Как Яндекс генерирует поисковые подсказки на основе положения курсора в строке запроса

Описание

Какую задачу решает

Патент решает задачу улучшения пользовательского опыта (UX) при взаимодействии с функцией поисковых подсказок (Autocomplete/Suggest). Традиционные системы часто предлагают только варианты завершения запроса в конце строки. Это неэффективно, когда пользователь хочет отредактировать уже введенный запрос, переместив курсор в середину или начало. Изобретение предлагает механизм генерации контекстно-зависимых подсказок, основанных на точном положении курсора, что облегчает редактирование запроса (вставку, замену или удаление слов).

Что запатентовано

Запатентована система генерации поисковых подсказок, которая динамически выбирает алгоритм генерации в зависимости от позиции курсора пользователя. Суть изобретения заключается в маппинге предопределенных позиций курсора (Predefined Cursor Positions) (например, «начало запроса», «середина слова») на предопределенные действия подсказки (Predefined Suggest Actions) (например, «Вставить», «Заменить», «Удалить»). Для каждого действия используется соответствующий алгоритм.

Как это работает

Система получает текущий запрос и точное положение курсора. Она определяет, соответствует ли это положение одной из заложенных позиций (например, курсор находится в середине слова). Для этой позиции система определяет набор допустимых действий (например, «Заменить» слово или «Удалить» его). Затем запускаются соответствующие алгоритмы (Suggest Algorithms). Алгоритм Замены ищет в логах (Previous Search Queries) запросы, где вместо текущего слова использовалось другое, но контекст (слова до и после) совпадал. Результаты этих алгоритмов формируют список подсказок.

Актуальность для SEO

Высокая. Интерактивные и контекстные поисковые подсказки являются стандартом для современных поисковых систем и критически важны для UX, особенно на мобильных устройствах. Описанный подход к интерактивному редактированию запросов через подсказки активно используется для ускорения процесса поиска.

Важность для SEO

Влияние на SEO низкое (3/10). Этот патент описывает исключительно функциональность пользовательского интерфейса (UI/UX) – систему поисковых подсказок. Он не затрагивает алгоритмы ранжирования, индексации или оценки качества контента. Его значение для SEO косвенное: он влияет на то, как пользователи формулируют и уточняют свои запросы, что может быть использовано для более глубокого исследования ключевых слов.

Детальный разбор

Термины и определения

Current Cursor Position (Текущее положение курсора)

Точное местоположение курсора ввода текста относительно терминов в поисковой строке.

Cursor Indicative Search Term (Термин, указываемый курсором)

Поисковый термин в запросе, который является объектом модификации (удаления или замены). Определяется как термин, находящийся непосредственно перед, после или вокруг курсора.

Predefined Cursor Positions (Предопределенные позиции курсора)

Набор значимых позиций курсора. Включает: Начало запроса (Search Query Beginning), Конец запроса (Search Query Ending), Начало термина (Search Term Beginning), Конец термина (Search Term Ending), Внутри термина (Search Term Interior).

Predefined Suggest Actions (Предопределенные действия подсказки)

Типы модификаций, которые система может предложить. Включают: Вставка (Inserting), Удаление (Deleting), Замена (Replacing).

Previous Search Queries (Предыдущие поисковые запросы)

База данных исторических запросов (логи), которая используется как источник для генерации подсказок.

Suggest Algorithms (Алгоритмы подсказок)

Конкретные алгоритмы, соответствующие действиям: Insertion Suggest Algorithm, Deletion Suggest Algorithm, Replacement Suggest Algorithm. Они определяют логику поиска подходящих подсказок в базе данных.

Ключевые утверждения (Анализ Claims)

Патент защищает метод, который динамически выбирает тип генерации подсказок на основе положения курсора.

Claim 1 (Независимый пункт): Описывает базовый механизм.

1. Система получает поисковый запрос и индикацию текущего положения курсора.
2. В ответ на то, что текущее положение курсора является одним из Predefined Cursor Positions, система выполняет один из Suggest Algorithms.
3. Этот алгоритм соответствует одному из Predefined Suggest Actions, которое связано с этим положением курсора.
4. Цель — определить предложенный поисковый запрос (подсказку).

Ядром изобретения является связка: Позиция Курсора -> Тип Действия -> Конкретный Алгоритм.

Claim 4 (Зависимый пункт): Определяет конкретный маппинг позиций и действий (следуя логике Claims 2 и 3, которые определяют доступные действия и позиции). Это ключевой элемент логики изобретения.

Маппинг:

• Начало запроса ассоциировано с действием Вставка.
• Конец запроса ассоциирован с действиями Вставка И Удаление.
• Начало термина ассоциировано с действием Вставка.
• Конец термина ассоциирован с действиями Замена И Удаление.
• Внутри термина ассоциировано с действиями Замена И Удаление.

Этот пункт описывает логику, когда система может предложить несколько типов модификаций одновременно (например, в конце термина).

Claims 8, 9, 10 (Зависимые пункты): Описывают механику работы конкретных алгоритмов, подтверждая их зависимость от истории поиска.

Claim 8 (Алгоритм Вставки): Подсказка выбирается из Previous Search Queries. Условие: предыдущий запрос должен включать все термины текущего запроса ПЛЮС как минимум один дополнительный термин.

Claim 9 (Алгоритм Замены): Система определяет индикативный термин (T), часть запроса до него (P1 — Первая часть) и часть после него (P2 — Вторая часть). Подсказка выбирается из Previous Search Queries, которые содержат P1 и P2, но между ними находится термин, отличный от T.

Claim 10 (Алгоритм Удаления): Система определяет T, P1, P2. Удаление термина T (формирование подсказки P1+P2) происходит ТОЛЬКО если в Previous Search Queries существует запрос, где P1 непосредственно следует за P2 без термина T между ними.

Где и как применяется

Изобретение применяется исключительно на этапе взаимодействия пользователя с поисковой строкой.

QUERY PROCESSING – Понимание Запросов (Подсистема поисковых подсказок)

Алгоритм работает в рамках модуля генерации подсказок (Suggestion Module). Это уровень обработки, который работает до того, как запрос отправляется на основные бэкенды ранжирования.

Взаимодействие компонентов:

1. Фронтенд (Search Application) фиксирует введенный текст и точное положение курсора.
2. Эти данные отправляются на бэкенд (Suggestion Module).
3. Suggestion Module анализирует позицию курсора и определяет, какие алгоритмы (Insertion, Deletion, Replacement) нужно запустить согласно маппингу.
4. Алгоритмы обращаются к базе данных исторических запросов (Previous Search Queries).
5. Найденные подсказки возвращаются на фронтенд.

Входные данные: Текущий поисковый запрос, Положение курсора.

Выходные данные: Список предложенных поисковых запросов или их представлений (например, только добавляемое слово или индикация удаления).

На что влияет

Алгоритм влияет на процесс формулировки и уточнения запроса пользователем.

• Специфические запросы: Облегчает переход от общих запросов к более специфическим (например, добавление атрибутов в середину запроса) или изменение интента (замена одного объекта на другой в запросе).
• Типы контента и Ниши: Применимо ко всем типам контента и тематикам. Особенно полезно в тематиках с множеством атрибутов (e-commerce, недвижимость, авто).
• Языковые и географические ограничения: Механизм не зависит от языка или региона, при условии наличия достаточной базы исторических запросов.

Когда применяется

Алгоритм активируется в реальном времени при взаимодействии пользователя со строкой поиска.

• Триггеры активации: Ввод символа или перемещение курсора в строке поиска (клик мышью или использование клавиатуры).
• Условия работы: Курсор должен находиться в одной из предопределенных позиций (Начало/Конец/Середина термина или запроса).
• Ограничения: Соответствующие алгоритмы должны найти релевантные совпадения в базе данных предыдущих поисковых запросов. Если модификация никогда ранее не встречалась, она не будет предложена.

Пошаговый алгоритм

Процесс генерации контекстных подсказок (например, для запроса «PERSIAN CAT PHOTO» с курсором внутри «CAT»):

1. Получение ввода: Система получает запрос «PERSIAN CAT PHOTO» и положение курсора (внутри «CAT»).
2. Анализ позиции: Система классифицирует позицию как Search Term Interior Cursor Position (Внутри термина).
3. Определение контекста: Система идентифицирует Cursor Indicative Search Term как «CAT». Первая часть (P1) = «PERSIAN», Вторая часть (P2) = «PHOTO».
4. Определение действий: Согласно маппингу (Claim 4), для этой позиции предусмотрены действия Replacing (Замена) и Deleting (Удаление).
5. Выполнение алгоритмов (параллельно или последовательно):
   • Алгоритм Замены: Поиск в базе прошлых запросов структуры «PERSIAN PHOTO», где не равно «CAT». (Например, находит «PERSIAN CHINCHILLA PHOTO»).
   • Алгоритм Удаления: Поиск в базе прошлых запросов структуры «PERSIAN PHOTO».
6. Ранжирование и Вывод: Найденные варианты ранжируются (обычно по частотности, хотя патент не детализирует метрики ранжирования подсказок) и отображаются пользователю (например, как слова «CHINCHILLA» или индикатор удаления «CAT»).

Какие данные и как использует

Данные на входе

Патент описывает использование следующих данных:

• Контентные факторы (Текстовые): Текст текущего поискового запроса (Received Search Query).
• Пользовательские факторы (Контекст ввода): Текущая позиция курсора (Current Cursor Position) относительно текста запроса.
• Исторические данные (Системные): База данных предыдущих поисковых запросов (Previous Search Queries), т.е. логи запросов. Это ключевой источник данных для всех описанных алгоритмов (Claims 8, 9, 10).

В патенте не упоминается использование ссылочных, поведенческих (кроме самих логов запросов), временных или технических факторов ранжирования документов.

Какие метрики используются и как они считаются

Патент не описывает сложных метрик или формул. Основные механизмы основаны на точном совпадении и структурном анализе запросов:

• Структурный анализ запроса: Разбиение запроса на термины, определение Cursor Indicative Search Term, префикса (P1) и суффикса (P2).
• Сравнение с эталоном (Логами) / Сопоставление шаблонов (Pattern Matching): Алгоритмы основаны на поиске точных совпадений структуры текущего запроса (или его модификаций) в базе исторических логов. Например, Алгоритм Удаления требует точного совпадения P1+P2 в логах.

Хотя в описании патента упоминается, что финальный выбор подсказок может основываться на истории поиска пользователя, географии или семантическом сходстве, конкретные метрики для ранжирования подсказок в патенте не раскрываются.

Выводы

1. Подсказки как инструмент редактирования: Яндекс рассматривает систему подсказок не только как автодополнение (Autocomplete), но и как инструмент для быстрого интерактивного редактирования запроса (Query Editing Assistance).
2. Курсор как сигнал интента: Положение курсора интерпретируется как сильный сигнал о намерении пользователя модифицировать запрос определенным образом (вставить, заменить или удалить слово).
3. Четкий маппинг действий: Патент определяет строгую логику (Claim 4), какие действия предлагать в зависимости от того, где находится курсор. Например, в середине слова предлагается замена или удаление, но не вставка.
4. Зависимость от исторических данных: Механизм полностью зависит от корпуса предыдущих поисковых запросов. Система не генерирует новые формулировки, а предлагает только те варианты модификаций, которые уже использовались другими пользователями.
5. Фокус на UX, не на ранжировании: Патент описывает улучшение пользовательского опыта и повышение эффективности ввода запросов, но не содержит информации об алгоритмах ранжирования поисковой выдачи.

Практика

Best practices (это мы делаем)

Хотя патент имеет низкое прямое влияние на SEO, он дает понимание того, как пользователи могут модифицировать свои запросы. Это полезно для проработки семантики.

• Использование подсказок для исследования ключевых слов (Keyword Research): Активно используйте механизм, описанный в патенте, для анализа семантического ландшафта. Вводите ключевые запросы и перемещайте курсор в разные позиции (начало, середина, конец слов), чтобы увидеть, какие вставки, замены и удаления предлагает Яндекс.
• Анализ Замен (Replacement Patterns): Обращайте внимание на то, какие слова Яндекс предлагает заменить в ваших целевых запросах (Алгоритм Замены). Это помогает выявить синонимы, близкие сущности или альтернативные формулировки интента, популярные у пользователей. Убедитесь, что ваш контент покрывает эти альтернативы.
• Анализ Вставок (Уточняющие термины): Изучайте, какие слова Яндекс предлагает вставить в начало или середину запроса (Алгоритм Вставки). Это часто указывает на важные уточняющие характеристики (например, цвет, размер, локация), которые необходимо учитывать в контенте и структуре сайта (например, в фильтрах каталога).
• Обеспечение широкого покрытия QBST-фраз: Так как система активно предлагает вставки и замены на основе логов, важно, чтобы контент содержал разнообразные формулировки и связанные термины, чтобы быть релевантным уточненным запросам пользователя.

Worst practices (это делать не надо)

• Фокус на единственной формулировке запроса: Стратегия, полагающаяся на ранжирование только по одному ВЧ запросу без учета его вариаций, которые Яндекс активно предлагает через механизмы Вставки или Замены, может привести к потере трафика.
• Игнорирование интерфейсных возможностей при сборе семантики: Использование только традиционного метода сбора подсказок (дополнение в конце запроса) ограничивает полноту картины. Необходимо учитывать возможности модификации запроса в середине для более глубокого анализа семантики.

Стратегическое значение

Стратегическое значение патента для SEO минимально. Он подтверждает важность анализа реальных пользовательских запросов (логов) для построения поисковых продуктов Яндекса. Для SEO-специалистов это напоминание о том, что пользователи постоянно редактируют и уточняют свои запросы, и задача SEO — соответствовать финальному интенту. Патент демонстрирует сложность интерфейсных решений, направленных на ускорение сессии поиска.

Практические примеры

Сценарий 1: Анализ семантики для интернет-магазина (Использование Вставки)

1. Задача: Оптимизировать категорию холодильников Samsung.
2. Действие SEO-специалиста: Вводит запрос «купить холодильник samsung». Затем ставит курсор перед словом «samsung» (Начало термина).
3. Наблюдение (Работа системы): Система активирует Алгоритм Вставки. Появляются подсказки для вставки: «белый», «двухкамерный», «недорогой».
4. Вывод и Действие: Пользователи часто ищут эти комбинации (например, «купить белый холодильник samsung»). Необходимо убедиться, что эти характеристики учтены в фильтрах каталога и на страницах товаров, и что существуют релевантные посадочные страницы для этих комбинаций.

Сценарий 2: Анализ альтернатив или конкурентов (Использование Замены)

1. Задача: Анализ спроса на iPhone.
2. Действие SEO-специалиста: Вводит запрос «iPhone 15 отзывы». Ставит курсор в середину слова «iPhone» (Внутри термина).
3. Наблюдение (Работа системы): Система активирует Алгоритм Замены. Ищет запросы вида «[X] 15 отзывы» и предлагает замену: «Samsung», «Xiaomi».
4. Вывод и Действие: Понимание того, какие бренды пользователи часто сравнивают или переключаются между ними, важно для контент-стратегии (например, создание сравнительных обзоров) и анализа конкурентов.

Вопросы и ответы