Как Google динамически меняет сниппеты для повторяющихся результатов в рамках одной поисковой сессии

Описание

Какую задачу решает

Патент решает проблему неэффективности отображения идентичных сниппетов при итеративном поиске (Query Refinement). Когда пользователь уточняет запрос в рамках одной сессии, одни и те же документы часто снова появляются в выдаче. Показ того же сниппета не дает новой информации и снижает вероятность клика, особенно если пользователь проигнорировал результат в первый раз. Изобретение направлено на улучшение пользовательского опыта и повышение CTR путем предоставления новой информации о ранее показанном документе.

Что запатентовано

Запатентована система динамической генерации сниппетов, которая учитывает контекст поисковой сессии (Search Session). Если результат поиска повторяется в рамках одной сессии (Repetitive Search Result), система стремится сгенерировать для него новый сниппет. Ключевой механизм — это применение отрицательного веса (Negative Weight) к контенту, который уже был показан в предыдущем сниппете для этого же результата в текущей сессии.

Как это работает

Система работает следующим образом:

• Отслеживание сессии: Система отслеживает запросы пользователя и показанные сниппеты в рамках одной Search Session.
• Идентификация повторов: При новом запросе система определяет, какие результаты уже показывались в этой сессии (Repetitive Search Results).
• Взвешивание кандидатов: Для повторяющихся результатов система оценивает потенциальные сниппеты, используя положительные веса за релевантность текущему запросу (наличие токенов) и расположение текста на странице (например, в заголовках).
• Применение штрафа: Если контент кандидата уже был показан в предыдущем сниппете, к нему применяется Negative Weight (штраф).
• Выбор сниппета: Выбирается сниппет с наибольшим совокупным весом, что способствует показу нового, но релевантного фрагмента текста.

Актуальность для SEO

Высокая. Понимание контекста сессии и динамическая адаптация SERP для улучшения взаимодействия с пользователем остаются центральными задачами поиска. Механизм предотвращения повторов и адаптации сниппетов под уточняющие запросы напрямую влияет на эффективность поиска и CTR.

Важность для SEO

Влияние на SEO умеренное, но важное (6.5/10). Патент не описывает факторы ранжирования, но он критичен для оптимизации представления контента (Presentation Layer) и CTR. Он демонстрирует необходимость создания структурированного контента с несколькими различными, релевантными блоками текста, которые могут служить качественными сниппетами по мере развития поисковой сессии пользователя.

Детальный разбор

Термины и определения

Search Session (Поисковая сессия)

Серия запросов от одного пользователя. В патенте указано, что сессия может определяться временными рамками между запросами (тайм-аут, например, 5-10 минут), действиями пользователя (логин/логаут) или связью между последовательными запросами.

Snippet (Сниппет)

Блок текста, извлеченный из результата поиска. Он предоставляет пользователю предварительный просмотр контента и иллюстрирует связь документа с поисковыми токенами запроса.

Repetitive Search Result (Повторяющийся результат поиска)

Результат поиска (документ), который появляется в выдаче как по первому запросу, так и по второму (или последующему) запросу в рамках одной и той же поисковой сессии.

Dynamic Session Snippets (Динамические сессионные сниппеты)

Сниппеты, которые модифицируются в течение сессии на основе предыдущих запросов и уже показанных сниппетов в этой сессии.

Negative Weight (Отрицательный вес / Штраф)

Вес, присваиваемый потенциальному сниппету, если его контент уже был показан пользователю в рамках текущей сессии для того же результата. Снижает вероятность его повторного выбора.

Repeated Text (Повторяющийся текст)

Текст из результата поиска, который уже появлялся в предыдущих сниппетах или имеет схожий состав слов (similar composition of words) с ранее показанным текстом.

Search Token (Поисковый токен)

Слово или группа слов, отправленные как часть поискового запроса.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод генерации динамических сниппетов в рамках сессии.

1. Получение первых результатов поиска в ответ на первый запрос (Q1) в сессии.
2. Идентификация первого сниппета (S1) для каждого результата.
3. Получение вторых результатов поиска в ответ на другой второй запрос (Q2) в той же сессии.
4. Идентификация «повторяющегося контента» (repetitive content item) — контента, который фигурирует в обоих наборах результатов.
5. Идентификация множества кандидатов во вторые сниппеты (S2 кандидаты).
6. Сравнение S1 с каждым из кандидатов S2.
7. На основе сравнения, выбор конкретного S2, который отличается от S1.
8. Выбор основан на весах (weights). Конкретный вес определяется, в том числе, на основе количества токенов из второго запроса (Q2), присутствующих в кандидате.

Claim 2 (Зависимый от 1): Уточняет факторы взвешивания.

Один из весов определяется на основе местоположения (location) сниппета в контенте (например, текст в заголовке предпочтительнее текста в сноске).

Claim 3 и 4 (Зависимые): Детализируют механизм предотвращения повторов.

Один из весов определяется на основе того, была ли часть второго сниппета ранее включена в первый сниппет в течение этой же сессии (Claim 3). Если да, то этому кандидату присваивается отрицательный вес (negative weight) (Claim 4).

Система использует многофакторную модель для выбора сниппета, балансируя релевантность текущему запросу (Claim 1), важность контента внутри документа (Claim 2) и необходимость новизны в рамках сессии (Claims 3 и 4).

Где и как применяется

Изобретение применяется на финальных этапах обработки запроса, когда формируется страница результатов поиска (SERP).

QUNDERSTANDING – Понимание Запросов
Система должна распознавать и отслеживать контекст поисковой сессии (Search Session), сохраняя историю запросов и показанных сниппетов (в Session Search Result Data Store).

RANKING – Ранжирование
На этом этапе генерируются стандартные наборы результатов для каждого запроса (Q1 и Q2).

RERANKING – Переранжирование / METASEARCH – Метапоиск и Смешивание (Формирование SERP / Presentation Layer)
Основное применение патента. Snippet Generator Software анализирует результаты этапа RANKING и историю сессии.

1. Идентификация повторов: Система определяет Repetitive Search Results.
2. Динамическая генерация сниппетов: Для повторяющихся результатов система применяет логику взвешивания, которая учитывает релевантность Q2, местоположение текста и применяет Negative Weight к контенту, уже показанному в S1.

Входные данные:

• Текущий запрос (Q2) и его токены.
• Набор результатов для Q2.
• Контент и структура документов (для оценки location и поиска токенов).
• Данные сессии: предыдущий запрос (Q1) и ранее показанные сниппеты (S1).

Выходные данные:

• Финальная страница результатов поиска (SERP) с динамически сгенерированными сниппетами (S2) для повторяющихся результатов.

На что влияет

• Типы контента: Наибольшее влияние на лонгриды, обзорные статьи, страницы категорий и любой контент, который ранжируется по широкому кластеру связанных запросов и содержит множество различных блоков текста.
• Специфические запросы: Влияет на информационные, исследовательские и сложные коммерческие запросы, где пользователь часто выполняет итеративный поиск (Query Refinement), уточняя свой интент.

Когда применяется

Алгоритм применяется при выполнении строго определенных условий в реальном времени:

• Условие 1: Пользователь находится в активной Search Session (ввел более одного запроса).
• Триггер активации: Результат поиска, релевантный текущему запросу (Q2), уже появлялся в выдаче по предыдущему запросу (Q1) в этой же сессии (является Repetitive Search Result).

Пошаговый алгоритм

Процесс динамической генерации сниппетов в рамках сессии.

1. Обработка первого запроса (Q1): Система получает Q1 и генерирует первый набор результатов (R1).
2. Генерация первых сниппетов (S1): Для R1 выбираются сниппеты S1 на основе стандартных критериев (токены Q1, расположение).
3. Сохранение контекста сессии: Результаты R1 и сниппеты S1 сохраняются в хранилище данных сессии.
4. Обработка второго запроса (Q2): Система получает Q2 в той же сессии и генерирует второй набор результатов (R2).
5. Идентификация повторов: Система сравнивает R2 с R1 и идентифицирует Repetitive Search Results.
6. Генерация кандидатов для сниппетов: Для повторяющегося результата система идентифицирует потенциальные фрагменты текста (S2-кандидаты), релевантные Q2.
7. Взвешивание кандидатов: Каждому кандидату присваиваются веса (weights):
   • Положительный вес за количество токенов Q2 в тексте.
   • Положительный вес за выгодное местоположение (location) в документе.
   • Отрицательный вес (Negative Weight), если текст кандидата совпадает или похож (Repeated Text) на текст ранее показанного сниппета S1.
8. Выбор второго сниппета (S2): Выбирается кандидат с наибольшим совокупным весом. Цель — выбрать сниппет, отличный от S1.
9. Отображение результатов: Пользователю предоставляется R2 с динамически сгенерированными сниппетами S2.

Какие данные и как использует

Данные на входе

• Контентные и Структурные факторы: Используется полный текст документа для извлечения сниппетов. Структура документа (HTML-разметка) используется для определения местоположения текста (заголовок, основной текст, подпись, сноска) и присвоения веса по расположению (Location Weight).
• Пользовательские факторы (Контекст сессии): История запросов (Q1, Q2) и история показанных сниппетов (S1) в рамках текущей Search Session. Это ключевые данные для работы механизма.

Какие метрики используются и как они считаются

Система использует механизм взвешивания для выбора наилучшего сниппета. Метрики включают:

• Вес по токенам (Token Inclusion Weight): Метрика, основанная на количестве или частоте поисковых токенов из текущего запроса (Q2), присутствующих в сниппете-кандидате.
• Вес по местоположению (Location Weight): Метрика, основанная на расположении сниппета в документе. Сниппеты в заголовках или в начале страницы получают более высокий вес.
• Отрицательный вес за повтор (Negative Weight for Repetition): Штраф, применяемый к сниппету-кандидату, если его контент (или схожий контент — Repeated Text) уже был показан в рамках текущей сессии для этого же документа.
• Совокупный вес (Aggregate Weight): Сумма всех положительных и отрицательных весов. Используется для финального выбора сниппета.

Выводы

1. Контекст сессии влияет на презентацию SERP: Google активно использует историю действий пользователя в рамках одной сессии для адаптации представления результатов. Сниппет для одной и той же страницы динамичен и зависит от того, что пользователь уже видел.
2. Предотвращение повторов как цель (Anti-Repetition): Система стремится избежать показа одной и той же информации пользователю, который уточняет свой поиск. Предполагается, что показ альтернативного сниппета дает второй шанс заинтересовать пользователя, если первый сниппет был проигнорирован.
3. Многофакторная модель выбора сниппета: Генерация сниппетов — это процесс балансировки трех групп факторов: релевантность текущему запросу (токены), важность контента (местоположение) и история показов в сессии (Negative Weight).
4. Широкое определение повтора: Система может штрафовать не только точное совпадение текста, но и текст со схожим составом слов (Repeated Text), что требует семантического разнообразия в контенте.
5. Требования к структуре контента: Для SEO это означает, что документ должен быть хорошо структурирован и содержать несколько различных, релевантных фрагментов текста, которые могут служить качественными сниппетами для связанных запросов.

Практика

Best practices (это мы делаем)

• Структурирование контента для разнообразия: Используйте четкую иерархию заголовков (H2, H3) для разделения контента на логические блоки, отвечающие на разные связанные интенты. Это создает качественные кандидаты для альтернативных сниппетов.
• Создание комплексного контента (Pillar Pages/Hubs): При создании страниц, охватывающих широкую тему, убедитесь, что разные аспекты темы освещены в отдельных, самодостаточных разделах. Это позволит Google показывать разные сниппеты в зависимости от того, какой аспект интересует пользователя при уточнении запроса.
• Использование FAQ и блоков Вопрос-Ответ: Эти форматы отлично подходят для генерации альтернативных сниппетов, так как они часто содержат формулировки, близкие к уточняющим запросам пользователей.
• Насыщенность разнообразными формулировками: Обеспечьте наличие синонимов и различных формулировок по всей длине страницы. Это увеличивает вероятность нахождения качественного альтернативного сниппета, который не будет оштрафован за Repeated Text.

Worst practices (это делать не надо)

• Концентрация всех ключевых слов в одном блоке: Создание страниц, где только один абзац релевантен теме. Если этот блок будет показан в первом сниппете, у Google не будет качественных альтернатив для динамической генерации при последующих запросах.
• Дублирование ключевых фраз в элементах страницы: Повторение одной и той же фразы в Title, H1 и первом абзаце. Если все эти элементы слишком похожи, системе будет сложнее найти информативный альтернативный сниппет при повторном показе страницы.
• Создание «тонкого» или неструктурированного контента: Текст без четкой структуры или с малым объемом контента не предоставляет системе достаточного количества кандидатов для генерации качественных и разнообразных сниппетов.

Стратегическое значение

Патент подтверждает стратегическую важность оптимизации под поисковую сессию (User Journey), а не только под отдельный запрос. SEO-стратегия должна быть направлена на создание структурированного, тематически богатого контента, который может эффективно «представить» себя с разных сторон в зависимости от того, как пользователь уточняет свой интент. Это подчеркивает важность семантического и структурного разнообразия контента.

Практические примеры

Сценарий: Оптимизация страницы товара в E-commerce

Задача: Оптимизировать карточку товара (например, смартфона) для итеративного поиска.

Реализация: Карточка товара структурируется с четкими блоками: Обзор, Технические характеристики, Отзывы покупателей, Сравнение камер.

Процесс работы алгоритма:

1. Запрос 1 (Q1): Пользователь ищет «[Смартфон] обзор». Видит карточку товара со сниппетом из блока «Обзор»: «Наш детальный обзор [Смартфон] показывает значительные улучшения в производительности и дизайне…». Пользователь не кликает.
2. Запрос 2 (Q2): Пользователь уточняет: «[Смартфон] качество фото».
3. Активация механизма: Карточка товара снова в выдаче (Repetitive Search Result).
4. Генерация нового сниппета (S2): Система применяет Negative Weight к тексту из блока «Обзор». Она ищет альтернативу, релевантную Q2, и выбирает текст из блока «Сравнение камер»: «Качество фото на [Смартфон] впечатляет, особенно при слабом освещении. Основной сенсор на 108Мп обеспечивает высокую детализацию…».

Результат: Пользователь видит новый сниппет, точно соответствующий его уточненному интенту, что повышает вероятность перехода на карточку товара.

Вопросы и ответы