Как Google использует Семантические Геотокены для стандартизации локаций, ранжирования по близости и определения гео-релевантности всего сайта

Описание

Какую задачу решает

Патент решает несколько фундаментальных проблем локального поиска:

• Неоднозначность и вариативность: Ресурсы ссылаются на одно и то же место по-разному (например, город, индекс, адрес). Это усложняет поиск и замедляет обработку запросов из-за необходимости перебора вариантов («OR» clauses).
• Ложная релевантность: Страницы часто содержат названия локаций в шаблонном контенте (boilerplate), например, в футере или меню, не имея реального отношения к этому месту.
• Поиск по близости (Proximity): Необходимость находить релевантные результаты не только в точно указанной локации, но и на соседних территориях.

Что запатентовано

Запатентована система стандартизации географических упоминаний и ассоциации ресурсов с локациями. Ключевым элементом является Semantic Geotoken — унифицированный идентификатор географического местоположения. Система анализирует упоминания локаций (Geotokens) в ресурсе, оценивает их значимость и присваивает ресурсу соответствующие Semantic Geotokens. Важно, что ресурс также ассоциируется с токенами соседних (neighboring) и пересекающихся (overlapping) локаций. Кроме того, в данной версии патента акцентируется механизм распространения географической релевантности между страницами одного сайта.

Как это работает

Система работает на этапах индексирования и ранжирования:

1. Индексирование (Анализ): Система идентифицирует Geotokens на странице и во входящих ссылках.
2. Оценка Релевантности: Рассчитывается Geographic Relevance Score. Учитывается расположение (заголовок, теги важны; футер — нет) и точность (адрес важнее города).
3. Стандартизация: Значимые упоминания преобразуются в Semantic Geotokens (например, «atlanta_ga_us») с оценкой уверенности (Confidence Score).
4. Расширение по близости: Определяются соседние локации. Их токены также присваиваются ресурсу, но Confidence Score снижается пропорционально расстоянию.
5. Наследование внутри сайта: Географическая релевантность одной страницы (например, Контакты) может быть присвоена другим страницам того же сайта (например, Главной).
6. Ранжирование: Локация в запросе также стандартизируется (Query Semantic Geotoken). Система ищет совпадения и корректирует ранжирование на основе Confidence Scores (включая фактор расстояния).

Актуальность для SEO

Критически высокая. Описанные механизмы лежат в основе современного локального поиска Google. Стандартизация географических данных, оценка релевантности контента для конкретной локации, использование близости (Proximity) как фактора ранжирования и понимание локальной авторитетности на уровне сайта являются фундаментальными аспектами SEO в 2025 году.

Важность для SEO

Патент имеет критическое значение (95/100), особенно для Local SEO. Он описывает конкретные механизмы, как Google определяет географическую привязку контента и как использует расстояние для ранжирования результатов в соседних локациях. Понимание расчета Geographic Relevance Score, влияния расположения адреса и механизма наследования гео-релевантности внутри сайта напрямую влияет на стратегии оптимизации для улучшения видимости в локальном поиске.

Детальный разбор

Термины и определения

Geotoken (Геотокен)

Упоминание географического местоположения (слово, фраза, адрес, индекс) в контенте ресурса или в ссылке на него.

Semantic Geotoken (Семантический геотокен)

Стандартизированное, унифицированное представление географической локации (например, atlanta_ga_us или канонический идентификатор). Используется для устранения неоднозначности разных форматов упоминаний.

Geographic Relevance Score (Оценка географической релевантности)

Показатель релевантности между ресурсом и локацией. Рассчитывается на основе веса Geotokens.

On-page / Off-page Geographic Relevance Score

Оценки релевантности, рассчитанные на основе упоминаний локации на самой странице (On-page) или в анкорах ссылок, ведущих на нее (Off-page).

Confidence Score (Оценка уверенности)

Итоговое значение, указывающее на вероятность того, что ресурс релевантен Semantic Geotoken. Является функцией от Geographic Relevance Scores. Для соседних локаций корректируется с учетом расстояния.

Neighboring Locations (Соседние локации)

Локации, находящиеся в пределах заданного расстояния от основной локации ресурса.

Overlapping Locations (Пересекающиеся локации)

Локации, которые географически пересекаются с основной (например, почтовый индекс внутри города).

Qualified Geotoken (Уточненный геотокен)

Геотокен повышенной точности, образованный слиянием нескольких токенов (например, «Cleveland, Ohio»). Имеет больший вес.

Boilerplate Content (Шаблонный контент)

Повторяющийся контент (футеры, меню). Упоминания локаций в нем имеют низкий вес или игнорируются.

Query Semantic Geotoken

Semantic Geotoken, сгенерированный на основе локации в запросе пользователя или местоположения его устройства.

Ключевые утверждения (Анализ Claims)

Анализ основан на пунктах формулы изобретения (Claims) из публикации US20190050425A1 (является продолжением более ранних заявок).

Claim 1 (Независимый пункт): Описывает метод геокодирования ресурсов.

1. Получение текстов из ресурсов.
2. Идентификация токенов, ссылающихся на географические локации (Geotokens).
3. Идентификация канонических идентификаторов (Semantic Geotokens) для этих локаций.
4. Для данного ресурса, ссылающегося на данную локацию:
   • Идентификация связанного ресурса (related resource), принадлежащего к тому же веб-сайту или домену.
   • Обозначение как данного ресурса, так и связанного ресурса как релевантных данной географической локации.

Ключевой аспект этого пункта — механизм наследования (распространения) географической релевантности между страницами одного сайта. Если система определила локацию на одной странице (например, Контакты), она может считать другую страницу того же сайта (например, Главную) также релевантной этой локации.

Claim 2 (Зависимый от 1): Добавляет механизм расширения по близости (Proximity).

Система выбирает идентификатор для соседней локации (neighboring geographic location) на основе близости и обозначает данный ресурс как релевантный этой соседней локации.

Claim 4 (Зависимый от 2): Детализирует расчет релевантности для соседних локаций (Distance Decay).

Оценка релевантности ресурса для соседней локации основывается на расстоянии между локациями и на оценке релевантности для основной локации. Чем дальше, тем ниже оценка.

Claim 5 (Зависимый от 1): Описывает факторы для оценки релевантности.

Расчет вероятности (likelihood / relevance score) основывается на количестве (quantity), расположении (placement) или точности (specificity) токенов в ресурсе.

Claim 9 (Зависимый от 1): Добавляет механизм ассоциации с пересекающимися локациями.

Ресурс ассоциируется с идентификаторами локаций, которые пересекаются (overlapping geographic location) с основной локацией.

Claim 22 (Зависимый от 1 и 21): Включает внешние (Off-page) сигналы.

Оценка релевантности основывается как на токенах в самом ресурсе (on-page), так и на токенах во внешних ресурсах (off-page), ссылающихся на данный ресурс.

Где и как применяется

Изобретение является ключевым компонентом систем обработки географических данных.

INDEXING – Индексирование и извлечение признаков
Основная часть работы происходит здесь. Semantic Geotoken Apparatus (устройство из патента) анализирует ресурсы:

• Извлекает Geotokens (on-page и off-page).
• Рассчитывает Geographic Relevance Scores и Confidence Scores, учитывая расположение и точность упоминаний.
• Генерирует и стандартизирует Semantic Geotokens.
• Определяет соседние и пересекающиеся локации и генерирует для них токены с поправкой на расстояние.
• Определяет наследование гео-релевантности внутри сайта (Claim 1).
• Сохраняет Semantic Geotokens и связанные с ними оценки в Search Index.

QUNDERSTANDING – Понимание Запросов
Система маппирует локацию из запроса пользователя (явную или определенную по IP/GPS) на Query Semantic Geotoken для стандартизации запроса.

RANKING / RERANKING – Ранжирование / Переранжирование
Система использует Semantic Geotokens для быстрого поиска соответствующих ресурсов. Confidence Scores (включая поправки на расстояние) используются для корректировки итоговых Result Scores.

На что влияет

• Типы контента и Ниши: Критическое влияние на локальный бизнес (Local SEO), недвижимость, туризм, локальные новости, e-commerce с физическими точками. Влияет на любые ресурсы с географической привязкой.
• Специфические запросы: Запросы с явным локальным интентом («ресторан в Атланте») и неявным интентом («сантехник», когда локация пользователя известна).

Когда применяется

• Триггеры активации (Индексирование): При обнаружении Geotoken в ресурсе или ссылках на него.
• Пороговые значения:
  • Semantic Geotoken генерируется, если Confidence Score превышает порог.
  • Может требоваться минимальный уровень точности (threshold level of specificity), например, город и штат. Если точность низкая, токен может быть сгенерирован, только если ресурс упоминает мало разных локаций.
  • Соседние локации определяются в пределах порогового расстояния.
• Триггеры активации (Ранжирование): Когда поисковый запрос имеет локальный интент.

Пошаговый алгоритм

Процесс А: Индексирование и генерация семантических геотокенов

1. Получение и анализ геотокенов: Система идентифицирует Geotokens в ресурсе (on-page) и ссылках (off-page).
2. Расчет релевантности: Вычисляются Geographic Relevance Scores. Учитывается расположение (Title, Tags, начало текста > Boilerplate) и точность (Qualified > Unqualified).
3. Выбор основного Semantic Geotoken: Система выбирает стандартизированный токен для основной локации и рассчитывает Confidence Score (используя наивысшую оценку релевантности).
4. Сохранение основного токена: Токен сохраняется в индексе с привязкой к ресурсу (если Confidence Score выше порога).
5. Наследование внутри сайта (Claim 1): Система идентифицирует связанные страницы на том же домене и также присваивает им релевантность этой локации.
6. Определение соседних/пересекающихся локаций: Идентифицируются локации в пределах заданного расстояния или пересекающиеся с основной.
7. Генерация дополнительных токенов: Генерируются Semantic Geotokens для этих локаций. Для соседних локаций Confidence Score корректируется (снижается) на основе расстояния.
8. Сохранение дополнительных токенов: Дополнительные токены сохраняются в индексе с привязкой к ресурсу.

Процесс Б: Обработка запроса и ранжирование

1. Получение запроса: Система получает запрос с географической ссылкой (явной или неявной).
2. Генерация токена запроса: Локация преобразуется в Query Semantic Geotoken.
3. Поиск совпадений: Система извлекает ресурсы, индексированные с совпадающим Semantic Geotoken.
4. Корректировка ранжирования: Result Scores корректируются на основе Confidence Scores совпавших токенов (которые уже включают поправку на расстояние, если это токен соседа).
5. Предоставление результатов: Формирование выдачи на основе скорректированных оценок.

Какие данные и как использует

Данные на входе

Система использует комбинацию факторов для определения гео-релевантности.

Контентные и Структурные факторы (On-page):

• Текст ресурса: Источник Geotokens.
• Расположение токена (Placement):
  • Высокий вес: Заголовки (Title), Теги (Tags), Начало текста (Leading Mentions).
  • Низкий вес/Игнорирование: Шаблонный контент (Boilerplate), футеры, меню.

Ссылочные факторы (Off-page):

• Анкорный текст: Геотокены в тексте входящих ссылок используются для расчета Off-page Geographic Relevance Score.

Географические факторы:

• Точность (Specificity/Precision): Точность указания локации. Qualified Geotokens (Город+Штат) имеют больший вес.
• Расстояние: Используется для определения Neighboring Locations и корректировки их Confidence Scores.
• База данных локаций: Для стандартизации токенов и определения координат центроидов.

Технические факторы (Intra-site):

• Домен/Веб-сайт: Используется для распространения географической релевантности между страницами одного сайта (Claim 1).

Какие метрики используются и как они считаются

• Geographic Relevance Score (On-page и Off-page): Вычисляется путем взвешивания геотокенов на основе их расположения, точности и контекста.
• Confidence Score: Итоговая оценка уверенности. Может быть функцией от максимального Geographic Relevance Score для данной локации.
• Confidence Score для Соседних Локаций (Distance Decay): Функция от базового Confidence Score и расстояния. Чем больше расстояние, тем ниже оценка.
• Result Score (Корректировка): Итоговая оценка ранжирования корректируется на основе Confidence Score совпавшего Semantic Geotoken.

Выводы

1. Стандартизация Географии: Google не полагается на текстовые совпадения. Все упоминания локаций (адреса, индексы, названия) преобразуются в стандартизированный формат (Semantic Geotokens).
2. Гео-релевантность — это взвешенная оценка: Не все упоминания локации одинаковы. Расположение (Placement) и точность (Specificity) критичны. Упоминания в заголовках и основном тексте имеют больший вес, чем в футере (Boilerplate).
3. Близость (Proximity) как индексируемый атрибут: Ресурс автоматически индексируется для соседних локаций (Neighboring Locations). Это основа ранжирования по близости.
4. Снижение релевантности по расстоянию (Distance Decay): Оценка релевантности (Confidence Score) для соседних локаций снижается по мере увеличения расстояния от основной локации.
5. Внутрисайтовое распространение релевантности (Claim 1): Ключевой вывод: Google может считать весь сайт релевантным локации, даже если она четко указана только на одной странице (например, Контакты). Локальная релевантность распространяется на уровне домена.
6. Комбинация On-page и Off-page сигналов: Итоговая географическая релевантность учитывает как контент сайта, так и локальные упоминания во входящих ссылках (анкорах).

Практика

Best practices (это мы делаем)

• Максимальная точность и консистентность NAP: Используйте полные и точные адреса (Qualified Geotokens — Город, Штат/Регион, Индекс). Это повышает точность (Specificity) и Confidence Score.
• Стратегическое размещение Геотокенов: Интегрируйте ключевые географические упоминания в важные зоны страницы: Title, H1 и начало основного контента (Leading Mentions). Это максимизирует On-page Geographic Relevance Score.
• Оптимизация страницы Контактов: Убедитесь, что страница контактов содержит полную и точную информацию. Согласно Claim 1, эти данные помогают установить географическую релевантность для других страниц сайта.
• Локальное ссылочное продвижение (Local Link Building): Получайте ссылки с географически релевантными анкорами (например, «ремонт телефонов в Атланте»). Это увеличивает Off-page Geographic Relevance Score.
• Локализация контента: Создавайте контент, который усиливает привязку к основной локации. Высокий базовый Confidence Score позволит сайту лучше ранжироваться на соседних территориях, несмотря на Distance Decay.

Worst practices (это делать не надо)

• Размещение адреса только в футере (Boilerplate): Полагаться только на футер рискованно, так как система присваивает таким упоминаниям низкий вес или игнорирует их.
• Использование неоднозначных названий: Указание только города без региона (если название неоднозначно) снижает точность и Geographic Relevance Score.
• Геоспам (Keyword Stuffing локациями): Перечисление большого количества разных локаций с низкой точностью может привести к тому, что система не достигнет порога уверенности (Confidence Threshold) ни для одной из них.
• Размещение адреса в изображении: Текст в изображениях не может быть надежно использован как Geotoken.

Стратегическое значение

Патент описывает инфраструктуру локального поиска Google. Он подтверждает, что близость (Proximity) — это не просто фильтр реального времени, а индексируемая характеристика. Понимание механизма Distance Decay объясняет, как формируется радиус ранжирования бизнеса: он зависит от базовой релевантности основному местоположению. Также критически важно понимание того, что локальные сигналы применяются на уровне всего домена, а не только отдельных страниц.

Практические примеры

Сценарий 1: Использование наследования сигналов внутри сайта

1. Ситуация: У компании есть Главная страница (без адреса) и страница «Контакты» (с полным NAP).
2. Действие системы (Claim 1): Google индексирует «Контакты», генерирует Semantic Geotoken с высоким Confidence Score. Затем система идентифицирует Главную страницу как related resource на том же домене и также присваивает ей релевантность этой локации.
3. Результат: Главная страница получает возможность ранжироваться по локальным запросам благодаря данным на странице «Контакты».

Сценарий 2: Ранжирование в соседнем городе (Proximity и Distance Decay)

1. Ситуация: Ресторан находится в городе Сомервилль. Пользователь ищет в соседнем городе Раритан (3 км).
2. Действие системы: При индексации ресторан был ассоциирован как с токеном Сомервилля (основной), так и с токеном Раритана (соседний). Однако Confidence Score для Раритана был снижен пропорционально расстоянию 3 км.
3. Результат: При запросе в Раритане ресторан появляется в выдаче. Его позиция зависит от того, насколько его итоговый Result Score (с учетом сниженного Confidence Score) выше, чем у конкурентов, физически находящихся в Раритане.

Вопросы и ответы