Как Google выбирает предлагаемые запросы, анализируя вероятность завершения поиска и коммерческую ценность

Описание

Какую задачу решает

Патент решает задачу выбора наиболее релевантных и полезных для пользователя дополнительных (уточняющих или связанных) запросов, которые предлагаются на странице результатов поиска (SERP). Цель — не просто предложить контекстуально похожие запросы, а те, которые с наибольшей вероятностью помогут пользователю успешно завершить поиск. Это также направлено на улучшение релевантности и разнообразия показываемой рекламы за счет показа рекламы не только для исходного, но и для этих высокополезных дополнительных запросов.

Что запатентовано

Запатентована система выбора предложений запросов (Query Suggestions) на основе метрики «полезности» (Utility). Ключевая идея — определять полезность как вероятность того, что предложенный запрос станет финальным запросом (Final Destination) в поисковой сессии пользователя. Система использует анализ исторических данных поисковых сессий для построения графа переходов между запросами (Query Graph) и выбора наиболее перспективных предложений, также учитывая их коммерческую ценность (Commerciality).

Как это работает

Система функционирует следующим образом:

• Построение графа (Офлайн): Анализируются логи поисковых сессий для построения Query Graph. Узлы графа — это запросы, а ребра отражают вероятность перехода от одного запроса к другому в рамках одной сессии.
• Расчет полезности (Utility): Когда пользователь вводит исходный запрос, система рассчитывает Utility Measure для связанных запросов. Используется модель случайного блуждания (Random Walk) по графу: полезность запроса — это вероятность того, что сессия завершится именно на нем.
• Фильтрация и Отбор: Выбираются запросы с наибольшей Utility. Они также могут фильтроваться по коммерческой ценности (Commerciality) и поведенческой обратной связи (Behavioral Feedback).
• Отображение: Выбранные запросы отображаются пользователю на SERP. Система также может идентифицировать контент (например, рекламу) для этих запросов и отображать его в отдельных блоках (Content Blocks).

Актуальность для SEO

Высокая. Понимание пути пользователя (User Journey) и предсказание его конечного намерения (успешность сессии) остаются центральными задачами поиска. Механизмы, описанные в патенте, напрямую связаны с тем, как Google формирует блоки «Связанные запросы» и интерпретирует намерения пользователей. Акцент на финальном запросе и коммерческой ценности крайне актуален.

Важность для SEO

Патент имеет высокое стратегическое значение (8/10). Он раскрывает механизм, с помощью которого Google оценивает, какие запросы действительно решают задачу пользователя и завершают поиск. Для SEO-специалистов это означает необходимость оптимизации под «терминальный запрос» (Запрос Назначения) — тот, который обладает высокой Utility в их нише, а не только под общие или промежуточные запросы.

Детальный разбор

Термины и определения

Additional Query (Дополнительный запрос)

Запрос, связанный с исходным (Initial Query), который предлагается пользователю. Также упоминается как revised query, suggested query.

Behavioral Feedback (Поведенческая обратная связь)

Данные о взаимодействии пользователей с контентом по дополнительному запросу (например, CTR рекламы). Используется как фильтр качества предложений.

Commerciality (Коммерческая ценность)

Метрика, отражающая бизнес-ценность запроса. Учитывает доход, количество рекламы, наличие коммерческих ключевых слов и поведенческие сигналы (Long/Short Clicks).

Content Block (Блок контента)

Набор элементов контента (чаще всего рекламы), идентифицированных для дополнительного запроса и отображаемых на SERP.

Final Destination (Финальный пункт назначения)

Дополнительный запрос, на котором поисковая сессия пользователя завершается. Является ключевым показателем полезности запроса в Claims.

Query Graph (Граф запросов)

Структура данных, построенная на основе логов сессий. Узлы представляют запросы, а ребра имеют веса, отражающие вероятность перехода от одного запроса к другому в рамках сессии.

Query Session (Поисковая сессия)

Последовательность запросов, введенных пользователем для удовлетворения одной информационной потребности.

Random Walk (Случайное блуждание)

Математическая модель, используемая для анализа Query Graph и расчета Utility. Позволяет определить вероятность достижения определенного запроса (финального пункта назначения).

Utility / Utility Measure (Полезность / Мера полезности)

Ключевая метрика патента. В основных пунктах (Claims 1, 6) определяется как вероятность того, что данный запрос станет финальным запросом в серии уточнений в рамках поисковой сессии.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает метод предоставления контента на основе полезности запросов.

1. Система получает исходный запрос.
2. Идентифицируются один или несколько дополнительных запросов.
3. Для каждого определяется мера полезности (Utility Measure). Эта мера представляет собой вероятность того, что дополнительный запрос будет финальным запросом в серии уточнений исходного запроса в рамках поисковой сессии.
4. Выбирается дополнительный запрос с наивысшей мерой полезности.
5. Для выбранного запроса идентифицируются элементы контента (например, реклама) и формируется блок контента (Content Block).
6. Этот блок контента предоставляется для отображения вместе с результатами поиска по исходному запросу.

Claim 4 (Зависимый от 1): Уточняет расчет меры полезности.

Мера полезности основана на вероятности того, что конкретный дополнительный запрос является финальным пунктом назначения (Final Destination) в модели случайного блуждания (Random Walk) по графу запросов.

Claim 5 (Зависимый от 1): Описывает структуру графа запросов.

Система использует Query Graph, где узлы — это уточнения запросов, а ребра имеют веса, отражающие вероятность того, что последующее уточнение будет отправлено в поисковой сессии.

Claim 6 (Независимый пункт): Описывает метод предложения самих запросов (не обязательно с блоками контента).

1. Система получает исходный запрос и выбирает дополнительные запросы.
2. Определяется мера полезности для каждого (вероятность быть финальным запросом в сессии), используя Query Graph.
3. Выбирается дополнительный запрос с наивысшей мерой полезности.
4. Выбранный запрос предоставляется для отображения вместе с результатами поиска.

Claim 7 и 8 (Зависимые от 6): Вводят коммерческий аспект.

Определение меры полезности может включать оценку запроса с использованием критериев коммерческой ценности (Commerciality Criteria). Выбор запроса может требовать, чтобы его оценка коммерческой ценности удовлетворяла определенному порогу (Commerciality Threshold).

Claim 9 (Зависимый от 8): Детализирует сигналы коммерческой ценности.

Сигналы включают: доход, полученный от запроса; количество показанных элементов контента (рекламы); длинные или короткие клики (Long/Short Click) по контенту; наличие коммерческих ключевых слов (Commerce Keywords) в результатах поиска по этому запросу.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные, рассчитанные офлайн, для влияния на финальное представление результатов.

QUNDERSTANDING – Понимание Запросов
На этом этапе происходит основная работа по анализу взаимосвязей. Система заранее (офлайн) анализирует логи поисковых сессий, строит Query Graph и рассчитывает вероятности переходов между запросами. Это формирует базу для определения Utility Measure и Commerciality.

RANKING – Ранжирование
Система генерирует стандартные результаты поиска для исходного запроса.

METASEARCH – Метапоиск и Смешивание
Основное применение патента в реальном времени. Система (Query Reviser Engine) использует Query Graph для выбора дополнительных запросов с наибольшей Utility. Затем система может запустить параллельный поиск контента (например, рекламы через Ad Selector Engine и Auction Engine) для этих дополнительных запросов. На этапе смешивания (Mixer Engine) эти дополнительные запросы и связанные с ними блоки контента интегрируются в финальную SERP.

Входные данные:

• Исходный запрос пользователя.
• Query Graph (построенный на основе исторических логов сессий).
• Данные о коммерческой ценности запросов (доход, инвентарь рекламы).
• Поведенческие данные (CTR, длинные/короткие клики).

Выходные данные:

• Список дополнительных запросов (Query Suggestions), отсортированных по Utility Measure.
• (Опционально) Content Blocks (например, рекламные блоки), релевантные этим дополнительным запросам.

На что влияет

• Специфические запросы: Наибольшее влияние на запросы, которые часто являются началом длинной поисковой сессии (например, общие информационные или исследовательские запросы), где требуется дальнейшее уточнение.
• Конкретные ниши или тематики: Сильное влияние в коммерческих нишах (eCommerce, услуги), где система может идентифицировать высокополезные запросы с высокой коммерческой ценностью и активно их предлагать.
• Форматы контента: Влияет на формирование блоков «Связанные запросы» (Related Searches) и на представление рекламных блоков на SERP.

Когда применяется

• Условия работы: Алгоритм применяется при обработке исходного запроса для генерации предложений на SERP.
• Триггеры активации: Активируется, когда для исходного запроса существуют исторические данные об уточнениях в рамках сессий.
• Пороговые значения: Система использует пороги для определения достаточной полезности (Utility Threshold). Дополнительно могут применяться пороги коммерческой ценности (Commerciality Threshold) и поведенческой обратной связи (Behavioral Feedback Threshold). Если пороги не достигнуты, дополнительный запрос может быть не показан.

Пошаговый алгоритм

Процесс А: Офлайн-построение модели полезности

1. Сбор данных сессий: Сбор и анонимизация логов поисковых сессий (последовательности запросов, таймстампы, клики).
2. Сегментация сессий: Разделение логов на отдельные сессии на основе временных интервалов.
3. Построение графа запросов (Query Graph): Создается граф G=(E, V). V — это запросы, E — переходы между ними в рамках одной сессии.
4. Расчет вероятностей переходов: Для каждого ребра e(i, j) рассчитывается вероятность P(i, j) перехода от запроса i к запросу j. Также рассчитывается P(i, i) — вероятность того, что сессия завершится на запросе i.
5. Расчет дополнительных метрик: Вычисление Commerciality Score и агрегированных Behavioral Feedback для запросов.

Процесс Б: Обработка запроса в реальном времени

1. Получение исходного запроса: Система получает запрос от пользователя.
2. Идентификация кандидатов: Система идентифицирует кандидатов в дополнительные запросы, используя Query Graph.
3. Расчет меры полезности (Utility Measure): Для каждого кандидата рассчитывается полезность. Это делается путем моделирования случайного блуждания (Random Walk) по графу, начиная с исходного запроса. Полезность кандидата — это вероятность того, что он станет Final Destination.
4. Применение фильтров и порогов: Кандидаты проверяются на соответствие порогам Utility, Commerciality и Behavioral Feedback.
5. Выбор лучших запросов: Выбираются дополнительные запросы с наибольшей мерой полезности, прошедшие фильтры.
6. (Опционально) Генерация блоков контента: Для выбранных дополнительных запросов идентифицируется релевантный контент (например, реклама) и формируются Content Blocks.
7. Предоставление результатов: Выбранные дополнительные запросы (и опциональные блоки контента) предоставляются для отображения на SERP.

Какие данные и как использует

Данные на входе

Патент фокусируется на анализе поведения пользователей и коммерческих показателях.

• Поведенческие факторы: Критически важные данные.
  • Логи поисковых сессий (Query Session Logs): Используются для определения последовательности запросов и построения графа.
  • Данные о кликах (Behavioral Feedback): CTR, а также длинные и короткие клики (Long Click / Short Click) по контенту или рекламе, связанной с запросами.
• Коммерческие факторы (для оценки Commerciality):
  • Доход (Revenue): Исторический доход, генерируемый запросом.
  • Количество рекламы: Количество доступных рекламных объявлений для запроса.
  • Коммерческие ключевые слова (Commerce Keywords): Наличие слов типа «купить», «цена» в результатах поиска по запросу.

Какие метрики используются и как они считаются

• P(i, j) (Вероятность перехода): Вероятность того, что пользователь перейдет от запроса i к запросу j в рамках одной сессии. Рассчитывается на основе частоты в логах.
• P(i, i) (Вероятность завершения): Вероятность того, что поисковая сессия завершится на запросе i.
• Utility Measure (Мера полезности): Основная метрика. Рассчитывается как вероятность того, что случайное блуждание по Query Graph, начавшееся с исходного запроса, завершится на данном дополнительном запросе (Final Destination).
• Commerciality Score (Оценка коммерческой ценности): Агрегированная метрика, учитывающая доход, количество рекламы, данные о кликах и коммерческие ключевые слова. Может использоваться как часть Utility Measure (Claim 7) или как отдельный фильтр (Claim 8).
• Thresholds (Пороги): Пороговые значения для Utility, Commerciality и Behavioral Feedback, используемые для финального отбора предложений.

Выводы

1. Приоритет «Запросов Назначения» (Final Destination): Ключевая концепция патента — фокус на предсказании конечной цели пользователя, а не просто следующего шага. Метрика Utility измеряет вероятность того, что запрос завершит сессию.
2. Анализ сессий через графовые модели: Система полагается на анализ исторических данных сессий и построение Query Graph. Поведение пользователей моделируется с помощью Random Walk для расчета Utility.
3. Интеграция коммерческих целей: Патент явно описывает использование сигналов Commerciality (доход, коммерческие ключевые слова, CTR) для фильтрации и приоритезации предложений. Google стремится предлагать не только полезные, но и коммерчески выгодные пути.
4. Важность поведенческих факторов (Behavioral Feedback): Длинные и короткие клики (Long/Short Clicks) используются для оценки качества предложений и коммерческой ценности. Это подтверждает важность создания контента, который удерживает пользователя.
5. Динамическое формирование SERP с рекламой: Система может использовать высокополезные запросы не только как текстовые предложения (Related Searches), но и для проактивного показа блоков рекламы (Content Blocks) по этим запросам на странице исходного запроса.

Практика

Best practices (это мы делаем)

• Идентификация и оптимизация под «Терминальный запрос» (Final Destination): Анализируйте пути пользователей (User Journey) и определяйте, какие запросы чаще всего завершают поиск в вашей тематике (имеют высокую Utility). Сосредоточьте основные усилия по созданию контента и оптимизации на этих терминальных запросах, а не только на общих или промежуточных.
• Создание контента, завершающего сессию: Разрабатывайте страницы, которые настолько полно отвечают на интент пользователя, что у него нет необходимости продолжать поиск. Это способствует генерации Long Clicks и подтверждает высокую Utility запроса.
• Анализ и использование связанных запросов: Внимательно изучайте блоки «Related Searches» и «People Also Ask». Согласно патенту, это запросы с высокой вероятностью завершения сессии или высокой коммерческой ценностью. Интегрируйте их в свою контент-стратегию и структуру сайта.
• Оптимизация под коммерчески релевантные уточнения: В коммерческих нишах определите уточняющие запросы с высокой транзакционной направленностью. Google будет отдавать им предпочтение при формировании предложений, если они удовлетворяют порогу Commerciality.

Worst practices (это делать не надо)

• Фокус только на высокочастотных общих запросах: Оптимизация только под общие запросы, которые почти всегда требуют дальнейшего уточнения, неэффективна. Реальная ценность и конверсия часто находятся в запросах, являющихся Final Destination.
• Игнорирование пути пользователя (User Journey): Рассмотрение каждого ключевого слова в изоляции. Система Google анализирует связи между запросами в рамках сессии (Query Graph), поэтому важно понимать весь кластер связанных запросов и переходы между ними.
• Создание поверхностного контента (Thin Content): Контент, который не удовлетворяет интент и провоцирует пользователя на продолжение поиска (Short Clicks), снижает оценку Utility и Behavioral Feedback для соответствующего запроса.

Стратегическое значение

Патент подтверждает переход Google от анализа отдельных запросов к анализу поисковых сессий и предсказанию поведения пользователей. Стратегически Google стремится максимально сократить время пользователя на поиск, предлагая ему кратчайший путь к удовлетворению потребности. Для долгосрочной SEO-стратегии это означает необходимость глубокого понимания интента и создания контента, который служит конечной точкой пути пользователя. Также подтверждается тесная интеграция пользовательского опыта и целей монетизации.

Практические примеры

Сценарий: Оптимизация интернет-магазина велосипедов

1. Анализ пути пользователя: Пользователь начинает с запроса [горный велосипед] (Initial Query). Анализ данных показывает, что пользователи часто переходят к [лучшие горные велосипеды 2025], а затем завершают сессию на запросе [купить горный велосипед Specialized Rockhopper] (Final Destination).
2. Расчет Utility (по логике Google): Google определяет, что у [купить Specialized Rockhopper] высокая Utility (часто является финальным запросом) и высокая Commerciality (транзакционный интент, наличие рекламы).
3. Действие Google: Пользователю, введшему [горный велосипед], система может предложить [купить Specialized Rockhopper] в блоке Related Searches или даже показать блок рекламы для этого запроса.
4. Действие SEO-специалиста:
   • Убедиться, что магазин имеет высококачественные страницы (карточки товара), таргетированные именно на «запросы назначения» ([купить Specialized Rockhopper]).
   • Контент на этих страницах должен быть исчерпывающим (цены, наличие, отзывы), чтобы гарантировать завершение сессии (Long Click).
   • На общей странице категории [горный велосипед] разместить ссылки, ведущие на популярные модели, чтобы помочь пользователю двигаться к Final Destination внутри сайта.

Вопросы и ответы