Как Google использует историю браузера и закладки пользователя для персонализации и изменения ранжирования поисковой выдачи

Описание

Какую задачу решает

Патент решает задачу повышения релевантности поисковой выдачи для конкретного пользователя путем учета его личных предпочтений, выраженных через историю взаимодействия с вебом (Browsing activity). Он также направлен на улучшение пользовательского опыта путем предоставления пользователю наглядной статистики его собственной активности (называемой в патенте Zeitgeist).

Что запатентовано

Запатентована система, которая отслеживает и записывает активность пользователя в браузере, включая посещенные документы, использование закладок (Bookmarks) и клики по результатам поиска. Система анализирует эти данные для создания персонализированной статистики (Browsing statistics). Ключевым элементом является использование этой статистики для модификации и корректировки ранжирования поисковых результатов, предоставляемых этому конкретному пользователю.

Как это работает

Система работает в несколько этапов:

• Сбор данных: Компонент на стороне клиента (в патенте описан Toolbar, в современной реализации — браузер или аккаунт) отслеживает и записывает Browsing activity пользователя (URL, временные метки).
• Анализ: Собранные данные анализируются для вычисления Browsing statistics (например, наиболее часто посещаемые сайты, время пребывания на сайте (stay time), активность по времени суток).
• Отображение (Zeitgeist): Статистика может быть графически представлена пользователю.
• Персонализация ранжирования: Система использует вычисленные Browsing statistics для корректировки ранжирования будущих поисковых запросов этого пользователя, повышая (boosting) результаты, соответствующие его истории посещений.

Актуальность для SEO

Высокая. Персонализация поиска (Personalized Search) остается фундаментальным компонентом поисковых систем. Хотя конкретная реализация сбора данных через Toolbar устарела, базовые принципы использования истории посещений, закладок и активности пользователя (теперь собираемых преимущественно через браузер Chrome и аккаунт Google) для модификации ранжирования абсолютно актуальны.

Важность для SEO

Патент имеет высокое значение (8.5/10) для понимания механизмов персонализации поиска. Он прямо указывает, что история посещений и взаимодействие пользователя с сайтом используются для изменения его персональной поисковой выдачи. Это подчеркивает стратегическую важность удержания пользователей (Retention), стимулирования повторных визитов и построения лояльности к бренду для обеспечения лучших позиций в Personalized Search.

Детальный разбор

Термины и определения

Bookmark (Закладка)

Сохраненная пользователем ссылка на документ. Используется как один из источников данных об активности пользователя.

Browsing activity (Активность браузера)

Записанные действия пользователя в браузере. Включает посещение документов (по URL), выбор закладок, клики по результатам поиска.

Browsing statistics (Статистика браузера)

Результат анализа Browsing activity. Включает метрики, такие как частота посещений, время просмотра (stay time), распределение активности по времени и т.д. Используется для модификации ранжирования.

Search Engine (Поисковая система)

Компонент сервера, который выполняет поиск и может корректировать ранжирование результатов на основе Browsing statistics.

Toolbar (Тулбар)

Описанный в патенте механизм реализации на стороне клиента для отслеживания активности и отображения статистики.

Zeitgeist

Термин, используемый в описании патента для обозначения интерфейса (например, всплывающего окна), в котором пользователю графически отображается его Browsing statistics.

Ключевые утверждения (Анализ Claims)

Важно отметить различие между механизмом, защищенным в Claims, и механизмом, описанным в общем описании (Description).

Claim 1 (Независимый пункт): Описывает метод явной (explicit) персонализации, управляемой пользователем.

1. Система предоставляет пользователю информацию о различных Browsing statistics (метриках) и временных периодах.
2. Система получает от пользователя выбор конкретной статистики и периода.
3. Система модифицирует ранжирование результатов поиска на основе этого выбранного пользователем сочетания статистики и периода.
4. Система предоставляет модифицированные результаты пользователю.

Согласно Claim 1, ядро изобретения защищает механизм, где пользователь активно выбирает, какая часть его истории должна повлиять на ранжирование текущего запроса.

Claim 4 (Зависимый от 1): Подтверждает, что частота посещения (frequency) конкретных документов является ключевой метрикой.

Claim 6 (Зависимый от 1): Уточняет другие типы Browsing statistics, которые могут использоваться:

• Количество времени, которое пользователь просматривал каждый документ (amount of time the user viewed each document или stay time).
• Статистика по поисковым запросам (длина запросов, количество запросов).

Описание (Description, не Claims): В основной части патента (в частности, при описании блока 830) описывается механизм неявной (implicit) автоматической персонализации. Статистика браузера используется для повышения (boost) результатов. Пример: Документы, чьи URL посещаются пользователем чаще всего, могут быть автоматически повышены в наборе результатов.

Где и как применяется

Изобретение применяется на этапах сбора пользовательских данных и финального ранжирования для реализации Personalized Search.

Сбор данных (Data Acquisition):
Сбор Browsing Activity происходит на стороне клиента (браузер или Toolbar) и передается на сервер для хранения и анализа (User Browsing Statistics).

RANKING / RERANKING – Ранжирование и Переранжирование
Основное применение патента. После генерации стандартного набора результатов система применяет Browsing statistics для модификации этого набора.

1. Неявная персонализация (по Description): Система автоматически использует Browsing statistics пользователя (например, часто посещаемые сайты) как сигнал для корректировки Ranking Scores и повышения (boosting) предпочтительных ресурсов. Это типичный механизм персонализации на этапе RERANKING.
2. Явная персонализация (по Claim 1): Система использует конкретную статистику и временной период, явно выбранные пользователем, для модификации ранжирования текущего запроса.

Входные данные:

• История посещенных URL (Browsed documents) с временными метками.
• Список закладок пользователя (Bookmark records).
• История поисковых запросов и кликов по результатам поиска.
• Идентификатор пользователя (User ID).
• (Для Claim 1) Явный выбор пользователя (статистика + период).

Выходные данные:

• Графическое отображение Browsing statistics для пользователя (Zeitgeist).
• Модифицированный (персонализированный) набор результатов поиска.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на запросы, по которым у пользователя уже сформированы предпочтения (навигационные, повторные информационные или коммерческие запросы).
• Типы контента: Влияет на все типы контента, с которыми пользователь регулярно взаимодействует (новостные сайты, блоги, интернет-магазины).

Когда применяется

• Сбор данных: Происходит постоянно, когда пользователь использует браузер с активированным механизмом отслеживания.
• Корректировка ранжирования (Implicit): При выполнении любого поиска пользователем, чья история известна системе.
• Корректировка ранжирования (Explicit): Только когда пользователь вручную активирует эту функцию (согласно Claim 1).

Пошаговый алгоритм

Процесс А: Сбор и анализ данных (Фоновый режим)

1. Отслеживание активности: Система отслеживает и записывает Browsing activity пользователя (посещение документов, выбор закладок, клики по результатам поиска). Записывается URL и временная метка (timestamp).
2. Анализ активности и вычисление статистики: Данные анализируются для расчета Browsing statistics, таких как частота посещений, время просмотра (stay time), активность по дням недели/часам и т.д.
3. Хранение статистики: Статистика сохраняется и ассоциируется с User ID.

Процесс Б: Обработка запроса и персонализация (Реальное время)

1. Получение запроса: Пользователь вводит поисковый запрос.
2. Генерация базовых результатов: Search Engine генерирует стандартный набор результатов поиска.
3. Получение статистики: Система извлекает Browsing statistics, ассоциированные с данным пользователем.
4. Корректировка ранжирования (Boosting): Ранжирование базовых результатов корректируется.
   • Вариант Implicit (Автоматический): Результаты, соответствующие часто посещаемым URL, автоматически получают повышение в рейтинге.
   • Вариант Explicit (По выбору пользователя, Claim 1): Пользователь выбирает статистику и период, и система модифицирует ранжирование на основе этого выбора.
5. Предоставление результатов: Модифицированный (персонализированный) набор результатов предоставляется пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на поведенческих данных конкретного пользователя.

• Поведенческие факторы (Ключевые):
  • История посещенных документов (Browsed documents / URLs).
  • Клики по результатам поиска (selected result).
  • Использование закладок (Bookmark selection).
• Временные факторы:
  • Временные метки (timestamp) каждого действия.
  • Временные периоды для анализа (час, день, неделя, месяц, рабочие/нерабочие дни).
• Пользовательские факторы:
  • Уникальный идентификатор пользователя (User ID), IP-адрес или cookie для ассоциации активности с пользователем.
  • Идентификация клиентского устройства (упоминается в Claim 1).

Какие метрики используются и как они считаются

Система вычисляет следующие ключевые метрики (Browsing statistics):

• Частота посещений (Frequency of visits): Подсчет количества посещений конкретного URL или сайта за период. Сайты с наибольшей частотой идентифицируются как предпочтительные.
• Недавность посещений (Visited recently): Анализ временных меток для определения ресурсов, посещенных недавно.
• Время просмотра (Stay time / amount of time viewed): В патенте (Claim 6 и Description) упоминается как Average document stay time — среднее время, проведенное пользователем на документе.
• Статистика по закладкам: Частота посещения сайтов, добавленных в закладки.
• Статистика запросов: Средняя длина запроса, среднее количество кликов на запрос, количество запросов в день.
• Временное распределение: Агрегация активности по часам дня, дням недели, месяцам для выявления паттернов поведения.
• Тренды по категориям (Trends for categories): Анализ посещений по категориям интересов в зависимости от времени (например, посещение сайтов определенной тематики в определенные дни).

Выводы

1. Прямое подтверждение Personalized Search на основе истории: Патент явно описывает и защищает механизм использования личной истории браузера (Browsing activity) и закладок для модификации ранжирования поисковых результатов для этого пользователя.
2. Важность повторных визитов (Repeat Visits): Частота посещений является ключевой метрикой. Сайты, которые пользователь посещает регулярно, получают автоматическое повышение (boosting) в его персональной выдаче (согласно Description).
3. Глубина взаимодействия (Stay Time): Система учитывает не только факт посещения, но и глубину взаимодействия, например, время просмотра документа (Stay time), что подтверждено в Claim 6.
4. Два режима персонализации: Патент раскрывает как неявную (автоматическую) персонализацию (Description), так и явную (explicit), при которой пользователь сам выбирает, какая статистика должна повлиять на ранжирование (Claim 1).
5. Значимость данных на стороне клиента: Механизм полагается на сбор детальных поведенческих данных на стороне клиента (в патенте через Toolbar, на практике через Chrome), подчеркивая стратегическую ценность этих данных для Google.

Практика

Best practices (это мы делаем)

• Фокус на удержании пользователей (User Retention): Это ключевая стратегия. Разрабатывайте механизмы для стимулирования повторных визитов (Email-маркетинг, подписки, программы лояльности). Чем чаще пользователь возвращается, тем выше сайт будет ранжироваться в его персональной выдаче.
• Построение бренда и лояльности: Работайте над тем, чтобы ваш сайт стал предпочтительным источником. Сильный бренд стимулирует прямые заходы (Type-in трафик) и повторные визиты, что положительно влияет на Browsing statistics.
• Оптимизация вовлеченности и времени на сайте (Stay Time): Поскольку Stay time явно упоминается в патенте (Claim 6), создание глубокого, полезного контента и отличный UX, которые удерживают пользователя на странице, формируют положительные поведенческие сигналы.
• Стимулирование добавления в закладки: Поощряйте пользователей добавлять сайт в Bookmarks, так как это является сигналом предпочтения, учитываемым системой.
• Оптимизация сниппетов и повышение CTR: Клики по результатам поиска отслеживаются как часть Browsing activity. Высокий CTR важен для попадания в историю пользователя и последующего повышения в Personalized Search.

Worst practices (это делать не надо)

• Ориентация исключительно на новый трафик: Стратегии, игнорирующие работу с существующей аудиторией и удержание пользователей, не используют преимущества механизмов персонализации.
• Использование кликбейта и игнорирование UX: Привлечение пользователей, которые быстро покидают сайт (низкий stay time), формирует негативную статистику и не приведет к повышению ранжирования, описанному в патенте.
• Создание контента «одноразового использования»: Сайты, на которые пользователи не возвращаются, не получат повышения от этого алгоритма в персональной выдаче.

Стратегическое значение

Этот патент подтверждает, что SEO-стратегия не должна ограничиваться только оптимизацией под общие алгоритмы ранжирования. Построение долгосрочных отношений с аудиторией имеет прямое влияние на видимость сайта в Personalized Search. Успех зависит не только от релевантности контента, но и от того, насколько сайт удовлетворяет пользователей и формирует привычку его посещения. Это усложняет стандартный мониторинг позиций и требует большего внимания к аналитике поведения реальных пользователей.

Практические примеры

Сценарий: Персонализация выдачи для лояльного покупателя интернет-магазина.

1. Действие пользователя: Покупатель регулярно посещает интернет-магазин «ElectroBrand.com» для просмотра новинок, часто заходя напрямую или через закладку.
2. Сбор данных: Система Google (например, через Chrome) фиксирует высокую частоту посещений (frequency of visits) и значительное время на сайте (stay time) для ElectroBrand.com у этого пользователя.
3. Поисковый запрос: Пользователь вводит общий запрос «купить смартфон Samsung Galaxy».
4. Применение алгоритма: На этапе RERANKING активируется механизм неявной персонализации. Система идентифицирует ElectroBrand.com как предпочтительный ресурс на основе его Browsing Statistics.
5. Результат: Хотя по общим факторам ранжирования ElectroBrand.com мог бы занять 4 позицию, в персональной выдаче этого пользователя он повышается (boosted) до 1 или 2 позиции, вытесняя конкурентов, с которыми пользователь взаимодействует реже.

Вопросы и ответы