Как Google использует историю местоположений пользователя для персонализации и повышения позиций в локальном поиске и на картах

Описание

Какую задачу решает

Патент решает задачу повышения релевантности и удобства использования картографических сервисов и географического поиска за счет глубокой персонализации. Стандартные системы используют общеизвестные ориентиры (landmarks), количество которых ограничено. Изобретение позволяет использовать в качестве ориентиров любые места (Points of Interest, POI), знакомые конкретному пользователю, даже если они не известны широкой публике. В контексте поиска это решает проблему предоставления наиболее релевантных локальных результатов, учитывая личный опыт и предпочтения пользователя.

Что запатентовано

Запатентована система для генерации персонализированных картографических данных на основе истории местоположений пользователя (location history). Система идентифицирует места, знакомые пользователю, путем анализа частоты (frequency) и давности (recency) их посещений. Эти «знакомые места» затем используются для: 1) повышения ранжирования (boosting rankings) в результатах географического поиска; 2) аннотирования результатов поиска; 3) использования в качестве ориентиров при навигации или просмотре карты.

Как это работает

Система функционирует следующим образом:

• Сбор данных: С разрешения пользователя система собирает историю местоположений, фиксируя посещенные POI, дату, время и продолжительность визита.
• Оценка знакомства (Familiarity Scoring): Каждому посещенному месту присваиваются оценки частоты (Frequency Score) и давности (Recency Score), которые затем объединяются в общую оценку (Overall Score).
• Применение в поиске: При получении географического запроса система идентифицирует результаты, которые пользователь посещал ранее. Ранжирование этих результатов повышается на основе их Overall Score. Результаты также аннотируются описанием взаимоотношений (например, «Вы часто здесь бываете»).
• Применение на картах/навигации: Знакомые места используются как точки отсчета (frame of reference) для других локаций или как ориентиры в инструкциях по навигации (например, «Поверните направо после [Знакомое Место]»).

Актуальность для SEO

Высокая. Персонализация является ключевым трендом в поиске, особенно в локальном SEO. Использование поведенческих данных (истории посещений) для влияния на ранжирование локальных результатов делает этот патент крайне актуальным. Механизмы, описанные в патенте, активно используются в современных картографических продуктах и локальной выдаче для повышения вовлеченности и релевантности.

Важность для SEO

Патент имеет критическое значение для локального SEO (Local SEO). Он описывает конкретный механизм, с помощью которого Google может повышать ранжирование бизнеса в географическом поиске для пользователей, которые уже посещали это место. Это подчеркивает важность не только привлечения новых клиентов, но и удержания существующих, поскольку повторные визиты становятся прямым сигналом ранжирования для данного пользователя. Видимость бизнеса в локальном поиске становится сильно зависимой от реального поведения пользователей офлайн.

Детальный разбор

Термины и определения

Location History (История местоположений)

Данные о местах (POI), ранее посещенных пользователем. Включают местоположение, дату, время, продолжительность визита и пользовательские метки (например, «Дом», «Работа»).

Familiar Location / Personalized Landmark (Знакомое место / Персонализированный ориентир)

Место, идентифицированное системой как знакомое пользователю на основе его Location History (высокие показатели Frequency и/или Recency). Используется как ориентир или для персонализации поиска.

Frequency Score (Оценка частоты)

Метрика, определяемая на основе общего количества посещений места, количества посещений за период или средней частоты посещений. Может учитывать продолжительность визитов.

Recency Score (Оценка давности)

Метрика, определяемая на основе времени, прошедшего с момента последнего посещения места пользователем.

Overall Score (Общая оценка)

Комбинированная оценка знакомства пользователя с местом, основанная на Frequency Score и Recency Score (например, взвешенное среднее).

Geographic Search Query (Географический поисковый запрос)

Запрос пользователя, направленный на поиск мест (например, «Кафе»). Может быть частичным (partial geographic search query).

Candidate Landmarks (Кандидаты в ориентиры)

Места из Location History пользователя, находящиеся в пределах порогового расстояния от целевой точки (например, от выбранного POI или точки маневра в навигации).

Intermediate Destination (Промежуточный пункт назначения)

Знакомое место, используемое в качестве промежуточной цели при навигации к конечному пункту назначения.

Ключевые утверждения (Анализ Claims)

Патент содержит несколько независимых пунктов, описывающих разные сценарии использования персонализированных ориентиров.

Claim 1 (Независимый пункт): Описывает метод использования знакомого места как точки отсчета на карте.

1. Система получает выбор точки интереса (POI) на цифровой карте.
2. Получается история местоположений пользователя (с условием посещения дольше пороговой продолжительности).
3. Идентифицируются кандидаты в ориентиры в пределах порогового расстояния от выбранного POI.
4. Выбирается один кандидат путем ранжирования на основе давности (recency) посещения (времени с последнего визита).
5. На карте отображаются индикаторы выбранного POI и выбранного персонализированного ориентира.

Claim 7 (Независимый пункт): Описывает метод использования знакомых мест в навигационных инструкциях.

1. Система получает запрос на навигацию.
2. Генерируется набор инструкций, каждая из которых включает маневр в определенном месте.
3. Для как минимум одной инструкции:
   1. Получается история местоположений.
   2. Выбирается навигационный ориентир в пределах порогового расстояния от места маневра. Выбор происходит путем ранжирования кандидатов на основе давности (recency) посещения.
   3. Генерируется инструкция, ссылающаяся на этот ориентир (например, «Поверните после X»).
4. Набор инструкций предоставляется пользователю.

Claim 14 (Независимый пункт): Описывает метод персонализации результатов географического поиска (ключевой для SEO).

1. Система получает географический поисковый запрос.
2. Получается история местоположений пользователя.
3. Идентифицируется набор результатов поиска, включающий как минимум один POI, который пользователь посещал ранее.
4. Результаты ранжируются, по крайней мере частично, на основе давности (recency) посещения пользователем каждого результата.
5. Набор результатов предоставляется пользователю, при этом результаты аннотируются индикатором частоты (frequency) посещения ИЛИ индикатором самого последнего времени посещения.

Claim 15 (Зависимый от 14): Уточняет механизм ранжирования.

1. Результаты ранжируются по релевантности запросу.
2. Ранжирование результатов, которые пользователь посещал ранее, повышается (boosting rankings).
3. Результаты предоставляются в скорректированном порядке.

Где и как применяется

Изобретение применяется в системах, обрабатывающих географические данные, таких как картографические приложения и локальный поиск.

INDEXING – Индексирование и извлечение признаков
На этом этапе система обрабатывает историю местоположений пользователей (офлайн). Вычисляются и сохраняются метрики Frequency Score, Recency Score и Overall Score для каждого пользователя и каждого посещенного им POI. Эти данные индексируются для быстрого доступа.

QUNDERSTANDING – Понимание Запросов
Система распознает географический интент запроса (Geographic Search Query), в том числе частичные запросы для генерации подсказок.

RANKING – Ранжирование (Локальный поиск)
Основное применение в контексте SEO. На этапе ранжирования локальных результатов система использует данные о знакомстве пользователя с POI.

1. Генерируется базовый набор результатов с оценками релевантности.
2. Система извлекает Overall Scores (или отдельные Frequency/Recency Scores) для результатов, которые пользователь посещал.
3. Базовые оценки релевантности комбинируются с оценками знакомства для генерации итоговых оценок (boosted search result score).
4. Происходит переранжирование результатов.

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование
На финальном этапе система генерирует аннотации (например, «Вы были здесь на прошлой неделе») для отображения в SERP или интерфейсе карт. Также на этих этапах (или аналогичных этапах в навигационной системе) происходит модификация карты для отображения персонализированных ориентиров или изменение навигационных инструкций.

Входные данные:

• История местоположений пользователя (Location History).
• Триггер: географический поисковый запрос, запрос на навигацию или выбор POI на карте.
• Базовые данные карт и POI.
• (Для поиска) Базовые оценки релевантности результатов.

Выходные данные:

• (Для поиска) Персонализированный, переранжированный список результатов с аннотациями.
• (Для карт) Отображение карты с персонализированным ориентиром.
• (Для навигации) Набор инструкций, ссылающихся на персонализированные ориентиры.

На что влияет

• Конкретные типы контента: Влияет на отображение и ранжирование локальных сущностей (бизнесы, организации, публичные места – POI).
• Специфические запросы: Наибольшее влияние оказывается на географические запросы (явные локальные запросы или запросы с локальным интентом).
• Конкретные ниши или тематики: Влияет на все локальные ниши, особенно с высокой частотой повторных посещений (рестораны, магазины, услуги).

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Доступность данных: Пользователь разрешил сбор и использование истории местоположений.
• Триггеры активации:
  • Пользователь вводит географический поисковый запрос (включая частичный).
  • Пользователь запрашивает навигационные инструкции.
  • Пользователь выбирает POI на карте.
• Условие срабатывания: В релевантной географической области (рядом с результатами поиска, маршрутом навигации или выбранным POI) существуют места, которые пользователь посещал ранее (т.е. присутствуют в Location History).

Пошаговый алгоритм

Ниже описан процесс персонализации результатов географического поиска (наиболее релевантный для SEO).

Процесс А: Предварительная обработка (Офлайн)

1. Сбор данных: Получение истории местоположений пользователя (POI, время, продолжительность).
2. Фильтрация: Удаление визитов короче пороговой продолжительности (например, менее 1 минуты).
3. Расчет метрик: Для каждого посещенного POI вычисление Frequency Score и Recency Score.
4. Агрегация: Вычисление Overall Score путем комбинирования (например, взвешивания) Frequency Score и Recency Score.
5. Индексация: Сохранение оценок в базе данных для быстрого доступа.

Процесс Б: Обработка запроса (В реальном времени)

1. Получение запроса: Система получает географический поисковый запрос от пользователя.
2. Идентификация результатов: Генерируется базовый набор результатов поиска, релевантных запросу.
3. Получение базовых оценок: Каждому результату присваивается оценка релевантности (relevancy score).
4. Извлечение персонализированных данных: Система проверяет, какие из результатов присутствуют в Location History пользователя, и извлекает их Overall Scores.
5. Расчет итоговых оценок: Для каждого результата вычисляется итоговая оценка (boosted search result score) путем комбинирования relevancy score и Overall Score. Результаты, не посещенные пользователем, получают дефолтный Overall Score (например, 0).
6. Переранжирование: Набор результатов сортируется по итоговым оценкам.
7. Генерация аннотаций: Для посещенных результатов генерируются описания взаимоотношений на основе частоты/давности (например, «Вы были здесь вчера»).
8. Предоставление результатов: Переранжированный и аннотированный список предоставляется пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании данных о поведении пользователя офлайн.

• Поведенческие факторы (Офлайн):
  • Location History: Основной источник данных.
  • Идентификатор пользователя (User ID).
  • Местоположение (Location): Адрес или название посещенного POI.
  • Дата и время визита (Date, Time).
  • Продолжительность визита (Time Spent at Location).
• Пользовательские факторы:
  • Пользовательские метки (Location Label): Метки, присвоенные пользователем (например, «Работа», «Дом»).
• Системные данные (для поиска):
  • Relevancy Scores: Базовые оценки релевантности результатов поисковому запросу.

Какие метрики используются и как они считаются

• Frequency Score: Рассчитывается на основе количества визитов. Может быть общим числом, числом за период или средней частотой. Патент упоминает возможность взвешивания визитов по продолжительности (более длительные визиты имеют больший вес).
• Recency Score: Рассчитывается на основе времени, прошедшего с последнего визита.
• Overall Score: Рассчитывается путем комбинации Frequency Score и Recency Score. Патент предлагает варианты: агрегация, усреднение, умножение или взвешенная комбинация (например, 0.6 * Frequency + 0.4 * Recency).
• Boosted Search Result Score: Итоговая оценка ранжирования в поиске. Рассчитывается путем комбинации Relevancy Score и Overall Score (или отдельных Frequency/Recency Scores).
• Пороговая продолжительность визита: Минимальное время пребывания в локации для ее учета в Location History (например, 1 минута, 5 минут).

Выводы

1. Повторные офлайн-визиты как сигнал ранжирования: Патент подтверждает, что Google использует историю физических посещений (Location History) как прямой сигнал для персонализации ранжирования в географическом поиске. Частота (Frequency) и давность (Recency) визитов определяют степень «знакомства» пользователя с бизнесом.
2. Агрессивное повышение знакомых мест: Система активно повышает (boosts rankings) результаты поиска, которые пользователь посещал ранее. Это означает, что для лояльного клиента знакомый бизнес может ранжироваться выше, чем бизнес с лучшими общими локальными сигналами (например, отзывами или ссылками).
3. Персонализация сильнее общей релевантности: В локальном поиске персональный опыт пользователя может перевесить общие сигналы релевантности. Ранжирование строится на комбинации Relevancy Score и Overall Score (оценка знакомства).
4. Важность аннотаций для CTR: Система не только повышает позиции, но и аннотирует результаты (например, «Вы были здесь на прошлой неделе»). Такие аннотации могут значительно повысить CTR результата, так как предоставляют пользователю персональный контекст.
5. Зависимость от сбора данных: Эффективность механизма напрямую зависит от того, разрешил ли пользователь сбор истории местоположений. Без этих данных персонализация невозможна.
6. Фильтрация коротких визитов: Система учитывает продолжительность визита и может фильтровать слишком короткие пребывания, чтобы отличить реальное посещение от прохода мимо.

Практика

Best practices (это мы делаем)

• Стимулирование повторных визитов (Customer Retention): Поскольку повторные визиты напрямую улучшают ранжирование для данного пользователя, необходимо интегрировать SEO-стратегию с программами лояльности. Удержание клиентов становится задачей SEO.
• Поощрение использования Google Maps и Location History: Мотивируйте клиентов использовать Google Maps для навигации к вашему бизнесу и не отключать историю местоположений. Это гарантирует, что их визиты будут учтены системой.
• Оптимизация пребывания (Dwell Time Offline): Убедитесь, что клиенты проводят в локации достаточно времени, чтобы система зафиксировала визит (дольше порогового значения, упомянутого в патенте как, например, 1 или 5 минут).
• Мониторинг локальной выдачи с персонализацией: При анализе позиций в локальном поиске необходимо учитывать эффект персонализации. Выдача для нового клиента и постоянного посетителя будет существенно отличаться.
• Работа над узнаваемостью бренда (Brand Familiarity): Укрепляйте связь между названием бренда и его физическим расположением, чтобы пользователи легко узнавали ваш бизнес в аннотированных результатах.

Worst practices (это делать не надо)

• Фокус только на привлечении новых клиентов: Игнорирование важности повторных визитов приведет к потере позиций в персонализированной выдаче для существующей клиентской базы.
• Манипуляции с историей местоположений: Попытки искусственно генерировать фальшивые визиты (например, с помощью ботов или мотивированного трафика) рискованны и, вероятно, будут отфильтрованы (например, по продолжительности визита или паттернам поведения).
• Игнорирование физического опыта клиента: Опора только на традиционные факторы локального SEO (отзывы, цитирования) без учета реального взаимодействия пользователя с локацией офлайн.

Стратегическое значение

Этот патент подчеркивает стратегический сдвиг в локальном поиске от чисто информационных сигналов к сигналам, основанным на реальном поведении пользователей в физическом мире. Локальное SEO становится неотделимым от качества продукта и клиентского сервиса. Способность бизнеса генерировать повторные визиты напрямую конвертируется в его видимость в поиске для самой ценной аудитории – лояльных клиентов. Это создает петлю обратной связи: лучший сервис ведет к повторным визитам, что ведет к лучшему ранжированию для этих пользователей, что ведет к еще большему количеству визитов.

Практические примеры

Сценарий: Повышение видимости кофейни для постоянного клиента

1. Действие пользователя: Пользователь регулярно (3 раза в неделю) посещает «Кофейню А» по дороге на работу и проводит там 15 минут. Google Maps фиксирует эти визиты.
2. Обработка Google: Система присваивает «Кофейне А» высокий Frequency Score и Recency Score для этого пользователя.
3. Поисковый запрос: Пользователь ищет «кафе» в этом районе.
4. Стандартное ранжирование: Без персонализации «Кофейня Б» (с большим количеством отзывов) занимает 1 место, а «Кофейня А» – 4 место.
5. Персонализированное ранжирование: Система применяет механизм бустинга. Overall Score «Кофейни А» значительно увеличивает ее итоговую оценку.
6. Результат: В выдаче пользователя «Кофейня А» занимает 1 место с аннотацией «Вы часто здесь бываете». «Кофейня Б» смещается на 2 место.

Вопросы и ответы