаимодействии пользователей (Selection Success Data, например, клики) и контекстуальный анализ (анализ документов, где размещено изображение). Visual Quality Score оценивает эстетические и технические характеристики.

Как это работает

Система функционирует в несколько этапов:

• Идентификация кандидатов: Находятся фотографии, географически связанные с локацией (используя гео-теги или контекст). При необходимости применяется фильтрация по времени года (creation timestamp).
• Расчет Relevancy Score: Вычисляется оценка релевантности. Она базируется на том, как часто фото выбирали пользователи по запросам о локации (Selection Success Data), и на анализе веб-документов, содержащих фото и упоминающих локацию.
• Расчет Visual Quality Score: Оценивается визуальное качество (четкость, экспозиция и т.д.).
• Выбор: Финальное изображение выбирается на основе комбинации Relevancy Score и Visual Quality Score.
• Иерархический выбор: Для широких локаций (например, город) система может выбрать лучшее фото из пула лучших фотографий ключевых POI внутри этой локации.

Актуальность для SEO

Высокая. Патент опубликован в 2022 году и описывает критически важные механизмы для продуктов Google, связанных с локальным поиском, картами и путешествиями. Выбор репрезентативных изображений для сущностей является фундаментальной задачей, и описанные методы (использование поведенческих сигналов, контекста страницы и анализа качества) отражают современные подходы в Image SEO.

Важность для SEO

Патент имеет высокое значение для Image SEO, Local SEO и оптимизации под сущности (Entity SEO), особенно в нишах Travel и Hospitality. Он раскрывает конкретные сигналы, влияющие на то, какое изображение будет выбрано Google для визуального представления локации. Понимание этих механизмов (важность CTR в поиске картинок, контекст хост-страницы, визуальное качество) критически важно для максимизации видимости и контроля над представлением бренда или места в поиске.

Детальный разбор

Термины и определения

Destination (Место назначения)

Географический объект с относительно большим географическим охватом (geographic footprint). Примеры: страны, штаты, города, районы.

Geographic Data Store (Хранилище географических данных)

База данных, хранящая информацию о Destinations и POIs, включая их координаты, классификацию и Logical Hierarchy.

Logical Hierarchy (Логическая иерархия)

Структура данных, отражающая взаимосвязи между географическими объектами (например, Музей (POI) находится в Городе (Destination), который находится в Стране (Destination)).

Photograph Data Store (Хранилище данных фотографий)

База данных фотографий и их метаданных (гео-теги, временные метки, данные камеры, данные об ассоциированных документах).

Point of Interest (POI, Точка интереса)

Географический объект с относительно небольшим географическим охватом. Примеры: отели, рестораны, музеи, достопримечательности.

Popularity Score (Оценка популярности)

Метрика популярности самого Destination или POI. Рассчитывается на основе количества связанных туристических документов, запросов и фотографий.

Relevancy Score (Оценка релевантности)

Ключевая метрика для ранжирования фотографий. Определяет, насколько хорошо фотография представляет локацию. Основана на Selection Success Data и контексте связанных документов.

Selection Success Data (Данные об успешности выбора)

Поведенческие данные о взаимодействии с фотографией. Включают click through data (CTR в поиске по картинкам) и explicit user feedback (рейтинги, лайки в соцсетях или на фотохостингах).

Visual Quality Score (Оценка визуального качества)

Метрика, представляющая степень визуального (эстетического и технического) качества фотографии. Учитывает четкость, экспозицию, цвет, а также может учитывать рейтинг фотографа или камеры.

Ключевые утверждения (Анализ Claims)

Важно: Патент US11263712B2 является продолжением (continuation) более ранних заявок. В то время как общее описание (Description) и Абстракт патента раскрывают общие механизмы выбора фото для любой локации, конкретные Claims (Формула изобретения) в этой версии сфокусированы на специфическом сценарии использования связанных POI.

Claim 1 (Независимый пункт): Описывает метод предоставления изображений в ответ на запрос.

1. Система получает поисковый запрос, указывающий на запрашиваемую точку интереса (queried point of interest).
2. Извлекаются географические данные, содержащие logical hierarchy.
3. На основе этой иерархии идентифицируются одна или несколько других точек интереса (other points of interest), отличных от запрашиваемой.
4. Идентифицируются изображения, географически связанные с этими другими POI.
5. Для каждого изображения определяется Relevancy Score, основанный на упоминаниях этих других POI в электронных документах, связанных с изображением.
6. Выбирается конкретное изображение на основе Relevancy Score.
7. Это изображение предоставляется в ответ на исходный запрос.

Этот пункт защищает механизм отображения связанных достопримечательностей (например, на странице отеля показывать фото ближайших музеев). Ключевыми элементами являются использование logical hierarchy для поиска связей и оценка релевантности изображения на основе контекста документов, в которых оно размещено.

Claim 4 (Зависимый от 1): Уточняет, что Relevancy Score также основывается на Selection Success Data (данные о кликах или явная обратная связь).

Claim 10 (Зависимый от 1): Уточняет, что выбор изображения дополнительно основывается на Visual Quality Score (экспозиция, четкость, рейтинг фотографа и т.д.).

Анализ Ядра Изобретения (на основе Description и Abstract):

Основное изобретение, описанное в патенте (включая FIG. 5), описывает общий процесс выбора репрезентативного фото для любого POI или Destination:

1. Идентификация географически связанных фотографий (опционально, с учетом времени года).
2. Определение Relevancy Score на основе: (i) Selection success data и (ii) упоминаний POI/Destination в связанных документах.
3. Выбор итоговой фотографии на основе Relevancy Score И Visual Quality Score.

Где и как применяется

Изобретение применяется в рамках специализированных вертикалей (например, Travel Search System) и затрагивает несколько этапов поисковой архитектуры.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит основная предварительная обработка данных офлайн:

• Обработка изображений: Извлечение метаданных (гео-теги, временные метки) и расчет Visual Quality Score. Сохранение в Photograph Data Store.
• Контекстуальный анализ: Анализ документов (веб-страниц), связанных с изображениями, на предмет упоминания POI/Destinations.
• Анализ взаимодействия: Обработка логов Image Search для расчета Selection Success Data (CTR) для пар [Изображение + Запрос/Локация].
• Географический анализ: Классификация объектов и построение Logical Hierarchy в Geographic Data Store. Расчет Popularity Score для объектов (FIG. 7).

METASEARCH – Метапоиск и Смешивание / RANKING (внутри вертикали)
На этапе формирования выдачи (например, в Google Travel, Maps или Knowledge Panel) система использует предварительно вычисленные данные для быстрого выбора репрезентативного изображения.

• Система получает запрос на отображение информации о локации.
• Происходит финальный отбор лучшего изображения на основе наивысших значений Relevancy Score и Visual Quality Score для данного объекта.

Входные данные:

• Индекс фотографий с метаданными и оценками качества.
• Индекс веб-документов (для контекста).
• Логи взаимодействий пользователей (для Selection Success Data).
• Хранилище географических данных (иерархия, популярность).

Выходные данные:

• Выбранная репрезентативная фотография для места назначения или POI.

На что влияет

• Конкретные типы контента: В первую очередь влияет на ранжирование и отображение фотографий.
• Специфические запросы: Запросы, связанные с путешествиями, локальным поиском, географическими объектами и достопримечательностями.
• Конкретные ниши или тематики: Наибольшее влияние в нишах Travel, Local Business, Hospitality, Real Estate.

Когда применяется

• Триггеры активации: Алгоритм применяется, когда системе необходимо выбрать одно или несколько изображений для визуального представления географического объекта (Destination или POI).
• Условия: Может применяться с дополнительными условиями, такими как время года (time of the year) или указанная активность (activity), что сужает пул кандидатов.

Пошаговый алгоритм

Процесс А: Выбор фотографии для локации (Основано на FIG. 5)

1. Получение данных об объекте: Система получает идентификатор POI или Destination (опционально: время года, активность).
2. Идентификация фотографий-кандидатов: Поиск в Photograph Data Store фотографий, географически связанных с объектом.
   1. Использование гео-тегов (GPS координаты) для определения близости.
   2. ИЛИ использование негеографических метаданных (упоминание объекта в тексте/заголовках).
   3. (Опционально) Фильтрация по временным меткам (creation timestamp), если указано время года.
3. Определение Relevancy Score: Для каждого кандидата вычисляется оценка релевантности.
   1. Анализ Selection Success Data: Определение CTR фотографии и получение явной обратной связи для запросов, относящихся к объекту (и активности).
   2. Анализ связанных документов: Проверка веб-страниц, содержащих фотографию, на наличие упоминаний объекта (и активности).
   3. Агрегация: Объединение данных в итоговый Relevancy Score.
4. Финальный отбор: Выбор одной или нескольких фотографий на основе комбинации Relevancy Score и Visual Quality Score (предварительно рассчитанного). Выбираются фото с лучшими показателями или превышающие порог.

Процесс Б: Иерархический выбор фото для Destination (Основано на FIG. 6)

1. Получение данных о Destination (например, город).
2. Идентификация связанных POI: Поиск популярных POI внутри этого Destination (используя Logical Hierarchy и Popularity Score).
3. Выбор фото для POI: Для каждого POI выполняется Процесс А.
4. Выбор фото для Destination: Выбор лучшего изображения для Destination из набора лучших изображений, выбранных для POI, основываясь на их оценках (Relevancy/Visual Quality) и популярности соответствующих POI.

Процесс В: Определение Популярности Локации (Основано на FIG. 7)

1. Идентификация локаций (POI/Destinations).
2. Сбор данных о популярности: Для каждой локации определяется:
   1. Количество туристических документов (travel related documents), ссылающихся на локацию.
   2. Количество туристических запросов (travel related queries), ссылающихся на локацию.
   3. Количество фотографий, географически связанных с локацией.
3. Расчет Popularity Score: Агрегация собранных данных в единую оценку популярности.

Какие данные и как использует

Данные на входе

• Мультимедиа факторы: Пиксельные данные изображения анализируются для расчета Visual Quality Score (четкость, цвет, насыщенность, экспозиция). Может применяться Computer Vision для распознавания объектов (упомянуто в Claim 11).
• Технические факторы (Метаданные изображений):
  • Гео-теги (GPS координаты) – для определения связи с локацией.
  • Временные метки (creation timestamp) – для определения времени года.
  • Данные камеры и настройки (EXIF) – могут использоваться для Visual Quality Score.
• Контентные факторы (Контекст): Данные из ассоциированных документов (веб-страниц): текст, заголовки, URL. Используются для подтверждения релевантности фото локации (компонент Relevancy Score).
• Поведенческие факторы: Selection Success Data. Логи кликов (CTR) в Image Search и явные рейтинги пользователей (лайки, голоса). Критически важны для Relevancy Score.
• Географические факторы: Данные из Geographic Data Store: координаты локаций, Geographic Footprints, Logical Hierarchy.
• Пользовательские факторы (Фотограф): Рейтинг фотографа может использоваться для Visual Quality Score.

Какие метрики используются и как они считаются

• Relevancy Score: Комплексная метрика. Рассчитывается как функция от Selection Success Data и результатов анализа контекста ассоциированных документов.
• Visual Quality Score: Комплексная метрика. Рассчитывается на основе алгоритмического анализа изображения и метаданных (рейтинг камеры/фотографа).
• Popularity Score (для Локаций): Метрика популярности POI или Destination. Рассчитывается на основе подсчета связанных документов, запросов и фотографий.

Выводы

1. Ранжирование изображений многофакторно: Выбор репрезентативного изображения Google основывается на комбинации трех типов сигналов: Популярность у пользователей (Поведение), Контекст размещения (Релевантность) и Эстетика (Качество).
2. Критичность поведенческих сигналов (CTR): Selection Success Data (в основном CTR в поиске картинок) является прямым и важным компонентом Relevancy Score. Популярность изображения у пользователей сильно влияет на его выбор системой.
3. Контекст размещения имеет решающее значение: Релевантность изображения подтверждается анализом веб-страницы, на которой оно размещено. Изображение локации на странице, которая также подробно описывает эту локацию, получает значительное преимущество.
4. Визуальное качество измеряется и используется: Технические параметры изображения (четкость, экспозиция) и метаданные (камера, авторитет фотографа) формируют Visual Quality Score, который участвует в финальном выборе.
5. Иерархический выбор и Популярность: Для крупных локаций (Destinations) Google может выбирать изображение на основе анализа лучших фото его ключевых POIs, учитывая популярность (Popularity Score) этих POIs.
6. Контекстуальная адаптация: Система адаптирует выбор изображений в зависимости от времени года или интересующей пользователя активности, используя временные метки и анализ релевантности активности.

Практика

Best practices (это мы делаем)

• Максимизация Selection Success Data (Image SEO): Ключевая стратегия — оптимизировать важные изображения так, чтобы они хорошо ранжировались в Google Images по запросам, связанным с сущностью, и получали высокий CTR. Это напрямую увеличивает Relevancy Score.
• Создание сильного контекста на странице (Associated Documents): Размещайте ключевые изображения на страницах, максимально релевантных изображенной сущности. Убедитесь, что название сущности (POI/Destination) явно упоминается в тексте, заголовках (H1), метаданных страницы (Title) и в атрибутах изображения (alt, caption).
• Инвестиции в качество фотографий (Visual Quality Score): Используйте профессиональные, четкие, хорошо экспонированные и эстетически привлекательные фотографии. Это повышает Visual Quality Score и увеличивает шансы на выбор изображения системой.
• Использование технических метаданных: По возможности добавляйте точные гео-теги (GPS координаты) в EXIF данные фотографий, чтобы явно указать географическую связь с локацией. Убедитесь в корректности временных меток.
• Стратегия для Destinations через POI: Если вы продвигаете крупную локацию (регион, город), создавайте высококачественные и хорошо оптимизированные фотографии для ключевых достопримечательностей (POI) внутри нее. Это увеличивает шансы, что ваше фото будет выбрано для представления всей локации через механизм иерархического выбора.

Worst practices (это делать не надо)

• Размещение фотографий вне контекста: Публикация фотографии локации на странице, которая не описывает эту локацию и не содержит ее упоминаний. Система не сможет подтвердить релевантность через анализ ассоциированного документа.
• Использование стоковых или низкокачественных фото: Такие изображения часто имеют низкий Visual Quality Score и редко получают высокий CTR по специфическим запросам, что снижает их шансы быть выбранными.
• Игнорирование качества изображения: Загрузка размытых, темных или плохо скадрированных фотографий. Низкий Visual Quality Score помешает их выбору, даже если они релевантны.
• Манипуляции с метаданными: Добавление неверных гео-тегов или попытки искусственной накрутки кликов в Image Search рискованны и неэффективны в долгосрочной перспективе.

Стратегическое значение

Патент подтверждает стратегическую важность Image SEO не только для трафика из поиска картинок, но и как ключевого элемента управления представлением сущностей (Entity SEO) в Графе Знаний и вертикальных сервисах Google. Успешная оптимизация изображений требует комплексного подхода: сочетания высокого качества медиафайла, технической оптимизации, сильного контекстуального окружения на сайте и понимания поведения пользователей в поиске изображений.

Практические примеры

Сценарий: Оптимизация репрезентативного изображения для отеля (POI)

1. Задача: Убедиться, что в Google Travel и на Картах в качестве основного фото отеля используется привлекательное фото фасада, а не старое или пользовательское фото.
2. Действия (согласно патенту):
   • Visual Quality: Сделать высококачественное фото фасада (высокое разрешение, хорошая экспозиция).
   • Контекст (Associated Documents): Разместить это фото на главной странице официального сайта отеля. Убедиться, что текст на странице, Title и H1 содержат название и адрес отеля.
   • Метаданные: Добавить релевантный alt-текст и гео-теги в EXIF фото.
   • Selection Success (Image SEO): Оптимизировать страницу и изображение для ранжирования в Image Search по запросам, связанным с названием отеля, чтобы стимулировать клики (CTR).
3. Ожидаемый результат: Система Google проиндексирует изображение, присвоит ему высокий Visual Quality Score и высокий Relevancy Score (за счет контекста на официальном сайте и роста CTR в Image Search). Это повысит вероятность выбора данного фото в качестве основного для сущности отеля.

Вопросы и ответы