Как Google использует «Точки внимания» и анализ поведения пользователя на картах для ранжирования локального контента и рекламы

Описание

Какую задачу решает

Патент решает задачу определения области на карте, на которой сфокусировано внимание пользователя в данный момент, для предоставления наиболее релевантного локального контента и рекламы (Content Items). Стандартный подход предполагает, что внимание пользователя сосредоточено в центре видимой области карты (Viewport), что не всегда точно. Изобретение предлагает более точные методы определения фокуса внимания на основе исторических данных об активности и текущего взаимодействия пользователя с интерфейсом карты.

Что запатентовано

Запатентована система и методы определения фокуса внимания пользователя на картах для оптимизации ранжирования контента. Система использует два основных механизма. Первый – идентификация «Точек внимания» (Map Attention Spots или Locations meeting interest threshold) на основе агрегированной исторической активности пользователей. Второй – анализ траектории перемещения карты пользователем в реальном времени (прокрутка, панорамирование). Контент, расположенный ближе к этим точкам или траекториям, получает более высокий Rank Score.

Как это работает

Система работает в двух режимах:

На основе исторических данных (Map Attention Spots):

• Система агрегирует данные об активности пользователей (поисковые запросы, клики), связанные с локациями.
• Рассчитывается «Показатель внимания» (Attention Score или Interest Score) для локаций.
• Локации с высоким показателем идентифицируются как Map Attention Spots.
• При просмотре карты контент ранжируется выше, если его физическое расположение находится ближе к Map Attention Spots с высоким Attention Score.

На основе текущего взаимодействия (Trajectory Analysis):

• Система отслеживает действия пользователя по перемещению карты (например, прокрутку из точки А в точку Б).
• Определяется линия (траектория) движения.
• Контент, расположенный вдоль этой линии или в определенной области (Map Attention Area) вокруг нее, получает повышение в ранжировании.

Актуальность для SEO

Высокая. Локальный поиск, оптимизация и монетизация картографических сервисов (Google Maps) являются стратегически важными направлениями для Google. Описанные механизмы направлены на повышение релевантности как органических локальных результатов на картах, так и рекламных объявлений (Promoted Pins), что полностью соответствует текущим трендам развития поиска в 2025 году.

Важность для SEO

Патент имеет высокое значение (8/10) для специалистов по Local SEO и оптимизации в Google Maps. Он демонстрирует, что популярность и активность вокруг физической локации (как онлайн, так и подразумеваемая офлайн-популярность, выраженная в онлайн-сигналах) являются прямыми факторами ранжирования контента на картах. Это подчеркивает критическую важность сигналов вовлеченности (Engagement) и локального авторитета для продвижения бизнесов с физическими адресами.

Детальный разбор

Термины и определения

Attention Score (Показатель внимания) / Interest Score

Метрика, рассчитываемая для локации на основе объема пользовательской активности, связанной с этой локацией (запросы, клики, просмотры). Используется для идентификации Map Attention Spots.

Content Distribution System (Система распространения контента)

Система, отвечающая за отбор и предоставление Content Items (например, рекламный движок).

Content Item (Единица контента) / Media Item

Единица контента, предоставляемая для показа на карте или вместе с ней. Примеры включают рекламу, рекомендации, обзоры, локальные результаты.

Content Item Score (Оценка единицы контента)

Базовая оценка контента, отражающая его относительную важность (например, на основе ставки и показателей эффективности для рекламы).

Decay Function (Функция затухания)

Математическая функция, используемая для снижения влияния факторов с течением времени (Time Decay) или увеличением расстояния (Space Decay).

Map Attention Area (Область внимания на карте)

Область вокруг линии траектории движения карты, используемая для повышения ранжирования контента внутри нее.

Map Attention Spot (Точка внимания на карте) / Location meeting interest threshold

Локация на карте, соответствующая значительному объему пользовательской активности (Attention Score выше порога).

Rank Score (Оценка ранжирования)

Итоговая оценка Content Item, используемая для определения порядка показа. Рассчитывается на основе Content Item Score и близости к Map Attention Spots или траекториям движения.

Viewport (Область просмотра)

Видимая пользователю часть карты в интерфейсе.

Ключевые утверждения (Анализ Claims)

Данный документ является публикацией заявки на патент (Continuation), и содержит обновленный набор Claims (начиная с Claim 21).

Claim 21 (Независимый пункт): Описывает метод показа контента на карте на основе «интереса» к локациям.

1. Определение набора локаций в viewport карты, которые превышают пороговый уровень интереса (interest threshold) – это Map Attention Spots.
2. Определение набора кандидатов медиа-контента (candidate media items), отличных от самих локаций.
3. Для каждого кандидата: Расчет оценки (content score) на основе interest score ближайшей к нему локации из набора (1) и расстояния между локацией кандидата и этой ближайшей локацией.
4. Отбор одного или нескольких кандидатов на основе рассчитанных оценок.
5. Предоставление данных для отображения визуальных индикаторов локаций (1) и отобранных кандидатов (4) в viewport.

Claim 25 (Зависимый от 23): Детализирует процесс расчета оценки из Claim 21.

Модифицированная оценка (modified content item score) генерируется путем увеличения базовой оценки (initial content item score) на основе interest score ближайшей локации и расстояния до нее.

Claim 26 (Зависимый от 21): Определяет, как рассчитывается Interest Score для локации.

Он основан на одном или нескольких факторах: количество запросов в поисковой системе, связанных с локацией; количество выборов результатов поиска, связанных с локацией; количество выборов локации в интерфейсе карты; количество раз, когда локация была показана в viewport карты.

Где и как применяется

Изобретение затрагивает несколько этапов обработки данных и ранжирования в контексте локального поиска и картографических сервисов.

CRAWLING & INDEXING (Сбор данных и Индексирование)
На этом этапе происходит сбор и обработка данных, необходимых для работы системы. Search System и Map System собирают данные о пользовательской активности (запросы, клики, просмотры карт). Эти данные агрегируются и используются для офлайн-расчета Attention Scores и идентификации Map Attention Spots.

RANKING (Ранжирование)
Это основной этап применения патента, конкретно в контексте ранжирования локального контента и рекламы на картах. Система работает в двух режимах:

1. Использование исторических данных: При загрузке карты система идентифицирует Map Attention Spots в текущем Viewport. Эти данные используются для корректировки Rank Score контента в реальном времени.
2. Использование текущего взаимодействия: Система анализирует действия пользователя (прокрутка, панорамирование) в реальном времени, определяет траекторию движения и использует ее для немедленной корректировки Rank Score контента, расположенного вдоль этой траектории.

Входные данные:

• (Офлайн): Агрегированные логи пользовательской активности (Historical Data).
• (Онлайн): Границы текущего Viewport.
• (Онлайн): Данные о взаимодействии пользователя с картой (точки начала и конца движения).
• (Онлайн): База данных Content Items с их локациями и базовыми Content Item Scores.
• (Онлайн): База данных Map Attention Spots и их Attention Scores.

Выходные данные:

• Скорректированные Rank Scores для Content Items.
• Набор отобранного контента для показа в Viewport.

На что влияет

• Конкретные типы контента: В первую очередь влияет на контент, привязанный к физическим локациям: карточки локальных бизнесов (Google Business Profile), рекламные объявления на картах (Promoted Pins), локальные статьи и обзоры.
• Специфические запросы: Локальные запросы (например, «ресторан рядом») и запросы, в ответ на которые показывается карта.
• Конкретные ниши или тематики: Наибольшее влияние в конкурентных локальных нишах: ритейл, общественное питание, гостиничный бизнес, услуги, туризм и развлечения.

Когда применяется

• Условия применения: Алгоритм применяется при любом взаимодействии пользователя с интерфейсом карты, где предусмотрен показ локального контента или рекламы (Google Maps, блок Local Pack в поиске, сторонние сайты с внедренными картами).
• Триггеры активации (Механизм 1): Наличие в Viewport локаций, которые были предварительно классифицированы как Map Attention Spots (т.е. их Attention Score превышает порог).
• Триггеры активации (Механизм 2): Действие пользователя по перемещению карты (прокрутка, панорамирование), которое позволяет определить траекторию движения.

Пошаговый алгоритм

Патент описывает два основных процесса.

Процесс А: Идентификация Map Attention Spots (Офлайн)

1. Сбор данных: Получение данных о пользовательской активности, связанной с локациями на карте (запросы, клики, просмотры).
2. Расчет Attention Score: Для каждой локации определяется Attention Score на основе объема активности. При расчете применяются функции затухания:
   • Time Decay: Влияние каждого события уменьшается с течением времени.
   • Space Decay: Влияние события распространяется на соседние локации, уменьшаясь с расстоянием.
3. Идентификация: Локации, чей Attention Score превышает заданный порог, помечаются как Map Attention Spots.

Процесс Б: Ранжирование на основе Map Attention Spots (Онлайн)

1. Получение данных о Viewport: Система получает данные о видимой области карты и Map Attention Spots в ней.
2. Идентификация контента: Определяются релевантные Content Items для показа.
3. Расчет расстояний: Для каждого Content Item рассчитывается расстояние до одного (ближайшего, согласно Claim 21) или нескольких Map Attention Spots в Viewport.
4. Расчет Rank Score: Определяется Rank Score для каждого Content Item. Он основан на базовом Content Item Score и корректируется (повышается) в зависимости от расстояния до Map Attention Spots и их Attention Score. Чем ближе контент к точке с высоким вниманием, тем выше бустинг.
5. Отбор и показ: Контент с наивысшим Rank Score отбирается и предоставляется пользователю.

Процесс В: Ранжирование на основе траектории движения (Онлайн)

1. Отслеживание взаимодействия: Система фиксирует перемещение карты пользователем (например, центр Viewport до движения и после).
2. Определение траектории: Определяется линия, соединяющая эти две точки.
3. Определение Map Attention Area (Опционально): Определяется область вокруг линии. Ширина этой области может быть обратно пропорциональна длине перемещения.
4. Идентификация контента: Определяются релевантные Content Items.
5. Расчет Rank Score: Rank Score повышается для контента, расположенного близко к линии траектории или внутри Map Attention Area. Бустинг может уменьшаться с расстоянием от линии.
6. Отбор и показ: Контент с наивысшим Rank Score отбирается.

Какие данные и как использует

Данные на входе

• Поведенческие факторы (Ключевые):
  • Количество поисковых запросов (в веб-поиске и на картах), связанных с локацией или сущностью в ней.
  • Количество выборов (кликов) по результатам поиска, связанным с локацией.
  • Количество взаимодействий с локацией непосредственно в интерфейсе карты.
  • Количество показов локации в Viewport пользователей.
• Временные факторы: Метки времени для всех поведенческих событий. Используются для расчета затухания влияния (Time Decay).
• Географические факторы: Координаты локаций (Map Attention Spots), координаты Content Items, границы Viewport, расстояния между точками.
• Системные данные: Базовые оценки контента (Content Item Scores), например, ставки и показатели качества рекламы.

Какие метрики используются и как они считаются

• Attention Score (Interest Score): Агрегированная метрика пользовательской активности для локации. Рассчитывается путем суммирования взвешенных событий активности.
• Time Decay Function: Функция для учета свежести активности. В патенте приводится пример экспоненциального затухания: N=N₀e^−λt, где N – итоговое влияние, N₀ – начальное влияние, t – время, λ – параметр затухания.
• Space Decay Function: Функция для распространения влияния активности на соседние области. Пример: N=N₀e^−λd, где d – расстояние.
• Attention Spot-Content Item Score: Промежуточная метрика, отражающая влияние конкретной Map Attention Spot на конкретный Content Item. Прямо пропорциональна Attention Score и обратно пропорциональна расстоянию между ними (или рассчитывается через функцию затухания).
• Rank Score: Итоговая оценка ранжирования. Является функцией от Content Item Score и одного или нескольких Attention Spot-Content Item Scores (бустинг).
• Map Attention Area Width: Ширина области внимания вокруг траектории движения. Может рассчитываться как W=W₀e^−λl, где W₀ – максимальный размер Viewport, l – нормализованная длина перемещения.

Выводы

1. Популярность локации как фактор ранжирования: Патент явно демонстрирует, что агрегированная популярность и интерес к физической локации (выраженные через онлайн-сигналы) являются прямым фактором ранжирования на картах. Это касается как самой популярной локации, так и контента, расположенного поблизости.
2. Использование поведенческих данных для определения интереса: Google активно использует поведенческие сигналы (запросы, клики, просмотры) для определения «горячих точек» (Map Attention Spots), которые привлекают внимание пользователей.
3. Близость к популярным местам дает преимущество: Бизнесы, расположенные рядом с локациями, имеющими высокий Attention Score, получают преимущество в ранжировании (бустинг) за счет близости к ним.
4. Важность свежести и контекста активности: Система учитывает затухание активности со временем (Time Decay), что подчеркивает важность поддержания постоянного интереса к локации. Также учитывается распространение влияния на соседние области (Space Decay).
5. Анализ поведения в реальном времени: Помимо исторических данных, система анализирует текущее поведение пользователя (направление прокрутки карты), чтобы определить его сиюминутный интерес и скорректировать выдачу, отдавая предпочтение контенту вдоль траектории движения.
6. Фокус внимания не равен центру экрана: Ключевой вывод – система стремится показывать контент там, где находится фокус внимания пользователя, а не просто в центре Viewport.

Практика

Best practices (это мы делаем)

• Стимулирование онлайн-активности вокруг локации: Необходимо мотивировать пользователей взаимодействовать с вашей локацией онлайн: строить маршруты в Google Maps, оставлять отзывы, загружать фотографии, упоминать локацию в контенте. Это напрямую влияет на Attention Score.
• Повышение узнаваемости и количества запросов: Работа над локальным PR, маркетингом и узнаваемостью бренда ведет к увеличению количества брендовых и локационных запросов. Согласно патенту, это ключевой компонент расчета Attention Score.
• Оптимизация Google Business Profile (GMB) для вовлеченности: Использование всех функций GMB (Posts, Q&A, актуальная информация, качественные фото) для максимизации взаимодействий пользователей с карточкой компании на картах и в поиске.
• Анализ локального контекста (для выбора локации): При открытии нового бизнеса или филиала следует учитывать популярность района. Расположение рядом с естественными «точками притяжения» (высокий Attention Score) даст органическое преимущество в ранжировании на картах за счет механизма Space Decay и бустинга за близость.

Worst practices (это делать не надо)

• Игнорирование локальной популярности: Стратегии Local SEO, основанные только на традиционных факторах (ключевые слова в описании, категории, ссылки) без учета реальной популярности и вовлеченности пользователей, будут менее эффективны.
• Манипуляции с поведенческими факторами: Хотя патент показывает, что поведенческие сигналы используются, попытки их искусственной накрутки (симуляция запросов, кликов или построений маршрутов) несут высокие риски пессимизации, так как Google имеет сложные системы для обнаружения фрода.
• Фокус только на географическом центре: Не стоит предполагать, что ранжирование строится только от географического центра города или района. Ранжирование строится от пользователя (если его локация известна) и от Map Attention Spots.

Стратегическое значение

Патент подтверждает стратегическую важность концепции «Entity-Based SEO» в локальном поиске. Авторитет, известность и популярность физической сущности (бизнеса, достопримечательности, района) являются критически важными для видимости на картах. Долгосрочная стратегия должна включать не только SEO, но и комплексный маркетинг для повышения реального интереса к локации. Также патент показывает, как Google интегрирует рекламные технологии и алгоритмы ранжирования для монетизации картографических сервисов.

Практические примеры

Сценарий 1: Использование Map Attention Spots (Исторические данные)

1. Контекст: Пользователь открывает карту Манхэттена. Эмпайр-стейт-билдинг имеет очень высокий Attention Score (много запросов, кликов) и является Map Attention Spot.
2. Действие системы: Когда пользователь просматривает район вокруг Эмпайр-стейт-билдинг, система анализирует близлежащие Content Items (например, кафе и магазины).
3. Результат: Кафе А находится в 50 метрах от входа, а Кафе Б – в 200 метрах. При прочих равных базовых оценках (Content Item Score), Кафе А получит значительно более высокий Rank Score за счет близости к точке с высоким Attention Score и будет показано выше или более заметно на карте.

Сценарий 2: Использование Trajectory Analysis (Реальное время)

1. Контекст: Пользователь ищет отель в Денвере. Он открывает карту и начинает медленно прокручивать ее вдоль шоссе I-70 с запада на восток.
2. Действие системы: Система определяет траекторию движения (линию вдоль I-70).
3. Результат: Отели, расположенные непосредственно у съездов с I-70 (т.е. близко к линии траектории), получат временный бустинг в ранжировании по сравнению с отелями, расположенными в глубине кварталов, даже если те находятся в видимой области Viewport. Система предполагает, что пользователь интересуется объектами вдоль пути следования.

Вопросы и ответы