Как Google использует закладки, историю и поведение пользователей для персонализации результатов поиска и синхронизации данных

Описание

Какую задачу решает

Патент решает две ключевые проблемы. Во-первых, он улучшает качество и удобство поиска путем интеграции личных предпочтений пользователя (закладки, история посещений, рейтинги) в процесс ранжирования. Это позволяет использовать поиск для эффективной навигации к часто посещаемым сайтам (revisits), даже если они плохо ранжируются глобально. Во-вторых, он устраняет проблему управления и синхронизации закладок (bookmarks или favorites) между различными устройствами пользователя (например, домашним и рабочим компьютером) через централизованное серверное хранилище.

Что запатентовано

Запатентована система и метод для персонализации сетевого поиска путем интеграции personalized search object (персональных данных: закладки, история, рейтинги, аннотации) с general search object (глобальным индексом). Система обеспечивает кросс-девайсную синхронизацию этих данных на стороне сервера и использует их для генерации комбинированного набора результатов. Выдача может быть переранжирована или визуально адаптирована на основе предпочтений пользователя. Также запатентовано использование этих персональных данных для таргетинга рекламы.

Как это работает

Система функционирует в нескольких плоскостях:

• Сбор данных и Синхронизация: Данные собираются как явно (пользователь добавляет закладку/рейтинг), так и неявно (система анализирует поведение, например, linger time, повторные визиты). Эти данные хранятся на сервере и синхронизируются между устройствами пользователя.
• Обработка запроса: При получении запроса от идентифицированного пользователя поисковая система параллельно ищет в глобальном индексе и в personalized search object пользователя.
• Объединение и Ранжирование: Результаты из обоих источников объединяются. Ранжирование корректируется: сайты с высоким персональным рейтингом или наличием в закладках могут повышаться в выдаче или выделяться визуально.
• Реклама: Персональные данные используются для определения интересов пользователя и показа более релевантной рекламы.

Актуальность для SEO

Высокая (Фундаментальное значение). Патент описывает базовые концепции персонализации, которые критически важны для современного поиска Google. Использование истории посещений, закладок и поведения для изменения SERP является стандартом индустрии. Хотя конкретные технические реализации, описанные в патенте (основанном на заявке 2003 года), такие как ручные рейтинги или простые алгоритмы неявного рейтинга, устарели по сравнению с современными методами на основе ML, заложенные принципы остаются высокоактуальными.

Важность для SEO

Патент имеет высокое стратегическое значение для SEO. Он подтверждает, что не существует единой «нейтральной» выдачи; ранжирование адаптируется под историю и предпочтения конкретного пользователя. Для Senior SEO-специалистов это означает, что стратегии должны фокусироваться не только на оптимизации под глобальный алгоритм, но и на том, чтобы стать «избранным» и доверенным ресурсом для целевой аудитории, стимулируя повторные визиты (User Retention) и высокое вовлечение (Engagement).

Детальный разбор

Термины и определения

Personalized Search Object (Персональный поисковый объект)

Набор данных, специфичных для пользователя, используемый для персонализации поиска. Включает закладки (bookmarks), избранное (favorites/favorite items), историю браузера (history list), аннотации (annotations) и рейтинги (ratings).

General Search Object (Общий поисковый объект)

Глобальный индекс статей (например, веб-страниц), используемый стандартной поисковой системой.

Bookmark Manager (Менеджер закладок)

Серверное приложение (server-side storage system), отвечающее за управление, хранение (в Bookmark DB) и синхронизацию персональных данных пользователя между различными устройствами.

Annotations (Аннотации)

Текстовые заметки, которые пользователь связывает с URL. Могут использоваться как персонализированный анкорный текст (user-specific anchor text) при поиске.

Explicit Rating (Явный рейтинг)

Оценка, которую пользователь вручную присваивает странице (например, по шкале от 0.0 до 1.0 или голос за/против (booknegate)).

Implicit Rating (Неявный рейтинг) / Implicit Measure (Неявная метрика)

Оценка, автоматически генерируемая системой на основе поведения пользователя. Факторы включают linger time (время на сайте), количество повторных визитов, клики (click-throughs), печать страницы, сохранение страницы, активность скроллинга.

Linger Time (Время пребывания)

Метрика времени, которое пользователь проводит на сайте; используется как неявный сигнал интереса.

Temporal Decay (Временное затухание)

Механизм, при котором рейтинг неиспользуемых или редко используемых закладок со временем снижается.

Speed-dial navigation (Навигация быстрого набора)

Механизм, позволяющий пользователю связать короткую текстовую строку с URL для прямой навигации к этому URL вместо выполнения поиска.

Ключевые утверждения (Анализ Claims)

Анализ основан на ключевых независимых пунктах (Claims 1 и 21) патента US11547853B2, который фокусируется на синхронизации и интеграции избранного контента в поиск.

Claim 1 (Независимый пункт): Описывает метод синхронизации и использования персональных данных в поиске.

1. Система идентифицирует пользователя.
2. На клиентском устройстве получается ввод пользователя, указывающий на изменение «набора избранных элементов» (set of favorite items).
3. В ответ на ввод: набор изменяется на клиентском устройстве.
4. Это изменение инициирует процесс синхронизации с удаленной серверной системой хранения (server-side storage system).
5. Серверная система синхронизирует эти элементы с другими устройствами пользователя.
6. В ответ на запрос через единый интерфейс представляется комбинированный набор результатов поиска (combined search results set).
7. Этот набор включает элементы из синхронизированного «набора избранных элементов» И результаты из как минимум одного глобального индекса (global index).

Ядром изобретения является система, обеспечивающая кросс-девайсную синхронизацию персональных предпочтений (закладок) и гарантирующая их интеграцию в результаты поиска вместе с глобальными результатами.

Claim 21 (Независимый пункт): Описывает архитектуру системы для синхронизации закладок между устройствами (Первое устройство, Второе устройство, Сервер).

1. Первое устройство аутентифицируется на сервере и синхронизируется с набором закладок (set of bookmarks) на сервере.
2. Первое устройство получает ввод для локального изменения закладок и передает на сервер указание обновить серверное хранилище.
3. Второе устройство аутентифицируется на сервере.
4. Второе устройство получает от сервера указание изменить свои локальные закладки и выполняет изменение.
5. Второе устройство представляет комбинированный набор результатов поиска, включающий элементы из синхронизированных закладок И результаты из глобального индекса.

Этот пункт защищает архитектуру кросс-платформенной синхронизации и ее использование для формирования комбинированной поисковой выдачи.

Где и как применяется

Изобретение затрагивает сбор персональных данных и финальные этапы формирования поисковой выдачи.

INDEXING (Индексирование – Персональные данные)
Personalized Search Objects (закладки, рейтинги, история) собираются, синхронизируются и индексируются на сервере (Bookmark DB). Также обрабатываются и сохраняются неявные поведенческие сигналы (Implicit Measures), привязанные к URL и пользователю.

QUNDERSTANDING – Понимание Запросов
В описании патента упоминается механизм «speed-dial navigation». На этом этапе система может проверять, является ли запрос коротким термином, связанным с конкретным URL. Если да, стандартный поиск пропускается, и происходит прямая навигация.

RANKING / METASEARCH / RERANKING
Основное применение патента.

1. Параллельный поиск (Retrieval): Поисковая система одновременно выполняет поиск по General Search Object (глобальный индекс) и по Personalized Search Object (закладки, аннотации пользователя).
2. Смешивание (METASEARCH/Blending): Результаты из обоих источников объединяются (Merge Search Results).
3. Переранжирование (RERANKING): Комбинированный список сортируется (Rank Pages). Персональные сигналы (наличие закладки, явный или неявный рейтинг) используются для изменения порядка результатов (boosting/demoting) или их визуального выделения.
4. Выбор рекламы: Реклама может быть выбрана на основе personalized search object (т.е. на основе интересов, выведенных из закладок и поведения пользователя).

Входные данные:

• Поисковый запрос пользователя.
• Идентификатор пользователя (логин, cookie).
• Глобальный веб-индекс.
• Personalized Search Object пользователя.

Выходные данные:

• Combined Search Result Set, переранжированный или маркированный с учетом персональных данных.
• Таргетированная реклама.

На что влияет

• Типы контента: Влияет на любые ресурсы, с которыми пользователь взаимодействует (веб-страницы, документы, аудиофайлы – как упомянуто в Claims).
• Специфические запросы: Наибольшее влияние оказывается на навигационные запросы или запросы, по которым пользователь ранее находил и сохранял ценные ресурсы. Система унифицирует поиск и навигацию по закладкам.
• Повторное вовлечение (Retention): Система напрямую влияет на видимость сайтов, с которыми пользователь взаимодействовал ранее.

Когда применяется

• Условия применения: Алгоритм применяется, когда пользователь идентифицирован (залогинен или опознан через cookie) и у него есть сохраненные персональные данные (закладки, история и т.д.).
• Триггеры активации: Отправка поискового запроса идентифицированным пользователем. Сбор неявных сигналов происходит постоянно во время браузинга.
• Исключения: Патент упоминает возможность пользователя отключать персонализацию (toggling).

Пошаговый алгоритм

Процесс А: Выполнение персонализированного поиска

1. Получение запроса: Поисковая система получает запрос от идентифицированного пользователя.
2. Инициализация параллельного поиска: Запуск параллельных процессов:
   1. Поиск в глобальном индексе (Search Global Index).
   2. Поиск по URL и контенту в закладках пользователя (Search Bookmarks).
   3. Поиск по тексту аннотаций пользователя (Search Annotations).
3. Объединение результатов: Наборы результатов объединяются в единый список (Merge Search Results).
4. Ранжирование страниц: Комбинированный список ранжируется (Rank Pages). При ранжировании используются стандартные факторы и персональные данные (рейтинги, наличие закладок). Результаты могут быть повышены или визуально выделены.
5. Выбор рекламы: Выбор рекламных объявлений на основе интересов пользователя.
6. Предоставление результата: Финальный набор результатов и реклама передаются пользователю.

Процесс Б: Неявное выставление рейтинга (Implicit Rating) – Пример из патента

Этот процесс описывает один из вариантов неявного определения интереса на основе повторных визитов.

1. Отслеживание URL: Фиксация посещения URL пользователем.
2. Проверка статуса закладки: Определение, является ли URL уже явной закладкой. Если да, процесс завершается.
3. Проверка истории посещений: Определение, является ли это первым визитом.
4. Инициализация рейтинга (Первый визит): Если визит первый, создается запись и устанавливается начальный рейтинг (например, 0.5).
5. Увеличение рейтинга (Повторный визит): Если визит повторный, существующий рейтинг увеличивается (например, +0.05). (Примечание: другие варианты используют Linger Time и т.д.)
6. Проверка порога: Сравнение нового рейтинга с пороговым значением (например, 0.7).
7. Создание неявной закладки: Если рейтинг превышает порог, URL помечается как закладка.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании поведенческих и пользовательских факторов для персонализации.

• Пользовательские факторы (Явные):
  • Закладки (Bookmarks) и Избранное (Favorites): URL, сохраненные пользователем.
  • Оценки (Ratings): Шкала (0.0-1.0) или голоса (за/против).
  • Аннотации (Annotations): Текстовые комментарии к URL.
  • «Speed-dial» ассоциации: Короткие строки для прямой навигации.
  • User ID (для аутентификации и синхронизации).
• Поведенческие факторы (Неявные / Implicit Measures):
  • Время пребывания на сайте (Linger time).
  • Количество повторных визитов (Quantity of repeat visits).
  • Количество кликов на сайте (Quantity of click-throughs).
  • Действия: печать страницы, сохранение страницы, активность прокрутки.
  • История браузера (Browser history list).
• Контентные и Структурные факторы:
  • Полный текст статьи на момент последнего посещения (упоминается как форма аннотации).
  • Иерархия закладок (может использоваться как неявная аннотация).

Какие метрики используются и как они считаются

• Rating Score (Оценка рейтинга): Числовое значение (например, 0.0–1.0), представляющее предпочтение. Может устанавливаться явно или рассчитываться неявно. Патент указывает, что низкие рейтинги могут пессимизировать результат, а высокие – повышать.
• Implicit Bookmark Threshold (Порог неявной закладки): Заданное значение рейтинга (например, 0.7), выше которого URL автоматически добавляется в закладки.
• Temporal Decay (Временное затухание): Упоминается как метод снижения рейтинга неиспользуемых закладок со временем.
• Clustering (Кластеризация): Упоминается использование закладок для кластеризации интересов пользователей и определения групп со схожими вкусами (users with similar tastes). Это используется для рекомендаций и таргетинга рекламы.
• Методы ранжирования: Описаны варианты интеграции: сортировка на основе рейтинга, приоритетное отображение персональных результатов или просто маркировка результатов без изменения порядка.

Выводы

1. Персонализация как фундаментальный компонент поиска: Патент подтверждает, что Google использует личную историю взаимодействия пользователя (закладки, поведение, историю) для прямого влияния на его поисковую выдачу. SERP не является статичной и объективной.
2. Важность явных и неявных поведенческих сигналов: Система активно использует неявные сигналы (Implicit Measures: Linger Time, повторные визиты) для автоматической оценки интереса пользователя. Явные сигналы (закладки) также являются сильными индикаторами.
3. Критичность кросс-девайсной синхронизации: Ключевым элементом системы является инфраструктура для централизованного хранения и синхронизации данных между устройствами, что обеспечивает консистентный персонализированный опыт.
4. Аннотации как персональный анкорный текст: Пользовательские аннотации могут функционировать как user-specific anchor text, влияя на релевантность страницы по определенным ключевым словам для данного пользователя.
5. Персонализация рекламы: Personalized Search Objects используются не только для органического ранжирования, но и для повышения релевантности рекламных объявлений путем кластеризации интересов.
6. Персонализация может преобладать над глобальной релевантностью: Результаты, соответствующие личным предпочтениям пользователя, могут ранжироваться выше, чем результаты, считающиеся более релевантными в общем индексе.

Практика

Best practices (это мы делаем)

• Фокус на удержании пользователей (Retention) и вовлечении (Engagement): Это ключевая стратегия, вытекающая из патента. Поскольку повторные визиты и Linger Time являются неявными сигналами предпочтения, необходимо создавать контент и UX, которые стимулируют пользователей возвращаться и проводить на сайте больше времени. Это повышает Implicit Rating сайта для данного пользователя.
• Построение бренда и лояльности: Укрепляйте бренд, чтобы стимулировать прямые заходы и повторные визиты. Пользователи, лояльные к бренду, генерируют положительные поведенческие сигналы, улучшая видимость сайта в их персональной выдаче.
• Создание высокополезного контента (High-Utility Content): Разрабатывайте контент, который пользователи захотят сохранить или добавить в закладки (например, исчерпывающие руководства, инструменты, уникальные данные). Высокая полезность стимулирует явные сигналы (закладки) и улучшает неявные (время на сайте).
• Оптимизация User Experience (UX): Улучшайте метрики, связанные с неявными сигналами. Оптимизируйте скорость загрузки, дизайн и навигацию, чтобы стимулировать позитивные взаимодействия (скроллинг, сохранение, печать).

Worst practices (это делать не надо)

• Ориентация только на одноразовый трафик и кликбейт: Стратегии, оптимизированные под разовые визиты, менее эффективны, так как они не генерируют сигналы персонализации. Низкий linger time может привести к негативной персонализации.
• Игнорирование персонализации при анализе позиций: Оценка эффективности SEO только по «чистой» выдаче (в режиме инкогнито) не дает полной картины. Необходимо анализировать трафик и вовлеченность вернувшихся пользователей.
• Манипуляции с поведенческими факторами: Попытки искусственно увеличить Linger Time или количество повторных визитов с помощью ботов неэффективны, так как система персонализации привязана к аутентичным пользовательским аккаунтам (патент упоминает механизмы защиты от спама).

Стратегическое значение

Этот патент является фундаментальным для концепции персонализированного поиска. Он подчеркивает стратегический переход от оптимизации страниц к оптимизации пользовательского опыта и построению долгосрочных отношений с аудиторией (User-Centric SEO). SEO-стратегия должна быть направлена на то, чтобы стать авторитетным и предпочитаемым источником для пользователя. Это достигается через качество контента, отличный UX и сильный бренд.

Практические примеры

Сценарий 1: Улучшение персонализированного ранжирования для E-commerce сайта

Цель: Повысить видимость интернет-магазина для вернувшихся покупателей.

План действий на основе патента:

1. Улучшение неявных сигналов (Linger Time/Repeat Visits): Внедрить подробные руководства по продуктам, инструменты сравнения и списки желаний. Это стимулирует пользователей проводить больше времени на сайте и возвращаться (Процесс Б: Неявное рейтингование).
2. Контент-стратегия для удержания: Разработать блог с полезными советами (например, по уходу за товарами). Это поощряет повторные посещения.
3. Стимулирование явных действий: Поощрять создание аккаунта и использование функций «Избранный товар» (современный эквивалент закладок).

Ожидаемый результат: Когда вернувшийся пользователь ищет продукт, сайт с большей вероятностью займет более высокую позицию в его персонализированной выдаче благодаря накопленным положительным сигналам взаимодействия.

Сценарий 2: Использование неявных сигналов для информационного сайта

1. Ситуация: Пользователь ищет «лучшие практики Python» и кликает на ваш сайт.
2. Действие (На сайте): Сайт предоставляет глубокое руководство с интерактивными примерами. Пользователь проводит 15 минут (высокий linger time), прокручивает всю страницу и копирует код.
3. Результат (Система): Google фиксирует эти неявные сигналы. Implicit Rating вашего сайта для этого пользователя повышается.
4. Ожидаемый эффект: При следующем поиске по смежной теме (например, «отладка Python»), ваш сайт будет ранжироваться выше в выдаче этого пользователя.

Вопросы и ответы