Как Google снижает ценность кликов с широких запросов при расчете популярности документа

Описание

Какую задачу решает

Патент решает проблему искажения метрик популярности документов (таких как impression count, click count или CTR) из-за широких (Broad) запросов. Широкие запросы (например, из одного-двух слов) вводятся часто, возвращают огромное количество результатов и генерируют много показов и кликов. Документы, ранжирующиеся по таким запросам, получают искусственно завышенные показатели популярности, что искажает данные о поведении пользователей и может негативно влиять на точность ранжирования.

Что запатентовано

Запатентована система и метод для корректировки показателя ранжирования (scoring measure), в частности, показателя популярности (popularity measure), на основе широты (breadth) запроса, с которым этот показатель связан. Суть изобретения в том, чтобы считать пользовательские клики по результатам, полученным в ответ на широкие запросы, менее сильными индикаторами популярности по сравнению с кликами, полученными в ответ на узкие (специфические) запросы.

Как это работает

Система анализирует логи поисковых сессий (пары запрос/клик). Для каждого запроса вычисляется показатель широты (Query Breadth Measure). Широта определяется разными способами: количеством возвращаемых результатов, длиной запроса, частотой его использования или скоростью снижения Information Retrieval (IR) score в топе выдачи. Затем система корректирует вклад каждого клика в общую оценку популярности документа. Если запрос широкий, вклад клика снижается (de-weighted). Если запрос узкий, клик считается более значимым.

Актуальность для SEO

Высокая. Точная интерпретация поведенческих сигналов остается критически важной задачей для качества поиска. Этот патент описывает фундаментальный механизм нормализации данных о кликах, который позволяет более объективно оценивать реальную востребованность контента, отделяя качественные сигналы от шума, создаваемого широкими запросами.

Важность для SEO

Патент имеет высокое значение (8/10). Он напрямую влияет на то, как Google интерпретирует поведенческие сигналы. Это изобретение снижает ценность трафика, полученного по общим, высокочастотным запросам (Head Terms), и повышает значимость трафика, полученного по специфическим, узконаправленным (Long-Tail) запросам. Стратегии, нацеленные на удовлетворение конкретного интента, получают преимущество.

Детальный разбор

Термины и определения

Broad Query (Широкий запрос)

Запрос, который возвращает большое количество результатов, часто короткий и/или высокочастотный. Пример: «digital camera».

Click Count (Счетчик кликов)

Метрика популярности, измеряющая количество кликов по документу.

De-weighting (Снижение веса, Дисконтирование)

Процесс уменьшения значения показателя популярности, если он был получен в контексте широкого запроса.

Information Retrieval (IR) Score (Оценка информационного поиска)

Базовая оценка релевантности документа запросу.

IR Score Drop-off (Снижение IR оценки)

Скорость, с которой IR score уменьшается от первого результата к N-му результату в выдаче. Используется как мера широты запроса. Медленное снижение указывает на широкий запрос.

Popularity Measure (Показатель популярности)

Метрика, используемая для оценки востребованности документа (например, Click Count, CTR, Impression Count).

Query Breadth Measure (Мера широты запроса)

Количественная оценка того, насколько общим (широким) или специфическим (узким) является запрос.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод сравнения ценности пользовательских выборов (кликов).

1. Система получает информацию о первом выборе пользователя (Результат 1 по Запросу 1).
2. Система получает информацию о втором выборе пользователя (Результат 2 по Запросу 2).
3. Система определяет, что широта (breadth) Запроса 1 больше, чем широта Запроса 2.
4. На основании этого определения система записывает (в базу данных популярности), что второй выбор (по узкому запросу) является более сильным индикатором популярности (more strongly indicative of popularity), чем первый выбор (по широкому запросу).

Ядро патента заключается в том, что ценность клика как сигнала популярности обратно пропорциональна широте запроса, который его сгенерировал.

Claim 2 (Зависимый от 1): Уточняет механизм реализации принципа из Claim 1.

Реализация включает снижение веса (de-weighting) показателя популярности (например, общего числа кликов), связанного с первым выбором (т.е. кликом по широкому запросу).

Claims 5-8 (Зависимые от 1): Детализируют методы оценки широты запроса.

• Claim 6: Оценка широты основана на различиях в релевантности документов в выдаче. Это относится к механизму IR score drop-off.
• Claim 7: Оценка широты основана на количестве терминов или длине запроса.
• Claim 8: Оценка широты основана на частоте, с которой этот запрос задается пользователями.

Claim 10 (Независимый пункт, Система): Описывает архитектуру системы.

Система включает базу данных популярности и поисковую систему, настроенную на корректировку показателей популярности. Корректировки характеризуют пользовательские выборы из выдачи по широким запросам как менее сильные индикаторы популярности по сравнению с выборами из выдачи по узким запросам.

Где и как применяется

Изобретение затрагивает этапы, связанные с обработкой поведенческих данных и их использованием в ранжировании.

INDEXING / Офлайн-обработка данных
Основная работа алгоритма происходит офлайн или в пакетном режиме (упоминается nightly batch process), а не в реальном времени при обработке запроса.

1. Сбор данных: Система анализирует логи (log file) пользовательских взаимодействий (пары Запрос/Клик).
2. Анализ широты: Query Breadth Analyzer вычисляет Query Breadth Measure для запросов, используя различные метрики (количество результатов, IR score drop-off и т.д.).
3. Корректировка популярности: Система пересчитывает Popularity Measures документов, применяя de-weighting к кликам, полученным с широких запросов. Скорректированные данные сохраняются в Popularity Database.

RANKING / RERANKING – Ранжирование и Переранжирование
На этих этапах система использует предварительно рассчитанные и скорректированные Popularity Measures из Popularity Database в качестве одного из сигналов для сортировки результатов поиска.

Входные данные (для офлайн-обработки):

• Логи поисковых запросов, кликов и показов (пары Запрос/Кликнутый результат).
• Данные индекса (для расчета количества результатов по запросу).
• IR scores результатов (для расчета IR score drop-off).
• Статистика частоты запросов.

Выходные данные:

• Скорректированные (De-weighted) показатели популярности для документов.

На что влияет

• Специфические запросы: Алгоритм повышает значимость удовлетворения интента по информационным и транзакционным запросам, особенно средне- и низкочастотным (Long-Tail). Он снижает влияние сигналов от высокочастотных (Head Terms) запросов.
• Конкретные ниши или тематики: Наибольшее влияние в конкурентных нишах с большим объемом трафика по общим запросам (E-commerce, общая информация). Документы, оптимизированные только под общие термины, будут терять преимущество от поведенческих сигналов.
• Типы контента: Влияет на контент, который склонен быть слишком общим (abstract documents), например, главные страницы категорий или общие статьи-хабы, которые часто показываются по широким запросам.

Когда применяется

• Условия работы: Алгоритм применяется при обработке логов пользовательского поведения и пересчете метрик популярности.
• Временные рамки: Применяется периодически (в пакетном режиме) для обновления данных о популярности. Не применяется в реальном времени во время выполнения запроса.
• Триггеры активации: Активируется для любого клика, но степень корректировки (de-weighting) зависит от рассчитанной широты запроса. Чем шире запрос, тем сильнее корректировка.

Пошаговый алгоритм

Процесс корректировки популярности (Офлайн-обработка логов)

1. Получение данных: Система извлекает запись из лога, содержащую пару: Поисковый запрос и Идентификатор кликнутого результата.
2. Определение базовой популярности: Система определяет текущий показатель популярности для этой пары (например, подсчитывает количество кликов по результату в ответ на данный запрос).
3. Определение широты запроса: Query Breadth Analyzer вычисляет меру широты для данного запроса. Это может включать один или несколько методов:
   • Подсчет общего количества результатов для запроса.
   • Расчет IR score drop-off. Например, отношение IR score N-го результата к IR score 1-го результата (IR_N / IR₁). В патенте упоминается пример N=10.
   • Анализ длины запроса или частоты его использования.
4. Снижение веса (De-weighting): Система корректирует показатель популярности на основе вычисленной широты запроса. Если запрос широкий, вес этого клика уменьшается.
   
   Пример расчета (на основе IR drop-off): В патенте описан метод, когда вычисленное соотношение (Мера Широты, например IR_N / IR₁) вычитается из 1, и результат умножается на показатель популярности. Новая Популярность = (1 — Мера Широты) * Базовая Популярность. Если Мера Широты близка к 1 (очень широкий запрос), вклад в популярность стремится к 0.
5. Агрегация и сохранение: Скорректированный показатель популярности агрегируется и сохраняется в Popularity Database.
6. Итерация: Процесс повторяется для всех пар запрос/клик в логах.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании поведенческих и системных данных для нормализации метрик популярности.

• Поведенческие факторы: Критически важные данные. Логи запросов, показов (impressions) и кликов (clicks). Анализируются пары «Запрос — Кликнутый результат». Также используется частота использования поискового запроса пользователями.
• Технические/Системные факторы: Information Retrieval (IR) scores результатов поиска. Эти оценки необходимы для расчета IR score drop-off. Также используется общее количество документов в индексе, соответствующих запросу.
• Контентные факторы (Запроса): Длина запроса (количество терминов) используется как один из индикаторов широты.

Какие метрики используются и как они считаются

Система вычисляет Query Breadth Measure, используя одну или комбинацию из следующих метрик:

1. IR Score Drop-off (Снижение IR оценки):
   
   Рассчитывается как отношение IR score N-го результата к IR score 1-го результата (IR_N / IR₁).
   
   Если отношение близко к 1 (снижение медленное), запрос широкий.
   
   Если отношение близко к 0 (снижение быстрое), запрос узкий.
2. Количество результатов (Quantity of results): Чем больше результатов возвращает запрос, тем он шире.
3. Длина запроса (Query length): Чем меньше терминов в запросе, тем он шире. Может рассчитываться как отношение длины текущего запроса к средней длине запросов.
4. Частота запроса (Frequency of query use): Чем чаще запрос используется пользователями, тем он шире.

В патенте также упоминается, что несколько мер широты могут быть объединены.

Методы вычислений и расчета оценок:

• De-weighting (Снижение веса): Применяется к Popularity Measure (например, Click Count или CTR). Вес сигнала снижается пропорционально широте запроса, как описано в алгоритме выше.

Выводы

1. Не все клики одинаково ценны: Фундаментальный вывод патента — ценность клика как сигнала популярности зависит от контекста запроса. Клик по широкому запросу дает меньший вклад в оценку популярности документа, чем клик по узкому запросу.
2. Широта запроса (Query Breadth) — ключевой модификатор: Google активно измеряет, насколько широким является запрос, используя различные метрики, включая технический анализ релевантности (IR score drop-off), количество результатов, длину и частоту запроса.
3. Дисконтирование популярности от широких запросов: Система применяет механизм de-weighting для снижения влияния кликов с широких запросов. Это предотвращает ситуацию, когда документы, часто показываемые по общим терминам, аккумулируют искусственно завышенную популярность.
4. Приоритет специфичности и удовлетворения интента: Механизм поощряет контент, который точно отвечает на специфические запросы (Narrow Queries). Удовлетворение пользователя по узкому запросу является более сильным сигналом качества и популярности.
5. Нормализация поведенческих данных: Этот патент описывает метод нормализации данных о кликах, позволяющий более объективно сравнивать популярность разных документов, независимо от объема трафика по запросам, для которых они ранжируются.

Практика

Best practices (это мы делаем)

• Фокус на удовлетворении специфического интента (Long-Tail Strategy): Сосредоточьтесь на создании контента, который максимально точно отвечает на конкретные, узконаправленные запросы. Клики, полученные по таким запросам, имеют наибольший вес при расчете показателей популярности.
• Глубокая проработка тем (Topical Authority): Развивайте авторитетность, покрывая не только общие (Head) термины, но и весь спектр связанных узких запросов в рамках кластера. Это гарантирует, что сайт получает высокоценные поведенческие сигналы из разных частей семантического поля.
• Оптимизация под конкретные сценарии использования (Use Cases): Вместо оптимизации страницы под общий запрос (например, «фотоаппарат»), оптимизируйте ее под конкретный сценарий (например, «лучший беззеркальный фотоаппарат для путешествий 2025»). Это повышает вероятность получения кликов с узких запросов.
• Анализ качества трафика, а не только объема: При оценке эффективности SEO анализируйте, по каким типам запросов (широким или узким) приходит трафик. Высокий объем трафика по широким запросам может давать меньший вклад в общее ранжирование, чем меньший объем по целевым узким запросам.

Worst practices (это делать не надо)

• Погоня только за высокочастотными широкими запросами: Стратегия, основанная исключительно на выводе в топ по самым общим и частотным запросам. Популярность, накопленная за счет таких запросов, будет дисконтирована (de-weighted).
• Создание поверхностного контента для широких тем: Создание общих статей, которые пытаются охватить слишком широкую тему без должной глубины. Такие страницы могут получать показы и клики по широким запросам, но эти клики будут иметь низкую ценность для ранжирования.
• Игнорирование низкочастотных запросов: Пренебрежение оптимизацией под Long-Tail запросы лишает сайт возможности накапливать самые ценные сигналы популярности.
• Оценка успеха по общему CTR или объему кликов: Использование «сырых» поведенческих метрик как основного KPI без учета контекста запросов, которые их генерируют.

Стратегическое значение

Патент подчеркивает важность точности и специфичности в SEO. Он подтверждает, что Google стремится измерять реальное удовлетворение пользователя, а не просто фиксировать клики. Стратегически это означает, что построение авторитетности в нише требует доказательства того, что ваш контент является лучшим ответом на конкретные проблемы пользователей (узкие интенты), а не просто популярным ресурсом по общей теме. Долгосрочная стратегия должна фокусироваться на качестве и глубине контента.

Практические примеры

Сценарий: Сравнение ценности кликов для двух страниц о кофе

Страница А: «Все о кофе» (Общий хаб)

• Целевые запросы: «кофе», «виды кофе».
• Характеристика запросов: Очень широкие (высокая частота, много результатов, медленный IR score drop-off). Мера Широты (Breadth Measure) оценена как 0.8.
• Поведение: Страница получает 1000 кликов по этим запросам.
• Результат по патенту: Google применяет de-weighting. Множитель = (1 — 0.8) = 0.2. Вклад в Popularity Measure: 1000 * 0.2 = 200 единиц.

Страница Б: «Как приготовить Кемекс дома: пропорции и время» (Специфическое руководство)

• Целевые запросы: «приготовление кофе в кемексе», «кемекс пропорции воды и кофе».
• Характеристика запросов: Узкие (низкая частота, меньше результатов, быстрый IR score drop-off). Мера Широты оценена как 0.1.
• Поведение: Страница получает 300 кликов по этим запросам.
• Результат по патенту: Google применяет de-weighting. Множитель = (1 — 0.1) = 0.9. Вклад в Popularity Measure: 300 * 0.9 = 270 единиц.

Вывод: Несмотря на то, что Страница А получила в 3 раза больше трафика, Страница Б внесла больший вклад в итоговые показатели популярности, так как ее трафик был получен по узким, специфическим запросам.

Вопросы и ответы