Как Яндекс группирует поисковые подсказки по вертикалям (Картинки, Видео, Фильмы) на основе поведения пользователей

Описание

Какую задачу решает

Патент решает задачу улучшения пользовательского опыта при взаимодействии со списком поисковых подсказок (саджестом). Вместо длинного и неструктурированного списка система предлагает логическую организацию подсказок. Это направлено на то, чтобы помочь пользователю быстрее и глубже изучить интересующий предмет и сократить количество кликов («экономия щелчков мышью»), необходимых для перехода к результатам поиска в конкретных вертикалях.

Что запатентовано

Запатентован способ и сервер для кластеризации поисковых подсказок (Search Suggestions). Суть изобретения заключается в группировке подсказок на основе их связи с конкретными «Поисковыми источниками» (Search Sources), которые чаще всего являются вертикальными доменами (например, Картинки, Видео, Фильмы). Связь определяется с помощью «Параметра связи» (Connection Parameter), который рассчитывается на основе исторических данных о поведении пользователей.

Как это работает

Когда пользователь вводит часть запроса, система генерирует ранжированный список подсказок. Для каждой подсказки проверяется Параметр связи с различными вертикалями. Этот параметр заранее рассчитывается на основе того, как часто в прошлом пользователи переходили в определенную вертикаль при поиске по этому запросу. Если параметр превышает установленный порог, подсказка считается связанной с источником и помещается в соответствующую группу (например, под заголовком «Картинки»). Ключевая особенность: клик по подсказке внутри такой группы немедленно инициирует поиск именно в этой вертикали.

Актуальность для SEO

Высокая. Оптимизация пользовательского пути, сокращение количества кликов и структурирование информации в интерфейсе остаются ключевыми задачами для поисковых систем. Описанный механизм группировки подсказок по вертикалям активно используется в современных интерфейсах для улучшения навигации.

Важность для SEO

Влияние на SEO низкое-среднее (4/10). Патент описывает исключительно UI/UX механизм организации поисковых подсказок и не затрагивает алгоритмы ранжирования веб-документов, индексацию или краулинг. Он не влияет на то, как ранжируются сайты в основной выдаче. Однако он имеет стратегическое значение, так как демонстрирует, как Яндекс использует поведенческие данные для определения интента запроса и активно направляет пользователей в свои вертикальные сервисы (Картинки, Видео и т.д.), подчеркивая важность оптимизации контента под эти вертикали.

Детальный разбор

Термины и определения

Connection Parameter (Параметр связи)

Метрика, определяющая степень релевантности поисковой подсказки для конкретного Поискового источника. Используется для принятия решения о группировке подсказки. Рассчитывается заранее на основе анализа исторических данных о взаимодействии пользователей (Обучающий набор) с подсказкой и источником.

Search Source (Поисковый источник)

Информационный домен со специализированным контентом и поисковый сервис для поиска внутри этого домена. В контексте патента чаще всего подразумевается Вертикальный домен (Vertical Domain). Примеры: Новости, Картинки, Видео, Карты, Фильмы, Рецепты.

Search Suggestions (Поисковые предложения/подсказки)

Предлагаемые варианты завершения запроса, которые система предоставляет пользователю во время ввода текста в поисковую строку (саджест).

Suggestion Group (Группа предложений)

Кластер поисковых подсказок, которые связаны с одним и тем же Поисковым источником. В интерфейсе часто отображается под заголовком, указывающим на этот источник.

Training Set (Обучающий набор)

Собрание исторических пользовательских данных о предыдущих поисковых запросах и последующих действиях пользователей (например, клики, переходы в вертикали). Используется для расчета Параметра связи.

Vertical Domain (Вертикальный домен)

Специализированный информационный домен, включающий контент одного типа (например, только изображения или только видео). Является типом Поискового источника.

Ключевые утверждения (Анализ Claims)

Ядром изобретения является метод структурирования списка подсказок путем их кластеризации по источникам на основе заранее вычисленных связей.

Claim 1 (Независимый пункт): Описывает основной процесс работы системы.

1. Система получает часть поискового запроса от пользователя.
2. Создается ранжированное множество поисковых подсказок.
3. Для каждой подсказки определяется, связана ли она с Поисковым источником. Это определение базируется на Параметре связи, который измеряет степень релевантности подсказки для источника.
4. Если связь установлена, создается Группа предложений для этого источника. В группу включаются только те подсказки, которые связаны с этим источником.
5. Создается финальный список подсказок, в котором эти группы отображаются отдельно.

Claim 5 (Зависимый от 4): Описывает ключевое действие при взаимодействии пользователя с группой.

Если пользователь выбирает подсказку, представленную в определенной Группе предложений, система выполняет поиск именно в том Поисковом источнике, который связан с этой группой. (Например, клик по подсказке в группе «Картинки» запускает поиск по Яндекс.Картинкам).

Claim 7 (Зависимый от 1): Уточняет условие связи.

Связь между подсказкой и источником устанавливается, если Параметр связи превышает предварительно определенный порог.

Claim 8 (Зависимый от 1): Описывает происхождение Параметра связи.

Параметр связи определяется заранее (офлайн) на основе Обучающего набора. Этот набор содержит данные о предыдущих взаимодействиях пользователей с этой подсказкой и этим Поисковым источником в ответ на введенный запрос.

Где и как применяется

Изобретение применяется на ранних этапах взаимодействия пользователя с поиском, до этапа основного ранжирования и формирования SERP.

QUERY PROCESSING – Понимание Запросов (Генерация подсказок)
Основное место применения. Алгоритм работает в момент, когда пользователь вводит запрос в поисковую строку и система генерирует варианты автодополнения (саджест).

Взаимодействие с компонентами:

• Модуль предложений (Suggestion Module): Отвечает за генерацию списка кандидатов в подсказки и их последующую кластеризацию согласно патенту.
• Базы данных/Логи поведения: Используются офлайн для формирования Обучающего набора и расчета Параметров связи.
• Вертикальные поисковые сервисы (Vertical Search Modules): Система направляет пользователя в эти сервисы при клике на сгруппированную подсказку.

Входные данные: Часть поискового запроса, введенная пользователем; предварительно рассчитанные Connection Parameters для потенциальных подсказок.

Выходные данные: Структурированный список поисковых подсказок, включающий несвязанные подсказки и Группы предложений, привязанные к конкретным Поисковым источникам.

На что влияет

• Пользовательский интерфейс (UI): Влияет на внешний вид и структуру выпадающего списка поисковых подсказок.
• Специфические запросы: Наибольшее влияние оказывается на запросы с сильным вертикальным интентом — те, по которым пользователи часто ищут конкретный тип контента (изображения, видео, фильмы, рецепты). Например, запросы, связанные с актерами, названиями фильмов или блюдами.
• Распределение трафика: Влияет на то, какой запрос пользователь в итоге отправит и куда он попадет — в основной веб-поиск или напрямую в вертикальный сервис (Яндекс.Картинки, Видео и т.д.).

Когда применяется

Алгоритм применяется в реальном времени при каждом вводе символов в поисковую строку, когда система генерирует или обновляет список подсказок.

Триггеры активации группировки: Группировка происходит только тогда, когда для сгенерированной подсказки Параметр связи с каким-либо Поисковым источником превышает установленный порог. Если порог не превышен, подсказка отображается как несвязанная (ungrouped).

Пошаговый алгоритм

Процесс А: Офлайн-подготовка (Расчет Параметров Связи)

1. Сбор данных (Обучающий набор): Агрегация исторических логов пользовательского поведения (поисковые запросы, клики, переходы между общим поиском и вертикалями).
2. Анализ взаимодействий: Определение частоты, с которой конкретный поисковый запрос (будущая подсказка) приводил к взаимодействию с конкретным Поисковым источником (вертикалью). Например, как часто пользователи, искавшие «Один дома», переходили в вертикаль «Фильмы».
3. Расчет Параметра связи: Вычисление метрики (Connection Parameter), отражающей силу этой связи для пар «Подсказка — Источник».
4. Сохранение: Сохранение рассчитанных параметров для быстрого доступа во время онлайн-обработки.

Процесс Б: Онлайн-обработка запроса

1. Получение ввода: Сервер получает часть поискового запроса от пользователя.
2. Генерация кандидатов: Модуль предложений создает ранжированное множество потенциальных подсказок.
3. Проверка связей: Для каждой подсказки система извлекает заранее рассчитанные Параметры связи с различными Поисковыми источниками.
4. Пороговая фильтрация: Определяется, превышает ли Параметр связи установленный порог для какого-либо источника.
5. Кластеризация: Если порог превышен, подсказка ассоциируется с источником. Создаются Группы предложений для каждого источника, в которые помещаются ассоциированные подсказки.
6. Формирование списка: Создается финальный список, в котором сгруппированные подсказки отображаются отдельно (например, под заголовком источника). Несвязанные подсказки также включаются в список.
7. Отображение: Список отправляется пользователю.
8. Обработка клика: Если пользователь кликает на подсказку из группы, поиск выполняется непосредственно в связанном Поисковом источнике.

Какие данные и как использует

Данные на входе

• Поведенческие факторы: Являются основой для расчета Connection Parameter. Используются исторические данные (Training Set) о предыдущих взаимодействиях пользователей: история кликов (частота, длительность просмотров), популярность предыдущих подсказок, история переходов из результатов поиска к поисковому источнику и обратно, данные о сессиях (длительность, среднее время между запросами). Патент упоминает возможность использования как общих исторических данных, так и данных, специфичных для пользователя (персонализация).
• Контентные факторы: Текст введенной части запроса и тексты сгенерированных подсказок.

Какие метрики используются и как они считаются

• Параметр связи (Connection Parameter): Ключевая метрика патента. Определяет степень релевантности подсказки для источника. Рассчитывается офлайн на основе анализа Обучающего набора. Конкретная формула не приводится, но указано, что она базируется на частоте связывания поиска в конкретном источнике с предыдущим поисковым поведением по данному запросу.
• Предварительно определенный порог (Threshold): Пороговое значение для Параметра связи. Если метрика превышает порог, подсказка группируется. Значение порога в патенте не указано.
• Ранжирование подсказок: Метрики для первоначального ранжирования списка подсказок. Могут включать статистическую популярность, частоту совместной встречаемости с запросом, CTR в логах запросов и т.д.

Выводы

ВАЖНО: Патент описывает внутренние процессы Яндекса, связанные с интерфейсом поисковых подсказок (саджеста), и не дает прямых рекомендаций для SEO-ранжирования в основной выдаче.

1. Это патент про UI/UX и навигацию, а не про ранжирование. Основная цель изобретения — повысить эффективность поиска за счет «экономии щелчков мышью», направляя пользователя сразу в релевантную вертикаль из подсказок.
2. Поведение пользователей определяет интент вертикали. Яндекс активно использует исторические поведенческие данные (агрегированные в Параметр связи) для определения того, имеет ли запрос сильное намерение, направленное на конкретную вертикаль (Поисковый источник).
3. Эффективность и «экономия кликов». Клик по сгруппированной подсказке сразу ведет в нужную вертикаль, минуя общий SERP.
4. Важность вертикального поиска. Патент подчеркивает интеграцию вертикальных сервисов (Картинки, Видео, Карты и т.д.) в экосистему Яндекса и стремление направлять релевантный трафик напрямую в них.
5. Возможность персонализации. Система может использовать как общие исторические данные, так и данные, специфичные для конкретного пользователя, для определения связей.

Практика

ВАЖНО: Патент скорее инфраструктурный (UI/UX поисковых подсказок) и не дает практических выводов для SEO, направленных на улучшение ранжирования сайта в основной выдаче.

Best practices (это мы делаем)

Хотя патент не влияет на ранжирование, он дает понимание того, как Яндекс видит интент пользователя. SEO-специалисты могут использовать это для анализа тематики:

• Анализ вертикального интента через подсказки: Регулярно анализируйте поисковые подсказки по вашим ключевым тематикам. Наличие группировки (например, появление заголовков «Картинки», «Видео», «Товары») указывает на то, что Яндекс видит сильный вертикальный интент у этих запросов.
• Приоритет оптимизации под вертикали: Если подсказки по вашим запросам часто группируются под определенной вертикалью, необходимо обеспечить максимальную видимость в ней. Например, если для коммерческих запросов видна группа «Картинки», следует уделить особое внимание Image SEO (качество изображений, alt-тексты, микроразметка), так как значительная часть пользователей может быть направлена сразу в поиск по картинкам.
• Формирование правильных поведенческих ассоциаций: Создавайте контент, который четко соответствует интенту вертикали. Если страница посвящена рецепту, она должна содержать все необходимые элементы (ингредиенты, шаги, видео), чтобы пользователи, перешедшие из вертикали «Рецепты» или «Видео», были удовлетворены. Это укрепляет связь между темой и вертикалью в данных Яндекса.

Worst practices (это делать не надо)

• Игнорирование вертикального поиска: Стратегия, сфокусированная только на ТОП-10 основного веб-поиска, является неполной. Данный патент показывает, что Яндекс может направлять пользователей в вертикали еще до того, как они увидят основной SERP.
• Несоответствие типа контента интенту: Попытка ранжировать текстовую статью по запросу, который Яндекс четко идентифицирует как имеющий видео-интент (и группирует подсказки под «Видео»), будет менее эффективной.

Стратегическое значение

Патент подтверждает стратегию Яндекса на глубокую интеграцию своих сервисов и использование поведенческих данных для управления пользовательским путем. Для SEO это означает, что оптимизация не ограничивается веб-поиском. Необходимо рассматривать всю экосистему Яндекса (Картинки, Видео, Кью, Маркет и т.д.) как потенциальные точки входа трафика. Понимание того, как Яндекс классифицирует интент запроса по вертикалям, критически важно для построения эффективной долгосрочной стратегии присутствия в поиске.

Практические примеры

Сценарий: Оптимизация для интернет-магазина мебели

1. Анализ: SEO-специалист вводит запрос «диван честерфилд». В списке подсказок он видит группу под заголовком «Картинки» с вариантами «диван честерфилд фото в интерьере», «диван честерфилд коричневый».
2. Интерпретация (на основе патента): Яндекс определил (через Параметр связи), что пользователи часто ищут изображения по этому запросу. Клик по этим подсказкам поведет пользователя сразу в Яндекс.Картинки.
3. Действие SEO: Приоритизировать Image SEO. Загрузить высококачественные фотографии диванов в интерьере и в разных цветах на сайт. Оптимизировать alt-тексты, заголовки окружающего текста и убедиться, что изображения быстро индексируются и хорошо ранжируются в вертикали Яндекс.Картинки.
4. Ожидаемый результат: Увеличение трафика из вертикального поиска по картинкам, захват пользователей на раннем этапе исследования темы.

Вопросы и ответы