Как Google использует анализ SERP для определения, ранжирования и отображения блоков связанных сущностей (Entity Carousels)

Описание

Какую задачу решает

Патент решает задачу предсказания последующих информационных потребностей пользователя после выполнения поиска по конкретной сущности. Пользователи часто ищут главную сущность (например, автора), а затем связанные с ней сущности (например, его книги). Изобретение направлено на то, чтобы предвосхитить этот следующий шаг и предоставить информацию проактивно, улучшая пользовательский опыт и сокращая необходимость в дополнительных запросах.

Что запатентовано

Запатентована система для идентификации, ранжирования и отображения связанных сущностей (Related Entities), которые имеют предопределенную связь с основной сущностью запроса (Principal Entity или First Entity). Ключевым элементом является не только база данных связей, но и сложный механизм валидации в реальном времени, который анализирует текущую поисковую выдачу (SERP), чтобы определить уместность показа этих связанных сущностей.

Как это работает

Система работает в двух режимах: офлайн-подготовка и онлайн-обработка.

• Офлайн: Система индексирует сущности, определяет для них Authoritative Resources (например, официальный сайт, Википедия) и выстраивает связи. Связанные сущности ранжируются на основе популярности, совместного упоминания (Co-occurrence) и анализа последующих запросов пользователей (Subsequent Queries).
• Онлайн: При получении запроса система проверяет наличие Authoritative Resources в топе выдачи, чтобы подтвердить Principal Entity. Затем активируются триггеры: проверяется, достаточно ли упоминаний этой сущности в SERP и соответствует ли общая тематика выдачи типу связанных сущностей. Если все условия выполнены, система отображает предварительно ранжированный список связанных сущностей (например, в виде карусели).

Актуальность для SEO

Высокая. Хотя приоритет патента датируется 2012 годом (на основе предварительных заявок), описанные механизмы лежат в основе фундаментальных функций современного поиска Google, таких как карусели сущностей и элементы Knowledge Graph. Системы, ориентированные на сущности (Entity-based systems), являются центральным элементом стратегии Google.

Важность для SEO

Патент имеет критическое значение (90/100) для современных SEO-стратегий. Он описывает фундамент семантического поиска и то, как Google организует информацию вокруг сущностей, а не просто ключевых слов. Понимание механизмов идентификации Authoritative Resources, расчета Co-occurrence и использования Subsequent Queries критично для оптимизации под Knowledge Graph, попадания в карусели сущностей и управления видимостью бренда как сущности.

Детальный разбор

Термины и определения

Authoritative Resource (Авторитетный ресурс)

Ресурс, чье присутствие в результатах поиска является сильным индикатором того, что запрос направлен на конкретную сущность. Например, официальный сайт или страница в Википедии. Используется для подтверждения Principal Entity.

Co-occurrence (Совместное упоминание)

Частота, с которой две сущности упоминаются вместе в индексируемых ресурсах или в логах поисковых запросов. Используется для ранжирования связанных сущностей.

Entity Type (Тип сущности)

Классификация сущности (например, «автор», «книга», «фильм»).

Global Popularity (Глобальная популярность)

Мера известности сущности, основанная на частоте ее упоминаний в вебе или в поисковых запросах. Используется для ранжирования связанных сущностей.

Principal Entity (Основная сущность) / First Entity

Сущность, на которую направлен исходный поисковый запрос.

Related Entities (Связанные сущности) / Second Entities

Сущности, имеющие предопределенную связь с Principal Entity.

Related Entities Index Database (База данных индекса связанных сущностей)

Хранилище, содержащее индексы, которые связывают сущности с их Authoritative Resources и с упорядоченными списками Related Entities.

Relevant Entity Type (Релевантный тип сущности)

Тип сущности, который система считает релевантным для конкретного ресурса в результатах поиска. Используется для валидации контекста SERP.

Subsequent Queries (Последующие запросы)

Запросы, которые пользователи часто отправляют сразу после поиска Principal Entity. Используется как сигнал для ранжирования Related Entities.

Ключевые утверждения (Анализ Claims)

Патент описывает как онлайн-процесс реагирования на запрос, так и офлайн-процесс генерации данных. Анализ основан на пунктах (Claims), представленных в описании патента.

Основной механизм (Онлайн-процесс, Claim 1): Описывает логику отображения связанных сущностей в реальном времени.

1. Система получает запрос, который был определен как относящийся к Первой Сущности (Тип 1), связанной с сущностями Типа 2.
2. Получаются результаты поиска (SERP).
3. Проверка Порога 1: Определяется, что количество результатов поиска, содержащих ссылку (reference) на Первую Сущность, удовлетворяет первому пороговому значению (first threshold value). Claim 2 уточняет, что это включает проверку заголовка (title) или сниппета (snippet).
4. Проверка Порога 2: Определяется, что количество результатов поиска, для которых Тип 2 является Relevant Entity Type, удовлетворяет второму пороговому значению (second threshold value).
5. Если оба порога пройдены, система передает информацию о сущностях Типа 2.

Идентификация сущности (Предварительный этап, Claim 7): Описывает, как система определяет, что запрос относится к Первой Сущности.

Система использует индекс, сопоставляющий ресурсы с сущностями (Authoritative Resources). Запрос классифицируется как относящийся к Первой Сущности, если количество результатов поиска, идентифицирующих ресурс из этого индекса, превышает третий порог (Порог 3).

Исключения (Claim 8):

Система получает данные о том, что запрос не классифицируется как порнографический, навигационный (navigational to a particular resource), локальный (local query) или ищущий конкретный элемент информации (seeking a particular item of information). Это является условием для отображения связанных сущностей.

Ранжирование сущностей (Офлайн-процесс, Claims 10-14): Описывает упорядочивание связанных сущностей.

Система определяет Ranking Score для каждой связанной сущности (Claim 10). Этот счет основан на одном или нескольких факторах:

• Частота Co-occurrence с Первой Сущностью в индексированных ресурсах (Claim 11).
• Частота Subsequent Queries (Claim 12).
• Global Popularity связанной сущности (Claim 13).
• Частота Co-occurrence с Первой Сущностью в ранее отправленных поисковых запросах (Claim 14).

Где и как применяется

Изобретение затрагивает несколько этапов поиска, связывая офлайн-обработку данных с онлайн-формированием выдачи.

INDEXING – Индексирование (Офлайн)
На этом этапе происходит подготовка данных:

• Идентификация сущностей, их типов и связей (используя структурированные данные, например, Freebase).
• Определение Authoritative Resources.
• Построение Related Entities Index Database.
• Расчет метрик для Ranking Score (Co-occurrence, Global Popularity, Subsequent Queries) путем анализа корпуса документов и логов запросов.

RANKING – Ранжирование (Онлайн)
Генерируется стандартный набор результатов поиска (SERP). Эти результаты служат входными данными для последующего анализа.

METASEARCH – Метапоиск и Смешивание / RERANKING (Онлайн)
Основное применение патента. Related Entities Engine анализирует результаты этапа RANKING:

1. Идентификация (Порог 3): Проверяется, достаточно ли Authoritative Resources в SERP, чтобы подтвердить Principal Entity (Claim 7).
2. Валидация (Пороги 1 и 2): Проверяется фокус SERP на сущности (Порог 1) и релевантность типа связанных сущностей (Порог 2) (Claim 1).
3. Проверка исключений: Учитываются классификаторы запросов (Claim 8).
4. Смешивание: Если условия выполнены, система извлекает данные из Related Entities Index Database и формирует специальный блок (например, карусель), который встраивается в основную выдачу.

Входные данные (Онлайн):

• Поисковый запрос.
• Результаты поиска (URL, Title, Snippet).
• Related Entities Index Database.
• Данные о Relevant Entity Types для ресурсов в SERP.

Выходные данные (Онлайн):

• Обогащенная SERP, включающая блок с упорядоченным списком Related Entities.

На что влияет

• Специфические запросы: Наибольшее влияние на запросы, направленные на именованные сущности (Entity-seeking queries) — имена людей, названия произведений, организаций, мест.
• Типы контента и Ниши: Сильно влияет на выдачу в тематиках с четко определенными связями: медиа (фильмы, музыка, книги), биографии, бренды и продукты.

Когда применяется

Алгоритм активируется только при выполнении строгого набора условий (триггеров):

• Условие 1 (Идентификация, Порог 3): Запрос четко идентифицирован как направленный на Principal Entity (подтверждено наличием Authoritative Resources в топе).
• Условие 2 (Фокус SERP, Порог 1): Достаточное количество результатов в SERP содержат упоминание Principal Entity (в заголовках/сниппетах).
• Условие 3 (Релевантность Типа, Порог 2): Достаточное количество результатов в SERP релевантны типу связанных сущностей.
• Исключения: Запрос не должен быть классифицирован как строго навигационный, локальный, порнографический или запрос конкретного факта (QA).

Пошаговый алгоритм

Процесс А: Офлайн-генерация индексов (Indexing/Data Preparation)

1. Сбор данных о сущностях: Извлечение сущностей, их типов и связей из структурированных источников.
2. Идентификация Authoritative Resources: Определение авторитетных ресурсов для каждой сущности. Сохранение в Индекс 1.
3. Идентификация связанных сущностей: Определение Related Entities на основе предопределенных отношений.
4. Расчет метрик ранжирования: Для каждой связанной сущности вычисляются:
   • Co-occurrence Score (в документах и запросах).
   • Subsequent Query Score (анализ логов поиска).
   • Global Popularity Score.
5. Ранжирование и Упорядочивание: Агрегация метрик в финальный Ranking Score и сортировка. Применение корректировок (например, хронологический порядок или группировка в более широкую сущность).
6. Создание Индекса 2: Сохранение связи от Основной сущности к упорядоченному списку Связанных сущностей.

Процесс Б: Онлайн-обработка запроса (Query Processing)

1. Получение запроса и SERP: Генерация стандартных результатов поиска.
2. Идентификация Основной Сущности (Порог 3): Анализ SERP на наличие Authoritative Resources (используя Индекс 1). Если порог превышен, определяется Principal Entity.
3. Проверка Исключений: Проверка классификаторов запроса (локальный, навигационный и т.д.).
4. Валидация Темы (Порог 1): Проверка количества упоминаний Principal Entity в заголовках и сниппетах SERP.
5. Валидация Контекста (Порог 2): Проверка количества результатов в SERP, для которых тип связанных сущностей является Relevant Entity Type.
6. Принятие решения: Если все условия выполнены, перейти к шагу 7. Иначе – показать стандартную выдачу.
7. Извлечение и Отображение: Извлечение списка Related Entities из Индекса 2. Получение изображений (при необходимости с дезамбигуацией запроса к Image Search). Формирование блока и встраивание в SERP.

Какие данные и как использует

Данные на входе

• Структурированные данные: Данные из структурированных баз знаний (упоминается online database of structured data, например, Freebase/Knowledge Graph). Используются для идентификации сущностей, типов, базовых связей и Authoritative Resources.
• Контентные факторы:
  • Текст индексируемых ресурсов используется офлайн для расчета Co-occurrence.
  • Заголовки (Titles) и Сниппеты (Snippets) используются онлайн для валидации Порога 1.
• Поведенческие факторы: Журналы поисковых запросов (Query Logs) используются офлайн для расчета:
  • Subsequent Queries (анализ сессий).
  • Global Popularity (частота запросов).
  • Co-occurrence в запросах.
• Системные данные: Данные, определяющие Relevant Entity Types для ресурсов. Классификаторы запросов (для исключений).

Какие метрики используются и как они считаются

Система использует два основных набора метрик: для проверки триггеров и для ранжирования.

Метрики для триггеров (Threshold values):

• Порог 3 (Идентификация): Минимальное количество Authoritative Resources в топе SERP.
• Порог 1 (Фокус): Минимальное количество результатов в SERP, упоминающих Principal Entity в Title/Snippet.
• Порог 2 (Контекст): Минимальное количество результатов в SERP, релевантных типу связанных сущностей.

Метрики для ранжирования (Ranking Score): Агрегированная оценка (например, нормализованная сумма или произведение) следующих факторов:

• Co-occurrence Score (Corpus): Частота совместного упоминания в корпусе документов.
• Subsequent Query Score: Частота последующих запросов о связанной сущности после поиска основной.
• Global Popularity Score: Общая популярность связанной сущности.
• Co-occurrence Score (Queries): Частота совместного упоминания в одном поисковом запросе.

Выводы

1. Многоуровневая валидация для активации SERP Features: Google не просто показывает связанные сущности, если распознает главную сущность. Система проводит сложную валидацию в реальном времени (Пороги 1, 2, 3), анализируя состав текущей SERP, чтобы убедиться в уместности показа блока.
2. Критическая роль Authoritative Resources: Авторитетные ресурсы (официальные сайты, Википедия) являются ключевым механизмом для связывания текстового запроса с конкретной сущностью в Knowledge Graph (Порог 3). Это триггер для активации всей системы.
3. Ранжирование на основе поведения и семантики: Порядок связанных сущностей определяется комплексным Ranking Score, который объединяет анализ семантических связей в контенте (Co-occurrence) и реальное поведение пользователей (Subsequent Queries, Global Popularity).
4. Предсказание интента: Система явно нацелена на предсказание следующего шага пользователя, что подчеркивает важность анализа не отдельных запросов, а целых поисковых сессий.
5. Гибкость и контроль: Система включает механизмы для обработки неоднозначности имен (путем уточнения запросов для изображений или ссылок) и может корректировать порядок выдачи для соблюдения естественной последовательности (например, хронологии) или группировки сущностей (например, серии книг).

Практика

Best practices (это мы делаем)

• Стать Authoritative Resource (Порог 3): Ключевая задача для брендов и организаций — добиться признания своего сайта как Authoritative Resource. Это основа для корректной идентификации сущности. Используйте согласованные данные (NAP), Schema.org (Organization, sameAs) и работайте над общим E-E-A-T.
• Оптимизация Co-occurrence: Стратегически работайте над совместным упоминанием основной и связанных сущностей на авторитетных ресурсах. PR и контент-маркетинг должны обеспечивать естественное связывание бренда и продуктов, автора и книг. Это повышает Co-occurrence Score.
• Использование структурированных данных для связей: Явно указывайте отношения между сущностями с помощью Schema.org. Это помогает поисковой системе строить Related Entities Index и определять Relevant Entity Type ваших страниц (Порог 2).
• Стимулирование естественного поискового поведения (Subsequent Queries): Анализируйте путь пользователя. Создавайте контент и маркетинговые кампании, которые естественным образом ведут от поиска основной сущности к поиску связанной. Это укрепляет связь в глазах Google.
• Повышение Global Popularity: Работайте над общей известностью и популярностью ключевых связанных сущностей (продуктов, дочерних брендов). Чем выше популярность сущности, тем выше ее потенциальный Ranking Score в блоках.

Worst practices (это делать не надо)

• Искусственное манипулирование Co-occurrence: Создание низкокачественного контента или спамных ссылок для искусственного повышения частоты совместного упоминания. Система агрегирует множество сигналов, включая реальное поведение пользователей, что снижает эффективность таких манипуляций.
• Игнорирование Entity-Based SEO: Фокусировка исключительно на ключевых словах без стратегии по управлению представлением сущностей в Knowledge Graph. Без четкого определения сущностей и их связей невозможно получить видимость в блоках, описанных патентом.
• Несогласованное представление сущностей: Использование разных идентификаторов или названий для одной и той же сущности затрудняет ее идентификацию и консолидацию сигналов ранжирования.

Стратегическое значение

Патент подтверждает стратегический переход Google к поиску, ориентированному на сущности (Entity-Oriented Search). Понимание объектов реального мира и их взаимосвязей является приоритетом. Долгосрочная SEO-стратегия должна быть сосредоточена на построении четкого и авторитетного графа сущностей, связанных с бизнесом. Это не просто тактика для попадания в карусели, это фундаментальное требование для видимости в семантическом поиске.

Практические примеры

Сценарий: Оптимизация присутствия музыкального исполнителя (Principal Entity) для отображения его альбомов (Related Entities).

1. Цель: Добиться отображения карусели альбомов при поиске имени исполнителя и повлиять на порядок альбомов.
2. Действия по Порогу 3 (Идентификация): Убедиться, что официальный сайт и страницы в Wikipedia/MusicBrainz (Authoritative Resources) содержат точную информацию и связаны через sameAs. Это гарантирует идентификацию исполнителя.
3. Действия по Порогам 1 и 2 (Валидация): Убедиться, что контент на сайте ясно упоминает имя исполнителя (Порог 1) и содержит достаточно информации об альбомах, чтобы тип «альбом» был признан Relevant Entity Type (Порог 2).
4. Действия по Ранжированию (Ranking Score):
   • Co-occurrence: В пресс-релизах и обзорах нового альбома всегда упоминать имя исполнителя вместе с названием альбома.
   • Popularity/Subsequent Searches: Проводить маркетинговые кампании для стимулирования прямых запросов о новом альбоме, особенно в период после запросов об исполнителе.
5. Ожидаемый результат: При поиске имени исполнителя Google активирует карусель альбомов. Новый альбом, благодаря высоким показателям Co-occurrence и Subsequent Searches, займет лидирующие позиции в этой карусели.

Вопросы и ответы