Поведенческие сигналы в Google: разборы патентов
Детальные разборы патентов Google, связанные с поведением пользователей
Как Google ранжирует результаты для контекстного (неявного) поиска на основе форматирования контента и поведения пользователя
Патент описывает технологию "неявного поиска" (Implicit Search), которая анализирует текущий контекст пользователя (например, редактируемый документ или просматриваемую страницу) для автоматической генерации запросов. Ранжирование этих контекстных результатов учитывает характеристики исходного контента (форматирование, капитализация, TF-IDF) и предпочтения пользователя (клики, типы файлов).
- US7693825B2
- 2004-03-31
Как Google использует историю поиска и контекст пользователя для проактивной доставки информации (Основы Google Discover/Assistant)
Google анализирует историю поиска пользователя для выявления повторяющихся интересов (например, спорт, погода, статус рейсов), особенно тех, которые вызывают показ прямых ответов (Inline Search Results). Отслеживая контекст пользователя (местоположение, время) и изменения в информации, Google проактивно отправляет обновленные результаты на устройство без ручного ввода запроса.
- US20130346396A1
- 2013-07-12
Как Google выбирает главные изображения для локаций и достопримечательностей, используя качество, клики и веб-контекст
Google использует иерархическую систему для выбора наилучшего репрезентативного изображения для локаций (городов) и достопримечательностей. Система оценивает фотографии по двум основным критериям: релевантности (основанной на кликах пользователей в поиске по картинкам и контексте веб-страниц, где размещено изображение) и визуальному качеству (четкость, экспозиция). Для крупных локаций система выбирает лучшее изображение из числа лучших фотографий её ключевых достопримечательностей.
- US9076079B1
- 2013-03-29
Как Google автоматически запускает нативные приложения в ответ на поисковый запрос, минуя SERP
Google использует механизм для автоматического запуска нативных приложений в ответ на определенные поисковые запросы. Если система определяет, что запрос имеет четкое намерение использовать конкретное приложение ("Focus Intent") и это приложение значительно превосходит другие результаты в ранжировании, Google может запустить его напрямую, минуя страницу результатов поиска (SERP). Система также учитывает обратную связь от пользователей, прекращая автозапуск, если пользователи часто сразу закрывают приложение.
- US9524347B1
- 2014-04-01
Как Google автоматизирует создание структуры категорий и оптимизирует мерчандайзинг на сайтах E-commerce
Система для автоматической организации интернет-магазинов. Она анализирует товарный фид, используя NLP для создания релевантных категорий. Затем система сортирует товары внутри категорий, применяя алгоритмы оптимизации (Decision Trees), основанные на данных о продажах (конверсии, отказы) и внешних поисковых трендах, для максимизации эффективности сайта мерчанта.
- US20170116658A1 (Патентная заявка)
- 2015-10-22
Как Google персонализирует списки трендовых тем на основе профиля интересов пользователя
Google использует механизм для адаптации списков популярных ("горячих") тем под конкретного пользователя. Система сравнивает профиль интересов пользователя (основанный на его истории поиска и активности) с тематическим профилем трендовой темы. На основе схожести стандартный рейтинг темы корректируется с помощью Boost Factor, формируя персонализированный список трендов.
- US8762326B1
- 2010-09-23
Как Google использует персональные оценки пользователей для переранжирования выдачи и расчета «рейтинга сайта»
Google может собирать явную обратную связь пользователя (рейтинги, метки, комментарии) по конкретным веб-страницам для персонализации будущих результатов поиска. Система переранжирует выдачу, повышая или понижая страницы на основе личных оценок. Кроме того, на основе оценок отдельных страниц рассчитывается общий «рейтинг сайта», который применяется к другим страницам этого же сайта, даже если пользователь их не оценивал.
- US8166028B1
- 2005-09-15
Как Google адаптирует ранжирование контента под частоту посещений пользователя, балансируя между важностью и новизной
Google использует механизм для персонализации лент контента (например, Новости, Discover). Система анализирует, как часто пользователь запрашивает контент. Для частых посетителей приоритет отдается новизне, чтобы избежать повторов. Для редких посетителей приоритет отдается важности контента, чтобы они не пропустили ключевые материалы, даже если они были опубликованы давно.
- US9477376B1
- 2012-12-19
Как Google использует клики, удаление и архивирование новостей для персонализации и обновления ленты Google News
Патент Google, описывающий механизм поддержания актуальности и релевантности новостной ленты (например, Google News). Система использует явные (удаление, понижение) и неявные (клики) сигналы пользователя для фильтрации контента. Просмотренные или скрытые новости удаляются из ленты вместе с похожими материалами и заменяются свежим контентом. Эти взаимодействия также используются для переранжирования оставшихся новостей.
- US8880499B1
- 2005-12-28
Как Google использует историю медиапотребления и фоновый звук для персонализации поисковых подсказок (Autocomplete)
Google может анализировать историю потребления медиаконтента пользователем (музыка, фильмы) и захватывать фоновый звук (например, играющую музыку) в момент ввода запроса. На основе распознанных сущностей (артисты, названия) система персонализирует поисковые подсказки (Autocomplete), предлагая запросы, связанные с недавно потребленным или текущим контентом.
- US9984075B2
- 2015-10-06
Как Google использует превью изображений, Hovercards и механизм отклонения для управления связанными запросами
Google использует механизм для улучшения взаимодействия с блоками связанных запросов (Related Searches), особенно в поиске изображений. Система отображает текстовые подсказки вместе с релевантными превью-изображениями. При наведении курсора показывается всплывающее окно (Hovercard) с дополнительными результатами. Пользователи могут отклонять нерелевантные подсказки, что служит сигналом обратной связи для системы и позволяет отобразить новые предложения.
- US8645360B2
- 2011-11-03
Как Google использует историю местоположений пользователя для поиска чужих фотографий, сделанных в том же месте и в то же время
Google может использовать историю местоположений устройства пользователя (GPS-логи или чекины) для поиска в интернете фотографий, сделанных другими людьми в тех же местах и в то же время. Система находит изображения с соответствующими метаданными (геокоординаты и время съемки) и предлагает их пользователю.
- US9165017B2
- 2011-09-29
Как Google использует поведенческие данные и визуальные превью для предложения вариантов поиска картинок на других языках
Google использует механизм для улучшения поиска изображений, предлагая пользователю варианты запроса на других языках. Если система определяет, что перевод запроса может вернуть лучшие результаты, она отображает эти альтернативные запросы с визуальным превью. Выбор лучших переводов основан на анализе поведенческих данных: частоте запросов (Frequency of Submission), CTR и том, как часто пользователи сами переформулируют запросы между языками (Frequency of Revision).
- US8856162B2
- 2009-11-20
Как Google приоритизирует локальное поведение пользователей над глобальной популярностью в международном поиске
Google использует систему для корректировки поискового ранжирования на основе местоположения и языка пользователя. Система приоритизирует данные о кликах от конкретной популяции пользователей (например, страны) над более широкими популяциями (например, глобальными данными). Глобальные сигналы популярности «понижаются» в весе, чтобы гарантировать более высокое ранжирование локально релевантных результатов, даже если они менее популярны в мировом масштабе.
- US8694511B1
- 2007-08-20
Как Google передает данные об интересах пользователя сторонним сайтам для персонализации контента после клика
Google анализирует активность пользователя для определения его тематических интересов (например, "тайская еда" или "собаки"). При генерации поисковой выдачи Google может закодировать релевантные интересы прямо в URL ссылки. Это позволяет стороннему сайту немедленно адаптировать контент лендинга под пользователя и потенциально передать данные о его поведении обратно в Google для уточнения профиля.
- US9754036B1
- 2014-03-26
Как Google динамически меняет поисковые подсказки в зависимости от того, что пользователь видит на экране (Viewport)
Google динамически генерирует поисковые подсказки на основе контента, который пользователь просматривает. Система придает больший вес сущностям и темам, которые находятся непосредственно в видимой области экрана (Viewport), меньший вес тому, что пользователь уже пролистал, и наименьший — контенту, до которого он еще не дошел.
- US9652556B2
- 2012-10-05
Как Google персонализирует локальную выдачу, используя активность и присутствие контактов из вашего социального графа
Google улучшает результаты локального поиска (например, рестораны или магазины), показывая, кто из ваших социальных контактов находится там сейчас, недавно посещал это место или часто там бывает. Система также интегрирует сообщения или отзывы, оставленные этими контактами о данном заведении, непосредственно в сниппет результата поиска.
- US8972368B1
- 2012-12-07
Как Google ранжирует стриминговые сервисы и поставщиков медиаконтента в результатах поиска
Google использует персонализированный алгоритм для ранжирования поставщиков медиаконтента (фильмов, сериалов). Система учитывает наличие у пользователя подписок, установленных приложений, историю взаимодействий, стоимость контента, поддержку глубоких ссылок и популярность сервиса, чтобы определить, какие ссылки на просмотр показать первыми в выдаче.
- US20170364598A1
- 2015-11-19
Как Google использует данные подписок на оповещения (Google Alerts) для определения трендовых тем и повышения их в ранжировании Новостей
Google анализирует, на какие темы пользователи массово подписываются в сервисах оповещений (например, Google Alerts) за определенный период времени. Эти трендовые темы (Topical Subjects) затем используются как сигнал для ранжирования: новостные статьи, соответствующие этим актуальным темам, могут получать повышение (boost) в поисковой выдаче, особенно в поиске по новостям.
- US20140143657A1
- 2014-01-24
Как Google динамически понижает подсказки в Autocomplete, которые пользователь уже видел, но проигнорировал
Google использует механизм для улучшения релевантности поисковых подсказок (Autocomplete). Если пользователь видит подсказку, но продолжает вводить запрос, система считает, что эта подсказка не подходит. Патент описывает, как такие проигнорированные подсказки понижаются в последующих списках на основе времени просмотра (Exposure Time), освобождая место для новых, потенциально более релевантных вариантов.
- US8972388B1
- 2012-02-29
Как Google отслеживает клики (CTR) на сторонних сайтах и защищает свои данные от парсинга в API и виджетах
Google использует двухэтапный метод доставки результатов поиска через API и виджеты (например, Google Maps) на сторонних сайтах. Сначала отображается только базовое описание результата и присваивается уникальный защищенный токен. Полный контент загружается только после клика пользователя и валидации токена. Это защищает данные Google от парсинга третьими сторонами и позволяет точно измерять CTR, который используется как сигнал ранжирования для географических запросов.
- US9177058B2
- 2010-11-18
Как Google использует эмбеддинги и историю взаимодействий для персонализации результатов в вертикальном поиске (Hotels, Flights, Shopping)
Google использует методы коллаборативной фильтрации для персонализации выдачи в вертикальных поисках (Hotels, Flights, Shopping). Система анализирует историю взаимодействий всех пользователей, чтобы создать векторные представления (эмбеддинги) для элементов (отелей, товаров). Затем она сравнивает персональный эмбеддинг пользователя с эмбеддингами элементов для ранжирования результатов, максимально соответствующих его предпочтениям.
- US20190171689A1
- 2018-12-05
Как Google использует погоду, время, текущие события и социальные сигналы для персонализации поисковых подсказок (Autocomplete)
Google динамически изменяет поисковые подсказки (Autocomplete и переписанные запросы), основываясь на текущем контексте пользователя. Система учитывает такие факторы, как погода, время суток, актуальные новости, рекомендации друзей в социальных сетях и их местоположение. Стандартные подсказки переоцениваются и переранжируются в реальном времени, чтобы предложить пользователю наиболее релевантный запрос в данный момент и в данном месте.
- US20160041991A1
- 2013-05-20
Как Google управляет разнообразием и персонализацией в лентах контента (например, Discover), балансируя категории контента
Google использует систему для управления лентами контента (например, Google Discover). Различные серверы агрегируют контент в тематические блоки (Aggregated Content Data Structures) и оценивают их. Затем сервер смешивания выбирает эти блоки, активно балансируя их категории: он повышает оценки блоков из недопредставленных категорий и понижает из слишком частых, чтобы обеспечить заданное разнообразие и соответствие интересам пользователя.
- US10129309B2
- 2016-10-07
Как Google заменяет поисковый запрос на более популярный трендовый запрос внутри социальных сетей
Механизм поиска внутри социальных сетей, который сравнивает популярность (частоту использования) исходного запроса с популярностью связанных запросов за определенный период времени. Если связанный запрос является более трендовым, система показывает результаты для него, а не для исходного запроса, чтобы направить пользователя к более активному и популярному контенту или сообществам.
- US8892591B1
- 2012-10-01
Как Google использует персональные оценки пользователей для экстраполяции предпочтений и персонализации поисковой выдачи
Google использует механизм для агрегации оценок (явных или неявных), которые пользователь дает отдельным веб-страницам. Система формирует персональный «рейтинг сайта» или раздела сайта на основе этих данных. Затем этот агрегированный рейтинг используется для повышения или понижения позиций других страниц этого сайта в будущих поисковых результатах конкретного пользователя, даже если эти страницы он ранее не оценивал.
- US8589391B1
- 2005-09-15
Как Google использует Социальный Граф и метрику Affinity для персонализации и ранжирования поиска по картинкам
Google использует социальный граф пользователя для персонализации поиска по картинкам. Система идентифицирует изображения, опубликованные контактами пользователя (друзьями, подписками), и ранжирует их в единой выдаче с общими результатами. Ключевую роль играет метрика Affinity (близость контакта к пользователю), основанная на степени связи и частоте взаимодействий, которая используется для повышения релевантных социальных результатов.
- US20150169571A1
- 2010-10-21
Как Google персонализирует поисковые подсказки (Autocomplete) используя ваш социальный граф
Google использует данные из социального графа пользователя для персонализации и ранжирования поисковых подсказок (Autocomplete). Система учитывает, что искали ваши контакты, на какие результаты они кликали и какие ресурсы они одобряли (Endorsements). Подсказки, популярные среди близких контактов, ранжируются выше.
- US9305092B1
- 2012-08-10
Как Google систематизирует сбор, хранение и анализ истории поисковых запросов и поведенческих данных пользователей
Патент Google, описывающий инфраструктуру для перехвата, фильтрации, консолидации и хранения истории поисковых запросов и их результатов. Система детально фиксирует контекстную информацию, включая то, какие результаты просмотрел пользователь, когда и как часто. Эти данные формируют основу для анализа поведения пользователей и обучения систем ранжирования.
- US9111284B2
- 2004-05-21
Как Google использует анализ временных трендов и вейвлеты для поиска связанных запросов
Google идентифицирует связанные запросы, анализируя схожесть их исторических трендов популярности, а не только семантику. Система преобразует данные об объеме запросов в многомерные изображения и применяет вейвлет-анализ для извлечения ключевых характеристик трендов. Сравнение этих характеристик позволяет находить запросы с похожими паттернами роста или падения интереса.
- US8019742B1
- 2007-05-31