Как Google предлагает релевантные типы поиска (например, визуальный поиск) в зависимости от местоположения пользователя

Описание

Какую задачу решает

Патент решает проблему неоптимального выбора пользователем инструментов поиска. Пользователи могут не знать о существовании специфических возможностей (например, визуального поиска или сканирования штрих-кодов) или не понимать, когда их лучше применять. Использование неподходящего инструмента может привести к неточным результатам. Изобретение направлено на то, чтобы предложить оптимальный инструмент поиска в зависимости от текущего контекста и местоположения.

Что запатентовано

Запатентована система для предиктивного предложения возможностей поиска на мобильном устройстве в зависимости от его географического местоположения. Система определяет текущее местоположение устройства и на основе этих данных предлагает пользователю наиболее релевантные типы поиска (Search Types), такие как визуальный поиск или сканирование QR-кодов. Цель — предложить пользователю оптимальный инструмент поиска для текущего контекста.

Как это работает

Ключевой механизм работы системы:

• Определение местоположения: Мобильное устройство определяет свое географическое местоположение (используя GPS, Wi-Fi и т.д.).
• Получение типов поиска: Устройство (локально или через запрос к серверу) проверяет, связано ли текущее местоположение с набором предопределенных локаций (упоминаются как whitelisted locations в описании).
• Анализ контекста: Система может учитывать дополнительные факторы, такие как время суток, возможности устройства (наличие камеры) или события в календаре пользователя.
• Предиктивное отображение: Если местоположение соответствует локации, где определенный тип поиска релевантен (например, магазин и сканирование штрих-кодов), система отображает графический интерфейс (например, Predictive Card) с предложением использовать этот тип поиска.

Актуальность для SEO

Высокая. Описанная функциональность является основой для контекстных подсказок в современных продуктах Google, таких как Google Assistant и Google Lens. Системы, предлагающие действия или режимы поиска в зависимости от местоположения пользователя, активно развиваются и являются ключевым элементом мультимодального поиска.

Важность для SEO

Влияние на традиционное SEO (ранжирование веб-страниц) минимальное (20/100). Патент описывает пользовательский интерфейс (UX/UI) и то, как Google стимулирует использование различных способов поиска (визуальный, аудио), а не то, как ранжируются результаты. Однако он имеет высокое стратегическое значение, подчеркивая важность контекста реального мира и рост альтернативных методов поиска. Это критично для локального SEO и оптимизации сущностей (товаров, мест) для обнаружения через камеру (VSO).

Детальный разбор

Термины и определения

Geographic Location (Географическое местоположение)

Данные, указывающие на местоположение вычислительного устройства. Определяется с помощью GPS, сотовых сигналов, Wi-Fi.

Predictive Card (Предиктивная карточка)

Элемент графического интерфейса, отображающий информацию, которая, по прогнозам системы, будет полезна пользователю в текущем контексте. Используется для отображения предложений по типам поиска.

Predictive Module (Предиктивный модуль)

Компонент системы (на устройстве или сервере), отвечающий за определение релевантных типов поиска на основе географического местоположения и другого контекста.

Search Type (Тип поиска)

Способность или режим поиска. Примеры включают визуальный поиск, аудиопоиск, текстовый поиск.

Visual Search (Визуальный поиск)

Тип поиска, использующий изображения, полученные оптическим сенсором (камерой), в качестве входных данных. Включает подтипы: сканирование штрих-кодов (barcode scanning), сканирование QR-кодов (QR code scanning), распознавание изображений (image recognizer) и оптическое распознавание символов (OCR).

Whitelisted Locations (Набор предопределенных локаций)

В Claims упоминается как «set of geographic locations». Это база данных локаций, для которых определенные типы поиска считаются особенно релевантными (например, музей связан с распознаванием изображений, магазин — со сканированием штрих-кодов).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод работы мобильного устройства.

1. Определение географического местоположения мобильного устройства.
2. Получение одного или нескольких типов поиска (Search Types), связанных с этим местоположением.
3. В ответ на получение этих типов поиска, вывод на дисплей графического интерфейса, содержащего индикацию этих типов поиска.

Claim 3 (Зависимый от 2): Уточняет, как устройство самостоятельно (локально) определяет типы поиска.

Определение типов поиска включает сравнение географического местоположения с набором предопределенных географических локаций (set of geographic locations) и определение типов поиска на основе этого сравнения.

Claim 4 (Зависимый от 2): Уточняет критерий срабатывания для локального определения.

Определение типов поиска включает установление факта, что устройство находится в пределах порогового расстояния (threshold distance) от локации, связанной с этими типами поиска.

Claim 6 (Зависимый от 2): Уточняет использование дополнительного контекста.

Определение типов поиска основывается не только на географическом местоположении, но и на текущем времени, а также на запланированном событии (scheduled event), связанном с устройством (например, в календаре).

Claim 7 (Зависимый от 1): Описывает вариант работы через сервер.

Получение типов поиска включает передачу местоположения на сетевое устройство (сервер) и прием от него типов поиска, связанных с этим местоположением.

Claim 9 (Зависимый от 1): Описывает процесс выполнения визуального поиска после активации.

1. Получение пользовательского ввода, выбирающего визуальный тип поиска.
2. Получение изображений с помощью оптического сенсора.
3. Передача изображений на сетевое устройство.
4. Получение результатов поиска от сетевого устройства на основе этих изображений.
5. Вывод результатов поиска на дисплей.

Где и как применяется

Патент описывает механизм, который работает на стыке понимания контекста пользователя и интерфейса поисковой системы, влияя на то, как инициируется поиск.

QUNDERSTANDING – Понимание Запросов (Контекста)
Основное применение. Система интерпретирует не введенный пользователем запрос, а его контекст (местоположение, время, календарь), чтобы определить, какой тип поиска следует предложить. Это проактивное понимание намерений пользователя до ввода запроса.

INDEXING – Индексирование (Данные о местах)
Система полагается на базу данных (whitelisted locations), где географические локации связаны с типами поиска. Эта база данных должна быть предварительно сгенерирована и проиндексирована, что требует понимания характеристик реальных мест (например, что в магазине есть штрих-коды, а в музее — картины).

Взаимодействие компонентов:

• Device Location Module определяет местоположение и передает его Predictive Module.
• Predictive Module (локально или на сервере) сравнивает данные с базой Whitelisted Locations.
• UI Module отображает результат в виде Predictive Card.
• При активации поиска Search Module управляет сбором данных (камера/микрофон) и отправкой их на сервер.

Входные данные:

• Географическое местоположение (GPS, Wi-Fi и т.д.).
• Текущее время и дата.
• Тип и возможности устройства (например, наличие и статус камеры).
• Данные календаря пользователя (scheduled events).

Выходные данные:

• Элемент графического интерфейса (например, Predictive Card) с предложением использовать конкретный тип поиска (например, «Сканировать штрих-код» или «Найти произведение искусства по фото»).

На что влияет

• Локальные страницы и сущности: Наибольшее влияние на физические места — магазины, музеи, рестораны, достопримечательности. Система стимулирует поиск информации об этих местах или объектах внутри них.
• Конкретные типы контента (Товары): Сильно влияет на обнаружение товаров в розничных точках за счет предложения сканирования штрих-кодов или распознавания продуктов (Visual Search Optimization — VSO).
• Специфические запросы: Влияет на способ формирования запросов, стимулируя использование нетекстовых модальностей (визуальные и аудио запросы).

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Триггер активации: Устройство определило свое географическое местоположение с достаточной точностью (Location Resolution).
• Условие срабатывания: Текущее местоположение находится на расстоянии не более порогового (threshold distance) от одной из предопределенных локаций (whitelisted location).
• Фильтрация по контексту: Предлагаемый тип поиска соответствует возможностям устройства (например, визуальный поиск не предлагается, если нет камеры) и контексту (например, учитываются часы работы бизнеса или время суток).

Пошаговый алгоритм

Процесс А: Определение и предложение типа поиска

1. Определение местоположения: Вычислительное устройство определяет свое текущее географическое местоположение.
2. Сбор контекста: Система собирает дополнительный контекст: время, данные календаря, тип устройства.
3. Запрос типов поиска:
   • Вариант 1 (Локальный): Предиктивный модуль на устройстве сравнивает местоположение с локальной базой whitelisted locations.
   • Вариант 2 (Сетевой): Устройство передает данные о местоположении на сетевой сервер.
4. Сравнение и фильтрация: Система (на устройстве или сервере) определяет, находится ли устройство в пределах порогового расстояния от локации из списка, и фильтрует типы поиска по дополнительному контексту.
5. Получение результата: Устройство получает список релевантных типов поиска.
6. Отображение интерфейса: Устройство выводит графический интерфейс (например, Predictive Card), включающий индикацию предложенных типов поиска.

Процесс Б: Выполнение визуального поиска (Пример)

1. Выбор пользователя: Система получает ввод от пользователя, выбирающий предложенный визуальный тип поиска.
2. Сбор данных: Устройство активирует оптический сенсор (камеру) и получает одно или несколько изображений.
3. Отправка запроса: Устройство передает запрос на визуальный поиск вместе с полученными изображениями на сетевое устройство (сервер).
4. Распознавание объектов: Сервер выполняет распознавание объектов (Object Recognition) на изображениях.
5. Генерация результатов: Если объект распознан, сервер генерирует результаты поиска на основе этого объекта. Если нет — генерирует сообщение об ошибке.
6. Возврат и отображение результатов: Сервер передает результаты поиска на вычислительное устройство для отображения пользователю.

Какие данные и как использует

Данные на входе

Система использует контекстные данные для определения того, какой тип поиска предложить.

• Географические факторы: Данные GPS, сигналы сотовых вышек, сигналы Wi-Fi. Это ключевой фактор для определения текущего местоположения устройства.
• Временные факторы: Текущее время суток, день недели. Используется для уточнения релевантности (например, магазин может быть закрыт или освещение недостаточно для визуального поиска).
• Пользовательские факторы:
  • Данные устройства: Тип устройства, его возможности (наличие камеры, микрофона) и текущее состояние сенсоров.
  • Данные календаря: Запланированные события (scheduled events), которые помогают уточнить контекст и намерение пользователя.
• Мультимедиа факторы (как входные данные для поиска): Изображения, полученные камерой (для визуального поиска), или аудио, полученное микрофоном (для аудиопоиска).

Какие метрики используются и как они считаются

В патенте упоминаются следующие ключевые метрики и условия:

• Точность местоположения (Location Resolution): Система может воздержаться от предложений, если точность определения географического местоположения ниже определенного порога.
• Threshold Distance (Пороговое расстояние): Метрика для определения близости к whitelisted location. Если расстояние между устройством и локацией меньше порога, система активируется.
• Object Recognition (Распознавание объектов): Используется на этапе выполнения визуального поиска для идентификации объектов на изображении, которые затем используются как поисковые термины.

Выводы

1. Контекст определяет интерфейс поиска: Google активно использует сигналы из реального мира (в первую очередь, местоположение) для проактивного изменения пользовательского интерфейса и предложения релевантных действий до того, как пользователь сформулировал запрос.
2. Стимулирование мультимодального поиска: Патент описывает механизм целенаправленного продвижения альтернативных возможностей поиска (визуальный, аудио), особенно в контекстах, где они эффективнее текста (например, Google Lens).
3. Важность качества данных о локациях (Local SEO): Система полагается на предопределенную базу данных (whitelisted locations), связывающую места с типами поиска. Точность этой базы данных критична. Google должен точно знать, что данное место является музеем, магазином или рестораном.
4. Интеграция физического и цифрового миров: Этот механизм является мостом между физическим присутствием пользователя в определенном месте и цифровыми возможностями поиска информации об этом месте или объектах в нем.
5. Отсутствие влияния на ранжирование: Патент не содержит информации об алгоритмах ранжирования веб-страниц. Он полностью сосредоточен на пользовательском опыте (UX) и интерфейсе (UI).

Практика

Best practices (это мы делаем)

Хотя патент не влияет напрямую на ранжирование, он дает понимание того, как Google воспринимает физические локации и стимулирует поиск по ним, что важно для Local SEO и оптимизации сущностей.

• (Локальное SEO) Обеспечение точности данных о бизнесе: Критически важно поддерживать актуальность данных в Google Business Profile (GBP). Точное категоризирование бизнеса (например, «Книжный магазин», а не просто «Магазин») помогает Google понять контекст локации и предложить правильные типы поиска (например, сканирование штрих-кодов).
• (E-commerce) Использование стандартизированных идентификаторов: Патент явно упоминает сканирование штрих-кодов (barcode scanning) как ключевой тип поиска для розничных локаций. Убедитесь, что ваши продукты имеют корректные и зарегистрированные штрих-коды (GTIN) и передаются через Merchant Center, чтобы они могли быть легко идентифицированы при сканировании.
• Оптимизация под визуальный поиск (VSO): Поскольку система активно продвигает визуальный поиск в релевантных локациях (музеи, достопримечательности, магазины), важно оптимизировать визуальный контент (изображения товаров, логотипы, ключевые объекты), чтобы они были легко распознаваемы системами типа Google Lens. Используйте качественные изображения и разметку Schema.org.

Worst practices (это делать не надо)

• Неверное категоризирование локального бизнеса: Предоставление ложной информации о типе бизнеса в GBP может привести к тому, что Google будет предлагать пользователям нерелевантные типы поиска (например, предлагать сканирование штрих-кодов в ресторане), что ухудшит пользовательский опыт.
• Игнорирование альтернативных методов поиска: Фокусироваться только на текстовом поиске и игнорировать оптимизацию под визуальный и голосовой поиск является проигрышной стратегией, так как Google активно продвигает эти методы через контекстные подсказки.
• Предоставление неточных временных данных: Неактуальные часы работы в GBP могут привести к тому, что система предложит воспользоваться поиском, когда бизнес закрыт, так как патент учитывает время (current time).

Стратегическое значение

Патент подтверждает стратегический приоритет Google на развитие контекстного, проактивного и мультимодального поиска («Поиск вне поисковой строки»). Для SEO-специалистов это сигнал о том, что поведение пользователей меняется: поиск все чаще инициируется не вводом текста, а взаимодействием с реальным миром через камеру или микрофон. Долгосрочная стратегия должна учитывать, как сущности (места, продукты, объекты) могут быть обнаружены через эти альтернативные каналы.

Практические примеры

Сценарий 1: Посещение музея (Local SEO + VSO)

1. Контекст: Пользователь заходит в Музей современного искусства.
2. Действие системы: Устройство определяет местоположение. Predictive Module определяет, что это whitelisted location, связанное с типом поиска «Распознавание изображений».
3. Результат: На экране устройства появляется Predictive Card с информацией о музее и кнопкой «Найти произведение искусства по фото» (активация Google Lens).
4. Польза для SEO/Бизнеса: Музей, который оптимизировал свой GBP (точная категория, адрес) и предоставил Google качественные изображения своих экспонатов (через сайт с разметкой), увеличивает вероятность успешного распознавания и предоставления пользователю релевантной информации.

Сценарий 2: Розничный магазин (E-commerce)

1. Контекст: Пользователь заходит в магазин электроники.
2. Действие системы: Система идентифицирует локацию как розничный магазин, связанный с типом поиска «Сканирование штрих-кодов».
3. Результат: На экране появляется подсказка «Сканировать штрих-коды для сравнения цен».
4. Польза для SEO/Бизнеса: Производители и ритейлеры, использующие корректные GTIN и передающие их в Merchant Center, гарантируют, что их продукт будет правильно идентифицирован, а пользователь получит доступ к информации о товаре.

Вопросы и ответы