Как Google использует историю поиска и контекст сессии для автоматического уточнения текущего запроса и подмешивания результатов

Описание

Какую задачу решает

Патент решает проблему неэффективности поиска, когда пользователи вынуждены вручную уточнять свои запросы несколько раз в течение сессии, чтобы найти нужную информацию. Это особенно актуально для неоднозначных или широких запросов и на мобильных устройствах, где ввод текста затруднен. Цель изобретения — сократить количество ручных шагов, предугадывая намерение пользователя на основе его предыдущего поведения и контекста сессии.

Что запатентовано

Запатентована система предоставления результатов поиска, чувствительных к намерениям (intent sensitive search results). Система использует историю поиска пользователя (Search Histories) для выявления потенциальных уточнений (potential refinements) к текущему запросу. Эти уточнения комбинируются с текущим запросом для создания вторичных запросов (secondary queries). Ключевым механизмом является валидация через Trigger Map — базу данных распространенных пар запрос-уточнение. Результаты валидированных вторичных запросов интегрируются в основную выдачу.

Как это работает

Система работает в двух режимах:

• Офлайн (Построение Trigger Map): Анализируются глобальные логи запросов (Query Log) для выявления частых паттернов уточнений. Статистически значимые уточнения (Intent Refinements) и запросы, которые они уточняют, сохраняются в Trigger Map.
• Онлайн (Обработка запроса): При получении текущего запроса система анализирует историю поиска пользователя. Если в истории найдены Intent Refinements (например, пользователь искал «pirate costume»), они считаются потенциальными уточнениями. Если текущий запрос (например, «ninja») в сочетании с потенциальным уточнением («costume») присутствует в Trigger Map, генерируется вторичный запрос («ninja costume»). Результаты обоих запросов смешиваются (например, путем вставки вторичных результатов в разрывы между основными результатами) и предоставляются пользователю.

Актуальность для SEO

Высокая. Понимание контекста сессии, персонализация и предсказание намерений пользователя являются приоритетными направлениями развития Google. Механизмы, позволяющие сделать поиск более «разговорным» и сократить время на поиск информации (особенно на мобильных устройствах), активно развиваются и соответствуют концепции поискового путешествия (Search Journeys).

Важность для SEO

Патент имеет высокое значение (8/10) для SEO-стратегии. Он демонстрирует, как контекст сессии и история поиска динамически изменяют состав SERP за счет подмешивания результатов по неявно уточненным запросам. Это подчеркивает необходимость смещения фокуса с оптимизации под изолированные ключевые слова на оптимизацию под поисковые сессии и тематические путешествия пользователя. Понимание того, какие уточнения (Intent Refinements) часто используются в нише, становится критически важным.

Детальный разбор

Термины и определения

Current Query (Текущий запрос)

Запрос, только что полученный от пользователя в рамках текущей поисковой сессии.

Intent Engine (Механизм определения намерений)

Компонент поисковой системы, отвечающий за идентификацию потенциальных уточнений на основе истории пользователя и Trigger Map, а также генерацию вторичных запросов.

Intent Refinement (Уточнение намерения)

Термин (или термины), который часто используется глобально для уточнения множества различных уникальных запросов (выше определенного порога). Примеры: «цена», «обзор», локация.

Potential Refinement (Потенциальное уточнение)

Термин из истории поиска конкретного пользователя, который может быть использован для уточнения текущего запроса. Часто является Intent Refinement.

Query Log (Лог запросов)

База данных, хранящая агрегированную информацию о полученных поисковых запросах и сессиях всех пользователей.

Query-Refinement Pair (Пара запрос-уточнение)

Связка оригинального запроса и термина уточнения. Хранится в Trigger Map.

Search Histories (Истории поиска)

База данных, хранящая поисковые сессии для конкретных идентификаторов пользователей (краткосрочная и долгосрочная история).

Secondary Query (Вторичный запрос)

Запрос, сгенерированный системой путем комбинирования Current Query и Potential Refinement, прошедший валидацию через Trigger Map.

Trigger Map (Карта триггеров)

Структура данных, содержащая Query-Refinement Pairs. Используется для валидации того, что комбинация текущего запроса и потенциального уточнения является распространенной и осмысленной.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс предоставления результатов поиска с учетом интента.

1. Система получает текущий запрос (current query) в рамках сессии, связанной с идентификатором пользователя.
2. Идентифицируются потенциальные уточнения (potential refinements) на основе запросов, полученных ранее (previous queries).
3. Генерируются вторичные запросы (secondary queries), комбинируя текущий запрос с потенциальным уточнением.
4. Ключевое условие: Каждый вторичный запрос должен соответствовать паре запрос-уточнение (query-refinement pair) в Trigger Map.
5. Идентифицируются текущие и вторичные результаты.
6. Предоставляется ресурс результатов поиска (SERP), включающий как минимум один вторичный результат и как минимум один текущий результат.

Ядро изобретения — использование персонального контекста (истории) с обязательной валидацией через глобальные паттерны (Trigger Map).

Claim 3 (Зависимый): Уточняет источник предыдущих запросов.

Предыдущие запросы могут включать запросы как из текущей поисковой сессии, так и из предыдущих сессий, связанных с тем же идентификатором пользователя (т.е. используется долгосрочная история).

Claim 4 (Зависимый): Описывает процесс создания Trigger Map.

1. Анализируется лог запросов (query log).
2. Идентифицируются последовательности запросов в сессии, где последующий (первый) запрос включает предыдущий (второй) запрос плюс дополнительные термины.
3. Эти дополнительные термины (уточнение) и второй запрос (исходный запрос) сохраняются как query-refinement pair в Trigger Map.

Claim 7 (Зависимый): Описывает механизм слияния (blending) результатов.

1. Идентифицируются оценки (scores) для текущих результатов, используемые для ранжирования.
2. Выбираются два текущих результата, которые идут подряд в порядке ранжирования и разница в оценках которых превышает пороговое значение (threshold difference).
3. Как минимум один вторичный результат вставляется между этими двумя последовательными результатами.

Это позволяет вставлять вторичные результаты в «разрывы» (gaps) в ранжировании, где наблюдается значительное падение релевантности основных результатов.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, связывая офлайн-анализ данных с онлайн-обработкой запросов.

INDEXING / Offline Processing
На этом этапе происходит предварительная обработка данных. Trigger Map Builder анализирует Query Log для построения Trigger Map. Это включает извлечение распространенных уточнений (Intent Refinements) и запросов, которые они уточняют.

QUNDERSTANDING – Понимание Запросов
Основное применение патента. При получении запроса Intent Engine активируется для анализа контекста пользователя:

1. Анализ контекста: Система обращается к Search Histories, чтобы получить предыдущие запросы пользователя и идентифицировать Potential Refinements.
2. Валидация и Переписывание: Система проверяет комбинацию текущего запроса и потенциального уточнения по Trigger Map и генерирует валидированные Secondary Queries. Происходит неявное переписывание запроса.

RANKING – Ранжирование
Поисковая система выполняет поиск параллельно как по Current Query, так и по сгенерированным Secondary Queries, получая наборы результатов с соответствующими оценками (scores).

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование
На этом этапе происходит объединение результатов. Система использует логику смешивания (например, вставку в местах значительного падения оценок основных результатов) для формирования финальной SERP.

Входные данные:

• Текущий запрос (Current Query).
• Идентификатор пользователя (User Identifier).
• История поиска пользователя (Search Histories).
• Карта триггеров (Trigger Map).

Выходные данные:

• Смешанный набор результатов поиска, включающий результаты как для текущего, так и для вторичных запросов.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на широкие или неоднозначные запросы (head terms), которые пользователи часто уточняют в ходе сессии (например, название продукта, общее понятие типа «ninja» или «hotel»).
• Конкретные ниши: Заметное влияние в E-commerce (уточнение по цене, модели, отзывам) и локальном поиске (уточнение по местоположению, которое также может быть извлечено из истории).
• Пользовательское поведение: Влияет на пользователей, которые проводят тематические поисковые сессии, переключаясь между схожими сущностями, но сохраняя один и тот же тип интента (например, поиск обзоров разных продуктов).

Когда применяется

Алгоритм применяется при выполнении совокупности условий:

• Наличие истории: У пользователя должна быть история поиска (в текущей или прошлых сессиях), из которой можно извлечь Potential Refinements.
• Идентификация намерения: Извлеченные уточнения должны соответствовать известным Intent Refinements.
• Триггер активации (Валидация): Комбинация текущего запроса и потенциального уточнения ДОЛЖНА присутствовать в Trigger Map. Это ключевое условие, которое предотвращает применение нерелевантных или слишком редких уточнений.

Пошаговый алгоритм

Процесс А: Обработка запроса в реальном времени (Онлайн)

1. Получение запроса: Система получает текущий запрос, связанный с идентификатором пользователя.
2. Идентификация потенциальных уточнений: Система анализирует историю поиска пользователя (Search Histories). Идентифицируются предыдущие запросы, которые соответствуют парам в Trigger Map. Уточнения из этих пар извлекаются как Potential Refinements.
3. Генерация кандидатов: Система комбинирует текущий запрос с каждым потенциальным уточнением.
4. Валидация по Trigger Map: Каждый кандидат проверяется на соответствие Query-Refinement Pair в Trigger Map.
   • Если НЕТ: Кандидат отбрасывается.
   • Если ДА: Кандидат становится Secondary Query.
5. Идентификация результатов: Система выполняет поиск по текущему запросу и по всем валидированным вторичным запросам.
6. (Опционально) Оценка и отбор: Система может присваивать оценки вторичным запросам (например, на основе их частоты в Query Log) и отбирать только лучшие.
7. Смешивание результатов: Система объединяет результаты. Один из методов: ранжировать основные результаты, найти два последовательных результата, разница в оценках (scores) которых превышает порог (threshold difference), и вставить вторичные результаты между ними.
8. Предоставление выдачи: Смешанный набор результатов отправляется пользователю.

Процесс Б: Построение Trigger Map (Офлайн)

1. Извлечение уточнений: Система анализирует Query Log и идентифицирует сессии, где последующий запрос включает предыдущий запрос плюс дополнительные термины. Эти термины извлекаются как уточнения.
2. Подсчет уникальных запросов: Для каждого извлеченного уточнения подсчитывается количество уникальных исходных запросов, которые оно уточняло.
3. Выбор Intent Refinements: Уточнения, которые использовались для модификации более чем порогового числа уникальных запросов, выбираются как Intent Refinements. Это гарантирует их широкую применимость.
4. Извлечение триггерных запросов: Идентифицируются все запросы, которые были уточнены с помощью выбранных Intent Refinements.
5. Создание пар: Для каждого триггерного запроса определяются, какие Intent Refinements его уточняли.
6. Сохранение карты: Пары запрос-уточнение сохраняются в Trigger Map.

Какие данные и как использует

Данные на входе

Патент фокусируется в основном на поведенческих и пользовательских данных.

• Поведенческие факторы: Критически важные данные.
  • Query Log (Глобальные данные): Используется офлайн для построения Trigger Map. Анализируются последовательности запросов в рамках сессий для выявления паттернов уточнений.
  • Search Histories (Персональные данные): Используются в реальном времени для определения контекста конкретного пользователя и извлечения Potential Refinements. Включают данные текущей и прошлых сессий.
• Пользовательские факторы:
  • User Identifier: Используется для связывания запросов в историю поиска.
  • (Опционально) Социальные связи и интересы: Патент упоминает возможность использования данных о социальных связях пользователя или его интересах (например, через профиль или историю посещений) для идентификации потенциальных уточнений у связанных или похожих пользователей.
• Географические факторы (Опционально): Географические термины могут быть идентифицированы как Intent Refinements (например, уточнение запроса названием города).

Какие метрики используются и как они считаются

• Порог уникальных запросов (для Intent Refinements): Метрика для офлайн-процесса. Определяет минимальное количество уникальных запросов, которые должно уточнять данное уточнение, чтобы считаться Intent Refinement.
• Оценки вторичных запросов (Secondary Query Scores): Метрика для онлайн-процесса (опционально). Может рассчитываться на основе частоты вторичного запроса в Query Log, возможно, с учетом времени (сезонности). Используется для отбора лучших вторичных запросов.
• Оценки результатов (Ranking Scores): Стандартные оценки релевантности, получаемые от поисковой системы.
• Threshold Difference (Пороговая разница): Метрика для смешивания. Определяет минимальную разницу в Ranking Scores между двумя последовательными основными результатами, при которой допускается вставка вторичных результатов.

Выводы

1. Контекст сессии критически важен: Google активно использует историю поиска (как краткосрочную, так и долгосрочную), чтобы интерпретировать текущий запрос не изолированно, а в контексте продолжающейся поисковой задачи. Поиск становится более «разговорным» и контекстуальным.
2. Неявное переписывание запроса (Implicit Query Rewriting): Система может проактивно генерировать и выполнять secondary queries, которые пользователь не вводил, если считает, что они лучше отражают его текущее намерение, основанное на истории.
3. Валидация через глобальное поведение (Trigger Map): Механизм защищен от чрезмерной или некорректной персонализации. Персональное уточнение применяется, только если оно соответствует глобально распространенному паттерну, зафиксированному в Trigger Map.
4. Идентификация общих намерений (Intent Refinements): Система выявляет универсальные интенты (например, «цена», «обзор», «локация»), которые применимы ко многим запросам, анализируя частоту их использования с уникальными запросами.
5. Механизм смешивания ориентирован на качество: Вторичные результаты не просто добавляются в список, а могут вставляться в «разрывы» (gaps) между оценками основных результатов (threshold difference). Это позволяет дополнить выдачу там, где качество стандартных результатов падает.

Практика

Best practices (это мы делаем)

• Оптимизация под поисковые сессии (Search Journeys): Перестать рассматривать запросы изолированно. Анализировать, как пользователи уточняют запросы в вашей нише (пути уточнения) и какие запросы вводят последовательно. Создавать контент, который отвечает на кластер связанных интентов в рамках одной сессии.
• Идентификация и использование Intent Refinements в нише: Определить ключевые Intent Refinements в вашей тематике (например, «цена», «отзывы», «где купить», локации). Убедитесь, что ваша контент-стратегия и структура сайта явно покрывают комбинации базовых запросов с этими уточнениями.
• Построение Topical Authority: Создание широкого покрытия темы позволяет сайту быть релевантным для множества Query-Refinement Pairs. Если сайт авторитетно покрывает смежные темы с общим интентом (например, обзоры разных моделей смартфонов), он имеет больше шансов ранжироваться по автоматически уточненным запросам в рамках сессии.
• Оптимизация под длинный хвост запросов: Этот механизм увеличивает вероятность показа страниц, оптимизированных под конкретные, длинные запросы (которые часто являются комбинацией Запрос+Уточнение), даже если пользователь ввел только широкое ключевое слово (при наличии контекста в истории).

Worst practices (это делать не надо)

• Оптимизация только под Head-Terms (широкие запросы): Фокусировка на широких запросах без учета возможных уточнений. Если контент не отвечает на специфические интенты, система будет подмешивать результаты по уточненным (вторичным) запросам с других сайтов.
• Создание изолированного контента: Рассмотрение каждой страницы как ответа на один изолированный запрос без учета взаимосвязи контента и того, как он удовлетворяет потребности пользователя в рамках всей поисковой сессии.
• Игнорирование пользовательского пути (User Journey): Непонимание того, какие задачи пользователь решает до и после взаимодействия с вашим контентом, не позволит оптимизировать сайт под контекстуальный поиск, описанный в патенте.

Стратегическое значение

Патент подтверждает стратегический курс Google на персонализацию и понимание контекста поисковой сессии. Для SEO это означает, что оценка эффективности должна смещаться от анализа позиций по отдельным ключам к анализу покрытия пользовательских сценариев (User Journeys) и задач пользователя (Jobs To Be Done). Стратегия должна быть направлена на то, чтобы стать основным источником информации для пользователя на протяжении всей его поисковой сессии. Понимание Trigger Map для своей ниши становится ключевой компетенцией.

Практические примеры

Сценарий 1: Покупка электроники (Исследовательский интент)

1. Действие пользователя: Пользователь ищет «Sony A7 IV отзывы». Интент: исследование продукта, «отзывы».
2. Следующий запрос (Current Query): Пользователь вводит «Canon R6».
3. Анализ системы:
   • Potential Refinement из истории: «отзывы».
   • Проверка Trigger Map: Является ли «отзывы» Intent Refinement, и применим ли он к «Canon R6»? Да.
4. Генерация Secondary Query: «Canon R6 отзывы».
5. Результат (SERP): В выдаче по «Canon R6» будут подмешаны ссылки на обзоры и отзывы, даже если они обычно ранжируются ниже страниц покупки, так как контекст сессии указывает на исследовательский интент.

Сценарий 2: Планирование путешествия (Локальный интент)

1. Действие пользователя: Пользователь ищет «Авиабилеты в Париж». Система фиксирует гео-интент «Париж».
2. Следующий запрос (Current Query): Через несколько минут пользователь вводит «Отели».
3. Анализ системы:
   • Potential Refinement из истории: «Париж».
   • Проверка Trigger Map: Существует ли пара «Отели» + «Париж»? Да.
4. Генерация Secondary Query: Система генерирует запрос «Отели Париж».
5. Результат (SERP): Выдача по запросу «Отели» будет содержать стандартные результаты, но в нее будут агрессивно подмешаны результаты по запросу «Отели Париж», так как система предугадала намерение пользователя.

Вопросы и ответы