Как Google использует контекстные слова, язык и местоположение пользователя для распознавания локального интента в неоднозначных запросах

Описание

Какую задачу решает

Патент решает проблему географической неоднозначности (geo-ambiguity) в поисковых запросах. Система должна точно определить, когда пользователь подразумевает местоположение (локальный интент), даже если используемая фраза сама по себе неоднозначна и не является однозначным идентификатором локации (Standalone Location). Например, «Orange» может означать фрукт, цвет или город. Цель — повысить релевантность выдачи, точно определяя локальный интент в таких случаях.

Что запатентовано

Запатентована система для динамического определения того, относится ли неоднозначная фраза в запросе к местоположению, путем анализа контекста. Ядром изобретения является метрика Location Factor (Фактор местоположения), присваиваемая фразам и указывающая на вероятность того, что при их наличии другие слова в запросе являются названиями локаций. Система комбинирует Location Factor с данными о происхождении запроса (Origin Factor) и языке (Language Factor) для принятия финального решения.

Как это работает

Механизм работает в двух режимах: офлайн (расчет факторов) и онлайн (обработка запроса).

• Офлайн: Система анализирует логи запросов и поведение пользователей (клики по результатам). Она вычисляет Location Factors для фраз, основываясь на том, как часто пользователи кликают на локальные результаты (например, Location Onebox или Local Pack) при наличии этих фраз. Также учитывается ширина географического распределения (Distribution Width).
• Онлайн: При получении запроса (например, <отели в orange>) система идентифицирует неоднозначную фразу («orange»). Затем она проверяет Location Factor сопутствующих фраз («отели в»). Также учитываются Origin Factor (откуда пользователь ищет) и Language Factor (язык запроса). Если комбинированная оценка (f(q)) превышает порог, система решает, что «orange» — это локация, определяет наиболее вероятную (например, Orange, CA) и модифицирует выдачу, отдавая предпочтение локальным результатам.

Актуальность для SEO

Высокая. Точное определение геолокации и понимание неявного локального интента являются фундаментальными аспектами современного поиска, особенно на мобильных устройствах. Описанные механизмы лежат в основе того, как Google обрабатывает неоднозначные локальные запросы и решает, когда активировать локальный поиск (Local Search) и карты.

Важность для SEO

Патент имеет высокое значение (8/10), особенно для локального SEO (Local SEO). Он детально описывает механизм, с помощью которого Google определяет локальный интент для неявных и неоднозначных запросов. Это подчеркивает важность понимания того, как контекстные слова (например, название услуги как триггер локального интента) и физическое местоположение пользователя влияют на интерпретацию запроса и видимость сайта в локальной выдаче.

Детальный разбор

Термины и определения

Location Factor (Фактор местоположения)

Ключевая метрика патента. Количественное значение, присвоенное фразе (например, «отели в», «DMV»). Она отражает вероятность того, что другая фраза в том же запросе относится к местоположению. Рассчитывается на основе анализа исторических данных о запросах и кликах.

Origin Factor (Фактор происхождения)

Метрика, основанная на происхождении запроса. Учитывает местоположение пользователя (IP-адрес) или домен поисковой системы (например, google.com или google.co.uk). Используется для выбора между локациями с одинаковыми названиями (например, Cambridge MA vs Cambridge UK).

Language Factor (Языковой фактор)

Метрика, основанная на языке запроса. Используется для определения того, может ли фраза означать местоположение в данном языке (например, «LA» в английском и испанском) и для выбора между локациями в разных языковых зонах.

Standalone Location Phrase (Автономная фраза местоположения)

Фраза, которая однозначно идентифицирует местоположение без дополнительного контекста (например, «San Francisco»). Патент фокусируется на фразах, которые НЕ являются автономными.

Location Onebox

Специальный формат представления результатов поиска, предназначенный для локальной информации (например, блок с картой и списком компаний). В современном SEO это соответствует Local Pack или Map Pack. Клики на этот блок используются для расчета Location Factor.

Distribution Width (Ширина распределения)

Мера того, насколько разнообразны местоположения, с которыми используется фраза. Широкое распределение указывает на сильный общий индикатор локального интента и способствует более высокому Location Factor.

Standalone Ratio (Коэффициент автономности)

Метрика, используемая для определения того, является ли фраза Standalone Location. Рассчитывается на основе частоты употребления фразы с географическими спецификаторами (Signature Score) по сравнению с общей частотой употребления (Name Score).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод обработки запроса и определения локального интента.

1. Система получает запрос, включающий Первую фразу и Вторую фразу.
2. Вторая фраза идентифицируется как возможное название местоположения.
3. Система определяет, что Вторая фраза действительно относится к местоположению, основываясь, по крайней мере частично, на Location Factor Первой фразы.
4. Описывается метод определения Location Factor: он основан на анализе ранее полученных запросов, содержащих Первую фразу, и взаимодействий пользователей с результатами. Анализ включает сравнение частоты, с которой запросы содержат Standalone Location, с частотой, когда они содержат локации, не являющиеся автономными.

Claim 2 (Зависимый от 1): Уточняет расчет Location Factor на основе поведения.

Анализ взаимодействий пользователей включает определение частоты кликов на результаты, связанные с известным местоположением, относительно частоты кликов на результаты, не связанные с известным местоположением.

Claim 3 (Зависимый от 2): Вводит концепцию ширины распределения (Distribution Width).

Анализ включает определение распределения взаимодействий пользователей по различным местоположениям. Location Factor определяется как мера ширины этого распределения.

Если фраза используется с очень широким спектром локаций (например, «отели в»), она является хорошим общим индикатором локального интента (высокий Location Factor). Если фраза используется только с одной локацией (например, «leaning tower» почти всегда с Pisa), она менее полезна как общий индикатор.

Claim 4 и 5 (Зависимые от 1): Добавление контекстуальных факторов.

Определение того, относится ли Вторая фраза к местоположению, также основывается на Language Factor (Claim 4) и Origin Factor (Claim 5).

Claim 8 и 11 (Зависимые/Независимый): Описывают действия по результатам определения.

Результаты ранжируются с предпочтением к тем, которые связаны с идентифицированным местоположением (Claim 8), и могут быть представлены в специальном формате Location Onebox (Claim 11).

Где и как применяется

Изобретение применяется на нескольких ключевых этапах поисковой архитектуры, работая как офлайн, так и в реальном времени.

INDEXING / Офлайн-анализ данных
На этом этапе происходят предварительные вычисления:

• Анализ логов запросов и поведения пользователей (кликов).
• Идентификация Standalone Locations (используя Standalone Ratio).
• Расчет Location Factors для различных фраз на основе частоты их совместного использования с локациями и ширины географического распределения (Distribution Width).

QUNDERSTANDING – Понимание Запросов (Основное применение)
Здесь происходит основная работа алгоритма в реальном времени:

• Разрешение неоднозначности (Disambiguation): Если фраза неоднозначна, система использует Location Factors сопутствующих слов, Origin Factor и Language Factor для определения, является ли она локацией и какой именно.
• Классификация интента: Определение наличия локального интента.

RANKING / METASEARCH – Ранжирование и Смешивание
Если локальный интент подтвержден:

• Система дает предпочтение (boosting) результатам, связанным с идентифицированным местоположением (RANKING).
• Принимается решение о показе Location Onebox (Local Pack) в основной выдаче (METASEARCH).

Входные данные:

• Текст поискового запроса.
• Данные о пользователе (IP-адрес, домен поиска, языковые настройки).
• База данных Standalone Locations.
• База данных Location Factors.

Выходные данные:

• Интерпретация запроса с разрешенной неоднозначностью (например, «Orange» интерпретируется как Orange, CA).
• Сигнал о наличии локального интента и активация локальной выдачи.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на неявные локальные запросы (Implicit Local Queries) – те, которые содержат название услуги/бизнеса и неоднозначное название города без указания штата/страны (например, <пицца orange>, <DMV кембридж>).
• Локальный поиск (Local SEO): Влияет на ранжирование локальных бизнесов, карт и страниц, привязанных к определенной географии.
• Языковые и географические ограничения: Система специально разработана для учета языка и местоположения пользователя при интерпретации запроса.

Когда применяется

Алгоритм активируется при следующих условиях:

• Наличие неоднозначности: В запросе присутствует фраза, которая может быть названием места, но не является Standalone Location.
• Наличие контекстных сигналов: В запросе присутствуют другие фразы с достаточно высокими Location Factors, ИЛИ доступны сильные сигналы Origin Factor и Language Factor.
• Пороговые значения: Когда комбинированная оценка вероятности локального интента (функция f(q)) превышает установленный порог.

Пошаговый алгоритм

Процесс А: Обработка запроса в реальном времени

1. Получение и парсинг запроса: Система получает запрос (например, <отели в orange>) и разделяет его на фразы («отели в», «orange»). Также собираются данные для Origin Factor (например, IP из США) и Language Factor (английский).
2. Идентификация и проверка на автономность: Система определяет, что «orange» может быть локацией, но не является Standalone Location (Standalone Ratio низкий).
3. Сбор контекстных факторов: Система извлекает Location Factor для фразы «отели в» (например, 0.32). Определяются значения Origin Factor (например, 0.2 для совпадения страны) и Language Factor (например, 0.2 для совпадения языка).
4. Расчет комбинированной оценки (f(q)): Система суммирует факторы. Патент предлагает пример формулы: f(q) = standalone ratio + location factor + origin factor + language factor. Для Orange, CA (Standalone Ratio 0.08): f(q) = 0.08 + 0.32 + 0.2 + 0.2 = 0.81.
5. Сравнение с порогом и принятие решения: Комбинированная оценка сравнивается с порогом (например, 0.6). Если порог превышен (0.81 > 0.6), система определяет, что «orange» является локацией. Если есть несколько кандидатов, выбирается тот, у которого f(q) выше (например, Orange, CA).
6. Модификация ранжирования: Система предоставляет результаты, отдавая предпочтение выбранной локации, и активирует Location Onebox.

Процесс Б: Офлайн-расчет Location Factors

1. Сбор данных: Система анализирует большое количество логов запросов и реакций пользователей на результаты (клики).
2. Оценка базового локального интента: Для фразы-кандидата на локацию (например, «Chicago») рассчитывается средняя оценка того, как часто пользователи кликают на локальные результаты. В патенте предложен пример скоринга: клик на Location Onebox дает 1.0 балл, клик на рекламу или обычный результат 0.2 балла. Средний балл для «Chicago» = 0.68.
3. Оценка совместного использования: Анализируются запросы, где целевая фраза (например, «DMV») используется вместе с фразой-кандидатом (например, <DMV Chicago>). Рассчитывается средний балл для <DMV Chicago> = 1.0.
4. Расчет «Подъема» (Lift): Location Factor для «DMV» рассчитывается как разница (прирост) между совместным баллом и базовым баллом: 1.0 — 0.68 = 0.32.
5. Анализ распределения (Distribution Analysis — Claim 3): Система анализирует, насколько широко распределены локации, с которыми используется фраза («DMV»). Фразы с широким распределением (используется с тысячами городов) получают более высокий итоговый Location Factor, чем фразы с узким распределением (например, «leaning tower»).
6. Сохранение: Рассчитанные Location Factors сохраняются в базе данных.

Какие данные и как использует

Данные на входе

• Поведенческие факторы: Критически важные данные. История поисковых запросов (Query Logs). Взаимодействие пользователей с результатами поиска (клики). Особенно важны клики на результаты в формате Location Onebox (Local Pack), так как они явно указывают на локальный интент.
• Географические факторы: IP-адрес пользователя, доменное имя поисковой системы (например, google.co.uk). Используются для Origin Factor.
• Пользовательские факторы: Язык запроса (определяемый по тексту запроса, настройкам браузера или истории). Используется для Language Factor.
• Контентные факторы: Сами фразы в запросе и их порядок.

Какие метрики используются и как они считаются

Система использует несколько ключевых метрик:

• Location Factor: Рассчитывается офлайн как «подъем» (lift) вероятности локального интента, который дает присутствие фразы в запросе. Использует скоринг кликов. Также учитывается ширина географического распределения (Distribution Width).
• Origin Factor: Оценка, основанная на совпадении происхождения запроса (страна, регион, город) с потенциальным местоположением.
• Language Factor: Оценка, основанная на совпадении языка запроса с языком, преобладающим в потенциальном местоположении или написанием названия (например, Rome vs Roma).
• Standalone Ratio: Используется для определения Standalone Locations и как базовый уровень в формуле f(q).
• f(q) (Комбинированная оценка): Агрегированная оценка для определения локального интента в неоднозначном запросе. Рассчитывается путем комбинации вышеуказанных факторов.

Выводы

1. Контекст определяет локальный интент: Google активно использует контекст запроса (сопутствующие слова) и контекст пользователя (местоположение, язык) для разрешения географической неоднозначности. Система не полагается только на само название места.
2. Квантификация локального интента ключевых слов: Location Factor – это метрика, которая количественно определяет, насколько сильно ключевое слово (например, «отель», «ресторан», «DMV») подразумевает локальный интент. Такие слова выступают «триггерами» локального поиска.
3. Обучение на поведении пользователей: Система напрямую обучается на том, как пользователи взаимодействуют с результатами. Клики на локальные блоки (Location Onebox/Local Pack) являются сильным сигналом обратной связи, который используется для расчета Location Factors.
4. Широкое распределение повышает Location Factor (Distribution Width): Фразы, которые используются с большим количеством разных локаций (широкое распределение), считаются лучшими предикторами общего локального интента, чем фразы, привязанные только к одной локации (узкое распределение).
5. Многофакторная модель разрешения неоднозначности: Решение о том, является ли слово локацией, принимается путем взвешивания нескольких факторов (Standalone Ratio, Location Factor, Origin Factor, Language Factor) в комбинированной формуле f(q).

Практика

Best practices (это мы делаем)

• Оптимизация под неявные локальные запросы (Implicit Local Queries): Необходимо уделять пристальное внимание оптимизации под запросы вида [Услуга + Город] (например, <сантехник orange>), даже если название города неоднозначно. Патент подтверждает, что слово «сантехник» (имеющее высокий Location Factor) поможет Google понять, что «orange» – это локация.
• Усиление связи Услуга-Локация: Контент на сайте и в профиле компании (Google Business Profile — GBP) должен четко ассоциировать предоставляемые услуги (слова с высоким Location Factor) с целевым местоположением. Это помогает системе корректно интерпретировать запросы пользователей.
• Локализация и интернационализация с учетом контекста: При продвижении на международных рынках необходимо учитывать Language Factor и Origin Factor. Используйте hreflang и локализацию контента, чтобы соответствовать языковому и географическому контексту пользователя. Анализ выдачи должен проводиться с эмуляцией целевого местоположения.
• Стимулирование локального взаимодействия (CTR в Local Pack): Поскольку клики на локальные результаты (Location Onebox) обучают систему и используются для расчета Location Factors, важность высокого CTR в Local Pack возрастает. Оптимизация сниппетов в локальной выдаче критична.

Worst practices (это делать не надо)

• Игнорирование неоднозначности и контекста: Попытка ранжироваться по неоднозначному термину без использования локальных триггеров или без учета местоположения целевой аудитории будет неэффективной, так как системе не хватит сигналов для распознавания локального интента.
• Размытие географической привязки: Создание контента, который пытается охватить слишком много локаций на одной странице или таргетировать несколько локаций с одинаковым названием, может затруднить системе определение релевантности из-за работы Origin Factor.
• Игнорирование неявных запросов: Фокусироваться только на запросах с полными спецификаторами (например, <сантехник orange CA>) и игнорировать более частотные неявные запросы. Это приводит к потере значительной части локального трафика.

Стратегическое значение

Этот патент является фундаментальным для понимания работы локального поиска Google. Он демонстрирует переход от простого сопоставления ключевых слов к глубокому пониманию контекста и интента. Стратегически это подтверждает, что для успешного локального SEO необходимо помогать Google правильно интерпретировать интент пользователей, предоставляя четкие сигналы о связи между услугой и местоположением, особенно в случаях неоднозначных названий.

Практические примеры

Сценарий 1: Оптимизация для неоднозначного названия города (например, Springfield)

Компания предоставляет услуги по ремонту крыш в Спрингфилде, Иллинойс (Springfield, IL). Запрос <ремонт крыш спрингфилд> неоднозначен, так как в США много городов с таким названием.

1. Анализ Google: Google использует Location Factor фразы «ремонт крыш» (высокий, так как это локальная услуга с широким распределением) и Origin Factor (местоположение пользователя).
2. Действия SEO-специалиста:
   • On-Page: Убедиться, что на целевой странице четко указана связь между услугой («ремонт крыш») и полной локацией (Springfield, IL). Наличие полного адреса на сайте помогает Google выбрать правильный результат для пользователя, находящегося поблизости (учитывая Origin Factor).
   • GBP Оптимизация: Выбрать основную категорию, соответствующую услуге (Roofer), и указать точную зону обслуживания. Это усиливает связь между сущностью компании, услугой и локацией.
3. Ожидаемый результат: Когда пользователь в Иллинойсе ищет <ремонт крыш спрингфилд>, система благодаря Origin Factor и высокому Location Factor услуги корректно идентифицирует интент и покажет эту компанию выше, чем компании из Спрингфилда в других штатах.

Сценарий 2: Анализ конкуренции по запросу <Cambridge bookstore>

1. Задача: Понять, как Google ранжирует результаты по запросу <Cambridge bookstore> (неоднозначно: США или Великобритания).
2. Действие (на основе патента): Проверить выдачу, эмулируя разные местоположения. При поиске из Бостона (США) Origin Factor будет способствовать показу результатов из Cambridge, MA. При поиске из Лондона (Великобритания) — из Cambridge, UK.
3. Вывод для стратегии: Для доминирования по этому запросу необходимо таргетировать конкретную географию. Попытка ранжироваться в США, будучи магазином в Великобритании, будет ограничена Origin Factor, если не использовать явные спецификаторы в запросе.

Вопросы и ответы