SEO HARDCORE
  • Разборы патентов
    • Патенты Google
  • Скоро SEO инструменты
  • Скоро SEO аналитика
  • seohardcore
SEO HARDCORE

Поведенческие сигналы в Google: разборы патентов

Детальные разборы патентов Google, связанные с поведением пользователей
  • Ссылки
  • Поведенческие сигналы
  • Антиспам
  • Семантика и интент
  • EEAT и качество
  • SERP
  • Персонализация
  • Индексация
  • Мультимедиа
  • Local SEO
  • Техническое SEO
  • Knowledge Graph
  • Свежесть контента
  • Краулинг
  • Структура сайта
  • Мультиязычность
  • Безопасный поиск
  • Google Shopping
Как Google встраивает предлагаемые альтернативные запросы прямо в сниппеты поисковой выдачи
Google может улучшать поисковый опыт, встраивая интерактивные предложения запросов прямо в текстовые сниппеты результатов поиска. Система определяет альтернативные запросы (основываясь на анализе поведения пользователей) и связывает их с конкретными словами в сниппете. Эти слова выделяются (например, подчеркиванием), и пользователь может взаимодействовать с ними, чтобы запустить новый, уточненный поиск.
  • US8595252B2
  • 2008-09-12
  • SERP

  • Семантика и интент

  • Поведенческие сигналы

Как Google автоматически создает и ранжирует шаблоны запросов с сущностями для улучшения поисковых подсказок (Autocomplete)
Google использует систему для автоматического обнаружения паттернов в поисковых запросах, которые включают фиксированные термины и сущности из определенной категории (например, «рестораны в [городе]»). Система генерирует шаблоны запросов, оценивает их качество на основе частоты использования, разнообразия сущностей и их распределения, а затем использует эти шаблоны для формирования более точных и структурированных поисковых подсказок в реальном времени.
  • US9529856B2
  • 2013-06-03
  • Knowledge Graph

  • Семантика и интент

  • Поведенческие сигналы

Как Google рассчитывает метрику социального ранжирования (Social Ranking Score) для оценки популярности контента
Google рассчитывает метрику социального ранжирования (Social Ranking Score) для контента, анализируя и классифицируя социальные взаимодействия пользователей (лайки, шеры, комментарии). Система присваивает разные веса разным типам активностей (например, шер ценится выше просмотра) и учитывает количество и качество этих взаимодействий для определения популярности контента и генерации рекомендаций.
  • US9483528B1
  • 2013-03-20
  • Поведенческие сигналы

Как Google персонализирует выдачу, понижая результаты, которые пользователь исторически игнорирует или быстро покидает
Google использует историю поиска пользователя для выявления результатов, которые пользователь систематически пропускает или считает нерелевантными (например, быстро возвращается на выдачу). Такие результаты идентифицируются как «нежелательные» (User-Disfavored) и активно понижаются в персональной выдаче для этого пользователя, даже если их общий рейтинг высок.
  • US7827170B1
  • 2007-08-28
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google адаптивно сортирует комментарии и UGC в зависимости от популярности («buzziness») страницы
Google использует адаптивный механизм для сортировки пользовательского контента (UGC), такого как комментарии или посты в социальных сетях, связанных с веб-страницей. Если страница популярна или трендовая («buzzy»), система отдает приоритет самым свежим комментариям. Если страница не является трендовой, система отдает приоритет самым качественным комментариям, основываясь на авторитете автора, длине контента и других сигналах.
  • US11055332B1
  • 2017-05-31
  • Свежесть контента

  • EEAT и качество

  • SERP

Как Google использует игровые механики и сравнение изображений для краудсорсинга оценок и ранжирования локальных бизнесов
Патент Google описывает игровой интерфейс, помогающий пользователю выбрать одно место (например, ресторан) из множества кандидатов путем итеративного выбора предпочтительного изображения. Система делит кандидатов на группы и сужает выбор на основе визуальных предпочтений пользователя. Этот механизм используется для сбора данных о предпочтениях и может влиять на ранжирование результатов локального поиска.
  • US20140149310A1
  • 2012-11-28
  • Local SEO

  • Поведенческие сигналы

  • SERP

Как Google использует динамические UI-элементы (Floatables и Chips) для ускорения обнаружения видео и адаптации рекомендаций в реальном времени
Google патентует механизмы интерфейса для мобильных платформ (например, YouTube), направленные на улучшение обнаружения контента. Система активно показывает превью скрытых видео в виде анимированных плавающих элементов (Floatables) или компактных плиток (Chips) до того, как пользователь до них доскроллит. Взаимодействие с этими элементами обеспечивает мгновенную обратную связь для адаптации рекомендаций в реальном времени.
  • US11941240B1
  • 2022-12-21
  • Персонализация

  • Поведенческие сигналы

  • Мультимедиа

Как Google использует социальные связи для персонализации и повышения в ранжировании онлайн-форумов в результатах поиска
Google использует механизм для персонализации поисковой выдачи путем интеграции данных из социальной сети. Если система определяет, что результат поиска является онлайн-форумом, она проверяет, являются ли социальные контакты пользователя участниками этого форума. При обнаружении таких связей система повышает рейтинг форума в выдаче и добавляет социальные аннотации, указывая, кто из контактов пользователя активен на этом ресурсе.
  • US8862598B1
  • 2012-09-13
  • Персонализация

  • SERP

  • Поведенческие сигналы

Как Google персонализирует поисковые подсказки (Autocomplete) на основе интересов пользователя
Google использует механизм для персонализации поисковых подсказок (Autocomplete). Система определяет категории интересов пользователя на основе его истории поиска. Когда пользователь вводит начало запроса, подсказки ранжируются не по глобальной популярности, а по частоте их использования людьми с похожими интересами. Это направляет поисковое поведение пользователя в сторону запросов, релевантных его категории.
  • US8027990B1
  • 2008-07-09
  • Персонализация

  • Поведенческие сигналы

Как Google использует точное место клика или касания пользователя для улучшения исправления опечаток и текстовых подсказок
Google использует механизм для повышения релевантности предлагаемых исправлений текста (например, в поисковой строке или редакторе). Система анализирует не только слово целиком, но и точное место, рядом с которым пользователь установил курсор или коснулся экрана. Предложения по исправлению фильтруются в зависимости от того, соответствуют ли они этой указанной пользователем позиции редактирования.
  • US20140280109A1
  • 2013-03-14
  • Семантика и интент

  • Поведенческие сигналы

Как Google создает интерфейс для быстрой навигации между результатами поиска или рекламой без возврата на страницу выдачи
Патент Google описывает интерфейс, который позволяет пользователям переключаться между посадочными страницами результатов поиска или рекламных объявлений напрямую, минуя необходимость возвращаться на исходную страницу выдачи. Система предварительно загружает связанные страницы и может динамически добавлять новые релевантные результаты в сессию на основе времени взаимодействия пользователя (dwell time) с текущей страницей.
  • US9449094B2
  • 2012-07-13
  • SERP

  • Поведенческие сигналы

Как Google использует тип устройства, скорость соединения и время суток для персонализации рекомендаций контента
Google персонализирует рекомендации контента, анализируя контекст подключения пользователя. Система учитывает тип устройства (смартфон, ПК, ТВ), скорость интернета, время суток и день недели, чтобы определить, какой контент предложить далее. Это позволяет адаптировать рекомендации, например, предлагая короткие видео для мобильных устройств с медленным соединением.
  • US9369354B1
  • 2013-11-14
  • Персонализация

  • Поведенческие сигналы

Как Google выявляет всплески поискового интереса и определяет тренды в реальном времени
Google использует систему для определения "Исключительных запросов" — тем, интерес к которым резко и неожиданно возрастает в короткий промежуток времени (менее 30 минут). Система сравнивает текущую частоту запроса с прогнозируемой моделью, основанной на исторических данных. Если фактическая активность значительно превышает прогноз, запрос помечается как трендовый. Это позволяет выявлять актуальные события, а не просто самые популярные запросы.
  • US8140562B1
  • 2009-03-24
  • Свежесть контента

  • Поведенческие сигналы

Как Google улучшает интерфейс голосового поиска, предлагая альтернативные варианты распознавания при ошибке ввода
Google использует механизм улучшения пользовательского опыта в голосовом поиске. Если система неверно распознала голосовой запрос и пользователь кликает в строку поиска для исправления, Google автоматически показывает другие вероятные варианты распознавания (n-best list) в области подсказок, облегчая коррекцию ошибки.
  • US8249876B1
  • 2012-01-03
  • Семантика и интент

  • Поведенческие сигналы

Как Google использует социальные связи, демографию и неявные сигналы для ранжирования персонализированных результатов
Google патентует систему для обработки «социальных опросных запросов» (например, «что мои друзья думают о фильме X»). Система определяет релевантность контента, учитывая социальный граф пользователя, авторитетность участников сети, их демографические атрибуты и неявные сигналы (например, текущее местоположение), чтобы предоставить персонализированные и социально релевантные результаты.
  • US9122756B2
  • 2013-06-06 (Continuation of 2010-12-16)
  • Персонализация

  • Поведенческие сигналы

Как Google нормализует и объединяет разнородные сигналы для ранжирования критериев таргетинга в рекламных системах
Патент Google, описывающий методы ранжирования критериев распространения контента (например, ключевых слов или мест размещения для рекламы). Система объединяет основной сигнал (например, релевантность) с вспомогательными (CTR, показы), используя математические трансформации для уменьшения искажений данных (Skewness) и гарантируя, что отсутствие данных по сигналу не пессимизирует критерий. Патент относится к AdTech, а не к органическому поиску.
  • US9501549B1
  • 2014-04-28
  • Поведенческие сигналы

Как Google (YouTube) определяет «Классические видео», используя нормализацию просмотров для оценки долгосрочной популярности
Google использует алгоритм для идентификации «Классических видео» на платформах типа YouTube. Система анализирует не абсолютное количество просмотров, а долю видео в общем трафике платформы за день. Если видео стабильно поддерживает значительную долю трафика на протяжении длительного периода, оно получает статус «Классического», что отличает его от вирусного контента с кратковременной популярностью.
  • US8650488B1
  • 2010-12-08
  • Мультимедиа

  • Поведенческие сигналы

Как Google использует популярность сущностей в Веб-поиске для ранжирования результатов в Вертикальном поиске (Музыка, Книги, Товары)
Google улучшает ранжирование в специализированных поисковых вертикалях (например, Музыка, Книги, Товары), где данных для оценки контента недостаточно (Sparse Corpora). Система использует сигналы из основного Веб-поиска (популярность запросов, CTR веб-страниц), чтобы определить авторитетность и популярность сущностей (песен, книг, товаров) и скорректировать их позиции в вертикальной выдаче.
  • US9779140B2
  • 2012-11-16
  • Поведенческие сигналы

  • SERP

Как Google выбирает и показывает рекламу в поисковых подсказках (Autocomplete) на основе частичного запроса
Google использует систему для показа рекламы в выпадающем меню подсказок (Autocomplete) до того, как пользователь завершит ввод запроса. Система прогнозирует вероятные завершения запроса (Completions) на основе введенной части (Prefix). Затем проводится аукцион для выбора наиболее релевантной и качественной рекламы, связанной с этими вероятными завершениями. Реклама показывается только при высокой уверенности в намерении пользователя.
  • US8504437B1
  • 2010-11-04
  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google использует бездействие пользователя для показа контекстных подсказок и обучения синтаксису поиска (Zero-Query Suggestions)
Google использует механизм показа поисковых подсказок до того, как пользователь начал вводить запрос. Если пользователь бездействует у строки поиска, система предлагает либо примеры использования расширенного синтаксиса (например, булевых операторов) для обучения, либо запросы, связанные с недавно просмотренным медиаконтентом (например, имена актеров из фильма, который пользователь смотрит на Smart TV).
  • US9292622B2
  • 2012-12-27
  • Персонализация

  • Поведенческие сигналы

  • Семантика и интент

Как Google использует анализ совместных поисковых сессий для выявления запросов о неприемлемом или запрещенном контенте
Google анализирует поисковые сессии пользователей для обучения классификатора, выявляющего запросы о неприемлемом контенте (например, насилии, CSAM, терроризме). Система отслеживает, какие еще запросы вводил пользователь незадолго до или после ввода уже известного "плохого" запроса. Это позволяет автоматически расширять базу данных для фильтрации и модерации поисковой выдачи.
  • US9959354B2
  • 2015-06-23
  • Безопасный поиск

  • Поведенческие сигналы

  • Семантика и интент

Как Google персонализирует поиск, уточняя социальную близость к авторам на основе истории кликов пользователя
Google анализирует, как пользователь взаимодействует (кликает или игнорирует) с контентом авторов из его социального графа. Если взаимодействие по определенной теме превышает порог и у пользователя уже есть социальная связь с автором, система уточняет степень их близости (Affinity) к этой теме. Эта уточненная близость используется для повышения или понижения контента этого автора по этим темам в будущей выдаче пользователя.
  • US9519683B1
  • 2012-09-06
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google формирует персонализированные поисковые подсказки (Autocomplete) на основе контента пользователя (например, в Gmail)
Google использует механизм для улучшения поисковых подсказок (Autocomplete) в таких сервисах, как Gmail. Система анализирует корпус документов пользователя, распознает сущности (например, email-адреса, имена) и предлагает их в качестве подсказок. Это помогает пользователю быстрее находить нужный контент, предлагая контекстуализированные подсказки (например, полный контакт) вместо отдельных слов.
  • US20140201229A1
  • 2013-08-19
  • Персонализация

  • Индексация

  • Семантика и интент

Как Google использует паттерны скроллинга на SERP для динамического показа связанных запросов и фильтров
Google отслеживает взаимодействие пользователя с поисковой выдачей. Если система фиксирует паттерн «прокрутка вниз, затем быстрый возврат вверх», это интерпретируется как неудовлетворенность результатами. В этот момент Google динамически вставляет дополнительный контент (связанные запросы, фильтры, рекламу) под строкой поиска, чтобы помочь пользователю уточнить запрос без ручного ввода текста, что особенно актуально для мобильных устройств.
  • US20150160817A1
  • 2012-04-10
  • SERP

  • Поведенческие сигналы

Как Google использует ваши личные данные (Gmail, Календарь, Фото) для генерации персонализированных подсказок в Autocomplete
Google анализирует активность пользователя и его контент в различных сервисах (таких как email, календарь, фотохостинг). На основе этих данных система генерирует персонализированные поисковые подсказки (Autocomplete), когда пользователь начинает вводить запрос. Это позволяет предлагать запросы типа «мои рейсы» или «мои фото», основываясь на реальных бронированиях или загруженных изображениях пользователя.
  • US9317585B2
  • 2013-03-15
  • Персонализация

  • Индексация

  • Поведенческие сигналы

Как Google обнаруживает неэффективные последовательности запросов и обучает пользователей контекстному поиску
Google анализирует последовательности запросов для выявления паттернов, при которых пользователи излишне повторяют контекст. При обнаружении такого паттерна Google отображает «Teachable Moment Interface» с подсказками о том, как задавать более короткие контекстные последующие запросы (например, с использованием местоимений), повышая эффективность поиска.
  • US10120903B2
  • 2015-10-15
  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google кластеризует, фильтрует и ранжирует популярные запросы для сервисов типа Google Trends
Патент описывает систему Google для определения популярных и быстрорастущих запросов (например, для Google Trends). Чтобы избежать дублирования и повысить качество, система группирует похожие запросы в кластеры, выбирает лучший репрезентативный запрос и ранжирует темы. Ранжирование учитывает общую популярность темы, качество результатов поиска (используя CTR, PageRank, длительность кликов) и популярность категории.
  • US8145623B1
  • 2009-05-01
  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google оптимизирует отображение поисковых подсказок (Autocomplete) на маленьких экранах, показывая только следующие слова
Google использует механизм для экономии места на экранах мобильных и носимых устройств при отображении поисковых подсказок. Вместо показа полной предлагаемой фразы система отображает только следующий вероятный сегмент (слово), ранжированный на основе веб-активности пользователя. Это позволяет итеративно формировать запрос, не перегружая интерфейс.
  • US20140253458A1
  • 2011-07-20
  • Поведенческие сигналы

  • Персонализация

Как Google динамически выбирает и отображает инструменты (фильтры) для манипуляции поисковой выдачей
Google анализирует поисковый запрос и состав выдачи (типы контента, даты), а также историю использования фильтров пользователями. На основе этого анализа система динамически определяет, какие инструменты (например, фильтры по времени, типу контента или инструменты визуализации) наиболее релевантны для пользователя, и отображает их на видном месте в интерфейсе поисковой выдачи.
  • US8909619B1
  • 2011-02-03
  • SERP

  • Поведенческие сигналы

  • Свежесть контента

Как Google оптимизирует персонализированный поиск, выборочно приоритизируя контент от влиятельных социальных аккаунтов
Google использует механизм для эффективного включения социальных результатов в поисковую выдачу. Система анализирует социальный граф пользователя, различая друзей (симметричные связи) и подписки на влиятельных пользователей (асимметричные связи). Если пользователь подписан на слишком много аккаунтов, система ограничивает их число при обработке запроса, чтобы избежать задержек. Приоритет отдается аккаунтам с высокой популярностью (Prominence) и высоким уровнем взаимодействия с пользователем (Affinity).
  • US20160246789A1
  • 2013-03-07
  • Персонализация

  • Поведенческие сигналы

  • SERP

  • 1
  • …
  • 11
  • 12
  • 13
  • 14
seohardcore