Как Яндекс динамически меняет поисковые подсказки в зависимости от положения курсора в строке поиска

Описание

Какую задачу решает

Патент решает проблему ограниченности стандартных систем автодополнения (Search Suggest), которые обычно предлагают варианты только для завершения запроса в конце строки. Это неэффективно, когда пользователь хочет модифицировать уже введенный запрос (например, вставить уточнение в начало или заменить слово в середине). Изобретение улучшает пользовательский опыт (UX) и повышает эффективность поиска, предоставляя контекстные подсказки для быстрого редактирования запроса в любой его части.

Что запатентовано

Запатентована система генерации контекстно-зависимых поисковых подсказок, основанная на точном положении курсора в поле ввода. Суть изобретения заключается в определении набора «Predefined Cursor Positions» (например, начало запроса, середина слова) и связывании этих позиций с конкретными «Suggest Actions» (Вставка, Удаление, Замена). Для каждого действия предусмотрен соответствующий алгоритм, генерирующий подсказки из базы исторических запросов.

Как это работает

Система отслеживает текст запроса и позицию курсора. Когда курсор помещается в определенную позицию (например, в середину слова), система идентифицирует это как предопределенную позицию и активирует связанное действие (например, «Замена»). Запускается соответствующий алгоритм (например, Replacement Suggest Algorithm), который обращается к базе данных «Previous Search Queries». Алгоритм ищет исторические запросы, которые соответствуют структуре текущего запроса (совпадают до и после целевого слова), но содержат другое слово в позиции курсора. Эти совпадения предлагаются пользователю как подсказки.

Актуальность для SEO

Высокая. Динамические и контекстно-зависимые интерфейсы подсказок являются стандартом для современных поисковых систем. Описанный механизм, позволяющий удобно редактировать запрос «на лету» путем изменения его середины или начала, активно используется в пользовательских интерфейсах, особенно на мобильных устройствах, где ручное редактирование затруднено.

Важность для SEO

Влияние на SEO умеренное (4/10). Этот патент не описывает алгоритмы ранжирования. Он полностью посвящен UI/UX функции поисковых подсказок. Однако он критически важен для понимания того, как формируются подсказки и как Яндекс направляет пользователей во время формулирования запроса. Это напрямую влияет на то, какие запросы пользователи в итоге отправляют, что делает анализ подсказок (Search Box Optimization — SBO) важной частью сбора семантического ядра.

Детальный разбор

Термины и определения

Current Cursor Position (Текущее положение курсора)

Точное местоположение курсора ввода текста относительно введенного поискового запроса в интерфейсе поиска.

Cursor Indicative Search Term (Индикативный термин курсора)

Термин в запросе, который находится непосредственно под курсором, сразу перед ним или сразу после него. Это слово, которое система предполагает модифицировать (заменить или удалить).

Predefined Cursor Positions (Предопределенные позиции курсора)

Набор конкретных положений курсора, распознаваемых системой. Включает: Начало запроса, Конец запроса, Начало термина, Конец термина и Внутри термина (середина).

Predefined Suggest Actions (Предопределенные действия подсказки)

Типы модификаций, применяемых к текущему запросу для генерации подсказки. Включают:

• Inserting Suggest Action (Вставка)
• Deleting Suggest Action (Удаление)
• Replacing Suggest Action (Замена)

Previous Search Queries (Предыдущие поисковые запросы)

База данных (логи) исторических запросов, введенных пользователями. Является источником данных для генерации подсказок.

Suggest Algorithms (Алгоритмы подсказок)

Конкретные методы обработки текущего запроса и поиска соответствий в базе Previous Search Queries. Включают Insertion Suggest Algorithm, Deletion Suggest Algorithm и Replacement Suggest Algorithm.

Ключевые утверждения (Анализ Claims)

Патент защищает метод, который связывает положение курсора с конкретными алгоритмами модификации запроса для генерации подсказок.

Claim 1 (Независимый пункт): Описывает основной метод.

1. Система получает поисковый запрос и индикацию текущего положения курсора (Current Cursor Position).
2. Ключевой шаг: Если текущее положение курсора является одним из предопределенных положений (Predefined Cursor Positions), система выполняет действие.
3. Действие заключается в выполнении алгоритма подсказки (Suggest Algorithm), который соответствует предопределенному действию (Predefined Suggest Action), ассоциированному с этой позицией курсора.
4. Результатом является определение предложенного поискового запроса (подсказки).

Claim 4 (Зависимый пункт): Определяет критически важное соответствие между позициями курсора и действиями.

• Начало запроса (Search query beginning) → Вставка.
• Конец запроса (Search query ending) → Вставка И Удаление.
• Начало термина (Search term beginning) → Вставка.
• Конец термина (Search term ending) → Замена И Удаление.
• Внутри термина (Search term interior) → Замена И Удаление.

Примечание: Claims 5, 6, 7 уточняют, что если с позицией связано несколько действий (например, Конец запроса), система выполняет оба соответствующих алгоритма.

Claims 8, 9, 10 (Зависимые пункты): Детализируют логику работы алгоритмов, подчеркивая их зависимость от Previous Search Queries.

• Claim 8 (Алгоритм Вставки): Ищет исторические запросы, которые содержат все термины текущего запроса плюс дополнительные термины в месте вставки.
• Claim 9 (Алгоритм Замены): Определяет части запроса до (First Portion) и после (Second Portion) целевого термина (Cursor Indicative Search Term). Ищет исторические запросы, которые содержат эти же части до и после, но имеют другой термин между ними.
• Claim 10 (Алгоритм Удаления): Подсказка (запрос без целевого термина) генерируется, только если в истории существует запрос, состоящий из частей до и после целевого термина, без самого термина между ними.

Где и как применяется

Изобретение применяется на этапе взаимодействия пользователя с интерфейсом поисковой системы, до того как запрос отправлен на ранжирование.

QUERY PROCESSING – Понимание Запросов (Интерфейсный слой / UI Layer)

Механизм работает в рамках модуля генерации поисковых подсказок (Suggestion Module). Он не анализирует интент для ранжирования, а помогает пользователю составить или отредактировать текст запроса (Query Formulation).

Взаимодействие компонентов:

• Search Application (Клиент/Браузер): Отслеживает ввод пользователя и положение курсора, отправляет эти данные на сервер (или обрабатывает локально, согласно Claim 20). Отображает полученные подсказки.
• Suggestion Module (Сервер подсказок): Принимает текущий запрос и позицию курсора. Выполняет логику выбора и запуска Suggest Algorithms.
• Database (База данных логов запросов): Хранилище Previous Search Queries, к которому обращаются алгоритмы подсказок.

Входные данные: Текст текущего запроса и точное положение курсора.

Выходные данные: Список предложенных поисковых запросов или их представлений (например, только вставляемое или заменяющее слово).

На что влияет

• Пользовательский опыт (UX): Основное влияние оказывается на удобство и скорость ввода и модификации запросов.
• Формулировка запросов: Механизм напрямую влияет на то, какой финальный запрос будет отправлен пользователем. Он может направлять пользователей к более популярным или точным формулировкам, существующим в логах.
• Типы запросов: Влияет на все типы запросов, но особенно полезен для многословных запросов (long-tail), которые пользователи склонны уточнять или исправлять в процессе ввода.

Когда применяется

Алгоритм применяется динамически в реальном времени.

• Триггеры активации: Ввод символа пользователем или перемещение курсора внутри строки поиска.
• Условия работы: Курсор должен находиться в одном из Predefined Cursor Positions.
• Ограничения: Подсказки генерируются, только если в базе Previous Search Queries существуют соответствующие исторические запросы.

Пошаговый алгоритм

1. Получение данных: Система получает текущий текст запроса и точное положение курсора.
2. Идентификация положения курсора: Система определяет, соответствует ли положение курсора одной из предопределенных позиций (например, «Внутри термина»).
3. Определение действия: На основе позиции система определяет ассоциированные действия (например, для «Внутри термина» это «Замена» и «Удаление»).
4. Идентификация целевого термина: Система определяет Cursor Indicative Search Term (слово под курсором), а также часть запроса до (Первая часть/First Portion) и после него (Вторая часть/Second Portion).
5. Выполнение алгоритмов подсказок: Система запускает алгоритмы, соответствующие выбранным действиям.
   • Алгоритм Замены: Ищет в базе прошлых запросов те, которые содержат Первую и Вторую части, но имеют другое слово вместо целевого термина.
   • Алгоритм Удаления: Проверяет, существует ли в базе прошлых запросов запрос, состоящий только из Первой и Второй частей (без целевого термина).
   • Алгоритм Вставки (если применимо): Ищет в базе прошлых запросов те, которые содержат текущий запрос плюс дополнительный термин в позиции курсора.
6. Фильтрация и Ранжирование подсказок: Полученный набор подсказок объединяется и ранжируется. Патент упоминает, что ранжирование может учитывать историю пользователя, географию или контекстуальную схожесть.
7. Отображение: Отранжированный список подсказок отображается пользователю.

Какие данные и как использует

Данные на входе

• Контентные факторы (Текстовые): Текст текущего поискового запроса.
• Пользовательские факторы (Интерфейсные): Точное положение курсора ввода.
• Исторические данные (Логи): Previous Search Queries — база данных прошлых запросов пользователей. Это основной источник для генерации подсказок.
• Географические факторы и История пользователя: Упоминаются как возможные факторы для финального отбора и ранжирования сгенерированных подсказок.

В патенте не упоминается использование контента веб-страниц, ссылочных или поведенческих (клики на выдаче) факторов для работы этого механизма генерации.

Какие метрики используются и как они считаются

Патент фокусируется на логике сопоставления строк и структуре запросов для генерации кандидатов, а не на сложных метриках или машинном обучении.

• Сопоставление строк (String/Pattern Matching): Алгоритмы полагаются на точное совпадение частей текущего запроса (префиксов, суффиксов) с записями в базе данных прошлых запросов.
• Структурный анализ запроса: Система должна уметь разделять запрос на отдельные термины, чтобы определять положение курсора относительно этих терминов и идентифицировать Cursor Indicative Search Term, First Portion и Second Portion.
• Критерии отбора подсказок: Хотя детали ранжирования подсказок не раскрыты, на практике это чаще всего означает использование частотности запроса в логах, а также упомянутых в патенте факторов (история пользователя, география, контекст).

Выводы

1. Патент описывает UI/UX, а не ранжирование: Основной вывод — этот патент описывает механизм работы интерфейса поисковых подсказок, а не алгоритмы ранжирования сайтов. Он не дает прямых рекомендаций по оптимизации контента для улучшения позиций.
2. Подсказки основаны исключительно на логах запросов: Патент подтверждает, что источником данных для генерации подсказок являются исторические данные о том, что пользователи искали ранее (Previous Search Queries).
3. Контекстная чувствительность к положению курсора: Ключевая особенность — это динамическое изменение типа предлагаемых подсказок (Вставка, Замена, Удаление) в зависимости от того, где именно в запросе находится курсор. Яндекс интерпретирует позицию курсора как сигнал о намерении пользователя модифицировать запрос.
4. Влияние на формирование спроса: Система активно участвует в процессе формулирования запроса. Показывая определенные замены или дополнения, Яндекс направляет пользователей к более популярным или стандартизированным формулировкам, влияя тем самым на структуру поискового спроса.
5. Валидация подсказок: Алгоритм удаления служит проверкой валидности: слово предлагается удалить, только если результирующий более короткий запрос является исторически подтвержденным (существует в логах).

Практика

Best practices (это мы делаем)

Практическое применение относится к исследованию ключевых слов и Search Box Optimization (SBO).

• Глубокий анализ поисковых подсказок при сборе семантики: Так как подсказки основаны на реальных логах (согласно патенту), они являются точным отражением спроса. Необходимо уделять первостепенное внимание анализу подсказок Яндекса.
• Интерактивный анализ связей между запросами: Используйте механизм подсказок интерактивно. Вводите запрос и перемещайте курсор, чтобы понять, какие слова Яндекс считает взаимозаменяемыми (Replacement Algorithm) и какие слова часто добавляются для уточнения интента (Insertion Algorithm). Это помогает строить полные семантические кластеры и выявлять QBST фразы.
• Оптимизация под популярные формулировки: Приоритезируйте в контенте и мета-тегах те формулировки запросов, которые активно предлагаются в подсказках, так как система будет направлять пользователей именно к ним.
• Мониторинг подсказок-замен (Replacements) для SERM: Регулярно проверяйте, какие термины предлагаются в качестве замены для вашего бренда при редактировании запроса. Это может указывать на сильных конкурентов или негативные ассоциации, которые часто ищут пользователи.

Worst practices (это делать не надо)

• Игнорирование подсказок при сборе ядра: Опираться только на данные Вордстат без учета динамических подсказок приводит к потере актуальных формулировок и понимания связей между запросами.
• Оптимизация под неестественные или редкие запросы: Использование формулировок, которых нет в подсказках (и, следовательно, нет в логах с достаточной частотностью), может снизить потенциальный охват.
• Накрутка подсказок: Попытки искусственно повлиять на базу Previous Search Queries путем массовой генерации запросов ботами являются нарушением правил и могут привести к санкциям.

Стратегическое значение

Патент подтверждает стратегический приоритет Яндекса на улучшение пользовательского опыта и эффективности поиска на этапе формулирования запроса. Для SEO это подчеркивает важность популярности запроса. Независимо от оптимизации сайта, если пользователи не формируют запрос достаточно часто, он не станет подсказкой. Это подчеркивает важность формирования спроса и анализа реальных паттернов поиска через инструменты подсказок.

Практические примеры

Сценарий 1: Анализ взаимозаменяемых терминов/конкурентов (Replacement Algorithm)

1. Задача: Понять, какие бренды пользователи рассматривают как альтернативы.
2. Действие: Ввести запрос, например, «Доставка пиццы Додо». Поставить курсор в середину слова «Додо».
3. Реакция системы (по механике патента): Активируется Replacement Algorithm. Система ищет в логах запросы вида «Доставка пиццы».
4. Результат: Система предложит замены для «Додо», например, «Папа Джонс», «Доминос». Это дает SEO-специалисту информацию о прямых конкурентах, которые фигурируют в одном контексте в истории поиска.

Сценарий 2: Выявление уточняющих характеристик (Insertion Algorithm)

1. Задача: Определить ключевые характеристики товара, важные для пользователей.
2. Действие: Ввести запрос «Холодильник Samsung». Поставить курсор в начало запроса (перед «Холодильник»).
3. Реакция системы (по механике патента): Активируется Insertion Algorithm. Система ищет в логах запросы вида «[*] Холодильник Samsung».
4. Результат: Система предложит слова для вставки, например, «Купить», «Двухкамерный», «Черный». Это показывает ключевые модификаторы интента и характеристики, которые пользователи часто добавляют к этому запросу, что можно использовать в структуре каталога и контенте.

Вопросы и ответы