Как Google использует вовлеченность в приложения для ранжирования результатов в поиске на устройстве (On-Device Federated Search)

Описание

Какую задачу решает

Патент решает проблему фрагментации информации на персональных вычислительных устройствах (например, смартфонах). Информация распределена между различными источниками (корпусами): системными данными (контакты, настройки), данными сторонних приложений (музыка, заметки, товары) и удаленными сервисами (веб-поиск). Изобретение обеспечивает унифицированный поиск (Federated Search) по всем этим источникам через единый интерфейс и ранжирует их, отражая вероятные интересы пользователя.

Что запатентовано

Запатентована система для осуществления поиска на устройстве (On-Device Search), которая позволяет сторонним приложениям (third-party applications) регистрироваться в центральной поисковой службе устройства. Система агрегирует результаты из этих приложений, системных компонентов и удаленных сервисов. Ключевым элементом изобретения является механизм персонализированного ранжирования этих источников (корпусов) на основе истории взаимодействия пользователя (usage data) с результатами из каждого источника.

Как это работает

Система функционирует следующим образом:

• Регистрация: Сторонние приложения регистрируются в поисковой службе устройства (Search Application).
• Запрос: Пользователь вводит запрос, часто посимвольно (search-as-you-type).
• Федерация (Броадкастинг): Запрос рассылается зарегистрированным приложениям, компонентам ОС и удаленным сервисам (иногда с задержкой для веб-поиска).
• Агрегация и Ранжирование: Полученные результаты интегрируются. Система определяет оценку (respective score) для каждого источника, основанную на том, как часто пользователь выбирал результаты этого источника в прошлом.
• Отображение: Результаты группируются по источникам, и эти группы ранжируются на основе их respective score.

Актуальность для SEO

Высокая. Описанный механизм является фундаментальной частью пользовательского опыта на современных мобильных операционных системах (например, Android Search/Google App). Интеграция данных из приложений в системный поиск (App Indexing) и персонализация выдачи на основе поведения пользователя на устройстве остаются критически важными функциями.

Важность для SEO

Влияние на традиционное веб-SEO минимальное (1/10), так как патент не описывает алгоритмы ранжирования сайтов на Google.com. Однако для SEO мобильных приложений (App SEO / ASO) влияние критическое (9/10). Патент описывает механизм, который определяет видимость контента в экосистеме поиска на устройстве. Если контент доступен через приложение и пользователь активно взаимодействует с этим приложением, оно получает приоритет в системном поиске, потенциально перехватывая трафик у веб-поиска.

Детальный разбор

Термины и определения

Search Application (Поисковое приложение)

Центральное приложение на устройстве, которое принимает запросы пользователя, рассылает их различным источникам и отображает интегрированные результаты.

Third-party Application (Стороннее приложение)

Приложение, установленное на устройстве, которое не является частью операционной системы. Должно зарегистрироваться для участия в поиске.

Native Applications / OS Components (Нативные приложения / Компоненты ОС)

Приложения и данные, интегрированные в операционную систему (например, контакты, список установленных приложений).

Remote Services (Удаленные сервисы)

Внешние поисковые системы (например, веб-поиск, поиск новостей), доступные через интернет.

Registration Request (Запрос на регистрацию)

Сообщение от стороннего приложения поисковому приложению, указывающее на намерение предоставлять поисковые результаты.

Integrated Result Set (Интегрированный набор результатов)

Объединенная выдача, содержащая результаты из различных источников.

Respective Score (Соответствующая оценка)

Ключевая метрика ранжирования. Оценка, присваиваемая каждому источнику (приложению), которая отражает количество или частоту предыдущих выборов пользователем результатов из этого источника (number of user selections).

Usage Data (Данные об использовании)

Данные, отражающие прошлые взаимодействия пользователя с результатами поиска из определенных корпусов.

Corpora (Корпусы)

Различные источники данных или наборы информации, по которым ведется поиск (например, корпус контактов, корпус медиафайлов).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс поиска на устройстве с персонализированным ранжированием источников.

1. Поисковое приложение на устройстве получает запрос.
2. Запрос предоставляется нескольким сторонним приложениям, установленным на устройстве.
3. От приложений получаются наборы результатов.
4. Результаты интегрируются в общий набор (integrated result set), сгруппированный по приложениям-источникам (groups of search results).
5. Для каждого стороннего приложения определяется respective score, который указывает на количество предыдущих выборов пользователем результатов из этого приложения на данном устройстве.
6. Группы результатов ранжируются в интегрированном наборе на основе этих respective scores.
7. Интегрированный набор результатов отображается в соответствии с этим ранжированием.

Ядро изобретения — не просто агрегация результатов из разных приложений, а именно ранжирование этих приложений как источников на основе персонализированной истории взаимодействия пользователя (вовлеченности).

Claim 3 (Зависимый): Уточняет, что предоставление запроса приложениям может происходить автоматически при вводе каждого символа (search-as-you-type).

Claim 5 и 6 (Зависимые): Указывают, что отправка запроса удаленным сервисам (веб-поиск) может быть подавлена (suppressing) до тех пор, пока пользователь не введет определенное количество информации (например, минимальное число символов).

Claim 7 (Зависимый): Уточняет, что интеграция также включает результаты от компонентов операционной системы (operating system components) и удаленных поисковых сервисов (remote search services).

Claim 8 (Зависимый): Описывает механизм начального ранжирования и продвижения (Promotion).

1. Изначально результаты от компонентов ОС или удаленных сервисов ранжируются выше, чем от сторонних приложений.
2. В ответ на выбор пользователем результата от конкретного стороннего приложения, в последующих сеансах поиска результаты этого приложения ранжируются выше.

Claim 9 (Зависимый): Детализирует механизм обновления оценки. При получении выбора пользователя результата из конкретного приложения, respective score этого приложения модифицируется, чтобы увеличить вероятность его более высокого ранжирования в будущем.

Где и как применяется

Патент описывает механизмы, работающие непосредственно на клиентском устройстве (смартфоне, планшете), а не на серверах Google для веб-поиска. Концептуально он затрагивает следующие этапы:

QUNDERSTANDING – Понимание Запросов (На устройстве)
Система принимает ввод пользователя, часто посимвольно, для генерации мгновенных результатов или предложений.

METASEARCH – Метапоиск и Смешивание (На устройстве)
Это основная область применения патента. Поисковое приложение действует как метапоисковая система на устройстве:

• Федерация запроса (Broadcast): Запрос одновременно рассылается множеству локальных источников (Компоненты ОС, зарегистрированные сторонние приложения) и удаленным сервисам.
• Агрегация (Aggregation): Сбор ответов от всех источников.
• Смешивание (Blending): Интеграция разнородных результатов в единый поток (Integrated Result Set).

RERANKING – Переранжирование (На устройстве)
Система применяет логику ранжирования корпусов (источников).

• Персонализация: Ранжирование групп результатов основано на respective score — персонализированных данных об использовании конкретным пользователем конкретного приложения на данном устройстве.

Входные данные:

• Введенный пользователем запрос (часто частичный).
• База данных регистрации сторонних приложений (Registration information).
• Накопленные данные об использовании (Usage Data) для расчета respective score.

Выходные данные:

• Интегрированный список результатов, сгруппированный по источникам и отсортированный на основе персонализированного ранжирования источников.

На что влияет

• Типы устройств: В первую очередь влияет на мобильные устройства (смартфоны, планшеты), где используется унифицированный поиск по приложениям и вебу.
• Типы контента: Влияет на видимость любого контента, доступного через приложения (товары, медиа, статьи, контакты, сообщения) в сравнении с веб-результатами.
• Конкретные ниши: Особенно важно для ниш с высокой конкуренцией приложений (e-commerce, медиа, новости, социальные сети), где видимость в системном поиске может быть критична для реактивации пользователей.

Когда применяется

• Условия применения: Алгоритм применяется каждый раз, когда пользователь использует центральную функцию поиска на устройстве.
• Триггеры активации: Ввод символов в строку поиска. Локальный поиск активируется немедленно.
• Пороговые значения: Удаленный поиск (веб) может быть активирован только после ввода достаточного количества символов (механизм подавления).
• Механизм ранжирования: Активируется, когда получены результаты более чем из одного источника. Ранжирование корректируется при каждом выборе пользователем результата.

Пошаговый алгоритм

Процесс А: Предварительная подготовка

1. Регистрация приложения: Стороннее приложение устанавливается и отправляет Registration Request поисковому приложению.
2. Сохранение данных: Поисковое приложение сохраняет информацию о регистрации.

Процесс Б: Обработка запроса в реальном времени

1. Получение ввода: Пользователь вводит символы запроса (повторяется для каждого символа).
2. Броадкаст запроса (Локальный): Поисковое приложение немедленно рассылает текущую строку запроса зарегистрированным приложениям и компонентам ОС.
3. Условная отправка удаленным сервисам: Если введено достаточное количество символов (преодолен порог подавления), запрос отправляется удаленным поисковым сервисам.
4. Получение результатов: Система асинхронно получает ответы от различных источников (локальные обычно приходят быстрее).
5. Идентификация оценок использования: Для каждого источника, вернувшего результаты, извлекается его текущий respective score (история предыдущих взаимодействий).
6. Ранжирование корпусов (источников): Источники ранжируются. Начальное ранжирование может предпочитать ОС/Веб (Primary Relevance), но затем корректируется на основе respective scores.
7. Отображение: Результаты группируются по источникам и отображаются в соответствии с ранжированием корпусов.

Процесс В: Обновление оценок (Пост-обработка)

1. Выбор пользователя: Пользователь выбирает результат из определенного источника.
2. Обновление оценки: Respective score для этого источника увеличивается, повышая его приоритет для будущих поисков.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании данных о поведении пользователя на устройстве для ранжирования источников.

• Поведенческие факторы (User Factors): Критически важные данные. История взаимодействия пользователя с результатами поиска. Конкретно — факты выбора (клики/тапы) результатов, принадлежащих определенным приложениям или сервисам (Usage Data).
• Системные данные: Информация о регистрации приложений (Registration information), позволяющая поисковому приложению взаимодействовать с ними.
• Контентные факторы (опосредованно): Приложения сами возвращают результаты, которые могут включать метаданные (например, тип контента: песня, фильм, контакт) и сниппеты.

Какие метрики используются и как они считаются

• Respective Score (Соответствующая оценка): Метрика, присваиваемая источнику (приложению). Она указывает на «количество выборов пользователем результатов из соответствующего стороннего приложения, которые ранее происходили на пользовательском устройстве» (Claim 1). Эта оценка используется для ранжирования групп результатов.
• Primary Relevance (Первичная релевантность): Упоминается в описании. Используется для начального ранжирования корпусов на основе предположений о важности источника (например, контакты и веб-поиск могут иметь высокий начальный приоритет).
• Relevance Scores (Оценки релевантности) (Claim 10): Сторонние приложения могут возвращать собственные оценки релевантности для своих результатов. Эти оценки могут использоваться поисковым приложением для ранжирования результатов внутри группы, принадлежащей этому приложению.
• Порог подавления (Suppression Threshold): Определенное количество информации (например, число символов), необходимое для активации поиска в удаленных сервисах.

Выводы

1. Персонализированное ранжирование источников, а не результатов: Ключевой механизм патента — это ранжирование не отдельных результатов по релевантности запросу, а ранжирование самих источников (приложений/корпусов) на основе персональной истории взаимодействия пользователя (respective score).
2. Вовлеченность определяет видимость: Чем чаще пользователь выбирает результаты из определенного приложения в системном поиске, тем выше это приложение будет подниматься в выдаче в будущем. Это создает петлю положительной обратной связи, основанную на вовлеченности (Engagement).
3. Механизм продвижения для сторонних приложений: Новые или редко используемые приложения могут изначально ранжироваться низко. Однако взаимодействие пользователя позволяет им «продвинуться» (promoted) и занять более высокие позиции (Claim 8).
4. Федеративный поиск на устройстве (On-Device Federated Search): Патент описывает архитектуру, где центральное приложение координирует поиск по множеству независимых локальных и удаленных корпусов.
5. Оптимизация производительности (Suppression): Используется механизм подавления удаленного (веб) поиска при коротких запросах для ускорения отображения локальных результатов и снижения нагрузки.
6. Основа для App Indexing: Описанный механизм регистрации и ранжирования является технической основой для технологий типа Google App Indexing (Firebase App Indexing).

Практика

Практическое применение в SEO и ASO

ВАЖНО: Патент не дает рекомендаций для традиционного веб-SEO. Он критически важен для специалистов по оптимизации приложений (ASO) и App SEO.

Best practices (это мы делаем)

• Внедрение App Indexing и Deep Linking: Это технический фундамент. Необходимо обеспечить, чтобы контент приложения был доступен для системного поиска устройства (например, через Firebase App Indexing). Это соответствует требованию патента о регистрации приложения и предоставлении результатов.
• Оптимизация под вовлеченность (Engagement Optimization): Поскольку ранжирование источников напрямую зависит от respective score (истории выборов), ключевая задача — мотивировать пользователя выбирать результаты вашего приложения. Необходимо оптимизировать заголовки, сниппеты и метаданные, которые приложение возвращает в поиск, для максимального CTR.
• Обеспечение скорости и релевантности локального поиска: Приложение должно быстро возвращать максимально релевантные результаты в ответ на запрос системного поиска. Высокая релевантность повышает вероятность клика.
• Индексация высокоценного контента: Необходимо предоставлять для индексации контент, который несет реальную пользу и который пользователи захотят выбрать (например, недавно просмотренные товары, сохраненные маршруты, популярные медиафайлы).

Worst practices (это делать не надо)

• Игнорирование экосистемы приложений: Фокусироваться только на веб-SEO и игнорировать App Indexing. Это приводит к потере видимости в системном поиске устройства, где конкуренты с активными приложениями получат приоритет.
• Предоставление некачественных данных или спама: Если приложение возвращает медленные, нерелевантные или плохо оформленные результаты в системный поиск, пользователи не будут их выбирать. Это приведет к снижению respective score и понижению приложения в выдаче.
• Медленная работа поиска в приложении: Если приложение медленно обрабатывает запросы от ОС, его результаты могут не попасть в финальную выдачу, особенно в режиме search-as-you-type.

Стратегическое значение

Патент подтверждает, что поиск становится все более персонализированным и мультимодальным. В мобильной среде граница между веб-контентом и контентом приложений стирается. Стратегическое значение заключается в понимании того, что видимость в поиске на устройстве зависит не только от релевантности контента, но и от предпочтений пользователя в отношении источника этого контента. Долгосрочная стратегия должна включать развитие и поддержку приложений как равноправных участников поисковой экосистемы.

Практические примеры

Сценарий: Повышение видимости E-commerce приложения в системном поиске

1. Задача: Пользователь ищет «Красные кроссовки Nike» в системном поиске своего смартфона.
2. Начальное состояние: В выдаче первыми идут веб-результаты Google, затем контакты, затем результаты из установленного E-commerce приложения (App X). Пользователь редко выбирает результаты App X.
3. Действия SEO/ASO команды:
   • Техническая оптимизация: Убедиться, что App X корректно использует App Indexing для всех товаров.
   • Оптимизация сниппетов: App X начинает возвращать в системный поиск не просто название товара, а миниатюру, цену и статус наличия.
4. Результат: Сниппеты стали привлекательнее (выше CTR). Пользователь начинает чаще выбирать результаты App X для перехода к товару (вместо перехода на веб-сайт через Google).
5. Эффект ранжирования: Система фиксирует эти выборы и увеличивает respective score для App X.
6. Финальное состояние: При последующих поисковых запросах результаты App X отображаются выше, возможно, даже выше стандартных веб-результатов, так как система определила предпочтение пользователя к этому источнику.

Вопросы и ответы