Как Google определяет текущую активность пользователя (ходьба, вождение) для адаптации локальной выдачи и подсказок

Описание

Какую задачу решает

Патент решает проблему предоставления нерелевантных геопространственных подсказок или результатов локального поиска, основанных на мгновенной активности пользователя. Мгновенные данные могут быть зашумленными или вводящими в заблуждение (например, остановка на светофоре не означает, что пользователь перестал управлять автомобилем). Изобретение улучшает релевантность локальных подсказок (suggestions) путем понимания более широкого контекста передвижения пользователя (mode of transport) за определенный период времени.

Что запатентовано

Запатентована система для определения «преобладающей активности» (predominant activity), в частности, преобладающего способа передвижения портативного устройства в течение временного окна. Система анализирует и сглаживает (smoothing) множественные результаты определения активности, которые могут противоречить друг другу. Эта итоговая преобладающая активность используется для выбора и ранжирования геопространственных данных, таких как Точки Интереса (POIs), на основе их релевантности и доступности для данного способа передвижения.

Как это работает

Система работает следующим образом:

• Сбор данных: Портативное устройство собирает данные сенсоров (GPS, гироскоп и т.д.) и генерирует результаты определения активности (например, «вождение», «ходьба») через регулярные интервалы в течение определенного временного окна (например, 5 минут).
• Анализ и Сглаживание: Система (на устройстве или сервере) анализирует набор результатов. Применяются методы сглаживания: фильтрация выбросов (outliers), взвешивание недавних образцов или приоритизация определенных видов активности (например, вождение над ходьбой).
• Определение Преобладающей Активности: Вычисляется единая predominant mode of transport для всего временного окна, даже если в этот период были зафиксированы разные активности.
• Адаптация Ранжирования: Преобладающая активность используется как контекстный сигнал для ранжирования локальных подсказок. Например, водителям будут предложены АЗС или рестораны с парковкой, а пешеходам — кафе в парке.

Актуальность для SEO

Высокая. Понимание контекста пользователя (местоположение, время, активность) является ключевым элементом стратегии Google для Карт, Ассистента и проактивных подсказок. Поскольку мобильное использование доминирует, точное определение способа передвижения остается фундаментальным для современного локального поиска и предоставления релевантных геопространственных данных.

Важность для SEO

Значительное влияние (75/100). Патент критически важен для локального SEO (Local SEO) и мобильного поиска/Google Maps. Он описывает механизм, как контекст движения пользователя напрямую влияет на ранжирование локальных результатов. Релевантность бизнеса становится динамической: POI может иметь высокий рейтинг для пешехода, но низкий для водителя, и наоборот. Это подчеркивает важность оптимизации физической доступности бизнеса для разных способов передвижения.

Детальный разбор

Термины и определения

Activity Detection Results (Результаты определения активности)

Образцы данных (samples), полученные с сенсоров портативного устройства через регулярные интервалы. Каждый результат содержит оценку текущей активности устройства (например, способ передвижения) в данный момент времени.

Aggregate Score (Агрегированная оценка)

Суммарная оценка для определенного способа передвижения, рассчитанная на основе всех результатов определения активности в течение временного окна с учетом весов и оценок уверенности.

Confidence Score (Оценка уверенности)

Метрика, указывающая на вероятность того, что определенная активность была правильно идентифицирована в конкретном образце данных.

Geospatial Data (Геопространственные данные)

Информация, связанная с местоположением, такая как результаты локального поиска, карты и Точки Интереса (POI).

Mode of Transport (Способ передвижения)

Тип активности, связанный с перемещением устройства. Примеры включают вождение, езду на общественном транспорте, езду на велосипеде, ходьбу и состояние покоя.

Predominant Activity / Predominant Mode of Transport (Преобладающая активность / Преобладающий способ передвижения)

Единая активность, определенная как основная для устройства в течение всего временного окна, полученная путем анализа и сглаживания множественных Activity Detection Results.

Smoothing (Сглаживание)

Процесс обработки набора результатов определения активности для устранения шума, выбросов и противоречий с целью выявления основной тенденции (преобладающей активности).

Thresholding Function (Пороговая функция)

Механизм фильтрации, используемый для исключения выбросов (outliers) или редко встречающихся активностей из анализа.

Time Window (Временное окно)

Определенный период времени (например, от 1 до 10 минут), в течение которого собираются и анализируются результаты определения активности.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает метод, реализуемый на портативном устройстве.

1. Устройство определяет текущий способ передвижения в несколько моментов времени в течение определенного периода (time period), генерируя набор результатов (detection results).
2. Условие: как минимум два результата должны указывать на разные способы передвижения.
3. Определяется единый predominant mode of transport на основе этого набора результатов.
4. Ключевой механизм определения: Каждому способу передвижения в результатах присваивается вес (weight), и преобладающий способ определяется в соответствии с этими весами.
5. Устройство отправляет запрос на получение геопространственных данных в соответствии с преобладающим способом передвижения.
6. Полученные данные включают POIs, выбранные на основе их доступности (accessibility) для этого преобладающего способа передвижения.
7. Устройство отображает поисковые подсказки, включающие эти геопространственные данные.

Claim 2 (Зависимый): Уточняет, что выбор POIs зависит от способа передвижения. Первый набор POIs выбирается для первого способа передвижения, а второй (отличный) набор — для второго способа передвижения.

Claim 5 (Зависимый): Детализирует механизм взвешивания. Присвоение веса осуществляется путем применения thresholding function для устранения выбросов (outliers) в результатах определения активности. Это механизм сглаживания данных.

Claim 8 (Зависимый): Детализирует процесс определения преобладающего способа.

1. Вычисляются агрегированные оценки (aggregate scores) для каждого способа передвижения, обнаруженного в наборе результатов.
2. В качестве преобладающего выбирается тот способ, чья агрегированная оценка превышает оценки остальных на определенное пороговое значение уверенности (confidence threshold value).

Где и как применяется

Изобретение применяется в системах, обрабатывающих контекст пользователя для предоставления локальной информации, таких как Google Maps, Google Assistant или системы проактивных подсказок (Discover).

CRAWLING – Сканирование и Сбор данных
На этом этапе происходит сбор первичных данных. Сенсоры портативного устройства (GPS, гироскоп, акселерометр и т.д.) собирают данные о движении и ориентации устройства.

QUNDERSTANDING – Понимание Запросов (Контекстуализация)
Основное применение патента. Система интерпретирует собранные данные сенсоров для понимания контекста пользователя, а именно — его predominant mode of transport. Этот процесс может происходить как на самом устройстве, так и на сервере (Autosuggest Server), и выполняется до или во время обработки запроса на подсказки или локальный поиск.

RANKING / RERANKING – Ранжирование / Переранжирование
Определенный преобладающий способ передвижения используется как важный сигнал ранжирования. Система адаптирует выдачу геопространственных данных (локальный поиск, подсказки на Картах), изменяя порядок POIs на основе их доступности и релевантности для текущей активности пользователя.

Входные данные:

• Набор Activity Detection Results (образцов) за определенное Time Window.
• Confidence Scores для каждого образца.
• Характеристики движения и ориентации устройства (данные сенсоров).

Выходные данные:

• Единый Predominant Mode of Transport.
• Отранжированный набор геопространственных данных (подсказки или результаты поиска), адаптированный под эту активность.

На что влияет

• Конкретные типы контента: В первую очередь влияет на геопространственные данные: листинги локальных бизнесов, POIs, навигационные подсказки, информацию о парковках и транспорте.
• Специфические запросы: Запросы с локальным интентом (например, «рестораны рядом»), а также проактивные подсказки, генерируемые системой без явного запроса пользователя.
• Конкретные ниши или тематики: Наибольшее влияние оказывается на ниши, где доступность критична: ритейл, общественное питание, транспорт (АЗС, СТО), туризм.

Когда применяется

• При каких условиях работает алгоритм: Когда пользователь использует портативное устройство с активными сенсорами местоположения и движения, и запрашивает локальную информацию, либо когда система настроена на проактивное предоставление подсказок.
• Триггеры активации: Обнаружение движения в течение определенного периода времени, при котором фиксируются различные сигналы активности (например, чередование движения и остановок).

Пошаговый алгоритм

Процесс определения преобладающей активности и генерации подсказок.

1. Сбор данных и Сегментация: Система определяет временное окно (например, 5 минут) и интервалы сбора данных (например, каждые 15 секунд).
2. Определение активности в интервалах: Для каждого интервала на основе данных сенсоров определяется текущий способ передвижения (например, ходьба, вождение, покой).
3. Присвоение Оценок Уверенности: Каждому определению активности присваивается Confidence Score (например, «вождение с уверенностью 85%»).
4. Передача данных (Опционально): Набор результатов и оценок уверенности может быть передан с устройства на сервер для дальнейшей обработки.
5. Сглаживание и Анализ (Smoothing): Система обрабатывает весь набор результатов за временное окно. Этот этап включает:
   • Фильтрация (Thresholding): Применение пороговой функции для устранения выбросов или шума (например, игнорирование единичного случая «езды на велосипеде» среди множества случаев «вождения»).
   • Взвешивание (Weighting): Присвоение весов различным образцам. Например, более поздние образцы могут иметь больший вес, или определенные виды активности (например, вождение) могут иметь приоритет над другими (например, кратковременная ходьба).
6. Агрегация Оценок: Вычисление Aggregate Scores для каждого обнаруженного способа передвижения на основе взвешенных образцов и их Confidence Scores.
7. Определение Преобладающей Активности: Идентификация единого Predominant Mode of Transport. Выбирается активность с наивысшей агрегированной оценкой, которая должна превышать оценки других активностей на определенное пороговое значение.
8. Адаптация Ранжирования: Система выбирает и ранжирует геопространственные данные (POIs), основываясь на их доступности и релевантности для определенного преобладающего способа передвижения.
9. Предоставление Результатов: Отранжированные подсказки или результаты поиска предоставляются пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании данных, получаемых непосредственно с устройства пользователя в реальном времени.

• Пользовательские и Технические факторы (Данные сенсоров): Система использует данные сенсоров для определения характеристик движения и ориентации устройства. Упоминаются GPS (для определения позиции и скорости), компас (для определения направления), гироскоп (для определения вращения и наклона). Также упоминаются термометр, датчик освещенности и барометр, хотя их прямое влияние на определение способа передвижения менее очевидно из текста.

Какие метрики используются и как они считаются

• Activity Detection Result: Оценка способа передвижения в конкретном интервале времени.
• Confidence Score: Уровень уверенности для конкретного Activity Detection Result.
• Weights (Веса): Применяются к образцам данных. Могут зависеть от времени (более свежие данные важнее) или типа активности (приоритет вождения над ходьбой).
• Aggregate Score: Итоговая оценка для конкретного способа передвижения за все временное окно. Рассчитывается путем суммирования взвешенных оценок уверенности.
• Thresholding Function: Используется для фильтрации выбросов (редких активностей).
• Confidence Threshold Value: Минимальная разница, на которую Aggregate Score победившей активности должна превышать оценки других активностей.
• Параметры Временного Окна: Длительность окна (упоминается диапазон от 1 до 10 минут) и длительность интервалов (упоминается диапазон от 1 до 20 секунд).

Выводы

1. Контекст пользователя шире, чем просто местоположение: Google активно определяет не только где находится пользователь, но и как он передвигается (Mode of Transport). Способ передвижения является ключевым сигналом для понимания контекста и намерений пользователя в локальном поиске.
2. Сглаживание (Smoothing) для надежности сигналов: Система специально разработана для игнорирования шума и кратковременных изменений активности. Остановка на светофоре или короткая прогулка от машины до здания не изменят общую оценку того, что пользователь находится в режиме «вождения». Система ищет Predominant Activity.
3. Динамическая Локальная Релевантность и Доступность: Это ключевой вывод для SEO. Ранжирование POI напрямую зависит от способа передвижения пользователя. Доступность (Accessibility) является фактором ранжирования, который оценивается относительно текущей активности (Claim 1).
4. Физические атрибуты бизнеса как цифровые сигналы: Наличие парковки, drive-thru, близость к остановкам общественного транспорта или расположение в пешеходной зоне становятся цифровыми сигналами ранжирования, когда система знает, как передвигается пользователь.

Практика

Best practices (это мы делаем)

Рекомендации направлены на оптимизацию локального бизнеса (Local SEO) с учетом различных способов передвижения.

• Оптимизация под разные типы доступности: Необходимо четко указывать информацию о доступности бизнеса для всех способов передвижения. Это включает наличие и тип парковки (для водителей), наличие велопарковок (для велосипедистов), точное указание ближайших остановок общественного транспорта (для пассажиров) и удобство пешего доступа (для пешеходов).
• Максимальное использование атрибутов Google Business Profile (GBP): Активно используйте все доступные атрибуты в GBP, которые сигнализируют о доступности. Это могут быть атрибуты, связанные с парковкой («Бесплатная парковка», «Платная парковка»), обслуживанием («Drive-thru», «Самовывоз») и доступностью среды («Вход, доступный для инвалидных колясок», что также полезно для пешеходов).
• Контент-стратегия, ориентированная на доступность: Создавайте на сайте локальный контент, который подробно описывает, как добраться до вашего местоположения разными способами. Например, раздел «Как добраться» с подразделами для автомобиля, общественного транспорта и пешком.
• Точность геолокации и входов: Убедитесь, что маркер на карте и информация о главном входе точны. Это критично для пешеходов и водителей, ищущих вход или въезд на парковку.

Worst practices (это делать не надо)

• Игнорирование физической доступности: Рассматривать локальное SEO только как оптимизацию ключевых слов и отзывов, игнорируя физические аспекты доступности бизнеса.
• Фокус только на близости (Proximity): Полагать, что близость к пользователю является единственным фактором локального ранжирования. Патент показывает, что доступность для текущего способа передвижения может перевесить близость.
• Предоставление ложной информации о доступности: Указывать наличие парковки, если ее фактически нет, или преувеличивать близость к общественному транспорту. Это приведет к негативному пользовательскому опыту и потенциально к снижению доверия со стороны поисковой системы.

Стратегическое значение

Патент подтверждает стратегию Google по созданию высоко персонализированного и контекстуального поиска, особенно в мобильной и локальной среде. Для локального SEO это означает, что оптимизация должна выходить за рамки традиционных факторов и учитывать реальный физический контекст взаимодействия пользователя с бизнесом. Физические характеристики местоположения напрямую влияют на видимость бизнеса в поиске в зависимости от того, как передвигается потенциальный клиент.

Практические примеры

Сценарий 1: Оптимизация ресторана на оживленной улице

• Анализ: Ресторан находится на улице с интенсивным движением, но плохой парковкой. Рядом есть станция метро.
• Действия (Оптимизация под Ходьбу/Транзит): Акцентировать в GBP и на сайте близость к метро (например, «1 минута от станции X»). Создать контент о том, как легко добраться на общественном транспорте.
• Ожидаемый результат: Система, определив Predominant Activity как «Ходьба» или «Общественный транспорт», будет ранжировать этот ресторан выше для пользователей, передвигающихся этими способами, по сравнению с ресторанами, до которых от метро идти дальше.

Сценарий 2: Оптимизация загородного магазина строительных материалов

• Анализ: Магазин находится за городом, доступен в основном на автомобиле, имеет большую парковку и зону погрузки.
• Действия (Оптимизация под Вождение): В GBP указать атрибуты наличия большой парковки и удобного подъезда. На сайте подробно описать схему проезда с разных направлений и расположение зоны погрузки.
• Ожидаемый результат: Система, определив Predominant Activity как «Вождение», отдаст приоритет этому магазину перед менее удобными для автомобилистов вариантами, даже если они расположены чуть ближе, так как его Accessibility для водителя выше.

Вопросы и ответы