Как Google использует время, местоположение, социальные сигналы и историю пользователя для ранжирования локальных бизнесов (POI)

Описание

Какую задачу решает

Патент решает проблему информационного перенасыщения и низкой контекстуальной релевантности в локальном поиске, особенно на мобильных устройствах. Стандартный подход, основанный только на близости, часто предоставляет пользователю слишком много информации, большая часть которой нерелевантна в текущем контексте (например, закрытые заведения или бизнесы, неактуальные в данное время суток). Изобретение улучшает качество локальной выдачи, фильтруя и ранжируя точки интереса (POI) на основе времени, социальных сигналов и персональной истории пользователя.

Что запатентовано

Запатентована система контекстно-зависимого ранжирования точек интереса (POI). Система использует комплексный подход, учитывая Time-Related Attributes (время-зависимые атрибуты), Mobile Updates (социальные сигналы), Familiarity Score (оценку знакомства пользователя с местностью) и Uniqueness (уникальность POI). Цель — предоставить пользователю наиболее релевантный набор POI с учетом его текущего местоположения, времени и социального контекста.

Как это работает

Система работает путем интеграции нескольких модулей для оценки POI:

• Динамический радиус поиска: Система может регулировать радиус поиска (Predetermined Distance) на основе плотности POI в районе, чтобы избежать перегрузки результатами.
• Временная релевантность: POI ранжируются выше, если они открыты в данный момент, или если их категория статистически актуальна в это время суток (например, кофейни утром).
• Социальные сигналы: POI повышаются, если о них недавно были опубликованы Mobile Updates (например, посты в социальных сетях), особенно если авторы связаны с пользователем.
• Персонализация (Familiarity): Система определяет, является ли пользователь местным жителем или туристом, на основе его истории местоположений. Для местных жителей приоритет могут получать социальные сигналы, для туристов — общая известность.
• Уникальность: Более редкие типы бизнесов в данной местности могут получать повышение в ранжировании.

Актуальность для SEO

Высокая. Описанные механизмы лежат в основе современного локального поиска и Google Maps. Учет времени суток, часов работы, плотности расположения и персонализации (включая историю местоположений) является стандартом индустрии. Хотя конкретная реализация социальных сигналов могла эволюционировать (от Google Buzz, упомянутого в патенте, к отзывам и чекинам), базовые принципы остаются крайне актуальными.

Важность для SEO

Патент имеет критическое значение для специалистов по локальному SEO (Local SEO). Он детально описывает факторы, выходящие за рамки традиционной триады (Релевантность, Дистанция, Известность). Для успешного продвижения локального бизнеса необходимо учитывать временной контекст, стимулировать свежую социальную активность и обеспечивать абсолютную точность данных о местоположении и часах работы. Понимание этих механизмов позволяет оптимизировать видимость бизнеса в зависимости от времени суток и типа пользователя (местный/турист).

Детальный разбор

Термины и определения

Category-Density (Плотность категории)

Метрика, показывающая количество точек интереса определенной категории в заданной области (например, количество ресторанов на квадратный километр). Используется для расчета уникальности (Uniqueness).

Familiarity Score (Оценка знакомства)

Метрика, рассчитываемая на основе истории местоположений пользователя. Определяет, насколько часто пользователь бывает в текущем местоположении. Используется для адаптации результатов (местный житель vs. турист).

Mobile Update (Мобильное обновление)

Данные о точке интереса, введенные пользователем в онлайн-социальную сеть (например, пост, отзыв, чекин), часто привязанные к конкретному местоположению. Является социальным сигналом ранжирования.

Point of Interest (POI) (Точка интереса)

Бизнес (ресторан, магазин), достопримечательность, здание или географический объект, который может представлять интерес для пользователя вблизи его физического местоположения.

Predetermined Distance (Предопределенное расстояние)

Радиус поиска POI вокруг текущего местоположения пользователя. Может быть фиксированным или динамически рассчитываться на основе плотности POI (Density).

Query Location (Местоположение запроса)

Местоположение, связанное с предметом поискового запроса (например, координаты Эмпайр-стейт-билдинг для запроса «EMPIRE STATE BUILDING»). Используется для анализа исторических паттернов поиска.

Time-Related Attribute (Время-зависимый атрибут)

Характеристика POI, зависящая от времени. Включает часы работы и статистическую вероятность актуальности категории в определенное время суток.

Uniqueness (Уникальность)

Метрика, показывающая, насколько редок тип POI в данном районе. Рассчитывается на основе Category-Density. Более уникальные POI могут ранжироваться выше.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод контекстно-зависимого получения POI с фокусом на временные атрибуты.

1. Система получает текущее местоположение устройства пользователя.
2. Извлекаются POI в пределах Predetermined Distance.
3. Определяются Time-Related Attributes для каждого POI на основе его категории. Ключевой момент: эти атрибуты включают карту соответствия категории и времени, когда эта категория вероятно будет актуальна.
4. Эта карта соответствия определяется эмпирически путем: (i) Идентификации группы запросов, относящихся к категории, в журнале запросов с временными метками; (ii) Определения времени, когда запросы в этой группе подаются с высокой частотой; (iii) Сопоставления этого времени с категорией.
5. Каждый POI ранжируется на основе близости и определенных Time-Related Attributes.
6. Данные о POI предоставляются устройству на основе ранжирования.

Ядром этого пункта является не просто учет времени, а метод эмпирического определения актуальности категорий путем анализа исторических логов поисковых запросов.

Claim 4 (Зависимый от 1): Уточняет, что Time-Related Attributes включают атрибут, указывающий, открыт или закрыт POI в момент получения местоположения. Если POI открыт, его рейтинг повышается.

Claim 5 (Зависимый от 1): Уточняет, что атрибут, сопоставляющий категорию со временем актуальности, является атрибутом, указывающим вероятность того, что категория релевантна пользователю в момент получения местоположения.

Где и как применяется

Изобретение применяется в системах локального поиска (Local Search) и картографических сервисах (например, Google Maps) и затрагивает несколько этапов поисковой архитектуры.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходят офлайн-вычисления:

• Сбор и категоризация данных о POI (местоположение, часы работы).
• Расчет плотности POI (Density) и плотности категорий (Category-Density) для определения уникальности (Uniqueness).
• Анализ исторических логов запросов для определения вероятности актуальности категорий в разное время суток (Time-Related Attributes).
• Сбор и индексация Mobile Updates (социальных сигналов).

RANKING – Ранжирование / RERANKING – Переранжирование
Это основной этап применения патента в реальном времени:

• Получение текущего местоположения и времени пользователя.
• Расчет Familiarity Score на основе истории местоположений пользователя.
• Определение динамического радиуса поиска (Predetermined Distance).
• Извлечение кандидатов POI.
• Расчет комплексной оценки ранжирования для каждого POI, учитывающей дистанцию, временные атрибуты, социальные сигналы и уникальность. Патент предлагает пример формулы: Score = A*sum(update) + B*distance(…) + C*(distance-independent-score).
• Адаптация весов факторов на основе Familiarity Score (например, повышение веса социальных сигналов для местных жителей).

Входные данные:

• Текущее местоположение и время пользователя.
• История местоположений пользователя.
• Социальный граф пользователя (связи в социальной сети).
• База данных POI (категории, координаты, часы работы).
• База данных Mobile Updates.
• Предварительно рассчитанные данные о плотности и временной актуальности категорий.

Выходные данные:

• Отсортированный список POI или категорий POI, релевантных контексту пользователя.

На что влияет

• Конкретные типы контента: В первую очередь влияет на локальные бизнесы (рестораны, магазины, услуги), достопримечательности и другие физические объекты (POI).
• Специфические запросы: Наибольшее влияние на запросы с локальным интентом, особенно неявные (например, «кофе») или явные (например, «рестораны рядом со мной»), выполняемые с мобильных устройств.
• Конкретные ниши или тематики: Сильное влияние на ниши с выраженной временной зависимостью (питание, развлечения, услуги такси).

Когда применяется

• Триггеры активации: Наличие данных о текущем местоположении пользователя и/или явный локальный интент в запросе.
• Условия работы: Адаптация ранжирования на основе Familiarity Score активируется, если доступна история местоположений пользователя и оценка превышает (или не превышает) пороговое значение. Ранжирование на основе Mobile Updates активируется при наличии свежих обновлений, соответствующих порогу свежести (threshold freshness).

Пошаговый алгоритм

Обобщенный процесс работы системы, объединяющий несколько вариантов реализации:

1. Получение контекста: Система получает текущее местоположение и время пользователя.
2. Расчет знакомства (Familiarity): Система обращается к истории местоположений пользователя и рассчитывает Familiarity Score для текущего местоположения. Определяется тип пользователя (местный/турист).
3. Определение радиуса поиска: Рассчитывается Predetermined Distance. Он может быть динамическим, основанным на плотности POI в данном районе (например, используя формулу R=M/D).
4. Извлечение кандидатов: Из базы данных POI извлекаются точки интереса в пределах рассчитанного радиуса.
5. Извлечение социальных сигналов: Из базы данных Mobile Updates извлекаются свежие обновления, связанные с кандидатами POI, и проверяется связь авторов с пользователем.
6. Многофакторное Скоринг (Scoring): Для каждого POI рассчитывается оценка на основе:
   • Дистанции: Близость к пользователю.
   • Временных атрибутов: Проверка часов работы и расчет вероятности актуальности категории POI в данное время.
   • Социальных сигналов: Сумма оценок обновлений (учитывая свежесть и социальную близость автора).
   • Уникальности: Оценка на основе Category-Density.
   • Базовой релевантности/известности (distance-independent-score).
7. Адаптация весов: Весовые коэффициенты факторов (например, вес социальных сигналов и вес базовой известности) корректируются на основе Familiarity Score.
8. Ранжирование и предоставление: POI сортируются по итоговой оценке. Результаты предоставляются пользователю (например, в виде списка или меток на карте).

Какие данные и как использует

Данные на входе

• Географические факторы: Текущее местоположение пользователя (GPS, триангуляция вышек, WiFi, IP-адрес). Географические координаты POI. Query Locations (местоположения, связанные с историческими запросами).
• Временные факторы: Текущее время. Часы работы POI. Временные метки создания Mobile Updates (для оценки свежеosti). Временные метки в исторических логах запросов.
• Пользовательские факторы: История местоположений пользователя (используется для Familiarity Score). Социальный граф пользователя (используется для оценки Mobile Updates по принципу «друг» или «друг друга»). Тип устройства (мобильное/десктоп).
• Контентные факторы: Содержание Mobile Updates. Категоризация POI.
• Поведенческие факторы: Исторические логи поисковых запросов и данные о кликах (click data) используются для офлайн-анализа актуальности категорий.

Какие метрики используются и как они считаются

• Density (Плотность POI): Количество POI в заданной области (ячейке карты).
• Predetermined Distance (Радиус поиска): Может рассчитываться по формулам, например: R=M/D (где M — константа, D — плотность) или R=sqrt((n*1000^2)/(pi*D)) (где n — желаемое количество результатов).
• Familiarity Score (Оценка знакомства): Рассчитывается по формуле: Familiarity = Count(Locations within X of Current Location) / Count(All locations). Сравнивается с пороговым значением для классификации пользователя.
• Freshness (Свежесть обновления): Время с момента создания Mobile Update. Сравнивается с порогом (threshold freshness).
• Category Probability (Вероятность актуальности категории): Статистическая вероятность получения запроса в данной категории в данное время в данном местоположении, основанная на анализе частоты исторических запросов.
• Uniqueness (Уникальность): Оценка на основе Category-Density (плотности POI данной категории в районе).
• Комплексная оценка ранжирования: Взвешенная сумма факторов. Пример формулы из патента: Score = A*sum(update) + B*distance(current location, point of interest location) + C*(distance-independent-score), где A, B, C — весовые коэффициенты.

Выводы

1. Локальное ранжирование высоко контекстуально: Google стремится адаптировать локальную выдачу не только к запросу и местоположению, но и ко времени суток, социальному окружению и личной истории пользователя. Это не статичный набор результатов.
2. Время — ключевой фактор ранжирования: Патент описывает два уровня использования времени: (1) Прямой учет часов работы (открыто/закрыто) и (2) Статистический анализ актуальности категории в данный момент, основанный на исторических данных поиска.
3. Персонализация через «Знакомство с местностью»: Система явно разделяет пользователей на «местных» и «туристов» (используя Familiarity Score) и применяет разную логику ранжирования. Местные могут видеть больше результатов, основанных на социальных сигналах, туристы — на общей известности.
4. Важность свежих социальных сигналов: Mobile Updates (посты, отзывы, чекины) являются фактором ранжирования, причем критичны их свежесть и социальная близость автора к пользователю.
5. Уникальность как преимущество: Если бизнес относится к редкой категории в данном районе (низкая Category-Density), он может получить преимущество в ранжировании перед более распространенными типами бизнеса.
6. Динамическая область поиска: Радиус поиска может изменяться в зависимости от плотности расположения бизнесов, что влияет на набор конкурентов в выдаче.

Практика

Best practices (это мы делаем)

• Абсолютная точность данных в GMB (Google Business Profile): Критически важно поддерживать актуальность часов работы, местоположения и основной категории. Ошибка в часах работы напрямую ведет к потере позиций, когда бизнес закрыт (согласно патенту).
• Оптимизация под временные сценарии: Понимая, что актуальность категорий меняется в течение дня (Time-Related Attributes), следует оптимизировать контент и предложения под пиковые часы. Например, кофейням фокусироваться на утреннем трафике, ресторанам — на обеденном и вечернем.
• Стимулирование свежей социальной активности: Необходимо мотивировать клиентов оставлять свежие отзывы, делать чекины или упоминать бизнес в социальных сетях (аналоги Mobile Updates). Свежесть (Freshness) является фактором ранжирования.
• Работа с социальными связями: Хотя повлиять на социальный граф пользователя сложно, построение лояльного локального сообщества увеличивает вероятность того, что авторы обновлений будут связаны с потенциальными клиентами (friends), что повышает ценность этих обновлений.
• Использование уникальности: Если ваш бизнес уникален для района, следует подчеркивать это в контенте и выбирать наиболее специфичную категорию в GMB, чтобы система могла идентифицировать низкую Category-Density.

Worst practices (это делать не надо)

• Предоставление неверных часов работы: Это гарантирует понижение в ранжировании в те часы, когда система считает бизнес закрытым, даже если он работает.
• Игнорирование категоризации: Выбор слишком общих или неверных категорий не позволит системе корректно оценить временную актуальность (Time-Related Attributes) и уникальность (Uniqueness) бизнеса.
• Накрутка отзывов и социальных сигналов без учета свежести: Старые отзывы имеют меньший вес. Система фокусируется на недавней активности (threshold freshness).

Стратегическое значение

Патент подтверждает, что локальный поиск — это динамичная среда, сильно зависящая от контекста пользователя в реальном времени. Стратегия Local SEO должна выходить за рамки статической оптимизации профиля и включать управление репутацией и активностью в реальном времени. Система Google адаптируется к поведению пользователя (местный или турист) и времени суток, что требует гибкого подхода к продвижению локального бизнеса. Успех зависит от способности бизнеса быть релевантным в нужный момент времени.

Практические примеры

Сценарий 1: Оптимизация кофейни под утренний трафик

1. Анализ (Патент): Система знает, что категория «Кофейня» имеет высокую вероятность актуальности (Time-Related Attribute) утром, основываясь на исторических запросах.
2. Действие SEO: Убедиться, что часы работы в GMB точно указывают на раннее открытие. Запустить утреннюю акцию и стимулировать клиентов оставлять отзывы сразу после посещения.
3. Результат: Утром кофейня получает буст в ранжировании за счет совпадения трех факторов: она открыта, ее категория актуальна в это время, и есть свежие Mobile Updates.

Сценарий 2: Адаптация выдачи для местного жителя в пятницу вечером

1. Анализ (Патент): Пользователь находится рядом с домом (высокий Familiarity Score). Время — вечер пятницы (высокая актуальность категории «Бары»).
2. Действие Системы: Система повышает вес социальных сигналов (Mobile Updates). Бар, о котором недавно написал друг пользователя в социальной сети, получает значительное повышение, даже если он находится чуть дальше, чем другой бар с более высоким общим рейтингом.
3. Результат: Пользователь видит в топе выдачи бар, рекомендованный его социальным кругом, что более релевантно для местного жителя, чем общеизвестные туристические места.

Вопросы и ответы