Как Google использует упоминания локаций в интернете (Geotopics) для уточнения и ранжирования результатов в Картах

Описание

Какую задачу решает

Патент решает проблему неоднозначности при обработке локальных поисковых запросов (location search queries). Пользователи часто вводят неполные адреса (например, только улицу и номер дома) или названия мест, которые существуют в нескольких городах (например, «Union Square»). Это приводит к тому, что система геокодирования (geocoding) находит несколько потенциально подходящих географических объектов. Изобретение призвано повысить точность выбора правильного объекта среди этих кандидатов.

Что запатентовано

Запатентована система для улучшения ранжирования результатов геокодирования (geocoding results) путем использования данных из основного веб-поиска. Суть изобретения заключается в анализе «геотопиков» (Geotopics) — географических локаций, извлеченных из веб-документов, релевантных исходному запросу. Система использует эти данные как контекст для валидации и переоценки кандидатов локальной выдачи, предпочитая те места, которые сильнее ассоциированы с релевантным веб-контентом.

Как это работает

Система работает по следующему принципу:

• Параллельный поиск: При получении локального запроса система ищет как кандидатов в локальной выдаче (Geocoding Results), так и релевантные веб-страницы (Web Search Results).
• Анализ геотопиков: Из веб-страниц извлекаются ассоциированные Geotopics и их вес (Geotopic Score), который зависит от заметности упоминания (например, в заголовке или начале текста).
• Расчет сходства: Система вычисляет, насколько каждый кандидат локальной выдачи похож на геотопики, найденные в вебе (Similarity Score).
• Расчет поддержки (Web Support Score): Вычисляется показатель, насколько сильно веб-результаты подтверждают конкретного кандидата локальной выдачи.
• Переранжирование: Исходная оценка кандидата (Geocoding Score) корректируется с учетом его веб-поддержки (Web Support Score), что формирует итоговый рейтинг.

Актуальность для SEO

Высокая. Разрешение неоднозначности сущностей и локаций является фундаментальной задачей современных поисковых систем (Knowledge Graph, Local Search). Описанный принцип использования основного веб-индекса для валидации и ранжирования физических локаций остается критически важным для качества локального поиска и Google Maps.

Важность для SEO

Патент имеет высокое значение (8/10), особенно для Local SEO. Он напрямую демонстрирует, что ранжирование в локальном поиске и на картах сильно зависит от того, как место или бизнес упоминается и контекстуализируется в интернете (цитирования, статьи, контент сайта). Наличие сильного, однозначного и заметного географического присутствия в веб-индексе является критически важным фактором для локального ранжирования и правильной идентификации бизнеса.

Детальный разбор

Термины и определения

Geocoding Result (Gm)

Кандидат в локальной выдаче. Географический объект (map feature), найденный в базе данных карт, который соответствует поисковому запросу.

Geocoding Score (Sm)

Базовая мера релевантности между Geocoding Result и поисковым запросом. Учитывает текстовое сходство (SCi), полноту запроса (Q) и общую известность места (P).

Geotopic (gk)

Географическая локация, упомянутая или ассоциированная с веб-документом. Извлекается из контента веб-страниц на этапе индексирования.

Geotopic Score (gsk)

Мера связанности между Geotopic и веб-документом. Описывает вероятность того, что контент документа относится к данной географической локации. Нормализованная оценка.

Initial Geotopic Score (igsk)

Ненормализованная оценка геотопика, рассчитанная на основе различных весовых коэффициентов (заголовок, позиция в тексте и т.д.).

Leading Geotopic

Геотопик, который появляется в начале документа. Считается надежным индикатором локации документа и получает повышенный вес (LGW).

Prominence Criteria (P)

Показатель известности или значимости географической локации (например, на основе населения региона).

Qualified Geotopic

Уточненный геотопик, созданный путем объединения двух отдельных геотопиков для уменьшения неоднозначности (например, «Cleveland» и «Ohio» объединяются в «Cleveland, Ohio»). Получает повышенный вес (QGW).

Query Criteria (Q)

Показатель полноты адреса, указанного в запросе.

Similarity Score (S(m,k))

Мера сходства между географической локацией Geocoding Result (Gm) и географической локацией Geotopic (gk).

Updated Geocoding Score (USm)

Финальная оценка ранжирования для Geocoding Result, полученная путем объединения Geocoding Score (Sm) и Web Support Score (Wm).

Web Support Score (Wm)

Показатель того, насколько сильно веб-результаты подтверждают данный Geocoding Result. Рассчитывается на основе Geotopic Scores и Similarity Scores.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод предоставления онлайн-карты.

1. Система получает поисковый запрос от клиента.
2. Идентифицируется множество результатов геокодирования (Geocoding Results) на основе запроса.
3. Осуществляется доступ к набору результатов веб-поиска (Web Search Results) на основе запроса. Эти веб-результаты ассоциированы с множеством геотопиков (Geotopics).
4. Производится ранжирование Geocoding Results. Ранжирование основано на двух ключевых факторах: (i) мере связанности между каждым Geocoding Result и запросом (Geocoding Score Sm), и (ii) мере связанности между каждым Geocoding Result и геотопиками, ассоциированными с веб-результатами (Web Support Score Wm).
5. Клиенту предоставляется онлайн-карта, соответствующая одному из Geocoding Results на основе проведенного ранжирования.

Ядром изобретения является использование географических сигналов из веб-индекса для влияния на ранжирование в вертикальном поиске по картам, особенно для разрешения неоднозначностей.

Claim 6 (Зависимый от 5): Детализирует расчет меры связанности между геотопиком и веб-результатом (Geotopic Score gsk).

Эта мера основывается на одном или нескольких факторах: местоположении, где геотопик появляется в документе; количестве других геотопиков, связанных с той же локацией; или связанности геотопика с другими геотопиками в документе.

Система проводит сложную оценку того, насколько важна упомянутая локация для конкретного документа, учитывая контекст и структуру контента.

Claim 7 (Зависимый от 1): Уточняет расчет меры связанности между Geocoding Result и запросом (Sm).

Эта мера рассчитывается на основе как минимум одного из следующих критериев: количества ключевых слов в запросе (текстовое сходство), меры полноты адреса в запросе (Query Criteria Q) или известности (Prominence P) географической локации.

Claim 8 (Зависимый от 1): Уточняет расчет меры связанности между Geocoding Result и Geotopics (S(m,k)).

Эта мера рассчитывается на основе как минимум одного из следующих критериев: совпадения между названием локаций, расстояния между локациями или количества совпадающих терминов в названиях.

Claim 9 (Зависимый от 1): Уточняет, как рассчитывается общая мера связанности между Geocoding Result и множеством Geotopics (используемая для Wm).

Она основывается на связанности между Geocoding Result и одним конкретным геотопиком (S(m,k)), а также на связанности между этим геотопиком и веб-результатами (gsk).

Где и как применяется

Изобретение связывает данные веб-индекса с локальным индексом (Картами) и затрагивает несколько этапов поиска.

INDEXING – Индексирование и извлечение признаков
Это критически важный подготовительный этап. Система должна заранее (офлайн) проанализировать веб-документы для извлечения Geotopics (gk) и расчета их оценок (Geotopic Score gsk). Этот процесс включает анализ контента, применение весов (например, для Leading Geotopics) и нормализацию. Эти аннотации сохраняются в веб-индексе (Web Database).

RANKING – Ранжирование / METASEARCH – Метапоиск и Смешивание
Когда поступает локальный запрос, система запускает параллельные процессы:

1. Поиск кандидатов (Gm) в Map Database и расчет базовых оценок (Sm).
2. Поиск релевантных документов в Web Database и извлечение их предварительно рассчитанных Geotopics (gk) и оценок (gsk).

RERANKING – Переранжирование
Основная логика патента. Scoring Module объединяет данные из двух источников. Рассчитываются оценки сходства S(m,k) и оценки веб-поддержки (Wm). Затем вычисляется финальная оценка (USm), которая в одном из вариантов равна Sm + Wm, и кандидаты локальной выдачи переранжируются.

Входные данные:

• Локальный поисковый запрос.
• Данные из Map Database (кандидаты Gm, их координаты, Prominence P).
• Данные из Web Database (релевантные документы, их Geotopics gk, Geotopic Scores gsk).

Выходные данные:

• Отранжированный список Geocoding Results с финальными оценками USm (например, корректная карта для пользователя).

На что влияет

• Конкретные типы контента: Влияет на ранжирование локальных страниц, страниц бизнеса (Local SEO), точек интереса (POI) в Google Maps и потенциально в Local Pack.
• Специфические запросы: Наибольшее влияние на неоднозначные запросы с локальным интентом. Примеры: частичные адреса или названия мест без указания города/штата («Union Square», «ресторан Венеция»).
• Конкретные ниши или тематики: Влияет на все ниши, где важна географическая привязка (ритейл, услуги, туризм и т.д.).

Когда применяется

• Триггеры активации: Алгоритм активируется, когда поисковый запрос идентифицируется как Location Search Query.
• Условия применения: Механизм переранжирования особенно важен, когда система находит несколько Geocoding Results, которые потенциально соответствуют запросу (т.е. когда запрос неоднозначен и требуется разрешить эту неоднозначность).

Пошаговый алгоритм

Процесс разделен на офлайн-индексирование и онлайн-обработку запроса.

Процесс А: Офлайн-индексирование (Подготовка данных и расчет Geotopic Scores)

1. Сканирование и анализ документов: Сбор данных для Web Database.
2. Извлечение геотопиков: Анализ контента (заголовки, текст, теги) для идентификации упоминаний географических локаций (gk). Формирование Qualified Geotopics.
3. Расчет начальных оценок: Вычисление Initial Geotopic Score (igsk) для каждого геотопика в документе на основе весовых коэффициентов (TBW, LGW, QGW, TG и т.д.).
4. Нормализация и сохранение: Расчет финального Geotopic Score (gsk) путем нормализации igsk по всем геотопикам документа (gsk = igsk / sum(igsj)). Сохранение аннотаций.

Процесс Б: Обработка запроса в реальном времени (Ранжирование и Переранжирование)

1. Получение запроса: Система получает локальный поисковый запрос.
2. Параллельный поиск кандидатов:
   1. Идентификация результатов веб-поиска. Извлечение их g_k и gs_k. Нормализация gs_k на основе общего числа веб-результатов.
   2. Идентификация результатов геокодирования (Gm).
3. Базовая оценка геокодирования: Для каждого Gm рассчитывается Geocoding Score (Sm), используя критерии сходства (SCi), полноты (Q) и известности (P).
4. Расчет Сходства: Для каждой пары (Gm, gk) рассчитывается Similarity Score (S(m,k)) на основе расстояния, типа объекта и совпадения названий.
5. Расчет Веб-Поддержки: Для каждого Gm рассчитывается Web Support Score (Wm). Используется формула: Wm = max(gs_k * S(m,k)). Система ищет геотопик, который обеспечивает максимальную поддержку для данного Gm.
6. Финальная Оценка и Ранжирование: Рассчитывается обновленная оценка USm (например, USm = Sm + Wm). Результаты геокодирования ранжируются на основе USm.
7. Выдача результата: Предоставление лучшего результата геокодирования.

Какие данные и как использует

Данные на входе

• Контентные факторы: Текст веб-документов используется для извлечения Geotopics. Особое внимание уделяется заголовкам (Title), началу текста (Leading geotopics) и тегам (Tags).
• Структурные факторы: Позиция упоминания локации в документе критична для расчета веса (например, LGW). Упоминается также использование байлайна (byline) новостных статей.
• Географические факторы:
  • Геопространственные идентификаторы (широта/долгота) для Geotopics и Geocoding Results. Используются для расчета расстояния (Distance criteria).
  • Компоненты адреса (номер дома, улица, город и т.д.). Используются для текстового совпадения и расчета полноты запроса (Q).
  • Тип географического объекта (улица, город, страна). Используется для определения весов в Similarity Score.
• Системные данные:
  • Prominence Criteria (P): Предварительно рассчитанные данные об известности/значимости локации (например, население).

Какие метрики используются и как они считаются

Патент детально описывает несколько ключевых метрик и формул:

1. Geotopic Score (gsk): Рассчитывается офлайн.

• Сначала вычисляется Initial Geotopic Score (igsk) на основе множества весов:
  • Title boost weight (TBW): Повышение, если геотопик в заголовке (особенно если он там один).
  • Leading geotopic weight (LGW): Повышение, если геотопик в начале текста.
  • Qualified geotopic weight (QGW): Повышение для уточненных геотопиков.
  • Tag weight (TG): Повышение, если геотопик в тегах.
  • Geotopic parental support weight (GPSW).
• Затем gsk получается путем нормализации: gsk = igsk / sum(igsj) (сумма всех igs в документе).

2. Geocoding Score (Sm): Базовая оценка релевантности.

• Формула: Sm = (Σ SCi / E) * Q * P.
• Использует Similarity Criteria (SCi) (текстовое совпадение), Query Criteria (Q) (полнота запроса) и Prominence Criteria (P) (известность места).

3. Similarity Score (S(m,k)): Сходство между кандидатом и геотопиком.

• Использует Matching criteria (совпадение ID), Distance criteria (например, порог в 10 км) и Partial matching criteria (вложенность).
• Оценка зависит от типа географического объекта. Приведены конкретные значения:
  • Улицы или районы (streets or neighborhoods): 1.0
  • Округа города (districts within a city): 0.9
  • Города и деревни (cities and villages): 0.8
  • Округ и индекс (county and zip code): 0.6
  • Провинция и страна (province and country): 0.0

4. Web Support Score (Wm): Оценка веб-поддержки.

• Формула: Wm = max(gsk * S(m,k)). Система ищет максимальное значение произведения нормализованной оценки геотопика и оценки сходства.

5. Updated Geocoding Score (USm): Финальная оценка.

• В одном из вариантов реализации: USm = Sm + Wm. Итоговый рейтинг определяется путем добавления оценки веб-поддержки к базовой оценке геокодирования.

Выводы

1. Ранжирование локальной выдачи сильно зависит от веб-индекса: Патент демонстрирует конкретный механизм, как Google использует данные из основного веб-поиска (Geotopics) для валидации, уточнения и ранжирования результатов локального поиска (Geocoding Results). Веб-индекс выступает источником контекста для разрешения неоднозначностей.
2. Детализированная оценка географической релевантности (Geotopic Score): Система не просто фиксирует упоминание локации на сайте, но и рассчитывает Geotopic Score — насколько сильно документ связан с этим местом. Эта оценка сложная и учитывает множество факторов размещения контента.
3. Критичность контекста и размещения упоминаний: Упоминание локации в заголовке (Title Boost) или в начале текста (Leading Geotopic) дает значительно больший вес, чем упоминание в футере или в середине текста.
4. Приоритет однозначности (Qualified Geotopics): Система предпочитает уточненные геотопики (например, «Город, Штат»), присваивая им больший вес (QGW). Это подчеркивает важность консистентности NAP (Name, Address, Phone).
5. Нормализация и борьба с гео-спамом: Geotopic Score нормализуется на основе всех геотопиков в документе. Упоминание множества разных локаций на одной странице размывает оценку для каждой отдельной локации, снижая эффективность гео-спама.
6. Многофакторное ранжирование карт: Финальный рейтинг (USm) является суммой базовой релевантности/известности (Sm) и веб-поддержки (Wm). Сильное присутствие в вебе может значительно повысить позицию локального объекта.

Практика

Best practices (это мы делаем)

• Четкое и заметное указание локации на сайте (On-Page Geo-Signals): Убедитесь, что полный адрес и название местоположения явно указаны в ключевых зонах документа: Title, H1 и первый абзац. Это напрямую влияет на расчет Geotopic Score за счет весов TBW (Title Boost) и LGW (Leading Geotopic).
• Использование уточненных форматов (Qualified Geotopics): Всегда используйте полные и недвусмысленные обозначения локаций. Например, вместо «Офис в Спрингфилде» используйте «Офис в Спрингфилде, Иллинойс». Это помогает системе сформировать Qualified Geotopic с высоким весом (QGW).
• Фокусированные локальные лендинги: Создавайте страницы, которые тесно связаны с одним основным местоположением. Это максимизирует Geotopic Score для этой локации, так как нормализация не будет сильно снижать оценку из-за упоминания множества других мест (например, других филиалов).
• Системная работа над NAP и цитированием (Citations): Обеспечение консистентности NAP критически важно. Это помогает системе формировать однозначные Qualified Geotopics с высоким Geotopic Score на сторонних сайтах, которые точно соответствуют вашей реальной локации (высокий Similarity Score).
• Локальный линкбилдинг и Digital PR: Стимулируйте упоминания вашего бизнеса в авторитетных локальных СМИ и блогах. Стремитесь к тому, чтобы адрес или район упоминался в заголовке или первом абзаце статьи, что увеличит Web Support Score.

Worst practices (это делать не надо)

• Географический спам (перечисление городов): Создание страниц с перечислением десятков городов или районов в попытке ранжироваться везде. Из-за механизма нормализации Geotopic Score такая тактика «размывает» вес каждого отдельного геотопика.
• Неконсистентность NAP: Разные варианты адреса или названия компании в интернете создают неоднозначные геотопики с низкими оценками, что снижает общий Web Support Score (Wm).
• Игнорирование веб-присутствия: Стратегия, основанная только на оптимизации Google Business Profile, игнорирует механизм Web Support Score, который является ключевым компонентом финального ранжирования (USm).
• Неоднозначные или скрытые адреса: Размещение адреса только в футере или в виде изображения минимизирует вероятность того, что система присвоит этому геотопику высокий Geotopic Score.

Стратегическое значение

Патент подтверждает стратегическую важность интеграции локального и органического SEO. Он показывает, что локальный индекс (Maps) и основной веб-индекс тесно связаны. Для успешного продвижения в Local SEO необходимо управлять присутствием сущности (бизнеса/места) во всем интернете, а не только в локальных сервисах. Система использует авторитетность и контекст веб-документов для принятия решений о том, какое местоположение является наиболее релевантным, особенно в конкурентных или неоднозначных ситуациях.

Практические примеры

Сценарий: Оптимизация страниц филиалов сети для улучшения локального ранжирования

1. Задача: Убедиться, что Google правильно идентифицирует и высоко ранжирует каждый филиал ресторана при локальных запросах, даже если название ресторана популярно.
2. Анализ (на основе патента): Необходимо максимизировать Geotopic Score для страниц филиалов, чтобы увеличить Web Support Score при ранжировании карт.
3. Действия:
   • На странице каждого филиала оптимизировать Title и H1, включив полное название и локацию: «Ресторан Ромашка — Невский проспект, Санкт-Петербург» (используются веса TBW и QGW).
   • В первом абзаце текста четко указать полный адрес и описать расположение (используется вес LGW для Leading Geotopic).
   • Убедиться, что на странице нет избыточного упоминания других городов или филиалов (для предотвращения размытия из-за нормализации).
4. Ожидаемый результат: Google извлекает точные Qualified Geotopics с высоким Geotopic Score из этих страниц. Когда пользователь ищет «ресторан Ромашка» без указания адреса, система использует эти данные для повышения релевантности правильного филиала (увеличение Wm) и показывает его в Картах.

Вопросы и ответы