Как Google использует историю запросов, связанных с местоположением, для ранжирования и фильтрации локальных результатов на картах

Описание

Какую задачу решает

Патент решает две ключевые проблемы в локальном поиске и картографических сервисах. Во-первых, он улучшает релевантность локальной выдачи, опираясь на агрегированный исторический интерес пользователей (user-population averaged interest) к конкретной географической области, а не только на стандартные факторы. Во-вторых, он устраняет проблему перегруженности интерфейса (например, слишком много меток на карте) путем фильтрации (truncation) результатов, когда их слишком много для эффективного отображения в области просмотра (viewport).

Что запатентовано

Запатентована система, которая использует анализ журналов запросов (Query Logs), привязанных к географическим регионам (Location-Based Query Log Analysis), для ранжирования контента (например, бизнес-листингов и рекламы). Система определяет популярность объектов и тем в конкретной локации на основе исторических данных. Эти данные используются для определения приоритета показа контента и для его фильтрации (truncation) при отображении в ограниченном интерфейсе.

Как это работает

Механизм работает в несколько этапов:

• Сбор данных: Система логирует запросы пользователей, фиксируя текст запроса и географическую область (Region of Interest), которую пользователь просматривал (например, в viewport карты) в момент запроса.
• Анализ: Агрегированные данные из Query Logs анализируются для определения, какие запросы и элементы контента (Content Items) наиболее часто ассоциируются с этой областью.
• Ранжирование: При получении нового запроса, связанного с этой областью, контент ранжируется с учетом исторических данных о популярности. Также учитывается свежесть (time of occurrence) этих исторических запросов.
• Фильтрация (Truncation): Если результатов слишком много для отображения в viewport, система усекает список, отдавая приоритет контенту с наивысшим рейтингом популярности и свежести для данной локации.

Актуальность для SEO

Высокая. Локальный поиск, особенно в мобильных устройствах и картографических сервисах (Google Maps), является критически важным направлением. Использование агрегированных поведенческих данных для определения локальной релевантности, популярности и актуальности объектов остается центральным элементом современных алгоритмов локального ранжирования.

Важность для SEO

Оценка влияния: 85/100. Патент имеет высокое значение для Local SEO и оптимизации под Google Карты. Он описывает механизм, при котором видимость бизнеса в определенной микро-локации напрямую зависит от исторического и недавнего поискового спроса на этот бизнес или его категорию в этой же локации. Это подчеркивает, что популярность и узнаваемость бренда на местном уровне являются важными факторами для прохождения фильтров (truncation) и попадания в видимую часть локальной выдачи на картах.

Детальный разбор

Термины и определения

Region of Interest (Регион / Область интереса)

Географическая область, с которой ассоциируются запросы и контент. Может определяться текущим местоположением пользователя (GPS, IP) или областью, отображаемой в viewport.

Viewport (Область просмотра)

Часть интерфейса (например, карты), отображаемая на экране устройства пользователя. То, что пользователь видит в viewport, часто определяет текущий Region of Interest.

Query Logs (Журналы запросов)

Хранилище данных о прошлых запросах. Записи включают текст запроса и информацию о Region (например, Bounding Region), который отображался в viewport в момент совершения запроса.

Location-Based Query Log Analysis (Анализ журналов запросов на основе местоположения)

Процесс оценки исторических запросов, связанных с конкретным регионом, для определения популярности тем и контента в этом регионе.

Content Items (Элементы контента)

Данные, предоставляемые в ответ на запрос. В патенте в качестве примеров упоминаются advertisements (реклама) и business listings (бизнес-листинги).

Truncation (Усечение/Фильтрация)

Процесс сокращения количества отображаемых результатов, когда их слишком много для эффективного показа в viewport. Выбор основывается на ранжировании, полученном из Query Logs.

Pushpin Features (Метки на карте)

Графические индикаторы (например, булавки), используемые для обозначения местоположения Content Items на карте в viewport.

Population-averaged statistics (Статистика, усредненная по популяции)

Агрегированные данные о поведении пользователей, используемые для определения общих интересов (user-population averaged interest) и популярности контента в определенном регионе.

Ключевые утверждения (Анализ Claims)

Патент US9547696B2 является продолжением (continuation) более ранней заявки. Его ключевые пункты сфокусированы на процессе отображения и фильтрации результатов, основываясь на ранжировании, производном от анализа логов.

Claim 1 (Независимый пункт): Описывает метод предоставления ранжированного контента на клиентском устройстве с акцентом на адаптацию к интерфейсу.

1. Получение выбора viewport на пользовательском интерфейсе, который определяет область интереса (region).
2. Получение географического поискового запроса, связанного с этим регионом.
3. Определение и ранжирование множества элементов контента.
4. Усечение (truncating) элементов контента, чей ранг ниже определенного порога.
5. Ключевое условие: Количество элементов, остающихся выше порога, определяется на основе размера viewport с целью уменьшения объема отображаемой информации.
6. Отображение viewport, аннотированного индикаторами (метками) этого сокращенного набора элементов контента.

Ядром изобретения здесь является применение динамической фильтрации (truncation) результатов локального поиска в зависимости от ограничений интерфейса (viewport size) для улучшения UX.

Claim 3 (Зависимый): Детализирует механизм ранжирования.

Ранжирование определяется на основе оценки Query Logs, содержащих запросы, ассоциированные с этим регионом. Каждый элемент контента ранжируется на основе количества исторических запросов (number of queries) в логах, для которых этот элемент является релевантным.

Это ключевой пункт для SEO. Он прямо указывает, что историческая популярность (измеренная через количество запросов) в данном конкретном регионе является основой для ранжирования.

Claim 4 (Зависимый от 3): Добавляет временной фактор (свежесть) в ранжирование.

Ранжирование дополнительно основывается на времени совершения (time of occurrence) запросов. Элемент контента ранжируется выше, если соответствующие ему запросы в логах в среднем произошли более недавно (more recently), и ниже, если запросы в среднем старше.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, с акцентом на сбор поведенческих данных и финальное ранжирование/отображение.

Сбор данных (Data Acquisition — вне стандартного CRAWLING)
Система непрерывно собирает и сохраняет Query Logs.
Входные данные: Запрос пользователя, координаты Viewport или определенный Region.
Выходные данные: Запись в Query Log (Текст запроса + Регион).

INDEXING – Индексирование и Анализ
Система индексирует локальные Content Items (бизнес-листинги) и связывает их с координатами. Параллельно, офлайн или периодически, обрабатываются Query Logs (Location-Based Ranking Module) для определения популярности и свежести контента в привязке к конкретным регионам (population-averaged statistics).

RANKING / RERANKING – Ранжирование и Переранжирование
При получении нового запроса, связанного с регионом (например, в интерфейсе карт), система использует результаты анализа Query Logs (популярность и свежесть контента в регионе) для ранжирования или переранжирования отобранных Content Items.

Формирование выдачи и Отображение (Client-Side Rendering)
Финальный этап, детально описанный в Claim 1. Система или клиентское устройство применяет Truncation (фильтрацию) к ранжированному списку.
Входные данные: Ранжированный список контента, размер viewport.
Выходные данные: Усеченный список контента, отображаемый пользователю (например, в виде меток на карте).

На что влияет

• Конкретные типы контента: В первую очередь влияет на Business listings (листинги компаний), локальные достопримечательности и Advertisements (рекламу), отображаемые в локальном поиске и на картах.
• Специфические запросы: Локальные запросы (как явные, так и неявные), особенно запросы, выполняемые пользователями внутри картографических интерфейсов (Google Maps).
• Конкретные ниши или тематики: Влияет на все локальные ниши. Наибольшее влияние оказывается в высококонкурентных нишах и в географических зонах с высокой плотностью объектов (например, центр города), где требуется агрессивная фильтрация (truncation) результатов для удобства пользователя.

Когда применяется

• Триггеры активации ранжирования: Получение запроса, связанного с определенной географической областью (Region). Механизм особенно активен, если запрос выполняется во время просмотра карты (Viewport) и если для региона есть достаточная история в Query Logs.
• Условие применения фильтрации (Truncation): Активируется, когда количество релевантных результатов превышает возможности их эффективного отображения в текущем viewport. Порог определяется размером viewport и масштабом карты.

Пошаговый алгоритм

Фаза 1: Сбор данных и логирование (Непрерывный процесс)

1. Мониторинг интерфейса: Пользователь просматривает регион в Viewport (например, открыл карту города).
2. Получение запроса: Пользователь вводит запрос (например, «кофейня»).
3. Определение контекста: Система определяет ассоциированный географический контекст (физическое местоположение пользователя и/или Bounding Region, отображаемый в viewport).
4. Логирование: Система сохраняет запись в Query Log. Запись включает термины запроса («кофейня») и информацию, описывающую ассоциированный географический регион.

Фаза 2: Анализ логов и расчет популярности (Офлайн/Периодический)

1. Агрегация данных: Агрегация записей из Query Logs по географическим регионам.
2. Расчет популярности: Для каждого региона анализ частоты (number of queries) поисковых терминов и связанных с ними Content Items. Расчет population-averaged statistics.
3. Расчет свежести: Анализ меток времени (time of occurrence) запросов для определения актуальности интереса.
4. Сохранение оценок: Сохранение рассчитанных метрик популярности и свежести для использования в ранжировании.

Фаза 3: Обработка нового запроса и Ранжирование (Онлайн)

1. Получение запроса: Получение нового запроса и определение ассоциированного региона (Region of Interest).
2. Идентификация кандидатов: Выборка Content Items, релевантных запросу и находящихся в регионе.
3. Ранжирование: Применение ранжирования, которое учитывает статистику популярности и свежести, рассчитанную в Фазе 2.

Фаза 4: Отображение и Усечение (На стороне клиента/Финальное отображение)

1. Определение емкости Viewport: Определение размера текущего viewport и соответствующего порога отображения (predetermined threshold ranking).
2. Усечение (Truncation): Если список слишком велик, он усекается. Объекты, чей ранг ниже порога, удаляются из отображаемого списка.
3. Отображение: Предоставление ранжированного и усеченного набора контента пользователю (например, в виде Pushpin Features).

Какие данные и как использует

Данные на входе

• Поведенческие факторы: Агрегированные исторические Query Logs. Это основной источник данных для ранжирования в данном патенте. Включают текст запросов, частоту и время запросов.
• Географические факторы: Являются основой механизма. Используется Region of Interest, который может определяться координатами viewport (область карты, которую смотрит пользователь), GPS пользователя, данными WiFi SSID или IP-адресом. Корреляция может усиливаться, если физическое местоположение совпадает с viewport.
• Пользовательские факторы (Контекст интерфейса): Характеристики устройства, в частности размер viewport. Используются для определения порога усечения (Truncation Threshold).

Какие метрики используются и как они считаются

• Частота запросов (Number of Queries / Query Counts): Основная метрика популярности. Количество исторических запросов в данном регионе, которым соответствует данная единица контента.
• Свежесть запросов (Recency / Time of Occurrence): Метрика, корректирующая ранжирование. Учитывается время совершения исторических запросов; более свежие запросы дают больший вес (Claim 4).
• Порог усечения (Truncation Threshold): Динамическая метрика, определяемая на основе размера viewport. Используется для фильтрации результатов по рангу.

Выводы

1. Локальная популярность как прямой фактор ранжирования: Патент описывает механизм, где популярность объекта или темы в конкретной географической области (population-averaged statistics) является фактором ранжирования. Эта популярность измеряется путем анализа исторических поисковых запросов (Query Logs), связанных с этой областью.
2. Релевантность определяется контекстом местоположения: Релевантность зависит от того, что интересует большинство пользователей в данной конкретной локации. То, что популярно в одном районе, может быть отфильтровано в другом (микро-локальная дифференциация интента).
3. Критичность для картографических интерфейсов и фильтрация (Truncation): Механизм разработан для улучшения UX на картах. Он предотвращает перегрузку интерфейса метками за счет агрессивной фильтрации (Truncation), оставляя только наиболее востребованный контент для текущего viewport. Ранг определяет не только позицию, но и сам факт показа.
4. Временной аспект (Свежесть): Система учитывает не только общую популярность, но и ее актуальность во времени (Recency), отдавая предпочтение объектам, интерес к которым наблюдается недавно (Claim 4).
5. Viewport как контекст запроса: Конкретная область просмотра карты (Viewport) используется для определения контекста запроса и выбора релевантного набора исторических данных, даже если пользователь физически находится в другом месте.

Практика

Best practices (это мы делаем)

• Стимулирование локального спроса и узнаваемости бренда: Ключевая стратегия для Local SEO. Необходимо работать над тем, чтобы пользователи чаще искали ваш бизнес (брендовые запросы) или вашу категорию услуг, находясь рядом или просматривая на карте область, где вы находитесь. Это увеличивает количество связанных с вами записей в Query Logs и повышает ваш ранг популярности.
• Оптимизация под популярные локальные интенты: Анализируйте, что ищут пользователи именно в вашем районе (учитывая особенности локации – деловой центр, туристическая зона, спальный район). Убедитесь, что ваш бизнес-листинг (Google Business Profile) и контент на сайте соответствуют этим популярным локальным запросам. Это повышает вероятность прохождения фильтра Truncation.
• Поддержание актуальности (Freshness): Поскольку свежесть запросов учитывается (Claim 4), критически важно поддерживать стабильный или растущий интерес к бизнесу. Регулярные локальные маркетинговые активности, события и акции помогают поддерживать свежесть поискового интереса и могут дать преимущество новым бизнесам.
• Мониторинг видимости при разном масштабе: Проверяйте видимость вашей компании на карте при разных уровнях масштабирования (разных размерах Viewport). Если вы исчезаете при отдалении карты быстрее конкурентов, это может указывать на то, что система усекает вас из-за более низкого рейтинга популярности.

Worst practices (это делать не надо)

• Игнорирование локального контекста и популярности: Фокусироваться только на традиционных факторах ранжирования (ссылки, оптимизация контента) без учета реальной популярности бизнеса в конкретной микро-локации рискованно. Высококачественный, но невостребованный локально бизнес может потерять видимость на картах из-за Truncation.
• Полагаться исключительно на близость: Предположение, что ближайший бизнес всегда будет виден на карте, неверно. Популярность в данном местоположении может оказаться важнее для прохождения фильтрации.
• Накрутка локальных поведенческих факторов: Попытки симулировать локальный поисковый спрос (например, через ботов, меняющих GPS/Viewport) скорее всего будут отфильтрованы системами анализа аномалий, так как система полагается на population-averaged statistics.

Стратегическое значение

Патент подчеркивает переход Google от статического понимания локального ранжирования к динамическому, основанному на реальном поведении пользователей в привязке к географии. Для Local SEO это означает, что популярность и востребованность бизнеса офлайн (Prominence) напрямую конвертируются в его видимость онлайн, особенно в картографических сервисах. Долгосрочная стратегия должна объединять техническую SEO-оптимизацию и офлайн-маркетинг для стимулирования реального локального поискового спроса.

Практические примеры

Сценарий: Фильтрация кофеен в деловом районе

1. Ситуация: Пользователь открывает карту делового района на телефоне (маленький Viewport). В этой области находятся 20 кофеен, но места хватает только для 5 меток.
2. Анализ Google (Офлайн): Система анализирует Query Logs для этого региона. Она определяет, что исторически пользователи, просматривавшие эту область, чаще всего искали «кофе навынос», «быстрый завтрак» и конкретный бренд (например, «Starbucks»).
3. Ранжирование и Усечение: Система ранжирует все 20 кофеен. Starbucks получает высокий ранг из-за брендового спроса. Кофейни, явно предлагающие «завтрак» и «кофе навынос», получают буст, так как соответствуют популярным локальным интентам. Кофейни, оптимизированные под общие запросы или не популярные в этом районе интенты (например, «вечерние посиделки»), получают более низкий ранг.
4. Результат: Система применяет Truncation и отображает только Топ-5 меток. Пользователь видит Starbucks и 4 кофейни, наиболее соответствующие популярным утренним/дневным запросам. Остальные 15 кофеен скрыты в этом viewport.

Вопросы и ответы