Как Google использует исторические данные о кликах (CTR) и время запроса для ранжирования сезонного и периодического контента

Описание

Какую задачу решает

Патент решает проблему неоднозначности поисковых запросов (query ambiguity), когда намерение пользователя (интент) меняется в зависимости от времени (сезонность, день недели, праздник). Стандартные алгоритмы ранжирования могут не учитывать эти временные колебания интереса. Например, запрос «turkey» может означать страну или еду. Изобретение улучшает релевантность выдачи, адаптируя ранжирование к предсказуемым временным изменениям в поведении пользователей.

Что запатентовано

Запатентована система, которая использует исторические данные о кликабельности (Historical Click-Through Rates — CTR) для выявления предсказуемых временных изменений (Temporal Changes) в предпочтениях пользователей. Система сравнивает CTR разных документов по одному и тому же запросу в разные периоды времени. Если обнаруживается статистически значимое изменение предпочтений в определенный период (например, каждую неделю или каждый ноябрь), система корректирует ранжирование будущих запросов в аналогичные периоды времени.

Как это работает

Механизм работает путем анализа исторических данных:

• Сбор данных: Система анализирует Query Logs и Click Logs.
• Расчет CTR: Вычисляются исторические CTR для разных документов (content items), показанных по определенному запросу в разные периоды времени.
• Расчет Click-Fractions: Вычисляется соотношение CTR одного документа к CTR другого документа (Click-Fraction) для оценки относительной популярности.
• Идентификация Temporal Change: Система ищет периоды, когда Click-Fraction значительно отклоняется от среднего значения и превышает порог (Minimum Change Threshold).
• Применение в реальном времени: Когда поступает новый запрос, система проверяет, соответствует ли текущее время периоду с известным Temporal Change для этого запроса. Если да, ранжирование корректируется (Adjust Rankings) в пользу исторически более популярных в это время результатов.

Актуальность для SEO

Высокая. Понимание контекста пользователя, включая время и сезонность, является критически важным для современных поисковых систем. Этот патент описывает фундаментальный механизм использования поведенческих данных (CTR) для адаптации выдачи к предсказуемым изменениям интента, что остается актуальной задачей для обеспечения релевантности выдачи.

Важность для SEO

Патент имеет высокое значение (85/100) для SEO, особенно для сайтов, работающих в нишах с выраженной сезонностью, периодичностью или по неоднозначным запросам. Он демонстрирует, что релевантность не статична, а динамична и зависит от времени. Это означает, что контент, идеально релевантный летом, может быть понижен зимой в пользу другой интерпретации запроса, если исторические данные подтверждают такое изменение интереса пользователей.

Детальный разбор

Термины и определения

Click Log (Лог кликов)

Хранилище данных, содержащее информацию о том, сколько раз пользователи кликнули на определенные результаты поиска (content items) и сколько раз эти результаты были показаны.

Click-through Rate (CTR) (Показатель кликабельности)

Метрика производительности, рассчитываемая как отношение числа кликов на элемент контента к числу его показов.

Click-Fraction (Фракция кликов)

Ключевая метрика в патенте. Представляет собой соотношение CTR одного элемента контента (или группы) к CTR другого элемента контента по одному и тому же запросу в определенный период времени. Используется для количественной оценки относительного интереса.

Historical CTR Data (Исторические данные CTR)

Агрегированные данные CTR, собранные за продолжительный период, позволяющие анализировать тренды и сезонность.

Minimum Change Threshold (Минимальный порог изменения)

Пороговое значение, которое должно быть превышено изменением в Click-Fraction, чтобы оно было классифицировано как Temporal Change. Может рассчитываться, например, как стандартное отклонение Click-Fractions за период.

Query Log (Лог запросов)

Хранилище данных, содержащее ключевые слова, использованные в прошлых запросах.

Temporal Analyzer Engine (Механизм временного анализа)

Компонент системы, который анализирует Historical CTR Data для выявления Temporal Changes путем расчета Click-Fractions и сравнения их с порогом.

Temporal Change (Временное изменение)

Статистически значимое изменение в исторических CTR одного контента относительно другого контента в определенный период времени, указывающее на изменение интереса пользователей.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод ранжирования на основе времени.

1. Система определяет исторические CTR за множество периодов времени для первого и второго результатов поиска (разные веб-страницы), отвечающих на один и тот же запрос.
2. Вычисляются click-fractions для этих периодов времени на основе исторических CTR первого и второго результатов.
3. Определяется, что конкретная click-fraction в первый исторический период превышает minimum change threshold (т.е. обнаружение Temporal Change).
4. Запрос от пользователя получается в течение второго (текущего) периода времени, который следует за историческими периодами.
5. Получаются результаты поиска, отвечающие на запрос.
6. Ранжирование первого результата поиска в полученных результатах корректируется в течение второго периода времени.
7. Результаты поиска с скорректированным ранжированием предоставляются пользователю.

Claim 2 (Зависимый от 1): Уточняет степень корректировки.

Корректировка ранжирования пропорциональна величине изменения исторического CTR первого результата относительно изменения исторического CTR второго результата в течение первого периода времени. Чем сильнее было историческое изменение предпочтений, тем агрессивнее будет корректировка ранжирования.

Claim 3 (Зависимый от 1): Описывает альтернативный метод использования Temporal Change – через переписывание запроса.

Система может идентифицировать ключевое слово, связанное с первым (более популярным в этот период) результатом поиска, и добавить это ключевое слово к исходному запросу при его отправке в поисковую систему. Это способ устранения неоднозначности (disambiguation) путем уточнения запроса на основе временного контекста.

Claim 4 и 5 (Зависимые от 1): Вводят географический контекст.

Исторические CTR определяются для конкретного географического региона. Корректировка ранжирования применяется только в том случае, если запрос поступает из этого же географического региона. Это позволяет учитывать региональные праздники или события.

Claims 7 и 8 (Зависимые от 1): Определяют, что такое связанные периоды времени.

Первый (исторический) и второй (текущий) периоды времени являются соответствующими периодами на основе лунного или григорианского календаря. Примеры: один и тот же день недели, одни и те же ежегодные праздники, одни и те же недели/месяцы/сезоны года.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные, рассчитанные офлайн, для влияния на обработку запроса в реальном времени.

QUNDERSTANDING – Понимание Запросов (Офлайн-анализ)
Основная часть работы по выявлению паттернов происходит офлайн, до получения запроса пользователем. CTR Engine и Temporal Analyzer Engine анализируют Query Logs и Click Logs для генерации Historical CTR Data и идентификации Temporal Changes. Это формирует базу знаний о том, как время влияет на интент запросов.

RANKING – Ранжирование / RERANKING – Переранжирование (Реальное время)
В момент получения запроса система применяет знания, полученные на этапе офлайн-анализа. Система проверяет текущее время и местоположение пользователя и сравнивает их с известными паттернами Temporal Change для данного запроса.

Применение может происходить двумя способами:

1. Корректировка ранжирования (Reranking): Search Engine или внешний Ranking Filter получает результаты и корректирует их позиции (Adjust Rankings) на основе идентифицированного Temporal Change.
2. Переписывание запроса (Query Rewriting): Система может добавить уточняющие ключевые слова к запросу (как описано в Claim 3) для устранения неоднозначности до основного этапа ранжирования.

Входные данные (Офлайн):

• Query Logs.
• Click Logs.

Входные данные (Реальное время):

• Запрос пользователя.
• Текущее время и дата.
• Географическое положение пользователя (опционально).
• База данных идентифицированных Temporal Changes.

Выходные данные:

• Скорректированный набор результатов поиска (Ranked Results), адаптированный ко времени запроса.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на неоднозначные запросы (ambiguous queries), у которых есть несколько интерпретаций, популярность которых меняется со временем (например, «turkey», «apple» (фрукт vs компания в период презентаций)). Также влияет на запросы с выраженной сезонностью (праздники, спорт, погода).
• Конкретные ниши или тематики: Сильное влияние на сезонные тематики (путешествия, сезонные виды спорта, налоговая отчетность) и периодические события (ТВ-шоу с еженедельным графиком, ежемесячные события).
• Языковые и географические ограничения: Механизм может быть специфичен для региона (Claim 4, 5). Например, Temporal Change, связанный с Днем Благодарения, будет активироваться только для пользователей из США и Канады в соответствующие даты. Также учитываются часовые пояса.

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Наличие данных: Для запроса накоплено достаточно исторических данных CTR.
• Обнаружение паттерна: В исторических данных был идентифицирован Temporal Change – то есть изменение Click-Fraction превысило Minimum Change Threshold.
• Триггеры активации: Текущее время (и опционально местоположение) пользователя соответствует периоду времени, для которого был идентифицирован повторяющийся Temporal Change (например, сейчас ноябрь, или сегодня понедельник, или сейчас 7 утра по местному времени).

Пошаговый алгоритм

Процесс состоит из двух основных частей: офлайн-анализ для выявления паттернов и онлайн-корректировка ранжирования.

Часть А: Офлайн-анализ и выявление Temporal Changes

1. Сбор и агрегация данных: Анализ логов запросов и логов кликов, связанных с конкретным запросом.
2. Выбор периодов времени: Определение временных интервалов для анализа (например, почасовые, ежедневные, еженедельные данные за год).
3. Определение исторических CTR: Расчет CTR для первого и второго (или более) результатов (или групп результатов), отвечающих на запрос, для каждого выбранного периода времени.
4. Генерация Click-Fractions: Расчет соотношения CTR (Click-Fraction) между первым и вторым результатом для каждого периода времени.
5. Расчет среднего значения и порога: Вычисление среднего значения Click-Fraction за все время и определение Minimum Change Threshold (например, стандартного отклонения).
6. Идентификация Temporal Change: Выявление периодов времени, в которых Click-Fraction отклоняется от среднего значения на величину, превышающую Minimum Change Threshold.
7. Сохранение паттерна: Сохранение информации о запросе, затронутых результатах, величине изменения и соответствующем временном периоде.

Часть Б: Онлайн-корректировка ранжирования

1. Получение запроса: Система получает запрос от пользователя.
2. Определение контекста: Определяется текущее время и (опционально) регион пользователя.
3. Проверка на Temporal Change: Система проверяет, существует ли сохраненный паттерн Temporal Change для данного запроса, соответствующий текущему времени и региону.
4. Получение результатов поиска: Поисковая система генерирует базовый набор результатов.
5. Корректировка ранжирования: Если Temporal Change идентифицировано, система корректирует ранжирование результатов. Корректировка пропорциональна величине исторического изменения CTR. Результаты, которые исторически получали больше кликов в этот период, повышаются.
6. (Альтернатива) Переписывание запроса: Вместо корректировки ранжирования система может добавить уточняющие термины к запросу и выполнить поиск заново (Claim 3).
7. Предоставление результатов: Пользователю предоставляется скорректированный набор результатов.

Какие данные и как использует

Данные на входе

Патент фокусируется исключительно на использовании поведенческих и временных факторов.

• Поведенческие факторы: Являются основой изобретения. Используются Query Logs (что люди ищут) и Click Logs (на что они кликают после поиска). Система анализирует клики и показы для расчета CTR.
• Временные факторы: Критически важные данные. Анализируются дата и время прошлых запросов и кликов для выявления паттернов (ежечасных, ежедневных, еженедельных, сезонных, праздничных). Также используется текущее время запроса для активации корректировки.
• Географические факторы: Упоминается возможность сегментации исторических данных CTR по географическим регионам и часовым поясам, чтобы учитывать локальные временные изменения.

Какие метрики используются и как они считаются

• Click-through Rate (CTR): Стандартный расчет (Клики / Показы).
• Click-Fraction: Соотношение CTR двух разных результатов или интерпретаций запроса. Формула: CTR_A / CTR_B. Эта метрика используется для измерения относительного интереса.
• Average Click-Fraction: Среднее значение Click-Fraction за длительный период наблюдения. Используется как базовый уровень (baseline).
• Minimum Change Threshold: Порог для определения значимости изменения. В патенте предлагается использовать стандартное отклонение (Standard Deviation) от Average Click-Fraction. Temporal Change фиксируется, если |(Текущая Click-Fraction) — (Average Click-Fraction)| > Minimum Change Threshold.

Выводы

1. Релевантность динамична и зависит от времени: Патент подтверждает, что Google не рассматривает релевантность как статическую величину. Она меняется в зависимости от контекста, и время является одним из ключевых элементов контекста.
2. Историческое поведение пользователей предсказывает будущий интент: Система полагается на исторические данные CTR для прогнозирования того, что пользователи захотят увидеть в будущем в аналогичный период времени. Высокий CTR в прошлом используется как сильный сигнал временной релевантности.
3. Автоматическое устранение неоднозначности на основе времени: Для неоднозначных запросов система автоматически выбирает доминирующий интент, основываясь на временных паттернах (например, сезонности или дне недели), вместо того чтобы полагаться только на общую популярность.
4. Использование Click-Fraction для измерения сдвига интента: Введение метрики Click-Fraction (соотношения CTR) позволяет точно измерить, как меняется относительная популярность разных результатов по одному запросу, и использовать пороги (Thresholds) для активации корректировок только при значительных изменениях.
5. Варианты реализации (Переранжирование и Переписывание): Патент описывает два способа применения этой информации: корректировка ранжирования полученных результатов (Reranking) или модификация самого запроса путем добавления уточняющих ключевых слов (Query Rewriting).
6. Локализация и Контекстуализация: Механизм учитывает географические и временные зоны, позволяя адаптировать результаты к локальному контексту (например, разные праздники в разных странах).

Практика

Best practices (это мы делаем)

• Анализ сезонности и временных трендов: Необходимо глубоко понимать, как меняется интент пользователей по ключевым запросам в течение года, недели или дня. Используйте Google Trends и исторические данные аналитики для выявления пиков и спадов спроса, соответствующих Temporal Changes.
• Своевременная оптимизация и публикация контента: Готовьте и обновляйте контент заранее, до наступления пикового сезона. Это гарантирует, что контент будет проиндексирован и начнет набирать сигналы релевантности к моменту, когда Google активирует временную корректировку ранжирования.
• Оптимизация под пиковый CTR: В периоды пикового спроса крайне важно иметь привлекательные сниппеты (Title, Description). Поскольку система использует исторический CTR для определения будущих корректировок, высокий CTR в текущем сезоне увеличивает вероятность повышения позиций в следующем сезоне.
• Географический таргетинг для локальных событий: Если бизнес связан с региональными событиями или праздниками, убедитесь, что контент оптимизирован под локальный поиск и содержит географические указатели. Это поможет системе корректно применить региональные Temporal Changes (Claim 4, 5).
• Построение Topical Authority для неоднозначных запросов: Если ваш сайт нацелен на одно из значений неоднозначного запроса, вам нужно строить сильный авторитет в этой теме, чтобы доминировать в выдаче, когда временной контекст на вашей стороне.

Worst practices (это делать не надо)

• Игнорирование временного контекста: Рассматривать релевантность как статичную величину и ожидать одинакового ранжирования круглый год по неоднозначным или сезонным запросам.
• Несвоевременное обновление контента: Обновление сезонного контента в последний момент или после начала сезона. Система может не успеть учесть изменения, и вы упустите момент активации Temporal Change.
• Удаление сезонного контента вне сезона: Это приведет к потере накопленных исторических сигналов CTR. Лучше сохранять постоянные URL для сезонного контента и обновлять их ежегодно.
• Фокус на свежести (Freshness) вместо сезонной релевантности (Temporal Relevance): Не путайте этот механизм с QDF (Query Deserves Freshness). QDF реагирует на тренды и новости. Данный патент повышает существующий контент в предсказуемые периоды времени на основе исторических данных.

Стратегическое значение

Патент подчеркивает важность контекстуального поиска, где время и местоположение играют решающую роль в определении интента. Для SEO это означает переход от статического планирования к динамическому, ориентированному на календарь и тренды. Стратегия должна включать прогнозирование спроса и обеспечение максимальной видимости именно в те моменты, когда пользователи наиболее заинтересованы в контенте. Понимание механизма Temporal Change позволяет лучше интерпретировать колебания трафика и позиций, связанные с сезонностью.

Практические примеры

Сценарий 1: Сезонный неоднозначный запрос («Turkey»)

1. Ситуация: Пользователь ищет «turkey».
2. Действие системы в Мае: Система проверяет исторические данные. Click-Fraction показывает, что в мае пользователи чаще кликают на результаты о стране Турция. Temporal Change не активируется.
3. Результат: Сайты о путешествиях в Турцию ранжируются выше сайтов с рецептами индейки.
4. Действие системы в Ноябре (США): Система видит, что текущее время и регион соответствуют периоду, где исторически наблюдалось значительное Temporal Change (Click-Fraction сильно изменился в пользу еды).
5. Результат: Ранжирование корректируется. Сайты с рецептами индейки получают значительное повышение и ранжируются выше сайтов о путешествиях.

Сценарий 2: Еженедельные тренды для сайта о ТВ-шоу

1. Анализ (Офлайн): Google видит, что по запросу, связанному с названием популярного ТВ-шоу, CTR страниц с обсуждениями и обзорами эпизодов резко возрастает в день выхода новой серии (например, каждый понедельник) и спадает к среде. Фиксируется еженедельный Temporal Change.
2. Действия SEO: Публиковать обзоры и открывать обсуждения сразу после выхода эпизода. Оптимизировать сниппеты под интент «обсудить новый эпизод».
3. Результат (Реальное время): В понедельник и вторник система будет повышать в ранжировании именно эти страницы с актуальными обсуждениями, а не общие страницы о шоу или старые эпизоды.

Вопросы и ответы