Как Google автоматически определяет, какие бизнесы (POI) находятся внутри зданий, для улучшения поиска по 3D-моделям

Описание

Какую задачу решает

Патент решает проблему ограниченной обнаруживаемости (discoverability) 3D-моделей в специализированных базах данных (например, для Google Earth/Maps). Поиск таких моделей традиционно зависел от метаданных, предоставленных загрузившим их пользователем (User Provided Data). Если пользователь не указывал, какие объекты (например, магазины) находятся внутри моделируемого здания, найти эту модель по названию этих объектов было невозможно. Изобретение автоматизирует процесс тегирования, позволяя индексировать 3D-модели по их фактическому географическому содержимому.

Что запатентовано

Запатентована система автоматического генерирования тегов (System Tags) для 3D-моделей на основе геопространственного анализа. Система сопоставляет геолокацию и границы 3D-модели (Base Polygon) с базой данных картографической информации (Map Information), содержащей точки интереса (Points of Interest или POI). Если POI географически находится внутри границ модели, система генерирует тег на основе этого POI и связывает его с моделью.

Как это работает

Ключевой механизм работы:

• Определение границ: Система определяет географическое положение и границы (Base Polygon) 3D-модели здания.
• Идентификация содержимого: Система проверяет, какие POI из картографической информации находятся внутри этих границ (используя геометрический анализ, сопоставление адресов или имен).
• Генерация тегов: Для каждого найденного POI генерируется System Tag (например, название бизнеса).
• Индексация: Тег ассоциируется с 3D-моделью в поисковом индексе (Search Index). Теперь модель можно найти по ее содержимому.

Актуальность для SEO

Средняя. Технология актуальна для сервисов, работающих с 3D/AR и картографией (Google Earth, Google Maps 3D view). Хотя патент не описывает алгоритмы веб-поиска, описанный механизм связывания сущностей (POI) с физическими локациями является фундаментальным для работы Google Maps и Local Search.

Важность для SEO

Влияние на стандартное веб-SEO минимальное (1/10), так как патент касается только 3D-моделей. Однако влияние на стратегию Local SEO умеренно-высокое (6/10). Патент демонстрирует методологию Google по соединению физических локаций (геоданные), сущностей (POI/бизнесы) и цифровых активов. Это подчеркивает критическую важность точности данных POI (Google Business Profile) и корректного расположения пина на карте для правильной ассоциации бизнеса с физической структурой, которую он занимает.

Детальный разбор

Термины и определения

3D Model (3D-модель)

Цифровое трехмерное представление объекта (здания, стадиона и т.д.).

Base Polygon (Базовый полигон)

Географическая область, определяющая основание или границы 3D-модели на карте. Определяется набором географических координат (широта/долгота).

Map Information (Картографическая информация)

Детальная база данных карт, включающая дороги, здания и геолоцированные точки интереса (POI). Соответствует данным Google Maps.

Point of Interest (POI) (Точка интереса)

Конкретное местоположение объекта, представляющего интерес (бизнес, школа, парк). Обычно имеет название и географические координаты (точку).

Place Page (Страница места)

Страница с агрегированной информацией о конкретном POI (например, профиль компании в Google Maps). Патент предлагает связывать System Tags ссылками на эти страницы.

System Tag (Системный тег)

Тег, автоматически сгенерированный системой на основе идентифицированного POI, расположенного внутри или рядом с 3D-моделью.

User Provided Data (Данные, предоставленные пользователем)

Метаданные, добавленные пользователем при загрузке 3D-модели (название, описание, отзывы, коллекции).

Search Index (Поисковый индекс)

Структура данных, используемая для быстрого поиска 3D-моделей по их атрибутам, включая System Tags.

Ключевые утверждения (Анализ Claims)

Патент US9171011B1 является продолжением (continuation) более ранней заявки.

Claim 1 (Независимый пункт): Описывает основной метод автоматического генерирования тегов на основе геометрии.

1. Идентификация 3D-модели объекта. Модель ассоциирована с информацией, определяющей географическую область базового полигона (Base Polygon) объекта.
2. Определение, находится ли географическая координата точки интереса (POI) внутри этой географической области базового полигона.
3. Если координата POI находится внутри области (геометрическое включение), система создает системный тег (System Tag).
4. Тег включает поисковый термин, выбранный на основе этого POI (например, название).
5. Ассоциация созданного System Tag с идентифицированной 3D-моделью.

Ядром изобретения является автоматизированный процесс использования геометрического анализа (находится ли точка внутри полигона) для связывания данных из двух разных источников и генерации новых индексируемых тегов.

Claim 2 (Зависимый от 1): Уточняет контекст.

3D-модель представляет собой здание, а географическая область базового полигона представляет собой границы этого здания.

Claim 5 (Зависимый от 1): Детализирует процесс использования тегов в поиске.

1. Получение запроса от клиента на 3D-модели, содержащего поисковый термин.
2. Идентификация System Tag на основе этого термина.
3. Извлечение связанной 3D-модели из памяти.
4. Отправка 3D-модели клиенту.

Claim 11 (Независимый пункт): Описывает процесс со стороны клиентского устройства, включая отображение System Tag вместе с 3D-моделью.

Где и как применяется

Изобретение применяется в рамках системы управления и поиска 3D-моделей (например, Google Earth или Google Maps 3D).

INDEXING – Индексирование и извлечение признаков
Это основной этап применения патента. Система выполняет процесс обогащения данных (Data Enrichment) для индекса 3D-моделей.

• Извлечение признаков (Feature Extraction): Система извлекает геолокационные данные (Base Polygon или адрес) из 3D-модели.
• Кросс-индексация (Cross-Indexing): Система сопоставляет эти данные с данными из другого индекса — Map Information, содержащего POI.
• Генерация новых признаков: На основе географического сопоставления генерируются новые признаки — System Tags.

RANKING – Ранжирование (в контексте поиска 3D-моделей)
На этапе поиска система использует сгенерированные System Tags наравне с User Provided Data для отбора (Retrieval) и ранжирования релевантных 3D-моделей в ответ на запрос пользователя.

Входные данные:

• База данных 3D-моделей (координаты, адреса, Base Polygons).
• База данных картографической информации (Map Information) с координатами и названиями POI.

Выходные данные:

• System Tags, ассоциированные с 3D-моделями.
• Обновленный поисковый индекс (Search Index) 3D-моделей.

На что влияет

• Конкретные типы контента: Влияет исключительно на поиск и отображение 3D-моделей (зданий, стадионов и т.д.) в специализированных сервисах. Не влияет на веб-страницы.
• Специфические запросы: Улучшает обработку запросов в вертикали 3D-поиска, содержащих названия POI (например, название ресторана), когда целью является просмотр 3D-модели здания, в котором этот POI расположен.
• Конкретные ниши или тематики: Картография, 3D-визуализация, Local SEO (косвенно, через управление данными POI).

Когда применяется

• Условия работы алгоритма: Наличие 3D-модели с четко определенной геолокацией (предпочтительно Base Polygon) и наличие POI в базе Map Information, который географически связан с этой моделью.
• Временные рамки и частота применения: Процесс генерации тегов может выполняться периодически в фоновом режиме (например, еженедельное пакетное задание) или активироваться при добавлении новой 3D-модели или при обновлении данных POI.

Пошаговый алгоритм

Процесс А: Генерация системных тегов (Индексирование/Офлайн)

1. Доступ к данным: Система получает доступ к базе данных 3D-моделей и базе данных Map Information (POI).
2. Выбор модели: Выбирается 3D-модель, ассоциированная с конкретной географической локацией (например, Base Polygon).
3. Идентификация POI (Location Matching): Система ищет POI в Map Information на основе локации 3D-модели. Патент описывает несколько методов идентификации:
   • Strict geometric requirement rule (Строгое геометрическое правило): Проверка, находится ли координата POI (точка) внутри Base Polygon модели (полигон). Это основной метод (Claim 1).
   • Address matching (Сопоставление адресов): Использование адреса модели и карт земельных участков (land parcel map) для поиска POI с тем же адресом. Применяется, если полигон плохо геолоцирован.
   • Name matching (Сопоставление имен): Поиск совпадений между названием POI и названием 3D-модели в пределах буферной зоны (buffer region).
   • User Input (Пользовательский ввод): Получение информации от пользователей, идентифицирующих POI внутри 3D-модели.
4. Генерация System Tag: Для идентифицированного POI генерируется System Tag. Обычно в качестве тега используется название POI.
5. Ассоциация и сохранение: Сгенерированный тег ассоциируется с 3D-моделью. Эта ассоциация сохраняется в Search Index.
6. Валидация и Оценка Достоверности (Опционально): Система может сравнивать System Tags с User Provided Data. Совпадение повышает уровень уверенности (confidence level) в точности тега. Расхождения могут указывать на спам или ошибки.

Процесс Б: Обработка поискового запроса (Онлайн)

1. Получение запроса: Система получает запрос на поиск 3D-модели.
2. Поиск в индексе: Система ищет термин в Search Index, проверяя как User Provided Data, так и System Tags.
3. Идентификация модели: Идентифицируются 3D-модели, чьи теги соответствуют запросу.
4. Возврат результатов: Релевантные 3D-модели передаются пользователю. System Tags могут быть отображены вместе с моделью, возможно, со ссылками на Place Page.

Какие данные и как использует

Данные на входе

• Географические факторы: Являются основой изобретения. Используются координаты (широта/долгота) для определения Base Polygon 3D-модели и точного местоположения POI. Также используются адреса и данные карт земельных участков (land parcel maps).
• Контентные факторы (Метаданные): Названия POI (используются для генерации System Tags). Названия и описания 3D-моделей (User Provided Data), которые могут использоваться для валидации или сопоставления имен.
• Пользовательские факторы: User Provided Data используется для кросс-валидации и расчета confidence level. Упоминается возможность пользователей предоставлять обратную связь (feedback link) об ошибках в System Tags или вручную идентифицировать POI внутри модели.

Какие метрики используются и как они считаются

Патент фокусируется на методах сопоставления данных, а не на расчете метрик ранжирования.

• Геометрическое включение (Geometric containment / Strict geometric requirement rule): Основной метод (Claim 1). Алгоритм проверки того, находится ли точка (координата POI) внутри полигона (Base Polygon 3D-модели).
• Сопоставление адресов (Address matching): Сравнение адресов 3D-модели и POI, часто с использованием промежуточных данных (land parcel map).
• Сопоставление имен (Name matching): Сравнение названия POI и названия 3D-модели в пределах определенной географической зоны (buffer region).
• Уровень уверенности (Confidence level): Метрика, указывающая на точность тега. Она повышается, если автоматически сгенерированный System Tag совпадает с тегом, введенным пользователем вручную.

Выводы

1. Автоматическое обогащение геоданных: Патент описывает механизм автоматического улучшения индексации цифровых активов (3D-моделей) путем использования данных из авторитетного источника (Google Maps/Map Information). Система не полагается только на пользовательский контент (User Provided Data).
2. Связывание физических объектов и сущностей (Entity Association): Ключевой вывод — демонстрация того, как Google программно связывает сущности (бизнесы, организации, идентифицированные как POI) с физическими структурами (зданиями), которые они занимают, используя геолокацию как связующее звено.
3. Критичность точности геолокации: Эффективность системы напрямую зависит от точности геолокационных данных как 3D-моделей (Base Polygon), так и POI (координаты или адрес). Неточное расположение приводит к ошибкам в ассоциациях.
4. Map Data как источник истины: Данные Google Maps (Map Information и POI) используются как авторитетный источник информации о том, что находится внутри зданий в реальном мире.
5. Кросс-валидация и борьба со спамом: Система использует механизм повышения доверия (confidence level), сравнивая автоматически сгенерированные данные (System Tags) с данными, введенными пользователями. Расхождения могут использоваться для выявления спама или ошибок как в моделях, так и в картографической информации.

Практика

Best practices (это мы делаем)

Хотя патент фокусируется на поиске 3D-моделей, он дает критически важные инсайты для Local SEO и управления данными в Google Maps, так как описывает базовые механизмы связывания бизнесов с физическими локациями.

• Корректное размещение пина на карте (Критически важно): Точность географических координат POI имеет первостепенное значение. Поскольку используется метод Strict Geometric Requirement (Claim 1), пин должен находиться строго внутри границ здания (Base Polygon). SEO-специалисты должны проверять и корректировать положение пина в Google Business Profile (GBP), чтобы он точно соответствовал физическому расположению бизнеса внутри здания.
• Обеспечение абсолютной точности данных в GBP: Необходимо гарантировать, что данные в GBP максимально точны. Название бизнеса (используемое как название POI) применяется напрямую для генерации System Tags и связывания сущности с локацией.
• Управление данными в сложных структурах: Для бизнесов в торговых или офисных центрах крайне важно убедиться, что Google корректно идентифицирует их как часть этого здания (а не как отдельное строение рядом). Это обеспечивает правильную ассоциацию бизнеса со структурой.
• Исправление ошибок на Картах: Если здание на Google Maps имеет некорректные границы (Base Polygon), это может помешать правильной ассоциации POI, даже если пин расположен верно. Необходимо использовать инструменты обратной связи для исправления ошибок в геометрии зданий на картах.

Worst practices (это делать не надо)

• Манипуляции с расположением пина: Попытки указать некорректное местоположение бизнеса (например, перемещение пина за пределы здания для лучшей видимости с дороги) могут привести к тому, что система не сможет связать POI с правильной физической структурой, нарушая логику, описанную в патенте.
• Создание фейковых POI (Спам на картах): Система может использовать кросс-валидацию (сравнение System Tags и User Provided Data) для выявления несоответствий. Это указывает на то, что Google имеет механизмы для проверки достоверности данных POI, сопоставляя их с другими источниками.

Стратегическое значение

Патент подтверждает стратегию Google по построению детальной, семантически связанной цифровой копии реального мира. Для SEO это означает, что Google рассматривает бизнесы не изолированно, а в контексте их физического окружения. Понимание того, где находится бизнес, в каком здании он расположен и что его окружает, является неотъемлемой частью его цифровой идентификации (Entity) и видимости в локальном поиске.

Практические примеры

Сценарий: Обеспечение корректной ассоциации магазина в торговом центре

1. Проблема: Магазин одежды находится на втором этаже ТЦ. В Google Business Profile пин магазина по ошибке размещен на парковке рядом с ТЦ.
2. Анализ по патенту: Система Google анализирует Base Polygon 3D-модели ТЦ. Она проверяет координаты POI магазина. Поскольку пин находится вне полигона, система (используя Strict Geometric Requirement) не может подтвердить, что магазин находится внутри ТЦ.
3. Действия SEO-специалиста: Специалист заходит в GBP и вручную перемещает пин в точное местоположение магазина внутри границ ТЦ на карте.
4. Результат: При следующем обновлении данных координаты POI оказываются внутри Base Polygon ТЦ. Google устанавливает надежную связь между сущностью (магазин) и физической структурой (ТЦ). Это улучшает понимание Google локации бизнеса.

Вопросы и ответы