Как Яндекс уточняет выдачу в реальном времени на основе взаимодействия пользователя с элементами сниппетов

Описание

Какую задачу решает

Патент решает задачу повышения релевантности результатов поиска и ускорения нахождения нужной информации пользователем. Основная цель — предоставить механизм уточнения поисковой выдачи (Refined SERP) без необходимости ручного ввода пользователем дополнительных поисковых запросов. Система стремится уловить интент пользователя через его имплицитное поведение на странице результатов поиска (SERP).

Что запатентовано

Запатентована система и способ динамического уточнения результатов поиска на основе анализа микровзаимодействий пользователя с элементами выдачи. Суть изобретения заключается в вычислении Параметра пользовательского интереса (User Interest Parameter) для конкретных Элементов результата поиска (Search Result Items), таких как слова или фразы в сниппетах. Этот параметр рассчитывается путем накопления весов взаимодействий (например, выделение текста, скорость прокрутки) с этим элементом во всех результатах, где он встречается. Исходный запрос автоматически переформулируется с учетом этих данных для генерации уточненной выдачи.

Как это работает

Система работает по принципу обратной связи в реальном времени. После показа первой SERP отслеживаются действия пользователя с конкретными элементами (например, фразами) внутри сниппетов. Если пользователь взаимодействует (например, выделяет текст) с элементом «А» в первом сниппете и снова взаимодействует с элементом «А» в третьем сниппете, система назначает веса этим действиям. Сумма этих весов формирует Параметр пользовательского интереса для элемента «А» (Взвешенное накопление). Затем система создает новый поисковый запрос, включающий исходный запрос, элемент «А» и его параметр интереса (указывающий на значимость). В ответ генерируется новая, уточненная SERP. Процесс является итеративным.

Актуальность для SEO

Средне-Высокая. Анализ поведения пользователя на SERP (On-SERP Behavior) является критически важным направлением для всех поисковых систем в 2025 году. Механизмы имплицитной обратной связи и быстрой персонализации выдачи активно развиваются. Хотя точная реализация отслеживания микровзаимодействий (таких как выделение текста или скорость прокрутки над конкретным словом) может быть ресурсоемкой или давать шумные сигналы, идея использования этих данных для переформулировки запроса остается актуальной.

Важность для SEO

Влияние на SEO значительно (7/10). Этот патент демонстрирует, что Яндекс рассматривает SERP не как статичный список ссылок, а как интерактивный интерфейс для уточнения интента. Это критически повышает важность сниппета. Сниппет используется не только для привлечения клика (CTR), но и как набор элементов, взаимодействие с которыми напрямую влияет на последующее ранжирование в рамках текущей сессии. SEO-специалистам необходимо уделять максимальное внимание тому, какие именно термины и сущности попадают в сниппет.

Детальный разбор

Термины и определения

Взвешенное накопление (Weighted Accumulation)

Механизм расчета Параметра пользовательского интереса. Это сумма весов всех взаимодействий пользователя с конкретным Элементом результата поиска при каждом его появлении на SERP (и последующих уточненных SERP).

Параметр пользовательского интереса (User Interest Parameter, UIP)

Метрика, указывающая на заинтересованность пользователя в конкретном Элементе результата поиска. Рассчитывается как Взвешенное накопление взаимодействий с этим элементом. Используется для переформулировки запроса и указания значимости элемента.

Пользовательское взаимодействие (User Interaction)

Действия пользователя по отношению к Элементам результата поиска на SERP. Включают микровзаимодействия: пропускание, быстрое/медленное прокручивание, остановка, выделение текста, щелчок на элемент.

Уточненная SERP (Refined SERP)

Новая страница результатов поиска, сгенерированная в ответ на автоматически переформулированный запрос, который учитывает Параметры пользовательского интереса.

Элемент результата поиска (Search Result Item)

Часть результата поиска (сниппета), указывающая на конкретный контент. Это может быть слово, фраза, ссылка или изображение, с которым пользователь может взаимодействовать.

Ключевые утверждения (Анализ Claims)

Анализ Формулы изобретения (Claims) показывает, что ядром патента является механизм кумулятивного учета интереса к элементам выдачи для динамической переформулировки запроса.

Claim 1 (Независимый пункт): Описывает базовый процесс уточнения выдачи.

1. Получение первого запроса (Q1) и генерация первой SERP.
2. На SERP присутствуют как минимум два результата (R1, R2), которые содержат один и тот же Элемент результата поиска (E1).
3. Система отслеживает взаимодействие пользователя с этим элементом E1 в обоих результатах.
4. Ключевой механизм: Создание Параметра пользовательского интереса (UIP) как Взвешенного накопления взаимодействий. Это происходит путем:
   • Определения Веса 1 для взаимодействия с E1 в R1.
   • Определения Веса 2 для взаимодействия с E1 в R2.
   • Суммирования Веса 1 и Веса 2 для получения UIP.
5. Создание второго поискового запроса (Q2). Он включает Q1, Элемент E1 и его UIP. Это переформулировка Q1, указывающая на значимость E1.
6. Генерация и отображение Уточненной SERP на основе Q2.

Claim 2 (Зависимый пункт): Расширяет механизм на несколько элементов.

Если на SERP также присутствует второй элемент (E2) в других результатах (R3, R4), система параллельно рассчитывает UIP для E2 (путем суммирования Веса 3 и Веса 4). Второй запрос (Q2) в этом случае включает также E2 и его UIP, указывая на значимость обоих элементов (E1 и E2).

Claim 3 (Зависимый пункт): Описывает итеративный характер процесса.

1. После отображения Уточненной SERP (SERP 2) система продолжает мониторинг.
2. Если на SERP 2 пользователь взаимодействует с элементом E1 в некотором результате R5 (это может быть новый результат или один из старых), определяется Вес 5.
3. UIP для E1 обновляется путем добавления нового веса к предыдущей сумме (Вес 1 + Вес 2 + Вес 5).
4. Создается третий запрос (Q3), включающий Q2, E1 и обновленный UIP.
5. Генерируется Вторая Уточненная SERP (SERP 3).

Claims 7, 19 (Зависимые пункты): Определяют типы взаимодействий.

Защищается учет таких взаимодействий, как: пропускание элемента, быстрое прокручивание, медленное прокручивание, остановка на элементе, выделение элемента и щелчок на элемент.

Где и как применяется

Изобретение затрагивает несколько слоев поиска, формируя петлю обратной связи между поведением пользователя и обработкой запроса.

GENERATION SERP (Генерация выдачи) и Клиентская часть
На этом этапе происходит отображение результатов и, что критически важно, мониторинг пользовательских взаимодействий. Система должна уметь определять, с какими именно Элементами результата поиска (словами, фразами) взаимодействует пользователь и фиксировать тип взаимодействия (скорость прокрутки, выделение и т.д.). Эти данные передаются на сервер.

QUERY PROCESSING – Понимание Запросов
Полученные данные о взаимодействиях обрабатываются для вычисления Параметра пользовательского интереса (UIP). На этом этапе происходит ключевой механизм патента — автоматическая переформулировка (Reformulation) исходного запроса. Новый запрос включает исходные термины плюс элементы с высоким UIP, что смещает фокус поиска.

RANKING – Ранжирование
Переформулированный запрос поступает в систему ранжирования. Включение UIP в запрос указывает системе ранжирования на повышенную значимость связанных с ним элементов. Это приводит к генерации Уточненной SERP, где результаты, более релевантные этим элементам, ранжируются выше.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на широкие или неоднозначные запросы, где пользователю требуется уточнение (например, запрос «Madonna», где пользователь может искать дискографию, биографию или текущий тур).
• Типы контента и Сниппеты: Влияет на важность информативности сниппетов. Результаты с богатыми, структурированными сниппетами, содержащими множество потенциальных Элементов результата поиска (цены, характеристики, даты, имена), предоставляют больше возможностей для активации этого механизма.

Когда применяется

Алгоритм применяется в реальном времени во время поисковой сессии пользователя.

• Триггеры активации: Любое зафиксированное взаимодействие пользователя с элементами на SERP (выделение текста, изменение скорости прокрутки над элементом и т.д.).
• Условия работы: Для расчета UIP необходимо, чтобы интересующий элемент встречался в выдаче как минимум дважды (согласно базовому Claim 1), чтобы можно было применить механизм Взвешенного накопления. Однако на практике система может начать накопление и с одного взаимодействия.

Пошаговый алгоритм

Процесс работы системы уточнения результатов поиска:

1. Получение запроса и генерация SERP: Система получает исходный запрос (Q1) и генерирует первый набор результатов (SERP 1).
2. Идентификация Элементов: В результатах поиска идентифицируются Элементы результата поиска (слова, фразы, ссылки).
3. Мониторинг Взаимодействий: Система отслеживает действия пользователя на SERP 1 (прокрутка, движение курсора, выделение текста).
4. Назначение Весов:

   При обнаружении взаимодействия с Элементом (E1) в Результате (R1) система определяет Вес 1 (W1). Вес зависит от типа взаимодействия (например, выделение текста может иметь больший вес, чем медленная прокрутка).

   При обнаружении взаимодействия с тем же Элементом (E1) в другом Результате (R2) определяется Вес 2 (W2).

5. Расчет Параметра Интереса (UIP): Система вычисляет UIP для E1 путем суммирования всех назначенных весов (W1 + W2). Это Взвешенное накопление.
6. Переформулировка Запроса: Создается второй поисковый запрос (Q2). Он включает исходный запрос (Q1), Элемент (E1) и его Параметр интереса (UIP). UIP указывает системе ранжирования на значимость E1.
7. Генерация Уточненной SERP: Система генерирует и отображает новый набор результатов (SERP 2) в ответ на Q2.
8. Итеративное Уточнение: Процесс повторяется. Взаимодействия на SERP 2 (например, с E1 в результате R5, дающее Вес 5) приводят к обновлению UIP (W1 + W2 + W5), созданию третьего запроса (Q3) и генерации следующей уточненной SERP (SERP 3).

Какие данные и как использует

Данные на входе

• Поведенческие факторы: Это основной тип данных для этого патента. Используются микровзаимодействия пользователя на странице SERP. Конкретно упомянуты:
  • Пропускание элемента.
  • Быстрое прокручивание элемента.
  • Медленное прокручивание элемента.
  • Остановка на элементе.
  • Выделение элемента (например, выделение текста мышью).
  • Щелчок на элемент.
• Контентные факторы: Текст и структура результатов поиска (сниппеты), которые формируют Элементы результата поиска (слова, фразы, ссылки, изображения).

Какие метрики используются и как они считаются

• Вес взаимодействия (Weight): Численное значение, присваиваемое каждому отдельному взаимодействию. Патент не предоставляет точной формулы, но дает примеры: выделение может дать «+1», пропускание «-1». Также упоминается, что вес может зависеть от местоположения элемента в результате (например, выделение элемента в конце сниппета может дать «+2», указывая на более высокий уровень интереса).
• Параметр пользовательского интереса (User Interest Parameter, UIP): Ключевая метрика патента. Рассчитывается как сумма весов всех взаимодействий с конкретным элементом во всех его появлениях на SERP (итеративно).

  Формула расчета UIP для Элемента $E_{1}$:

  $W_{1} = \sum_{i=1}^{n} w_{1.i}$

  Где $w_{1.i}$ — вес i-го взаимодействия с элементом $E_{1}$.

• Векторное представление UIP: Патент предлагает формализацию UIP в виде вектора:

  $V_{1}(E_{1}, W_{1})$

  Где $E_{1}$ — Элемент результата поиска, а $W_{1}$ — его суммированный вес (UIP).

• Алгоритмы машинного обучения: В патенте упоминается, что UIP может создаваться с использованием алгоритмов машинного обучения (деревья принятия решений, нейронные сети, регрессия), хотя основной механизм, описанный в Claims, базируется на суммировании весов.

Выводы

1. SERP как интерфейс для имплицитного уточнения запроса: Яндекс рассматривает страницу выдачи не просто как финальный результат, а как промежуточный этап для уточнения интента пользователя через его поведение.
2. Важность микровзаимодействий: Патент фокусируется на гранулярных поведенческих сигналах на SERP (скорость скроллинга, выделение текста), а не только на кликах по ссылкам. Это попытка понять, что именно в сниппете заинтересовало пользователя.
3. Механизм Взвешенного Накопления: Ключевой особенностью является кумулятивный подсчет интереса. Повторяющееся внимание к одному и тому же термину в разных сниппетах является сильным сигналом для системы.
4. Динамическая Переформулировка: Интерес пользователя конвертируется в уточненный запрос в реальном времени. Значимость элемента (Параметр пользовательского интереса) явно включается в новый запрос для влияния на ранжирование.
5. Итеративность: Система предназначена для непрерывного уточнения выдачи по мере того, как пользователь просматривает и взаимодействует с результатами на последующих уточненных SERP.

Практика

Best practices (это мы делаем)

• Оптимизация информативности сниппетов: Сниппеты должны быть максимально информативными и содержать ключевые сущности, термины и QBST фразы, релевантные запросу. Чем больше полезных «Элементов результата поиска» в сниппете, тем выше вероятность, что пользователь с ними провзаимодействует, позволив системе уточнить интент.
• Использование структурированных данных для Rich Snippets: Активно внедряйте микроразметку (Schema.org) для формирования расширенных сниппетов (например, с ценами, рейтингами, характеристиками). Эти структурированные элементы являются идеальными кандидатами на роль Элементов результата поиска, взаимодействие с которыми легко отслеживать.
• Фокус на ясности и структуре контента: Создавайте контент, который позволяет поисковой системе легко извлекать разнообразные и четкие фрагменты текста для сниппета. Используйте четкие заголовки, списки и таблицы.
• Анализ содержания сниппетов конкурентов: Изучайте, какие термины попадают в сниппеты сайтов в ТОПе. Это дает представление о том, какие элементы могут привлекать внимание пользователей и потенциально участвовать в механизме уточнения.

Worst practices (это делать не надо)

• Кликбейт и нерелевантные сниппеты: Использование сниппетов, которые не содержат конкретной информации по теме или вводят в заблуждение. Это может привести к негативным взаимодействиям (например, быстрому прокручиванию), что потенциально снизит Параметр пользовательского интереса.
• «Водянистые» сниппеты: Сниппеты, состоящие из общих фраз и не содержащие ключевых терминов или сущностей, минимизируют возможность пользователя проявить интерес к конкретным элементам, тем самым не позволяя активировать механизм уточнения в пользу вашего контента.
• Игнорирование форматирования сниппета: Нельзя полагаться на то, что Яндекс всегда выберет лучший фрагмент текста. Необходимо управлять содержанием сниппета через структуру страницы и мета-теги.

Стратегическое значение

Патент подтверждает стратегический фокус Яндекса на анализе поведения пользователей на самой странице выдачи (On-SERP Behavior). Это часть более широкой стратегии по минимизации необходимости ручного уточнения запросов и максимизации успешности поисковой сессии. Для SEO это означает, что оптимизация не заканчивается на получении высокой позиции; критически важно то, как результат представлен на SERP и как он вовлекает пользователя еще до клика. Стратегия должна включать глубокую проработку сниппетов как основного элемента взаимодействия с пользователем.

Практические примеры

Сценарий: Уточнение коммерческого запроса

1. Исходный запрос (Q1): «Ноутбук Lenovo Yoga».
2. Действия пользователя на SERP 1: Пользователь просматривает выдачу. В сниппете №2 он медленно прокручивает характеристики и выделяет мышью фразу «16GB RAM». Система фиксирует это как взаимодействие с элементом «16GB RAM» и назначает Вес +2. В сниппете №5 пользователь останавливается на строке с ценой, где также упоминается «16GB RAM». Система назначает Вес +1.
3. Расчет UIP: Параметр пользовательского интереса для «16GB RAM» становится +3 (Взвешенное накопление).
4. Переформулировка (Q2): Система генерирует новый запрос, включающий «Ноутбук Lenovo Yoga», элемент «16GB RAM» и его UIP (+3).
5. Результат (Уточненная SERP): Выдача обновляется. На верхние позиции поднимаются страницы конкретных моделей Lenovo Yoga с 16GB оперативной памяти, даже если изначально они были ниже.

Сценарий: Уточнение информационного запроса

1. Исходный запрос (Q1): «Наполеон Бонапарт».
2. Действия пользователя на SERP 1: Пользователь быстро прокручивает (Вес -1) элементы, связанные с биографией, но останавливается (Вес +1) на элементе «Битва при Ватерлоо» в сниппете Википедии и выделяет (Вес +2) «Битва при Ватерлоо» в сниппете исторического сайта.
3. Расчет UIP: UIP для «Битва при Ватерлоо» становится +3.
4. Переформулировка (Q2): Система уточняет запрос, придавая высокую значимость элементу «Битва при Ватерлоо».
5. Результат (Уточненная SERP): Выдача смещается от общих биографических статей к материалам, детально описывающим Битву при Ватерлоо.

Вопросы и ответы