Как Google комбинирует историю поиска, местоположение и локальные сущности для глубокой персонализации результатов

Описание

Какую задачу решает

Патент решает проблему предоставления релевантного контента в ситуациях, когда намерение пользователя выражено слабо, отсутствует или является слишком общим, особенно в контексте локального поиска (например, при просмотре карты в мобильном приложении). Изобретение улучшает релевантность, комбинируя сигналы местоположения с персонализированными интересами пользователя, извлеченными из его истории поиска. Это позволяет системе предоставлять более точные результаты или рекламу, соответствующие как текущему местоположению, так и текущим интересам пользователя.

Что запатентовано

Запатентована система персонализации контента, которая интегрирует три типа сигналов: текущий запрос (местоположение и/или ключевые слова), локальный контекст (Prominent Entities и их категории) и исторические интересы пользователя (извлеченные из Historical Search Queries). Система генерирует Additional Keywords (дополнительные ключевые слова) на основе интересов пользователя и перевзвешивает все ключевые слова для выбора финального контента.

Как это работает

Механизм работает следующим образом:

• Определение контекста: Система получает запрос и определяет связанное с ним местоположение (например, через GPS или центр области просмотра карты).
• Анализ локации: Идентифицируется Prominent Entity (значимая сущность, например, крупный магазин) поблизости и определяются ее категории.
• Анализ интересов пользователя: Система анализирует историю поиска пользователя (Historical Search Queries) для выявления его интересов.
• Генерация и взвешивание ключевых слов: На основе интересов генерируются Additional Keywords. Все ключевые слова (исходные, из категорий сущности и дополнительные) взвешиваются на основе их частоты и давности (recency) в истории поиска пользователя.
• Выбор контента: Система выбирает и ранжирует контент (например, рекламу или локальные результаты), который наилучшим образом соответствует этому обогащенному и взвешенному набору ключевых слов.

Актуальность для SEO

Высокая. Персонализация и локализация являются ядром стратегии Google, особенно в мобильном поиске и Google Картах. Использование истории поиска для уточнения текущего намерения пользователя в реальном времени является стандартной практикой в современных поисковых системах.

Важность для SEO

Влияние на SEO значительно (7/10), особенно для локального бизнеса (Local SEO). Патент подчеркивает, что видимость в локальном поиске может сильно зависеть от истории поиска пользователя и его предполагаемых интересов, а не только от непосредственного запроса и местоположения. Это усложняет стандартный трекинг позиций и требует от SEO-специалистов более глубокого понимания интересов целевой аудитории и важности точной категоризации бизнеса.

Детальный разбор

Термины и определения

Additional Keywords (Дополнительные ключевые слова)

Ключевые слова, сгенерированные системой на основе анализа истории поиска пользователя. Они отражают интересы пользователя и добавляются к набору для таргетинга, даже если не присутствовали в исходном запросе.

Categories (Категории)

Бизнес-классификации, связанные с Prominent Entity (например, «Ресторан», «Спортивные товары»). Используются как ключевые слова для таргетинга.

Historical Search Queries (Исторические поисковые запросы)

Данные о прошлых запросах пользователя. Используются для определения интересов пользователя. Патент фокусируется на недавней истории (например, за последние несколько часов).

Location (Местоположение)

Географическая точка или регион, связанный с запросом. Может определяться через GPS, центр области просмотра карты (viewport) или адрес.

Prominent Entity (Значимая/Выдающаяся сущность)

Сущность (бизнес, магазин, достопримечательность), идентифицированная как наиболее заметная или важная в непосредственной близости от местоположения пользователя.

User Interests (Интересы пользователя)

Темы или категории, интересующие пользователя, определенные на основе анализа его Historical Search Queries.

Weighting Engine (Механизм взвешивания)

Компонент, который присваивает веса ключевым словам на основе их релевантности интересам пользователя, в частности, на основе частоты и давности их использования в истории поиска.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод предоставления персонализированного локального контента путем интеграции трех источников данных.

1. Система получает запрос от конкретного пользователя, связанный с местоположением и включающий исходные ключевые слова.
2. Определяются сущности вблизи этого местоположения.
3. Среди них определяется Prominent Entity.
4. Определяются Categories, связанные с этой Prominent Entity.
5. Анализируются исторические поисковые запросы этого пользователя.
6. На основе анализа определяются (i) интересы пользователя и (ii) Additional Keywords (дополнительные ключевые слова), которых не было в исходном запросе.
7. Идентифицируется контент, релевантный запросу, на основе комбинации: исходных ключевых слов, категорий Prominent Entity, интересов пользователя и Additional Keywords.
8. Контент предоставляется пользователю.

Claim 2 (Зависимый от 1): Детализирует механизм персонализированного ранжирования контента через взвешивание ключевых слов.

1. Для данного ключевого слова (из любого источника) определяется, сколько раз оно встречалось в истории поиска пользователя.
2. Определяется вес для этого ключевого слова. Вес зависит от частоты (frequency) его появления в истории и от того, сколько времени прошло с момента отправки запросов (recency/давность).
3. Контент ранжируется на основе этих весов.

Claims 3-5 (Зависимые): Уточняют источники данных о местоположении: координаты области просмотра (viewport) в картографическом приложении, GPS-координаты устройства пользователя или уличные адреса.

Где и как применяется

Изобретение затрагивает несколько этапов поисковой архитектуры, связывая данные индекса, профиль пользователя и процесс ранжирования.

INDEXING – Индексирование и извлечение признаков
На этом этапе система индексирует сущности (бизнесы, достопримечательности) и сохраняет их атрибуты: точное местоположение и категории. Также рассчитываются и сохраняются метрики значимости (Prominence) для сущностей.

QUNDERSTANDING – Понимание Запросов (и Персонализация)
Это ключевой этап применения патента. Система извлекает историю поиска пользователя (Historical Search Queries) для определения его интересов. Одновременно Location Engine определяет текущий географический контекст и идентифицирует Prominent Entity и ее категории. Происходит обогащение (Enrichment) и переписывание (Rewriting) запроса путем добавления Additional Keywords и категорий.

RANKING / RERANKING
На этом этапе Weighting Engine присваивает веса всем ключевым словам (исходным, локальным, дополнительным) на основе частоты и давности их использования в истории пользователя (Claim 2). Ranking Engine использует этот расширенный и взвешенный набор для отбора и сортировки контента (локальных результатов или рекламы).

Входные данные:

• Запрос пользователя (ключевые слова, если есть).
• Данные о местоположении (GPS, Viewport, адрес).
• Идентификатор пользователя (для доступа к истории поиска).
• База данных сущностей (с локациями, категориями, показателями Prominence).

Выходные данные:

• Персонализированный и ранжированный список контента (реклама, локальные результаты).

На что влияет

• Конкретные типы контента: В первую очередь влияет на локальные результаты (Local Pack), результаты в Google Картах и локализованную рекламу.
• Специфические запросы: Наибольшее влияние оказывает на общие запросы (например, «рестораны», «магазины») или неявные запросы (например, просмотр карты без ввода текста), где намерение неясно и требуется контекстуализация и персонализация.
• Конкретные ниши или тематики: Все локальные бизнесы — ритейл, услуги, общепит, развлечения.

Когда применяется

• Условия работы алгоритма: Алгоритм активируется, когда доступен четкий сигнал местоположения и у пользователя есть доступная история поиска (пользователь залогинен и разрешил персонализацию).
• Триггеры активации: Запрос к картографическому сервису или любой поисковый запрос с локальным интентом.

Пошаговый алгоритм

Процесс обработки запроса в реальном времени:

1. Получение запроса: Система получает запрос, содержащий данные о местоположении и, возможно, исходные ключевые слова.
2. Определение локального контекста:
   1. Location Engine определяет точный географический контекст.
   2. Система ищет ближайшие сущности.
   3. Выбирается наиболее значимая (Prominent Entity).
   4. Идентифицируются категории этой сущности.
3. Определение пользовательского контекста:
   1. Система извлекает Historical Search Queries пользователя.
   2. Определяются текущие User Interests.
   3. На основе интересов создаются Additional Keywords.
4. Взвешивание ключевых слов (Weighting): Все ключевые слова (исходные + категории + дополнительные) передаются в Weighting Engine. Веса рассчитываются на основе частоты и давности (recency) использования этих слов в истории поиска пользователя (Claim 2).
5. Выбор и ранжирование контента: Система отбирает контент, соответствующий взвешенному набору ключевых слов. Ранжирование происходит с учетом рассчитанных персонализированных весов.
6. Предоставление результатов: Персонализированный контент отображается пользователю.

Какие данные и как использует

Данные на входе

Система полагается на три основных источника данных:

• Географические факторы: Критически важные данные для определения контекста. Включают GPS-координаты, координаты области просмотра карты (viewport coordinates), уличные адреса.
• Пользовательские (Поведенческие) факторы: История поиска пользователя (Historical Search Queries) является ключевым элементом для персонализации.
• Данные о сущностях (Entity Data): Информация из базы данных сущностей (аналог Knowledge Graph / GBP): местоположение сущностей, их категории и показатели значимости (Prominence).

Какие метрики используются и как они считаются

• Personalized Keyword Weights (Персонализированные веса ключевых слов): Рассчитываются индивидуально для каждого пользователя в контексте текущего запроса. Формула (согласно Claim 2) учитывает частоту (amount of times) появления термина в истории поиска пользователя и давность (amounts of time that have elapsed) этих запросов. Более частые и недавние запросы дают больший вес.
• Prominence Score (Оценка значимости): Метрика (явно не описанная, но необходимая для выбора Prominent Entity), которая определяет важность или заметность сущности в данной локации.
• Relevance Score (Оценка релевантности): Итоговая оценка того, насколько контент соответствует объединенному и взвешенному набору ключевых слов.

Выводы

1. Глубокая интеграция персонализации и локализации: Патент демонстрирует, что для Google местоположение и история поиска тесно интегрированы. Локальный контекст интерпретируется через призму личных интересов пользователя. Два пользователя в одном месте увидят разные результаты.
2. История поиска как активный модификатор запроса: Historical Search Queries используются для активного изменения текущего запроса путем генерации Additional Keywords и перевзвешивания существующих. Прошлые действия пользователя напрямую влияют на то, как Google понимает его текущие потребности.
3. Частота и Давность (Frequency & Recency) как основа веса: Механизм ранжирования (Claim 2) явно опирается на то, как часто и как недавно пользователь проявлял интерес к теме. Недавние интересы имеют приоритет.
4. Концепция Prominent Entity как локальный контекст: Google анализирует физическое окружение пользователя, чтобы найти наиболее значимые объекты (Prominent Entities) и использовать их категории для привязки интересов пользователя к местности.
5. Критичность категоризации сущностей: Точность, с которой Google может классифицировать бизнес (сущность), напрямую влияет на его способность связывать этот бизнес с интересами пользователя. Категории используются как ключевые слова.

Практика

Best practices (это мы делаем)

• Комплексная и точная категоризация в Google Business Profile (GBP): Это критически важно. Категории напрямую используются как сигналы (Categories) для связи вашего бизнеса с контекстом местоположения и интересами пользователя. Используйте все релевантные основные и второстепенные категории.
• Развитие широкого тематического авторитета (Topical Authority): Создавайте контент, охватывающий не только основные услуги, но и смежные темы, интересующие вашу аудиторию. Это увеличивает вероятность совпадения с историческими интересами пользователя (User Interests) и генерации релевантных Additional Keywords.
• Стимулирование «Значимости» (Prominence): Работайте над тем, чтобы ваш бизнес стал Prominent Entity в своей локации. Это включает стандартные практики Local SEO: сбор отзывов, обеспечение стабильного потока клиентов, работа с локальными цитатами и ссылками.
• Анализ пути пользователя и его интересов: Изучайте, что ищут пользователи до того, как им потребуются ваши локальные услуги. Создавая контент, отвечающий на эти предварительные запросы, вы попадаете в их историю поиска, что повлияет на будущую локальную выдачу.

Worst practices (это делать не надо)

• Узкая оптимизация под конкретные ключи: Фокусировка только на нескольких высокочастотных запросах может привести к потере трафика, так как система может предпочесть конкурентов, которые лучше соответствуют персонализированным интересам пользователя.
• Неправильная или спамная категоризация в GBP: Ошибки в выборе категорий или добавление нерелевантных категорий приведут к тому, что система не сможет корректно связать вашу сущность с интересами пользователей или привлечет нецелевой трафик.
• Игнорирование персонализации при анализе выдачи: Оценка позиций без учета персонализации дает искаженную картину. Необходимо понимать, что реальные пользователи видят результаты, адаптированные под их историю, что делает стандартный трекинг позиций менее надежным.

Стратегическое значение

Патент подтверждает стратегическую важность персонализации в локальном поиске Google. Для SEO это означает, что невозможно полагаться только на статическую релевантность, близость и ссылочный профиль. Необходимо строить стратегию вокруг понимания пользователя, его интересов и пути (User Journey), а также укреплять сигналы локальной авторитетности (Prominence). В долгосрочной перспективе выигрывают бизнесы, которые наиболее полно соответствуют профилю интересов своей целевой аудитории.

Практические примеры

Сценарий: Персонализация выдачи на Картах на основе истории

1. История Пользователя А: Утром искал «лучшие туристические палатки» и «обзоры кемпинговых плит». Интерес: Кемпинг.
2. История Пользователя Б: Утром искал «купить кроссовки для бега» и «расписание фитнес-клубов». Интерес: Бег/Фитнес.
3. Текущее действие: Оба пользователя открывают Google Карты в одном и том же месте, рядом с крупным магазином Спортмастер. Запрос не вводится.
4. Действие системы:
   1. Система идентифицирует Спортмастер как Prominent Entity. Категории: «Спортивные товары», «Туристическое снаряжение», «Одежда для спорта».
   2. Для Пользователя А система генерирует Additional Keywords («палатки», «кемпинг») и придает высокий вес категории «Туристическое снаряжение» из-за недавней истории (Claim 2).
   3. Для Пользователя Б генерируются ключевые слова («кроссовки», «бег») и повышается вес категории «Одежда для спорта».
5. Результат: Пользователю А может быть показана реклама или подсказка об отделе кемпинга в Спортмастере. Пользователю Б – реклама кроссовок или информация об отделе беговой экипировки.

Вопросы и ответы