Как Google использует личные данные пользователя (email, историю местоположений) для персонализации поисковой выдачи о посещенных местах

Описание

Какую задачу решает

Патент решает проблему повторного обнаружения информации (rediscovery). Пользователи часто взаимодействуют с физическими местоположениями (посещают рестораны, останавливаются в отелях, делают бронирования), но забывают детали. Изобретение позволяет пользователям искать информацию о своих прошлых взаимодействиях, используя естественный язык в стандартном интерфейсе поиска, объединяя публичные данные и личную историю пользователя.

Что запатентовано

Запатентована система для индексации приватного контента пользователя (private content), такого как данные о местоположении (location data) и электронные письма (email), с целью идентификации взаимодействий с физическими локациями. Система распознает запросы, направленные на личную историю (Personal Locational Query), извлекает соответствующие записи из персонального репозитория и генерирует персонализированные результаты поиска.

Как это работает

Система работает в несколько этапов:

• Индексация: Система заранее обрабатывает приватные данные пользователя (например, историю местоположений из Google Maps или подтверждения бронирований из Gmail) и создает записи в personal content repository, связывая пользователя, физическую локацию и дату взаимодействия.
• Обработка запроса: При получении запроса система определяет, является ли он Personal Locational Query (например, «рестораны, которые я посетил в прошлом году»).
• Анализ интента: Система определяет, запрашивает ли пользователь только персональные результаты.
• Извлечение и генерация: Релевантные записи извлекаются из приватного индекса.
• Дополнение данных: Персональные результаты могут быть дополнены актуальной информацией из публичных источников (например, текущий рейтинг ресторана, который пользователь посетил давно).
• Презентация: В зависимости от анализа интента, система может показать только персональные результаты или только публичные результаты.

Актуальность для SEO

Высокая. Персонализация и интеграция данных из различных сервисов Google (Gmail, Maps, Search) являются ключевыми направлениями развития поиска. Механизмы, описанные в патенте, активно используются для функций вроде Google Maps Timeline и персонализированных ответов в поиске, основанных на бронированиях и посещениях.

Важность для SEO

Влияние на SEO умеренное (6/10). Патент не описывает механизмы ранжирования в публичном индексе, но он критически важен для понимания того, как Google обрабатывает локальные и персонализированные запросы. Он демонстрирует, что при определенном интенте (поиск личной истории) традиционные результаты SEO могут быть полностью подавлены или заменены персональными данными. Это подчеркивает важность сильного присутствия сущности (Entity) и локального SEO, чтобы Google мог точно сопоставить приватные взаимодействия пользователя с публичным профилем бизнеса.

Детальный разбор

Термины и определения

Action Type (Тип действия)

Индикатор действия пользователя, которое связывает его с физической локацией. Примеры: check-in (чекин), review (отзыв), location data based interaction (взаимодействие на основе данных о местоположении), резервация, транзакция.

Locational Semantic Segments (Локационные семантические сегменты)

Структурированные компоненты запроса, используемые для понимания персонального локационного интента. Включают:

• Action Type Segment (например, «посетил», «был в»).
• Location Entity Category Segment (например, «рестораны», «отели»).
• Reference Geographic Area Segment (например, «в Берлине», «рядом»).
• Temporal Segment (например, «в прошлом месяце», «вчера»).

Personal Content Repository / Private Content Index (Репозиторий персонального контента / Приватный индекс)

База данных, содержащая проиндексированный приватный контент пользователя. Доступ к данным ограничен авторизацией пользователя.

Personal Locational Query (Персональный локационный запрос)

Запрос, указывающий на желание пользователя получить информацию о физических локациях, с которыми он ранее взаимодействовал.

Private Content (Приватный контент)

Данные пользователя, недоступные публично. В контексте патента это: e-mails, social network content, календарь, история транзакций, location data (история местоположений), взаимодействие с приложениями (например, картами).

Public Content (Публичный контент)

Общедоступная информация (веб-страницы, изображения и т.д.), индексируемая стандартными поисковыми системами.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс генерации персональных результатов поиска на основе приватных данных.

1. Создание записи (Indexing): Система генерирует запись в personal content repository. Запись идентифицирует физическую локацию и дату взаимодействия пользователя с ней. Основанием для создания записи являются location data (данные о местоположении) пользователя или полученное им email (электронное письмо).
2. Получение запроса: Система получает запрос от пользователя через интерфейс, предназначенный для поиска как в приватном, так и в публичном контенте.
3. Определение интента (Query Understanding): Система определяет, является ли запрос personal locational query, который указывает на желание получить только персональные результаты из приватного контента.
4. Поиск в приватном индексе: Система ищет и определяет, что созданная запись релевантна запросу.
5. Условие 1 (Только персональные результаты): Если определено, что запрос требует только персональных результатов:
   • Генерируется персональный результат на основе записи (включая идентификатор локации и дату взаимодействия).
   • Система отображает этот персональный результат пользователю без отображения каких-либо публичных результатов поиска.
6. Условие 2 (Не только персональные результаты): Если определено, что запрос не требует только персональных результатов:
   • Определяется публичный результат поиска из public content repository.
   • Система отображает этот публичный результат пользователю без отображения каких-либо приватных результатов поиска.

Ключевым моментом Claim 1 является строгая дизъюнкция в отображении результатов, основанная на интерпретации интента. Система принимает бинарное решение: либо показать только приватные результаты, либо только публичные, в зависимости от того, интерпретируется ли запрос как исключительно персональный.

Claim 3 (Зависимый от 2 и 1): Детализирует обогащение персонального результата.

Если запись основана на данных о местоположении (Claim 2), генерация персонального результата (Claim 1) включает:

1. Определение дополнительного контента, связанного с физической локацией, из ресурса, внешнего по отношению к personal content repository (т.е. из публичного индекса или базы знаний).
2. Включение этого дополнительного контента в персональный результат.

Это критически важный механизм для повышения полезности результатов. Если система знает, что пользователь был в ресторане 2 года назад (из приватных данных), она может добавить текущий рейтинг или фотографии этого ресторана (из публичных данных) в результат.

Claim 8 и 9 (Зависимые от 1): Детализируют механизм определения интента.

Определение того, что запрос является personal locational query, основывается на обнаружении в запросе одного или нескольких personal locational semantic segments (Claim 8). Эти сегменты могут включать категорию сущности (location entity category), тип действия (action type), географическую область (reference geographic area) или временной сегмент (temporal segment) (Claim 9).

Система использует NLP для разбора запроса на структурные компоненты, чтобы понять, что, где, когда и как пользователь делал, и на основе этого классифицировать интент как персональный.

Где и как применяется

Изобретение затрагивает несколько ключевых этапов поисковой архитектуры, соединяя обработку приватных данных с публичным поиском.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит обработка не только публичного, но и приватного контента. Система анализирует location data и emails пользователя, извлекает информацию о взаимодействиях с физическими локациями (сущностями) и сохраняет ее в Personal Content Repository. Также происходит маппинг этих взаимодействий с публичными сущностями.

QUNDERSTANDING – Понимание Запросов
Основной этап применения. Система анализирует запрос для определения, является ли он Personal Locational Query. Это включает распознавание специфических терминов («я», «мой», «посетил») и синтаксических конструкций. Запрос разбирается на Locational Semantic Segments (Action Type, Entity Category, Geographic Area, Temporal Segment).

RANKING – Ранжирование (Retrieval)
На этом этапе происходит поиск не в публичном индексе, а в Private Content Index с использованием извлеченных семантических сегментов в качестве параметров поиска.

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование
На финальном этапе система принимает решение о презентации. Согласно Claim 1, система определяет, следует ли показывать исключительно персональные результаты или исключительно публичные. Если показываются персональные результаты, они обогащаются данными из внешних источников (публичного индекса/базы знаний) для предоставления дополнительного контекста (например, актуальных рейтингов).

На что влияет

• Конкретные типы контента и ниши: Наибольшее влияние оказывается на локальный поиск, сферу путешествий, рестораны, ритейл и услуги – то есть на все бизнесы, имеющие физические точки взаимодействия с клиентами.
• Специфические запросы: Влияет на информационные запросы, связанные с повторным обнаружением (rediscovery), например: «тот итальянский ресторан, где я был в прошлом году», «отели в Париже, в которых я останавливался».

Когда применяется

• Триггеры активации: Наличие в запросе индикаторов персонального интента (Personal Locational Query), распознанных через анализ терминов, синтаксиса или Locational Semantic Segments.
• Условия применения: Пользователь должен быть авторизован (чтобы система имела доступ к User Information), и у него должен быть проиндексирован релевантный приватный контент (например, включена история местоположений или предоставлен доступ к Gmail).

Пошаговый алгоритм

Процесс А: Офлайн-индексация (Предварительная обработка)

1. Сбор приватных данных: Получение доступа к location data и/или emails пользователя (с его разрешения).
2. Извлечение взаимодействий: Анализ данных для идентификации взаимодействий с физическими локациями (например, обнаружение подтверждения бронирования в письме или длительного пребывания в определенной геоточке).
3. Идентификация сущности и времени: Определение конкретной физической локации (сущности) и даты/времени взаимодействия.
4. Генерация записи: Создание записи в Personal Content Repository, включающей идентификатор пользователя, идентификатор локации и временную метку.
5. Ограничение доступа: Применение политик доступа к созданной записи.

Процесс Б: Обработка запроса в реальном времени

1. Получение запроса: Получение поискового запроса и информации о пользователе.
2. Анализ запроса (Query Understanding): Определение, является ли запрос Personal Locational Query. Разбор запроса на Locational Semantic Segments.
3. Определение интента: Принятие решения, запрашивает ли пользователь исключительно персональные результаты.
4. Ветвление логики:
   • Если интент исключительно персональный: Переход к шагу 5а.
   • Если интент не исключительно персональный: Переход к шагу 5б.
5. 5а. Обработка персонального интента:
   • Поиск в Personal Content Repository с использованием извлеченных сегментов.
   • Идентификация релевантных записей о взаимодействиях.
   • Генерация персональных результатов поиска.
   • Обогащение результатов: Запрос дополнительной информации о найденных локациях из внешних (публичных) источников.
   • Презентация: Отображение только персональных результатов.
6. 5б. Обработка публичного интента:
   • Поиск в публичном индексе.
   • Генерация публичных результатов поиска.
   • Презентация: Отображение только публичных результатов.

Какие данные и как использует

Данные на входе

Система использует широкий спектр приватных данных пользователя для определения взаимодействий с физическими локациями:

• Географические и Временные факторы: Location data (история местоположений). Данные GPS, Wi-Fi, триангуляции сотовых вышек, указывающие на присутствие пользователя в определенном месте в определенное время.
• Поведенческие и Пользовательские факторы:
  • E-mails: Электронные письма, такие как подтверждения бронирований (отели, рестораны), билеты, квитанции.
  • Social network content: Чекины (check-ins), отзывы (reviews), оставленные пользователем.
  • Взаимодействие с приложениями: Рейтинги в картографических сервисах, запросы маршрутов (directional queries), сохранение мест (starring).
  • Календарь и история транзакций (если применимо).
• Данные запроса: Текст запроса, используемый для выявления Personal locational query terms и syntactical arrangement (синтаксической структуры).

Какие метрики используются и как они считаются

Патент фокусируется на механизмах извлечения и презентации, но упоминает ключевые методы анализа:

• Анализ текста (NLP): Используется для разбора запроса на Locational Semantic Segments. Это включает классификацию слов по категориям (Action Type, Entity Category, Geographic Area, Temporal).
• Классификация интента: Определение, является ли запрос Personal Locational Query и стремится ли он получить исключительно персональные результаты. Это может основываться на наличии/отсутствии и комбинации семантических сегментов и ключевых слов.
• Маппинг сущностей (Entity Resolution): Сопоставление информации из приватных данных (например, названия в письме или координат) с известными физическими локациями (сущностями) в базе знаний (Entity Database). Это необходимо для обогащения результатов публичными данными.

Выводы

1. Интеграция приватных данных в поиск: Google активно использует данные, которые традиционно считались приватными (email, геолокация), для улучшения поискового опыта. Это стирает границу между поиском в интернете и поиском в личной информации.
2. Понимание запроса определяет источник данных: Ключевым элементом системы является способность классифицировать интент как персональный. Точность распознавания Personal Locational Query и Locational Semantic Segments определяет, будет ли поиск выполняться в приватном или публичном индексе.
3. Бинарный выбор презентации (согласно Claim 1): Патент описывает строгую логику: если запрос интерпретируется как направленный исключительно на персональные данные, публичные результаты не показываются, и наоборот. Это имеет значительные последствия для видимости традиционных SEO-результатов при наличии персонального интента.
4. Обогащение через связь сущностей: Система не просто возвращает то, что нашла в приватных данных. Она идентифицирует сущность (физическую локацию) и обогащает результат актуальными публичными данными (рейтинги, фото). Это подчеркивает важность точного разрешения сущностей (Entity Resolution).
5. Фокус на повторное обнаружение (Rediscovery): Изобретение направлено на сценарии, когда пользователь хочет найти что-то из своего прошлого опыта, что делает его особенно важным для локального бизнеса и сферы услуг.

Практика

Best practices (это мы делаем)

Хотя патент описывает персонализированный поиск, на который сложно напрямую влиять через традиционное SEO, он дает важные стратегические инсайты для локального бизнеса:

• Усиление присутствия сущности (Entity Optimization и Local SEO): Обеспечьте максимальную консистентность и полноту данных о бизнесе (NAP – Name, Address, Phone) во всех публичных источниках. Это критически важно, чтобы система Google могла точно сопоставить приватное взаимодействие пользователя (например, координаты из истории местоположений или название в email) с публичной сущностью вашего бизнеса для обогащения результатов (Claim 3).
• Стимулирование цифровых взаимодействий: Поощряйте действия пользователей, которые генерируют приватные цифровые следы, индексируемые Google. Это включает:
  • Онлайн-бронирования и заказы, отправляющие четкие подтверждения на Gmail.
  • Чекины (check-ins) и отзывы (reviews) в Google Maps.
  • Сохранение локации или построение маршрутов в картографических сервисах.

  Это увеличивает вероятность того, что ваш бизнес появится в персонализированных результатах при повторном поиске.

• Использование структурированных данных в коммуникациях: При отправке электронных писем (подтверждений, билетов) используйте микроразметку (Schema.org) для событий и бронирований. Это облегчает Google парсинг emails и создание точных записей в Personal Content Repository.

Worst practices (это делать не надо)

• Неконсистентные данные о локации: Наличие разных адресов, названий или телефонов в разных источниках усложняет разрешение сущности. Google может не связать приватное взаимодействие пользователя с вашим бизнесом.
• Сложные для парсинга коммуникации: Отправка подтверждений бронирования в виде изображений или через системы, которые не генерируют стандартные, легко читаемые электронные письма. Это мешает индексации приватного контента.
• Игнорирование Google Maps и Local Pack: Отсутствие оптимизированного профиля в Google Business Profile снижает шансы на точное распознавание бизнеса системой персонализации.

Стратегическое значение

Патент подтверждает, что персонализация является мощным фактором, который может полностью изменить вид поисковой выдачи для авторизованного пользователя. Для локального бизнеса стратегически важно не только привлекать новых клиентов через публичный поиск, но и обеспечивать качественный опыт и цифровое взаимодействие для существующих клиентов. Это способствует их удержанию через механизмы повторного обнаружения (rediscovery), описанные в патенте. SEO-стратегия должна учитывать весь жизненный цикл клиента, включая пост-продажное взаимодействие.

Практические примеры

Сценарий: Повторное обнаружение ресторана

1. Взаимодействие (Indexing): Пользователь посетил «Restaurant 2» в Филадельфии 5 октября 2012 года и сделал чекин (check-in) через приложение, связанное с Google. Google индексирует это действие в Personal Content Repository.
2. Запрос (Query): Годы спустя пользователь вводит запрос «Restaurants I went to in Philadelphia».
3. Анализ (QUnderstanding): Система классифицирует запрос как Personal Locational Query и определяет сегменты: Entity Category=»restaurants», Action Type=»went to», Geographic Area=»Philadelphia». Система решает, что интент исключительно персональный.
4. Извлечение (Retrieval): Система находит запись о чекине в «Restaurant 2».
5. Обогащение (Augmentation): Система идентифицирует сущность «Restaurant 2» и запрашивает из публичного индекса текущий рейтинг, адрес и фотографии.
6. Презентация (SERP): Пользователю отображается персонализированный блок (как на FIG. 7 в патенте), где указан «Restaurant 2», дата посещения («You checked-in here on October 5, 2012»), а также актуальный публичный рейтинг. Публичные SEO-результаты о лучших ресторанах Филадельфии не отображаются (согласно Claim 1).

Вопросы и ответы