Как Google управляет физическим и выбранным местоположением пользователя для ранжирования и предложения локальных заведений

Описание

Какую задачу решает

Патент решает несколько проблем, связанных с геолокацией на мобильных устройствах:

• Неоднозначность местоположения: GPS-координаты не всегда точно соответствуют конкретному заведению (Venue), особенно в местах с высокой плотностью (например, торговые центры). Система помогает определить, в каком именно заведении находится пользователь.
• Удобство выбора локации: Упрощение процесса ассоциации действий пользователя (например, публикации в микроблоге) с конкретным заведением.
• Гибкость контекста (Phantom Blogging): Предоставление пользователю возможности просматривать информацию или публиковать контент из локации, отличной от его физического местоположения.

Что запатентовано

Запатентована система управления контекстами местоположения на мобильном устройстве. Ключевым элементом является механизм одновременного хранения двух локаций: Estimated Geographic Location (физическое местоположение, определенное через GPS/Wi-Fi) и User-Identified Location (выбранное пользователем вручную). Система определяет одно из них как Current Location (текущий контекст) и отображает список релевантных заведений вблизи этого контекста. Пользователь может быстро переключаться между двумя сохраненными контекстами.

Как это работает

Система работает в нескольких режимах:

• Определение и Ранжирование Заведений: Устройство отправляет свое предполагаемое местоположение и точность на сервер. Сервер использует эти данные вместе с многочисленными сигналами (история пользователя, популярность заведения, тип бизнеса, финансовые транзакции, время суток) для генерации ранжированного списка (Ranked List) релевантных заведений.
• Предложение и Подтверждение: Система может предложить одно наиболее вероятное заведение пользователю для быстрого подтверждения (например, «Вы в Apple Inc? Нажмите здесь»).
• Переключение Контекстов: Если пользователь вручную выбирает удаленную локацию (например, через карты), она сохраняется как User-Identified Location. Пользователь может переключать Current Location между физическим и выбранным местоположением. При переключении список ближайших заведений мгновенно обновляется в соответствии с новым контекстом.

Актуальность для SEO

Высокая. Управление местоположением, определение локального контекста и ранжирование локальных заведений являются фундаментальными аспектами мобильных сервисов Google (Google Maps, Local Search). Описанные в патенте сигналы для ранжирования заведений остаются крайне актуальными для понимания алгоритмов локального поиска.

Важность для SEO

Патент имеет значительное влияние на Локальное SEO (Local SEO) и управление сущностями (Entity Management). Он не описывает ранжирование веб-страниц, но дает критически важное понимание того, как Google идентифицирует, ранжирует и приоритизирует локальные заведения (Venues) в ответ на геолокацию пользователя. Понимание используемых сигналов (популярность, история, транзакции) необходимо для оптимизации видимости бизнеса в локальных сервисах.

Детальный разбор

Термины и определения

Accuracy Range (Диапазон точности)

Порог или радиус вокруг предполагаемого местоположения, основанный на точности геолокационных данных (GPS, Wi-Fi). Может использоваться устройством для фильтрации списка заведений, полученного от сервера.

Current Location (Текущее местоположение / Контекст)

Активный контекст местоположения, используемый приложением. Это может быть либо Estimated Geographic Location, либо User-Identified Location. Определяет, вокруг какой точки будут отображаться релевантные заведения.

Estimated Geographic Location (Предполагаемое географическое местоположение)

Физическое местоположение устройства, определенное автоматически (например, с помощью GPS, триангуляции вышек сотовой связи или Wi-Fi).

Ranked List (Ранжированный список)

Список заведений, отсортированный сервером на основе релевантности и различных сигналов, и отправленный на мобильное устройство.

Signals (Сигналы)

Факторы, используемые поисковой системой (Search Engine) для определения и ранжирования релевантных заведений. Включают User History, Popularity, Business Type, Time-Dependency Ranking Information, Financial Transactions.

Suggested Venue (Предложенное заведение)

Заведение, которое система определила как наиболее вероятное местоположение пользователя и предлагает его для подтверждения.

User-Identified Location (Местоположение, указанное пользователем)

Локация, выбранная пользователем вручную, например, через поиск или выбор на карте. Может отличаться от физического местоположения.

Venue (Заведение / Место)

Конкретная точка интереса, сущность (entity) — бизнес, достопримечательность, парк, город и т.д., с которой пользователь может ассоциировать свою активность.

Ключевые утверждения (Анализ Claims)

Примечание: Патент содержит Claims, фокусирующиеся на механизме переключения контекстов. Механизм предложения заведений подробно описан в Description, но не защищен в Claims этого патента.

Claim 1 (Независимый пункт): Описывает метод переключения между контекстами местоположения на мобильном устройстве.

1. Устройство определяет свое предполагаемое географическое местоположение (Estimated Geographic Location).
2. Устройство получает местоположение, указанное пользователем (User-Identified Location) через приложение.
3. Оба местоположения сохраняются одновременно в памяти.
4. Одно из сохраненных местоположений идентифицируется как текущее (Current Location).
5. На дисплее отображаются (i) интерфейсные элементы, идентифицирующие заведения географически близкие к Current Location, и (ii) опция для изменения Current Location на другое сохраненное местоположение.
6. Устройство получает ввод пользователя, который изменяет Current Location на другое сохраненное местоположение.
7. В ответ на этот ввод на дисплее отображаются интерфейсные элементы, идентифицирующие заведения, географически близкие к новому Current Location.

Claim 8 (Зависимый): Уточняет элементы интерфейса.

На дисплее отображается графический элемент, идентифицирующий Current Location, и графический элемент, который при выборе пользователем вызывает изменение Current Location на другое сохраненное местоположение.

Claim 19 (Независимый пункт): Описывает систему для переключения контекстов.

Система включает блок определения местоположения, приложение для ввода пользовательской локации, блок идентификации текущего местоположения (который хранит обе локации и выбирает текущую), серверную систему и дисплей. Сервер получает Current Location от устройства и предоставляет список релевантных заведений. Дисплей отображает текущую локацию, релевантные заведения и элемент для переключения контекста.

Где и как применяется

Изобретение затрагивает этапы, связанные с интерпретацией локации пользователя и ранжированием локальных сущностей (заведений).

INDEXING – Индексирование и извлечение признаков
На этом этапе система собирает и анализирует данные о заведениях (Venues), которые будут использоваться для ранжирования. Сюда входят данные о популярности, типе бизнеса, отзывы, и, возможно, агрегированные данные о финансовых транзакциях и времени посещения.

QUNDERSTANDING – Понимание Запросов (Контекста)
В данном случае это не столько понимание текстового запроса, сколько понимание локационного контекста пользователя. Система должна определить, использует ли пользователь физическую локацию или выбранную вручную (Current Location), а также оценить точность (Accuracy) физической локации.

RANKING – Ранжирование (Локальное)
Основное применение патента в контексте поиска. Серверная система (Search Engine) получает контекст местоположения и использует различные Signals для генерации Ranked List заведений. Это ранжирование локальных сущностей, а не веб-страниц.

Входные данные:

• Estimated Geographic Location (Широта/Долгота).
• Accuracy (Точность определения локации).
• User ID (Идентификатор пользователя).
• User-Identified Location (если применимо).
• Current Location (Активный контекст).

Выходные данные:

• Ranked List (Ранжированный список заведений, релевантных контексту).
• Single Suggestion (Одно предложенное заведение для подтверждения).

На что влияет

• Локальные страницы и Контент: Напрямую влияет на видимость локального бизнеса (рестораны, магазины, услуги) в мобильных приложениях, использующих геолокацию (например, Google Maps или социальные сети).
• Конкретные ниши: Наибольшее влияние в нишах с высокой плотностью конкурентов и зависимостью от физического трафика (E-commerce, Авто, Недвижимость и т.д.).
• Типы запросов: Влияет на обработку неявных локальных запросов, когда приложение предлагает заведения на основе местоположения без текстового ввода пользователя.

Когда применяется

• Условия работы: Алгоритм ранжирования применяется каждый раз, когда мобильное устройство запрашивает список ближайших заведений у сервера.
• Триггеры активации: Запуск локально-ориентированного приложения, обновление физического местоположения или переключение пользователем локационного контекста (Current Location).

Пошаговый алгоритм

Процесс А: Ранжирование и Предложение Заведений (на основе FIG. 4 и FIG. 6)

1. Определение Локации: Мобильное устройство определяет свое предполагаемое географическое местоположение и точность.
2. Передача Данных на Сервер: Устройство отправляет локацию, точность и идентификатор пользователя на сервер (Search Engine).
3. Анализ Сигналов (Сервер): Сервер анализирует полученные данные в контексте различных сигналов: история пользователя, общая популярность заведений поблизости, тип бизнеса, время суток/день недели, финансовые транзакции.
4. Генерация Ранжированного Списка: Сервер генерирует Ranked List заведений, взвешивая сигналы для определения релевантности.
5. Передача Списка на Устройство: Сервер отправляет ранжированный список (или одно лучшее предложение) на устройство.
6. Фильтрация (Устройство): Устройство может дополнительно фильтровать список, например, выбирая наиболее высоко ранжированное заведение, которое находится в пределах Accuracy Range (порога расстояния).
7. Отображение и Подтверждение: Устройство отображает список или предлагает одно заведение пользователю для подтверждения.

Процесс Б: Переключение Контекстов (на основе FIG. 5)

1. Определение и Получение Локаций: Система определяет Estimated Geographic Location и получает User-Identified Location (например, через выбор на карте).
2. Хранение: Обе локации сохраняются в памяти одновременно.
3. Идентификация Контекста: Система идентифицирует один из них как Current Location (например, по умолчанию это физическая локация).
4. Отображение Релевантных Заведений: Система запрашивает у сервера (или извлекает из кэша) и отображает список заведений, релевантных Current Location.
5. Ожидание Ввода: Система ожидает действий пользователя.
6. Обработка Переключения Контекста: Если пользователь выбирает переключение контекста (например, нажимая на элемент, отображающий другую сохраненную локацию):
   • Система меняет Current Location.
   • Список релевантных заведений немедленно обновляется в соответствии с новым контекстом.

Какие данные и как использует

Данные на входе

Патент детализирует набор сигналов, используемых для ранжирования заведений.

• Географические факторы:
  • Latitude/Longitude: Координаты предполагаемого местоположения устройства.
  • Accuracy: Точность определения координат (используется для определения Accuracy Range).
• Пользовательские и Поведенческие факторы:
  • User ID: Идентификатор пользователя.
  • User History: История подтверждений конкретных заведений пользователем, история выбора результатов поиска, связанных с заведением, история поисковых запросов по терминам или категориям, связанным с заведением.
  • Financial Transactions: Популярность заведения, основанная на количестве финансовых транзакций, которые там происходят.
• Временные факторы:
  • Time-Dependency Ranking Information: Зависимость сигналов от времени (например, популярность пляжа выше летом или днем).
• Факторы Сущности (Venue):
  • Business Type: Тип бизнеса (например, предпочтение может отдаваться кофейне перед пожарной станцией).
  • Popularity: Общая популярность заведения (основанная на популярности в поиске, рейтингах пользователей, подтверждениях других пользователей).

Какие метрики используются и как они считаются

• Relevance Score (Оценка релевантности заведения): Числовая оценка, вычисляемая сервером для каждого заведения на основе взвешивания вышеупомянутых сигналов (Signals). Патент упоминает, что некоторые сигналы могут быть взвешены сильнее других (например, история пользователя может быть важнее общих рейтингов).
• Ranking (Ранжирование): Порядок заведений, основанный на Relevance Score.
• Threshold Distance / Accuracy Range (Пороговое расстояние): Метрика, используемая на стороне клиента (мобильного устройства) для выбора заведения из списка, предоставленного сервером. Устройство может выбрать наиболее высоко ранжированное заведение, которое находится в пределах этого порога, даже если оно не является самым близким географически.
• Нормализация и агрегация данных: Патент предполагает, что сервер агрегирует данные о популярности, транзакциях и истории для расчета оценок. В некоторых вариантах сервер передает оценки (Scores) на устройство, в других – только порядковый ранг, чтобы предотвратить обратный инжиниринг алгоритмов сервера.

Выводы

1. Приоритет Релевантности и Популярности над Близостью: Патент ясно показывает, что географическая близость не является единственным фактором при предложении заведений. Google использует сложную систему ранжирования (Ranking), основанную на множестве сигналов (Signals). Заведение может быть предложено первым, даже если оно не самое близкое, если его общая релевантность и популярность выше.
2. Разнообразие Сигналов Ранжирования Локальных Сущностей: Для определения релевантности заведения (Venue) используется широкий спектр данных: от истории поиска и поведения конкретного пользователя (User History) до агрегированных данных о популярности (Popularity), типе бизнеса (Business Type) и даже финансовых транзакциях (Financial Transactions).
3. Влияние Времени: Фактор времени (Time-Dependency) учитывается при ранжировании, что означает, что релевантность заведения может меняться в зависимости от времени суток или сезона.
4. Управление Контекстом: Google хранит и управляет двумя различными контекстами местоположения (физическим и выбранным). Это подтверждает, что система поиска адаптируется к намерениям пользователя, которые могут быть не связаны с его текущим физическим местоположением.
5. Важность Подтверждения Сущности: Механизм предложения одного заведения (Suggested Venue) подчеркивает стремление Google точно связать активность пользователя с конкретной сущностью (Entity).

Практика

Best practices (это мы делаем)

Этот патент напрямую относится к Локальному SEO и оптимизации видимости бизнеса как сущности (Entity).

• Максимизация Сигналов Популярности (Popularity): Поскольку популярность является ключевым сигналом для ранжирования заведений, необходимо активно работать над узнаваемостью бренда и его популярностью в поиске. Стимулируйте отзывы, работайте над увеличением брендового трафика и упоминаний заведения в сети.
• Оптимизация под Тип Бизнеса (Business Type): Убедитесь, что заведение корректно классифицировано в Google Business Profile (GBP) и других каталогах. Релевантность типу бизнеса влияет на вероятность его предложения пользователям поблизости.
• Учет Временных Факторов (Time-Dependency): Адаптируйте маркетинговые активности под время пиковой популярности заведения. Если система знает, что ваш ресторан популярен вечером, усиление сигналов в это время может повысить его ранг в списке предложений.
• Стимулирование Взаимодействия (User History): Поощряйте пользователей взаимодействовать с вашим заведением онлайн (поиск, просмотр профиля) и офлайн (чекины, хотя патент напрямую не говорит о чекинах, он упоминает историю подтверждений локации). Это формирует User History, которая учитывается при ранжировании.
• (Гипотеза) Использование данных о транзакциях: Упоминание Financial Transactions как сигнала популярности предполагает, что объем реальных платежей может влиять на ранжирование. Обеспечение прозрачности и доступности онлайн-платежей (если применимо) может косвенно усилить этот сигнал.

Worst practices (это делать не надо)

• Игнорирование Локального SEO: Нельзя полагаться только на физическую близость к пользователю. Если сигналы популярности и релевантности слабые, система предпочтет более дальнего, но более авторитетного конкурента.
• Некорректная Категоризация: Ошибки в выборе основной и дополнительных категорий бизнеса (Business Type) могут привести к тому, что заведение не будет считаться релевантным для предложения.
• Накрутка Популярности: Попытки манипулировать сигналами популярности (например, фейковые отзывы или чекины) рискованны и, вероятно, будут отфильтрованы другими системами Google, не описанными в этом патенте.

Стратегическое значение

Патент подтверждает стратегию Google в локальном поиске: переход от простого «поиска поблизости» к «предложению лучшего/наиболее релевантного поблизости». Для SEO-специалистов это означает, что оптимизация локального бизнеса требует комплексного подхода, аналогичного оптимизации сайта в основном поиске, с фокусом на авторитетность, популярность и пользовательский опыт. Близость является необходимым, но не достаточным условием для высокой видимости.

Практические примеры

Сценарий: Оптимизация кофейни в бизнес-центре

1. Ситуация: Пользователь находится в большом бизнес-центре, где есть 5 разных кофеен. Он открывает приложение, которое использует описанный механизм (например, Google Maps для поиска места).
2. Цель SEO: Сделать так, чтобы именно наша кофейня была предложена как Suggested Venue или занимала первую позицию в Ranked List.
3. Действия на основе патента:
   • Business Type: Убедиться, что основная категория в GBP – «Кофейня».
   • Popularity: Активно собирать положительные отзывы, стимулировать поисковые запросы «[Название кофейни] + [Название БЦ]».
   • Time-Dependency: Проводить акции утром и в обед, чтобы усилить сигналы популярности в пиковые часы для кофеен.
   • Financial Transactions (Гипотеза): Внедрить программу лояльности, которая может увеличить количество отслеживаемых транзакций.
4. Результат: Сервер Google, получая запрос от пользователя в БЦ, анализирует сигналы. Наша кофейня имеет более сильные сигналы популярности и истории взаимодействий по сравнению с конкурентами. Сервер присваивает ей более высокий Relevance Score и ставит на первое место в списке, даже если она находится на 20 метров дальше от пользователя, чем конкурент №2.

Вопросы и ответы