Как Google использует визуальные подсказки и интерактивные превью для уточнения запросов в Image Search

Описание

Какую задачу решает

Патент решает проблему навигации в поиске по изображениям, когда исходный запрос пользователя слишком общий или неоднозначен (например, «треугольник»). В таких случаях выдача содержит широкий спектр результатов, многие из которых не соответствуют конкретной информационной потребности. Изобретение призвано упростить и ускорить процесс уточнения запроса, предлагая визуальные подсказки и возможность предварительного просмотра результатов без необходимости вручную формулировать новый запрос и перезагружать страницу выдачи.

Что запатентовано

Запатентована система и пользовательский интерфейс (UI) для представления визуальных уточнений (Visual Refinements) в поиске по изображениям. Система предоставляет Image Query Suggestions (подсказки запросов изображений), которые состоят из текста уточненного запроса (Refined Query) и репрезентативного изображения (Representative Image). Ключевой особенностью является интерактивный предпросмотр: при взаимодействии с подсказкой открывается оверлейное окно (Preview Pane или Preview Window), показывающее результаты уточненного запроса без ухода с текущей страницы.

Как это работает

Механизм работает следующим образом:

• Получение результатов: В ответ на исходный запрос система предоставляет стандартные результаты поиска изображений.
• Генерация подсказок: Система определяет потенциальные уточненные запросы (например, на основе анализа истории поисковых сессий других пользователей) и выбирает для каждого из них наиболее релевантное Representative Image.
• Отображение: Результаты отображаются в основной части выдачи (Results Portion), а подсказки — в отдельной секции (Suggestion Portion).
• Интерактивное Превью: При взаимодействии пользователя с подсказкой активируется Preview Pane. Оно накладывается поверх основной выдачи и показывает подмножество изображений, релевантных уточненному запросу. В патенте подчеркивается, что это происходит без отправки нового запроса на сервер.

Актуальность для SEO

Высокая. Описанный в патенте механизм пользовательского интерфейса активно используется в Google Images. Визуальные уточнения (часто реализуемые в виде тегов или «пузырей» над выдачей) являются стандартным элементом интерфейса и ключевым способом навигации по темам и товарам в поиске по картинкам.

Важность для SEO

Влияние на SEO оценивается как значительное (65/100). Хотя патент описывает преимущественно пользовательский интерфейс (UI/UX), а не алгоритмы ранжирования, он критически важен для понимания распределения трафика в Google Images. Система активно направляет пользователей от общих запросов к конкретным уточнениям. Способность сайта быть выбранным в качестве Representative Image для подсказки или высоко ранжироваться в рамках уточненного запроса напрямую влияет на видимость и кликабельность изображений.

Детальный разбор

Термины и определения

Image Query Suggestion (Подсказка запроса изображения)

Элемент интерфейса, предлагающий пользователю способ уточнения поиска. Состоит из Refined Query и Representative Image.

Initial Search Query (Исходный запрос)

Первоначальный запрос, введенный пользователем.

Labels (Метки/Ярлыки)

Текстовый контент или флаги данных, указывающие на тему, к которой принадлежит изображение. Могут быть назначены издателем, пользователями или автоматически на основе Relevance Feedback. Ключевой элемент для определения релевантности.

Preview Pane / Preview Window (Панель / Окно предварительного просмотра)

Оверлейный элемент интерфейса, который появляется при взаимодействии с Image Query Suggestion. Показывает подмножество результатов, релевантных Refined Query, поверх основной выдачи.

Refined Query (Уточненный запрос)

Предлагаемый запрос, обычно более специфичный, чем исходный. Генерируется системой для сужения области поиска.

Relevance Feedback (Обратная связь по релевантности)

Данные о взаимодействии пользователей с результатами поиска. Включает Selection Rate (например, CTR). Используются для оценки релевантности изображения запросу и для назначения Labels.

Representative Image (Репрезентативное изображение)

Изображение, выбранное для визуального представления Refined Query в подсказке. Обычно это изображение, имеющее высокий Relevance Score для уточненного запроса и также присутствующее в результатах исходного запроса.

Results Portion (Область результатов)

Основная часть пользовательского интерфейса, где отображаются результаты поиска по исходному запросу.

Suggestion Portion (Область подсказок)

Часть интерфейса, отведенная для отображения Image Query Suggestions.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс взаимодействия с пользовательским интерфейсом поиска изображений на устройстве клиента.

1. Устройство отправляет исходный запрос (initial search query). Интерфейс включает Results Portion и Suggestion Portion.
2. Устройство получает первые результаты поиска изображений (Набор 1).
3. Устройство получает подсказку запроса (Query Suggestion), включающую уточненный текстовый запрос (Refined Query) и Representative Image. Это изображение включено в Набор 1.
4. Набор 1 отображается в Results Portion, а подсказка — в Suggestion Portion.
5. Система обнаруживает взаимодействие пользователя с подсказкой.
6. В ответ система отображает подмножество результатов из Набора 1, которые также релевантны уточненному запросу.
7. Отображение происходит в панели предварительного просмотра (Preview Pane), которая частично перекрывает (overlays) Results Portion, сохраняя при этом общий визуальный макет.

Claim 19 (Зависимый от 1): Критически важное уточнение механизма работы предварительного просмотра.

Отображение подмножества результатов (в Preview Pane) происходит путем выбора результатов из уже полученного Набора 1 без отправки уточненного текстового запроса на удаленную поисковую систему. Это означает, что данные для предварительного просмотра были предварительно загружены вместе с исходной выдачей, что обеспечивает быстрый отклик интерфейса.

Claim 5 (Зависимый от 1): Описывает серверную часть процесса генерации данных.

1. Получение исходного запроса и идентификация первого набора изображений.
2. Выбор уточненного запроса, которому релевантна хотя бы часть первого набора (пересечение результатов).
3. Выбор второго набора изображений (из первого набора), которые релевантны уточненному запросу.
4. Предоставление устройству пользователя первых результатов и подсказки запроса.

Claim 6 (Зависимый от 1): Описывает процесс выполнения полноценного нового поиска.

Если пользователь взаимодействует с элементом отправки поиска (search submission element, например, кнопкой «Показать все»), уточненный запрос отправляется как новый поисковый запрос, и система возвращает новую выдачу и новые предложения для дальнейшего уточнения.

Где и как применяется

Изобретение применяется исключительно в контексте поиска по изображениям (Google Images) и затрагивает несколько этапов поисковой архитектуры.

INDEXING – Индексирование и извлечение признаков
На этом этапе собираются данные, необходимые для работы системы. Изображения индексируются, им присваиваются Labels. Эти метки могут быть основаны на контенте страницы или на Relevance Feedback (например, если Selection Rate изображения по запросу превышает порог, запрос может стать меткой).

QUNDERSTANDING – Понимание Запросов
Система анализирует исторические данные поисковых сессий (records of previously entered queries) для определения связей между исходными и уточненными запросами. Если пользователи часто переходят от запроса А к запросу Б, Б становится кандидатом на Refined Query для А. Также используются методы расширения запросов (Query expansion techniques).

RANKING – Ранжирование
Генерируются результаты для исходного запроса. Система также должна определить Relevance Scores изображений для потенциальных уточненных запросов, чтобы выбрать Representative Image и сформировать набор для превью.

METASEARCH / RERANKING (Уровень Представления / UI)
Основное применение патента. Система определяет финальный макет страницы, интегрируя Suggestion Portion с Results Portion. Логика взаимодействия с Preview Pane, включая отображение превью без нового запроса к серверу (как указано в Claim 19), реализуется на этом этапе.

Входные данные:

• Исходный запрос пользователя.
• Индекс изображений с ассоциированными Labels и Relevance Scores.
• Исторические логи поисковых запросов.
• Данные Relevance Feedback (CTR изображений).

Выходные данные:

• Набор результатов для исходного запроса.
• Набор Image Query Suggestions (текст + репрезентативное изображение).
• Данные для Preview Pane (подмножество изображений, релевантных уточненным запросам).

На что влияет

• Конкретные типы контента: Влияет исключительно на изображения и поиск по ним.
• Специфические запросы: Наибольшее влияние оказывается на общие (broad) запросы, имеющие множество интерпретаций или подтем (например, «платья», «дизайн гостиной»).
• Конкретные ниши или тематики: Особенно актуально для E-commerce, дизайна, моды и любых визуально-ориентированных ниш, где пользователи ищут вдохновение или конкретные товары.

Когда применяется

• Условия активации: Алгоритм активируется, когда система идентифицирует один или несколько валидных Refined Queries для исходного запроса.
• Триггеры и пороговые значения (упомянутые в описании):
  • Частотность использования: Уточненный запрос должен быть достаточно популярным (например, его вводили более чем 10% пользователей после исходного запроса).
  • Пересечение результатов: Должно существовать достаточное количество изображений (например, не менее 2), релевантных как исходному, так и уточненному запросу.
  • Количество уточнений: Если идентифицировано меньше порогового числа уточнений (например, меньше трех), Suggestion Portion может быть опущен.

Пошаговый алгоритм

Процесс А: Серверная обработка и подготовка данных

1. Получение запроса: Система получает исходный поисковый запрос.
2. Идентификация исходных результатов: Определяется первый набор изображений, релевантных исходному запросу.
3. Выбор уточненных запросов: Анализируются логи запросов и используются методы расширения для поиска связанных запросов. Выбираются кандидаты, удовлетворяющие порогам частотности и пересечения результатов.
4. Идентификация уточненных результатов: Для каждого выбранного Refined Query определяется подмножество изображений из первого набора, которые также релевантны этому уточнению.
5. Выбор репрезентативных изображений: Из подмножества выбирается изображение, например, с наивысшим Relevance Score для Refined Query.
6. Формирование и отправка ответа: Система отправляет клиенту пакет данных, включающий исходные результаты, Image Query Suggestions и данные для Preview Pane.

Процесс Б: Клиентская обработка и взаимодействие

1. Отображение интерфейса: Устройство отображает исходные результаты в Results Portion и подсказки в Suggestion Portion.
2. Обнаружение взаимодействия: Регистрируется взаимодействие пользователя (клик, тап) с конкретной подсказкой.
3. Активация Preview Pane: В ответ на взаимодействие открывается оверлейное окно.
4. Отображение превью: В окне отображаются результаты, релевантные Refined Query. Это происходит с использованием предварительно загруженных данных (без нового запроса к серверу, согласно Claim 19).
5. Обработка дополнительного взаимодействия: Пользователь может прокручивать результаты в Preview Pane или активировать Search Submission Element (например, «Показать все»).
6. Выполнение нового поиска (Опционально): Если активирован Search Submission Element, клиент отправляет Refined Query как новый поисковый запрос.

Какие данные и как использует

Данные на входе

Патент упоминает использование следующих данных для определения релевантности изображений и генерации уточнений:

• Контентные факторы: Текстовый контент ресурса, на котором расположено изображение.
• Системные/Индексные факторы (Labels): Labels (метки), ассоциированные с изображением. Метки могут быть назначены издателем, пользователями или алгоритмически.
• Поведенческие факторы (Relevance Feedback):
  • Selection Rate (CTR): Частота выбора изображения при его показе в ответ на запрос. Используется для оценки релевантности и может привести к автоматическому назначению Label, если превышен порог.
• Пользовательские факторы (Логи запросов):
  • Records of previously entered queries: Исторические логи запросов. Используются для определения того, какие запросы пользователи вводят после исходного запроса (анализ сессий для генерации Refined Queries).

Какие метрики используются и как они считаются

• Relevance Score (IR Score): Числовая оценка релевантности изображения запросу. Рассчитывается на основе совпадения запроса с Labels изображения и контентом страницы, а также с учетом Relevance Feedback. Используется для ранжирования и выбора Representative Image.
• Threshold Selection Rate (Пороговая частота выбора): Минимальный CTR (в описании упоминаются примеры 10%, 15%, 20%, 25%), необходимый для того, чтобы система ассоциировала метку (Label) с изображением на основе Relevance Feedback.
• Пороги для выбора Refined Query:
  • Частотность: Минимальный процент пользователей (например, 10%), которые ввели уточненный запрос после исходного.
  • Пересечение результатов: Минимальное количество изображений, которые должны быть релевантны как исходному, так и уточненному запросу.

Выводы

1. Фокус на UX и скорости взаимодействия: Патент в первую очередь направлен на улучшение пользовательского опыта в Google Images, а не на изменение алгоритмов ранжирования. Цель — позволить пользователям быстро исследовать уточнения запроса с минимальными усилиями.
2. Предварительная загрузка данных для превью (Claim 19): Ключевая техническая особенность — Preview Pane работает без отправки нового запроса на сервер. Это означает, что Google заранее вычисляет и отправляет клиенту данные о том, какие изображения релевантны потенциальным уточнениям.
3. Управление вниманием пользователя: Предлагая визуальные подсказки (Refinement Bubbles), Google активно управляет поисковой сессией, направляя пользователя по наиболее вероятным путям уточнения запроса.
4. Важность Representative Image: Выбор репрезентативного изображения критичен для привлечения клика по подсказке. Им становится изображение с высоким Relevance Score для уточненного запроса, что создает дополнительную точку входа для оптимизированного контента.
5. Зависимость от поведенческих данных: Система сильно полагается на Relevance Feedback (CTR изображений) для назначения Labels и на анализ логов запросов для определения того, какие уточнения предлагать.
6. Роль Image Labels: Labels играют центральную роль. Изображение должно быть корректно классифицировано и ассоциировано как с широкими, так и с узкими запросами, чтобы участвовать в этом механизме.

Практика

Best practices (это мы делаем)

• Оптимизация под уточненные запросы (Sub-Topics): Обеспечьте релевантность изображений не только общим запросам, но и конкретным подтемам, которые Google предлагает в качестве уточнений. Это повышает шансы на показ в Preview Pane и выбор в качестве Representative Image.
• Анализ существующих подсказок (Refinement Bubbles): Регулярно анализируйте, какие уточнения Google показывает для ваших целевых запросов в Image Search. Это прямой индикатор того, какие субинтенты и кластеры Google считает важными на основе поведения пользователей.
• Работа над качеством и точностью меток (Labels): Поскольку система опирается на Labels, необходимо обеспечить их точность. Это достигается через точные и описательные Alt-тексты, релевантный окружающий текст (Surrounding Text) и заголовки на странице, а также использование микроразметки (Schema.org).
• Стремление стать Representative Image: Создавайте высококачественные, уникальные изображения, которые идеально иллюстрируют конкретную подтему. Такие изображения имеют больше шансов быть выбранными для визуализации Refined Query.
• Улучшение поведенческих факторов (Relevance Feedback): Поскольку CTR (Selection Rate) используется для оценки релевантности и назначения меток, необходимо работать над привлекательностью и четкостью изображения, чтобы максимизировать клики по нему в выдаче.

Worst practices (это делать не надо)

• Использование нерелевантных или спамных меток: Попытки манипулировать Labels путем использования нерелевантного текста в Alt-атрибутах будут неэффективны. Система использует Relevance Feedback для валидации; низкий CTR не позволит сформировать устойчивую ассоциацию.
• Игнорирование подтем: Фокусировка только на высокочастотных общих запросах без проработки уточнений приведет к потере трафика, так как интерфейс активно уводит пользователей на Refined Queries.
• Размещение изображений вне контекста: Размещение изображения на странице, текст которой не соответствует содержанию изображения, снижает его шансы ранжироваться по уточненным запросам и стать Representative Image.

Стратегическое значение

Патент подчеркивает, что Google Images — это интерактивная среда для визуального исследования темы. Стратегическое значение для SEO заключается в понимании того, что Google активно сегментирует интенты в поиске по изображениям и управляет навигацией. Долгосрочная стратегия должна включать глубокую проработку семантики и интентов на уровне визуального контента, обеспечивая покрытие не только вершины тематики, но и всех значимых ее ответвлений, которые Google выявляет через анализ поведения пользователей.

Практические примеры

Сценарий: Оптимизация изображения для E-commerce (Мода)

Цель: Стать Representative Image для уточнения запроса.

1. Анализ запроса: Исходный запрос — «Летнее платье». Анализ Google Images показывает подсказки (Image Query Suggestions): «Белое кружевное», «В пол», «Для пляжа», «С цветочным принтом».
2. Выбор цели: Фокусируемся на уточнении «Летнее платье с цветочным принтом».
3. Оптимизация изображения:
   • Создается высококачественное, привлекательное фото платья с четко видимым цветочным принтом.
   • Alt-текст: «Легкое летнее платье с ярким цветочным принтом [Бренд]».
4. Оптимизация посадочной страницы:
   • Заголовок H1 и текст описания на странице товара включают фразу «Летнее платье с цветочным принтом».
   • Изображение размещено в релевантном текстовом блоке.
   • Внедрена микроразметка Product (с указанием цвета/паттерна).
5. Ожидаемый результат: Повышение Relevance Score изображения для уточненного запроса. Увеличение шансов на выбор изображения в качестве Representative Image в Suggestion Portion, что приведет к росту видимости и целевого трафика.

Вопросы и ответы