Как Google персонализирует карты, автоматически показывая ваши будущие события и бронирования рядом с результатами поиска

Описание

Какую задачу решает

Патент решает проблему навигации пользователя в незнакомой местности при наличии нескольких запланированных событий (например, в командировке: аэропорт, отель, место встречи). Он устраняет необходимость выполнять многократные отдельные поиски для понимания взаимного расположения ключевых локаций. Цель – улучшить пользовательский опыт (UX) в картографических сервисах, проактивно предоставляя контекстную навигационную информацию.

Что запатентовано

Запатентована система персонализации картографического сервиса. Система извлекает «кандидатные путевые точки» (Candidate Waypoints) — локации будущих событий или бронирований — из данных пользователя (почта, календарь). При выполнении поиска Point of Interest (POI) эти точки выборочно отображаются на карте вместе с результатом запроса. Выбор основан на сложной формуле оценки (Scoring Formula), которая учитывает расстояние и контекстуальную связь между типами локаций.

Как это работает

Система работает в двух режимах:

• Фоновый анализ (Офлайн): С согласия пользователя система анализирует его данные (User Data), извлекает информацию о событиях, геокодирует локации и классифицирует их (например, Отель, Аэропорт).
• Обработка запроса (Онлайн): Когда пользователь ищет объект (POI) в картах, активируется Scoring Engine.
• Скоринг: Каждая сохраненная путевая точка пользователя оценивается относительно найденного POI. Оценка учитывает физическое расстояние и «целесообразность» (Suitability) поездки между этими двумя типами локаций.
• Отображение: Путевые точки с наивысшей оценкой отображаются на карте вместе с результатом поиска POI, предлагая опции маршрута.

Актуальность для SEO

Высокая. Персонализация и глубокая интеграция данных из различных сервисов (Gmail, Calendar, Maps) являются ключевым направлением развития продуктов Google. Функционал, описанный в патенте, активно используется в Google Maps и Google Assistant для отображения предстоящих бронирований и событий на карте.

Важность для SEO

Влияние на традиционное органическое ранжирование минимальное. Патент описывает UX-функцию персонализации карт, а не алгоритм ранжирования. Однако он имеет высокое значение для Local SEO и стратегии присутствия в экосистеме Google. Он демонстрирует способность Google извлекать сущности (события, локации) из неструктурированных источников (писем) и подчеркивает критическую важность правильной категоризации бизнеса и оптимизации транзакционных коммуникаций (например, через Email Markup) для улучшения видимости в персонализированных сервисах.

Детальный разбор

Термины и определения

Candidate Waypoint (Кандидатная путевая точка)

Локация, идентифицированная путем анализа User Data, где у пользователя запланировано событие, бронирование или встреча.

Distance Scaling Component (Компонент масштабирования расстояния)

Часть формулы оценки, которая масштабирует расстояние между путевой точкой и POI на основе их категорий. Рассчитывается как Weighted Distance / Расстояние.

Geographic Information System (GIS) (Геоинформационная система)

Система, предоставляющая геопространственные данные, используемая для геокодирования, категоризации локаций и расчета расстояний/маршрутов.

Point of Interest (POI) (Точка интереса)

Результат поискового запроса пользователя в картографическом сервисе.

Scoring Engine (Механизм оценки)

Компонент сервера, отвечающий за расчет оценки релевантности для Candidate Waypoints с помощью Scoring Formula.

Suitability Component (Компонент целесообразности/пригодности)

Часть формулы оценки, определяющая вероятность того, что пользователь захочет получить маршрут между путевой точкой и POI, основываясь на комбинации их категорий. Использует look-up table.

User Data (Данные пользователя)

Источники для извлечения путевых точек (с согласия пользователя), такие как email data, calendar data, virtual wallet data.

Weighted Distance (Взвешенное расстояние)

Параметр, моделирующий, как далеко пользователь готов путешествовать до или от локации определенной категории (например, далеко до аэропорта – 30 км, но близко до кафе – 1 км).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает базовый процесс и фокусируется на масштабировании расстояния.

1. Система получает запрос от устройства, связанного с аккаунтом пользователя, и идентифицирует POI.
2. Получаются Candidate Waypoints, ранее извлеченные из данных пользователя.
3. Рассчитывается оценка для каждой точки с использованием Scoring Formula, основанной на категориях путевой точки и POI.
4. Формула включает специфический Distance Scaling Component: (Взвешенное расстояние / Расстояние между точкой и POI). При этом Взвешенное расстояние определяется на основе категории POI (Second category).
5. Выбирается хотя бы одна путевая точка для отображения на карте вместе с POI.

Claim 12 (Независимый пункт): Фокусируется на источнике данных и механизме целесообразности.

1. Получение запроса и идентификация POI.
2. Получение кандидатных локаций (candidate reference locations), извлеченных из email data или calendar data.
3. Присвоение категорий локациям и POI.
4. Расчет оценки с использованием формулы, которая включает Suitability Component.
5. Suitability Component использует справочную таблицу (look-up table) для определения оценки целесообразности на основе комбинации категорий локации и POI.
6. Выбор локации для отображения.

Claim 13, 15, 16 (Независимый и зависимые): Детализируют полную структуру формулы скоринга как сумму трех компонентов.

Система рассчитывает оценку для каждой локации на основе расстояния и вероятности желания пользователя получить маршрут. Расчет включает определение трех компонентов (Claim 13, 15):

1. Первый Distance Scaling Component: Масштабирует расстояние на основе категории локации (кандидата).
2. Второй Distance Scaling Component: Масштабирует расстояние на основе категории POI.
3. Suitability Component: Оценивает вероятность на основе комбинации категорий.

Итоговая оценка является суммой этих трех компонентов (Claim 16).

Где и как применяется

Этот патент применяется исключительно в рамках картографических сервисов (например, Google Maps) и географических информационных систем.

INDEXING – Индексирование и извлечение признаков (Фоновый процесс)
На этом этапе происходит фоновый анализ User Data (почта, календари). Система извлекает информацию о событиях, геокодирует локации и определяет их категории (с помощью GIS). Эти данные индексируются и сохраняются в базе User Candidate Waypoints.

QUNDERSTANDING / RANKING – Понимание Запросов и Ранжирование
Система получает запрос (например, «Пиццерия»), интерпретирует его и определяет релевантные POI, используя стандартные методы локального поиска.

METASEARCH / RERANKING – Метапоиск и Переранжирование (Слой Персонализации)
Основное применение патента. Система проверяет авторизацию пользователя и извлекает его Candidate Waypoints. Scoring Engine рассчитывает оценки (Scores) для каждого Waypoint относительно POI с использованием Scoring Formula. Лучшие Waypoints выбираются и смешиваются (blending) с результатами поиска для отображения на карте.

Входные данные:

• Поисковый запрос пользователя и идентифицированный POI.
• Идентификатор аккаунта пользователя.
• База данных User Candidate Waypoints (локация, время, категория).
• Geographic Information System (данные для расчета расстояний, маршрутов, категорий POI).
• Текущее местоположение устройства и текущее время (опционально).

Выходные данные:

• Персонализированные картографические данные, включающие POI и выбранные путевые точки.

На что влияет

• Конкретные типы контента: Локальные объекты на карте (POI), события, бронирования.
• Специфические запросы: Локальные поисковые запросы, выполняемые внутри картографических приложений (например, Google Maps).
• Конкретные ниши или тематики: Наибольшее влияние в сферах путешествий (Travel), гостиничного бизнеса (Hospitality), ресторанов и организации мероприятий (Events), так как именно в этих нишах генерируется большинство бронирований и записей в календаре.

Когда применяется

Алгоритм применяется при соблюдении следующих условий:

• Триггеры активации: Пользователь выполняет поиск в картографическом приложении.
• Условия применения: 1. Пользователь авторизован в своем аккаунте. 2. Пользователь дал согласие на анализ своих данных (почта, календарь) для персонализации. 3. В базе данных пользователя есть сохраненные Candidate Waypoints. 4. Эти Waypoints набирают достаточно высокий балл по Scoring Formula относительно POI.

Пошаговый алгоритм

Процесс А: Фоновая обработка (Идентификация путевых точек)

1. Анализ данных пользователя: Система периодически анализирует User Data (email, calendar и т.д.) с согласия пользователя.
2. Идентификация событий: Контент парсится или сравнивается с шаблонами (templates) для выявления бронирований, билетов, встреч.
3. Извлечение и структурирование: Извлекаются ключевые данные: локация, время и тип события.
4. Геокодирование и Категоризация: Локация преобразуется в геокоординаты, и ей присваивается категория (например, Аэропорт, Отель, Ресторан) с помощью GIS.
5. Сохранение: Данные сохраняются в базе User Candidate Waypoints, привязанной к аккаунту.

Процесс Б: Обработка запроса в реальном времени

1. Получение запроса и Идентификация POI: Система получает запрос, определяет POI и его категорию.
2. Проверка аккаунта и Получение кандидатов: Если пользователь авторизован, извлекаются его Candidate Waypoints.
3. Скоринг кандидатов: Scoring Engine рассчитывает оценку для каждого кандидата по формуле. Для каждой путевой точки:
   1. Расчет расстояния (D) между кандидатом и POI.
   2. Расчет Первого компонента масштабирования (на основе категории кандидата). Например, Weighted Distance 1 / D.
   3. Расчет Второго компонента масштабирования (на основе категории POI). Например, Weighted Distance 2 / D.
   4. Расчет Компонента целесообразности (на основе комбинации категорий, используя look-up table).
   5. Суммирование компонентов для получения финальной оценки. (Могут учитываться также время до события и текущее местоположение).
4. Выбор путевых точек: Выбираются одна или несколько точек с наивысшими оценками (например, Топ-2).
5. Формирование карты: Создается и предоставляется пользователю персонализированная карта, показывающая POI и выбранные путевые точки.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании персональных данных пользователя и геоданных.

• Пользовательские факторы (User Data): Критически важные данные (используются с согласия пользователя):
  • Email data (текст, вложения для поиска подтверждений бронирований).
  • Calendar application data (даты, время, локации запланированных событий).
  • Virtual wallet data (электронные билеты, купоны).
  • Location data (текущее местоположение устройства через Positioning System).
  • Также упомянуты social media data (comments, reviews, check-ins, likes, invitations).
• Системные данные (GIS Data):
  • Категории POI и Candidate Waypoints (Отель, Ресторан и т.д.).
  • Геокоординаты локаций.
  • Данные для расчета маршрутов и времени в пути.

Какие метрики используются и как они считаются

Система использует составную Scoring Formula, которая, согласно патенту (Claim 16), является суммой трех основных компонентов:

1. Первый компонент масштабирования расстояния (First Distance Scaling Component):
   • Формула: First Weighted Distance / D.
   • D: Расстояние между Кандидатом и POI (может быть линейным, автомобильным или временем в пути).
   • First Weighted Distance: Значение (например, в километрах), зависящее от категории Кандидата. Оно параметризует, как далеко пользователь обычно готов ехать от этого типа локации (Пример: от Аэропорта – 30 км, от Ресторана – 2 км).
2. Второй компонент масштабирования расстояния (Second Distance Scaling Component):
   • Формула: Second Weighted Distance / D.
   • Second Weighted Distance: Значение, зависящее от категории POI. Оно параметризует, как далеко пользователь обычно готов ехать к этому типу локации.
3. Компонент целесообразности (Suitability Component):
   • Определяет вероятность того, что пользователь захочет маршрут между этими двумя точками.
   • Расчет: Используется справочная таблица (look-up table), которая предоставляет оценку для каждой комбинации категорий.
   • Примеры: (Отель + Аэропорт) = 1.5 (Высокая целесообразность); (Ресторан + Ресторан) = 0.5 (Низкая целесообразность).

Дополнительные факторы (упомянутые в описании):

• Время: Разница между текущим временем и временем события. Чем ближе событие, тем выше может быть оценка.
• Текущее местоположение: Может влиять на компоненты скоринга (например, если пользователь уже находится в ресторане, другие рестораны могут получать понижение в оценке).
• Обучение: Весовые коэффициенты формулы могут быть обучены (trained) на данных для оптимизации.

Выводы

1. Персонализация продукта, а не ранжирование в поиске: Патент описывает механизм улучшения пользовательского опыта в картографических сервисах за счет интеграции персональных данных. Он не описывает алгоритмы ранжирования веб-поиска или стандартного локального поиска (Local Pack).
2. Извлечение сущностей из личных коммуникаций: Ключевой технологией является способность Google анализировать личные данные (почта, календарь) для извлечения и структурирования информации о событиях, локациях и времени (Candidate Waypoints).
3. Критическая важность категоризации сущностей: Формула скоринга фундаментально зависит от точности определения категорий (типов) как найденного POI, так и персональных путевых точек. Категоризация влияет на все три компонента формулы.
4. Контекстуальная релевантность (Целесообразность): Google оценивает не только расстояние, но и логическую/ситуативную связь между типами локаций через Suitability Component. Система понимает, что поездка из Отеля в Аэропорт более вероятна, чем из Ресторана в другой Ресторан.
5. Моделирование поведения пользователя: Система использует концепцию Weighted Distance для моделирования того, как далеко пользователь готов путешествовать к различным типам локаций, что делает оценку расстояния контекстно-зависимой.

Практика

Best practices (это мы делаем)

Хотя патент не дает прямых рекомендаций для органического SEO, он предоставляет важные инсайты для Local SEO и оптимизации присутствия бизнеса в экосистеме Google.

• Оптимизация транзакционных писем (Email Optimization): Убедитесь, что письма с подтверждением бронирований, билетов или записи на прием содержат четкую и легко извлекаемую информацию о локации (точный адрес), времени и типе события в текстовом формате.
• Использование структурированных данных в письмах (Schema.org Email Markup): Это ключевая рекомендация. Внедряйте микроразметку (например, Event, Reservation, LodgingBusiness) в HTML-письма. Это напрямую помогает Google парсить данные и идентифицировать ваш бизнес как Candidate Waypoint для использования в Картах и других сервисах.
• Точность категоризации в Google Business Profile (GBP): Критически важно выбрать правильную основную и дополнительные категории. Категоризация напрямую влияет на расчет Suitability Component и Weighted Distance, определяя, в каких контекстах ваш бизнес будет считаться релевантным для пользователя.
• Интеграция с Календарем: Для сервисов, подразумевающих запись или мероприятия, предоставляйте пользователям удобную опцию «Добавить в Календарь» (например, через .ics файлы). Записи в календаре являются надежным источником для Candidate Waypoints.

Worst practices (это делать не надо)

• Запутывание информации о локации: Использование неточных адресов, адресов в виде изображений или отсутствие адреса в подтверждающих письмах снижает способность системы извлечь и геокодировать локацию.
• Игнорирование микроразметки в коммуникациях: Отказ от использования Schema.org в транзакционных письмах заставляет Google полагаться на менее точные методы парсинга текста, что снижает вероятность успешного извлечения данных.
• Неправильный выбор категорий бизнеса: Выбор слишком общих или нерелевантных категорий в GBP может привести к некорректной оценке целесообразности (Suitability) вашего бизнеса в контексте других событий пользователя.

Стратегическое значение

Патент подтверждает стратегию Google на глубокую интеграцию своих сервисов и использование персональных данных для создания бесшовного и проактивного пользовательского опыта. Для SEO это означает, что оптимизация выходит за рамки сайта и GBP; она распространяется на все точки взаимодействия с клиентом, включая email-коммуникации и процессы бронирования. Понимание того, как Google интерпретирует, категоризирует и связывает сущности разных типов (Entity Optimization), критически важно для максимизации видимости в персонализированных сервисах.

Практические примеры

Сценарий 1: Оптимизация для Отеля

1. Действие: Отель внедряет микроразметку LodgingReservation в электронные письма с подтверждением бронирования и выбирает точную категорию «Отель» в GBP.
2. Как это работает (по патенту): Google анализирует почту клиента (User Data), извлекает данные, геокодирует и категоризирует их как Candidate Waypoint (Категория: Отель).
3. Результат: Когда клиент прилетает в город и ищет в Google Maps «Ресторан поблизости» (POI, Категория: Ресторан), система рассчитывает Suitability Component для (Отель + Ресторан). Оценка высока. На карте рядом с ресторанами показывается маркер его отеля с предложением маршрута.

Сценарий 2: Оптимизация ресторана рядом со стадионом

1. Ситуация: Пользователь покупает билет на концерт (используя разметку EventReservation в письме). Google добавляет Стадион как Candidate Waypoint (Категория: Стадион) с указанием времени.
2. Действие пользователя: За час до концерта пользователь ищет «ужин поблизости» (POI, Категория: Ресторан).
3. Как это работает (по патенту): Система запускает Scoring Formula. Комбинация Стадион + Ресторан имеет высокий балл Suitability. Расстояние близкое. Временной компонент (событие скоро) также повышает оценку.
4. Результат: Карта пользователя показывает рестораны, а также заметный маркер Стадиона с информацией о предстоящем концерте, облегчая навигацию.

Вопросы и ответы