Как Google определяет, сколько результатов показать, классифицируя запросы как Навигационные или Исследовательские

Описание

Какую задачу решает

Патент решает проблему предоставления избыточного количества результатов поиска, когда пользователь ищет конкретный объект или место (навигационный интент). Это особенно актуально для локального поиска и отображения результатов на картах, где пространство ограничено и избыток маркеров может ухудшить восприятие. Цель — улучшить пользовательский опыт, показывая меньше результатов (иногда только один), если система уверена в цели поиска, и больше результатов, если пользователь исследует тему или категорию.

Что запатентовано

Запатентован метод управления количеством отображаемых результатов поиска. Система определяет, является ли запрос Навигационным (Navigational query) — поиск конкретного объекта, или Исследовательским (Exploratory query) — поиск вариантов или категорий. Если запрос классифицирован как навигационный, количество результатов, предоставляемых пользователю, сокращается.

Как это работает

Система (Query Analysis Engine) анализирует уже сформированный набор результатов поиска. Классификация интента происходит двумя основными способами:

• Анализ компонентов оценки релевантности (Relevance Score): Система проверяет, что является основным драйвером релевантности — совпадение с названием ресурса (Title Component) или совпадение с категорией ресурса (Category Component). Доминирование Title Component указывает на навигационный запрос.
• Анализ энтропии кликов (Entropy): Система анализирует исторические данные (Stored User Responses) по похожим запросам. Если пользователи преимущественно кликают на один и тот же результат (низкая энтропия), это указывает на навигационный запрос.

Если запрос признан навигационным, набор результатов усекается.

Актуальность для SEO

Высокая. Классификация интента запроса является фундаментальной задачей в современном поиске. Описанные механизмы, особенно использование энтропии пользовательского поведения и анализ компонентов релевантности для определения навигационного vs. исследовательского интента, активно используются, в частности, в Google Maps и локальном поиске для формирования Local Pack и ответов на брендовые запросы.

Важность для SEO

Патент имеет среднее влияние на общую SEO-стратегию, но высокое значение для Local SEO. Он не описывает, как повысить ранжирование, но объясняет механизм, определяющий, сколько конкурентов будет показано в выдаче. Понимание того, как Google различает поиск бренда/названия и поиск категории, критично для оптимизации видимости локального бизнеса и управления его представлением в результатах поиска.

Детальный разбор

Термины и определения

Category Component (Компонент категории)

Часть Relevance Score, отражающая релевантность запроса категории, к которой принадлежит ресурс (например, «пекарня», «ресторан»).

Entropy (Энтропия)

Мера разнообразия взаимодействия пользователей с результатами поиска. Высокая энтропия означает, что клики распределены по многим результатам. Низкая энтропия означает, что большинство пользователей кликают на один или два результата.

Exploratory Query (Исследовательский запрос)

Запрос, направленный на поиск вариантов, категорий или неопределенных местоположений (например, «пиццерии в Нью-Йорке»). Подразумевает предоставление широкого набора результатов.

Navigational Query (Навигационный запрос)

Запрос, направленный на поиск конкретного ресурса, бизнеса или местоположения (например, «Chelsea Market» или конкретный адрес). Подразумевает предоставление ограниченного набора результатов.

Query Analysis Engine (Механизм анализа запросов)

Компонент системы, который определяет, является ли запрос навигационным или исследовательским, и решает, нужно ли сокращать количество результатов.

Relevance Score (Оценка релевантности)

Общая оценка, используемая для ранжирования результата. Состоит из различных компонентов, включая Title Component и Category Component.

Stored User Responses (Сохраненные ответы пользователей)

База данных исторических взаимодействий пользователей (например, кликов) с результатами поиска по ранее выполненным запросам. Используется для расчета энтропии.

Title Component (Компонент заголовка/названия)

Часть Relevance Score, отражающая совпадение запроса с названием или заголовком ресурса.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает базовый метод управления результатами поиска.

1. Система получает набор результатов поиска в ответ на запрос пользователя.
2. Система определяет, является ли запрос Navigational query или Exploratory query.
3. Система определяет количество результатов поиска, которые будут представлены пользователю, в зависимости от того, классифицирован ли запрос как навигационный или исследовательский.

Claim 2 (Зависимый от 1): Детализирует метод определения типа запроса.

Определение типа запроса включает анализ оценки (score), связанной как минимум с одним результатом поиска. Эта оценка используется для ранжирования и включает как минимум один из компонентов: title component или category component.

Claims 3 и 4 (Зависимые от 1): Определяют действие в зависимости от типа запроса.

• Если запрос исследовательский, отображается весь набор результатов (Claim 3).
• Если запрос навигационный, отображается только подмножество (subset) результатов (Claim 4).

Claims 5 и 6 (Зависимые от 2): Детализируют анализ оценки.

• Анализ включает сравнение title component с первым предопределенным порогом (Claim 5).
• Анализ включает сравнение category component со вторым предопределенным порогом (Claim 6).

Claim 7 (Зависимый от 1): Описывает альтернативный метод определения типа запроса.

Определение типа запроса включает анализ stored user responses. Эти данные содержат информацию о выборе пользователями результатов, ранее представленных в ответ на похожие запросы.

Claim 8 (Зависимый от 7): Детализирует анализ поведения пользователей.

Анализ stored user responses включает определение степени энтропии (degree of entropy), связанной с выбором пользователями ранее представленных результатов.

Где и как применяется

Изобретение применяется после основного этапа ранжирования для корректировки финального представления выдачи.

INDEXING – Индексирование и извлечение признаков
На этом этапе рассчитываются и сохраняются данные, которые впоследствии станут компонентами оценки релевантности, такие как оценка соответствия названия (Title Component) и категории (Category Component) различным запросам.

QUNDERSTANDING – Понимание Запросов
Система анализирует исторические данные о поведении пользователей (Stored User Responses) офлайн. Рассчитывается энтропия (Entropy) кликов для различных запросов. Эта информация используется для понимания типичного интента запроса.

RANKING – Ранжирование
Генерируется первоначальный набор результатов поиска с соответствующими Relevance Scores.

RERANKING – Переранжирование / METASEARCH – Метапоиск и Смешивание
Основной этап применения патента. Query Analysis Engine получает результаты от этапа RANKING и использует данные, подготовленные на этапах INDEXING и QUNDERSTANDING, чтобы классифицировать интент (Навигационный или Исследовательский). На основе этой классификации система принимает решение об усечении (truncation) списка результатов. Это особенно актуально при формировании локальных блоков (Local Pack) или результатов на картах.

Входные данные:

• Исходный запрос пользователя.
• Набор результатов поиска.
• Relevance Scores для каждого результата и их компоненты (Title Component, Category Component).
• Исторические данные об энтропии кликов (Entropy) для похожих запросов.

Выходные данные:

• Финальный набор результатов поиска (полный или усеченный).

На что влияет

• Конкретные типы контента и ниши: Наибольшее влияние оказывается на локальный поиск (Local Search) и Google Maps. Патент прямо упоминает географические поисковые запросы и отображение результатов на карте города или района. Влияет на видимость локального бизнеса (рестораны, магазины, достопримечательности).
• Специфические запросы:
  • Навигационные/Брендовые: Запросы по названию конкретного бизнеса (например, «John’s Pizzeria»). Система стремится сократить выдачу до одного или нескольких наиболее релевантных филиалов.
  • Исследовательские/Категорийные: Запросы по типу бизнеса (например, «Bakery»). Система стремится показать больше вариантов.
  • Неоднозначные запросы: Запросы, которые могут быть как названием, так и категорией. Система использует энтропию и анализ компонентов оценки для разрешения неоднозначности.

Когда применяется

• Условия работы: Алгоритм применяется при обработке поискового запроса, особенно если он имеет локальный интент или географические ограничения.
• Триггеры активации (для сокращения выдачи):
  • Title Component результата превышает определенный порог или составляет основную часть Relevance Score.
  • ИЛИ: Category Component результата ниже определенного порога.
  • ИЛИ: Энтропия (Entropy) исторических кликов по данному запросу является низкой.

Пошаговый алгоритм

Процесс управления результатами поиска:

1. Получение запроса: Система получает поисковый запрос от пользователя.
2. Выполнение поиска: Стандартная поисковая система выполняет поиск и генерирует набор результатов с оценками релевантности (Relevance Scores).
3. Анализ оценки релевантности: Анализируется результат с наивысшей оценкой релевантности.
4. Проверка компонента названия (Title Component): Система определяет, является ли Title Component основным компонентом Relevance Score (например, путем сравнения с порогом или с другими компонентами).
   • Если ДА (Навигационный интент): Перейти к шагу 8 (Сокращение результатов).
   • Если НЕТ: Перейти к шагу 5.
5. Проверка компонента категории (Category Component): Система определяет, превышает ли Category Component предопределенный порог.
   • Если ДА (Исследовательский интент): Перейти к шагу 9 (Предоставление результатов). Сокращение не требуется.
   • Если НЕТ: Перейти к шагу 6.
6. Доступ к историческим данным: Если интент не определен по компонентам оценки, система обращается к Stored User Responses (историческим данным о кликах по похожим запросам).
7. Анализ энтропии (Entropy): Система анализирует распределение кликов. Имеют ли сохраненные ответы низкую энтропию (т.е. клики сконцентрированы на одном-двух результатах)?
   • Если ДА (Навигационный интент): Перейти к шагу 8 (Сокращение результатов).
   • Если НЕТ (Высокая энтропия, Исследовательский интент): Перейти к шагу 9 (Предоставление результатов).
8. Сокращение набора результатов: Система сокращает набор результатов (например, до фиксированного числа топовых результатов или результатов в пределах определенного расстояния).
9. Предоставление результатов: Финальный набор результатов (полный или сокращенный) предоставляется пользователю.

Какие данные и как использует

Данные на входе

• Контентные факторы: Название/Заголовок ресурса (используется для расчета Title Component). Категория ресурса (используется для расчета Category Component).
• Поведенческие факторы: Stored User Responses — исторические данные о том, на какие результаты кликали пользователи в ответ на похожие запросы.
• Географические факторы: Местоположение устройства пользователя (IP-адрес, GPS-координаты, данные сотовых вышек) или местоположение, указанное в запросе. Эти данные используются для определения контекста поиска и могут использоваться для ограничения радиуса поиска при сокращении результатов.

Какие метрики используются и как они считаются

• Relevance Score: Общая оценка релевантности. В патенте упоминается, что это может быть взвешенная линейная комбинация компонентов (Title Component, Category Component, географические данные и т.д.).
• Title Component Score: Оценка совпадения запроса с названием ресурса.
• Category Component Score: Оценка совпадения запроса с категорией ресурса.
• Нормализованные оценки компонентов: Патент предлагает нормализацию оценок (например, Title Component делится на общий Relevance Score) для сравнения с порогами.
• Пороги доминирования: Предопределенные значения, с которыми сравниваются нормализованные оценки компонентов, чтобы определить, является ли компонент «основным».
• Entropy (Энтропия): Метрика распределения кликов. Рассчитывается на основе Stored User Responses. Может быть представлена в виде гистограммы кликов.

Выводы

1. Количество результатов зависит от интента: Google активно управляет размером поисковой выдачи. Если интент определен как навигационный (поиск конкретного объекта), количество результатов искусственно сокращается. Если интент исследовательский (поиск вариантов), показывается больше результатов.
2. Компоненты релевантности как индикаторы интента: Система анализирует, за счет чего результат получил высокую оценку релевантности. Если оценка высока в основном из-за совпадения названия (Title Component), это сигнал навигационного интента. Если из-за совпадения категории (Category Component) — исследовательского.
3. Энтропия кликов как ключевой сигнал: Поведение пользователей является критически важным фактором для классификации интента, особенно в неоднозначных случаях. Низкая энтропия (все кликают на один результат) — сильный индикатор того, что запрос является навигационным и выдачу можно сократить до этого результата.
4. Фокус на локальный поиск: Механизмы, описанные в патенте, в первую очередь направлены на улучшение локального поиска и отображения результатов на картах, где важно не перегружать интерфейс.
5. Классификация после ранжирования: Определение интента для целей управления количеством результатов происходит после того, как первоначальный набор результатов уже сформирован и ранжирован.

Практика

Best practices (это мы делаем)

• Четкое и уникальное наименование (для Навигационных запросов): Убедитесь, что название вашего бизнеса (особенно локального) четко определено и используется консистентно во всех источниках (сайт, Google Business Profile). Это помогает максимизировать Title Component оценки релевантности при брендовых запросах, подтверждая навигационный интент.
• Точная категоризация (для Исследовательских запросов): Правильно выбирайте основные и дополнительные категории в Google Business Profile и других каталогах. Это помогает максимизировать Category Component оценки релевантности при категорийных запросах, обеспечивая видимость, когда пользователь исследует варианты.
• Укрепление связи Бренд-Запрос (Снижение Энтропии): Работайте над узнаваемостью бренда и оптимизацией сниппетов. Цель состоит в том, чтобы при запросе, связанном с вашим брендом или даже при неоднозначном запросе, пользователи преимущественно выбирали ваш ресурс. Это снижает энтропию кликов и сигнализирует Google о навигационном характере запроса в вашу пользу.
• Оптимизация локального присутствия: Поскольку патент сильно ориентирован на локальный поиск, необходимо обеспечить полноту и точность данных о местоположении (NAP) для корректной обработки географических факторов.

Worst practices (это делать не надо)

• Неоднозначное наименование: Использование общих слов в названии бизнеса, которые могут быть интерпретированы как категория (например, название «Лучшие Пиццы Города»). Это может привести к тому, что система не сможет четко определить доминирующий компонент (Title или Category), усложняя классификацию интента.
• Манипуляции с названиями (Keyword Stuffing): Добавление ключевых слов категорий в название бизнеса (например, в Google Business Profile). Это может размыть Title Component и потенциально снизить уверенность системы в том, что запрос является навигационным (помимо того, что это нарушает правила Google).
• Игнорирование поведенческих сигналов: Создание контента или сниппетов, которые не соответствуют интенту запроса, что приводит к отказам и кликам на другие результаты. Это увеличивает энтропию и сигнализирует о том, что ваш результат не является конечной целью навигационного запроса.

Стратегическое значение

Патент подчеркивает, что Google рассматривает навигационные и исследовательские запросы как принципиально разные задачи поиска, применяя к ним разную логику отображения результатов. Для SEO-стратегии, особенно в локальном поиске, это означает необходимость двойной оптимизации: нужно быть максимально релевантным ответом на навигационный запрос (по названию) и быть конкурентоспособным вариантом в исследовательском поиске (по категории). Успех в одном не гарантирует успеха в другом.

Практические примеры

Сценарий 1: Навигационный запрос (Брендовый)

1. Запрос: Пользователь вводит «Starbucks» находясь в центре города.
2. Анализ: Система видит сильное совпадение по Title Component для нескольких филиалов. Исторические данные показывают низкую энтропию для запроса «Starbucks» (пользователи ищут ближайший филиал).
3. Действие: Система классифицирует запрос как Навигационный.
4. Результат: Вместо показа 50 филиалов по всему региону, система сокращает выдачу до 3-5 ближайших к пользователю филиалов, отображая их на карте района.

Сценарий 2: Исследовательский запрос (Категорийный)

1. Запрос: Пользователь вводит «Coffee Shop» находясь в центре города.
2. Анализ: Система видит сильное совпадение по Category Component для множества заведений. Title Component не доминирует. Энтропия кликов высокая (пользователи выбирают разные кофейни).
3. Действие: Система классифицирует запрос как Исследовательский.
4. Результат: Система предоставляет широкий набор результатов, включая как крупные сети, так и местные кофейни, позволяя пользователю выбрать.

Сценарий 3: Разрешение неоднозначности

1. Запрос: Пользователь вводит «Cyclone» в Бруклине.
2. Анализ: Система проверяет компоненты оценки. Если они не дают четкого ответа (например, есть совпадения и по названию, и по категории), проверяется энтропия.
3. Данные: Система видит, что 95% пользователей, искавших «Cyclone» в Бруклине, кликали на результат, связанный с аттракционом (низкая энтропия).
4. Действие: Система классифицирует запрос как Навигационный.
5. Результат: Система сокращает выдачу, фокусируясь на аттракционе «Cyclone», а не на других менее релевантных результатах.

Вопросы и ответы