Как Яндекс использует предыдущий запрос из URL страницы выдачи для генерации контекстных поисковых подсказок

Описание

Какую задачу решает

Патент решает задачу быстрого и технически эффективного предоставления контекстно-зависимых поисковых подсказок (Search Query Suggestions). Он направлен на улучшение пользовательского опыта в сценарии уточнения поиска (query refinement) на странице SERP. Традиционные методы учета контекста часто требуют обращения к хранимым данным сессии на сервере, что может быть медленно и сложно. Патент предлагает механизм, при котором контекст передается непосредственно с клиентского устройства, минуя необходимость серверного поиска по истории сессии.

Что запатентовано

Запатентован метод и система генерации поисковых подсказок, при котором клиентское устройство (например, браузер) автоматически включает термины предыдущего (первого) поиска в запрос на получение подсказок для нового (второго) поиска, даже если пользователь удалил эти термины из поисковой строки. Ключевая особенность — предыдущий запрос извлекается клиентским устройством из URL текущей страницы SERP и отправляется на сервер, обеспечивая контекст без обращения к истории сессии на стороне сервера.

Как это работает

Пользователь вводит первый запрос (например, «патент») и получает SERP. URL этой страницы содержит запрос (например, text=patent). Если пользователь решает уточнить поиск, он стирает слово «патент» в поисковой строке на этой же SERP и начинает вводить новый запрос (например, «т»). В этот момент клиентское устройство извлекает «патент» из URL и отправляет на сервер запрос на подсказки, содержащий как новый ввод («т»), так и старый контекст («патент»). Сервер генерирует подсказки, релевантные этой комбинации (например, предлагает «trademark» вместо общих подсказок на «т»).

Актуальность для SEO

Высокая. Механизм генерации контекстных подсказок является стандартом индустрии. Использование параметров URL как способа сохранения состояния (Stateless Architecture) для уточнения поиска на SERP — это эффективный и широко распространенный технический прием. Хотя современные системы также используют сложные методы анализа сессий, описанный подход остается актуальным для обеспечения быстрой контекстной связности.

Важность для SEO

Влияние на SEO низкое (4/10). Патент описывает механизм улучшения пользовательского опыта (UX) и техническую реализацию функции поисковых подсказок (Suggest), а не алгоритмы ранжирования документов. Однако он дает важное понимание того, как Яндекс технически обрабатывает сессии уточнения поиска и какие концепции считает связанными (например, «патент» и «товарный знак»). Это косвенно влияет на стратегию работы с семантическими кластерами и анализ пути пользователя.

Детальный разбор

Термины и определения

Client Device (Клиентское устройство)

Устройство пользователя (ПК, смартфон), выполняющее ПО (браузер, приложение). В контексте патента выполняет функцию извлечения предыдущего запроса из URL.

First Search Query (Первый поисковый запрос)

Исходный запрос, результаты которого отображаются на текущей SERP и задают контекст.

Query Suggestion System (Система поисковых подсказок)

Компонент поисковой системы (Саджест), генерирующий варианты завершения или уточнения запроса по мере его ввода.

Second Search Query (Второй поисковый запрос)

Запрос, который пользователь начинает вводить на странице результатов первого поиска.

SERP (Search Engine Result Page)

Страница результатов поиска. В контексте патента имеет уникальный URL, содержащий первый запрос.

URL (Uniform Resource Locator)

Адрес страницы SERP. Используется как источник для извлечения терминов первого запроса на стороне клиента.

Ключевые утверждения (Анализ Claims)

Патент фокусируется на механизме передачи контекста предыдущего поиска от клиента к серверу при генерации подсказок, минуя серверное хранилище.

Claim 1 (Независимый пункт): Описывает метод, выполняемый сервером.

1. Получение Первого запроса и отправка Первых результатов поиска клиенту.
2. Генерация SERP на клиенте. Эта SERP включает (i) поисковое поле с термином Первого запроса и (ii) уникальный URL, также содержащий индикацию термина Первого запроса.
3. Определение момента, когда пользователь удалил термин Первого запроса из поля и начал вводить Второй запрос на этой SERP.
4. Получение от клиента элементов Второго запроса. Критически важно: эти элементы включают (i) термин Первого запроса, полученный из URL SERP (без необходимости для сервера извлекать его из своих хранимых данных), и (ii) термин Второго запроса (ввод пользователя).
5. До получения явного запроса на результаты Второго поиска, отправка клиенту поисковых подсказок (и/или мгновенных результатов), основанных на полученных элементах.

Claim 9 (Независимый пункт): Описывает систему (сервер), реализующую логику Claim 1. Акцент также на получении термина Первого запроса из URL SERP без обращения к хранимым данным сервера.

Claim 17 (Независимый пункт): Описывает процесс с точки зрения клиентского устройства.

1. Отправка Первого запроса и получение результатов. Генерация SERP с соответствующим URL.
2. Определение момента, когда пользователь удаляет старый термин и вводит новый на SERP.
3. Отправка элементов Второго запроса на сервер. Ключевой шаг: эти элементы включают (i) термин Первого запроса, извлеченный клиентом из URL SERP, и (ii) термин Второго запроса.
4. Получение от сервера подсказок до отправки явного запроса на результаты поиска.

Где и как применяется

Изобретение применяется на стыке фронтенда (Клиентское устройство) и бэкенда (Сервер) в процессе генерации подсказок.

QUERY PROCESSING – Понимание Запросов
Основное применение — в подсистеме Query Suggestion System.

• Взаимодействие компонентов: Клиентское устройство (браузер/приложение) выполняет логику (например, JavaScript) для извлечения предыдущего запроса из URL при активации поискового поля на SERP. Query Suggestion System использует этот контекст для фильтрации и ранжирования кандидатов, опираясь на исторические данные из Query Logs и Click Logs.
• Входные данные для сервера: (1) Символы, введенные пользователем (Второй запрос); (2) Термины Первого запроса, извлеченные клиентом из URL; (3) Другие элементы (геолокация, язык, время).
• Выходные данные сервера: Список контекстуализированных поисковых подсказок. Опционально, мгновенные результаты поиска (Instant Search results) по наиболее вероятной подсказке.

На что влияет

• Специфические запросы: Влияет на все типы запросов в сценарии их уточнения (refinement) или изменения на странице SERP.
• Пользовательский опыт (UX): Улучшает релевантность поисковых подсказок, делая процесс уточнения поиска более интуитивным.
• Языковые и географические ограничения: Патент явно упоминает использование геолокации и языка для фильтрации подсказок. Приведен пример алгоритма (ReformulationRank), который понижает вес подсказок, более релевантных в других регионах.

Когда применяется

Алгоритм применяется при соблюдении следующих условий:

1. Пользователь находится на странице результатов поиска (SERP).
2. URL этой страницы содержит параметры, позволяющие идентифицировать предыдущий запрос.
3. Пользователь активирует поисковую строку на этой странице и начинает изменять запрос.

Триггеры активации: Ввод символов в поисковую строку на SERP. Может активироваться даже при пустом вводе (Claim 8), если пользователь просто кликнул в строку поиска на SERP.

Пошаговый алгоритм

Фаза 1: Первый поиск

1. Запрос и Ответ: Сервер получает Первый запрос (Q1), выполняет поиск и отправляет результаты клиенту.
2. Рендеринг SERP: Клиент отображает SERP. URL страницы содержит Q1 (например, yandex.com/search?text=Q1).

Фаза 2: Уточнение поиска и генерация подсказок

1. Действие пользователя: Пользователь удаляет Q1 из поисковой строки на SERP и начинает вводить Второй запрос (Q2, например, префикс «P2»).
2. Извлечение контекста (Клиент): Клиентское устройство извлекает Q1 из URL текущей страницы.
3. Отправка запроса на подсказки (Клиент): Клиент отправляет запрос к Query Suggestion System, содержащий Q2 (P2) и извлеченный контекст (Q1).
4. Генерация подсказок (Сервер): Система анализирует исторические данные (Query Logs) о том, какие запросы, начинающиеся на P2, часто следовали за Q1.
5. Фильтрация и Ранжирование (Сервер): Подсказки ранжируются на основе вероятностного анализа (Probability Analysis). Применяются фильтры по региону, языку, времени. Используются алгоритмы типа ReformulationRank и IsGood (примеры в патенте).
6. Отправка и Отображение: Сервер отправляет список подсказок клиенту до получения явного запроса на поиск. Клиент отображает подсказки.

Какие данные и как использует

Данные на входе

• Контентные факторы (Текстовые):
  • Термины Первого запроса (извлекаются из URL клиентом).
  • Термины Второго запроса (текущий ввод пользователя).
• Технические факторы:
  • URL текущей страницы (SERP). Используется как источник контекста на стороне клиента.
• Поведенческие факторы (Исторические данные):
  • Query Logs и Click Logs. Используются для определения связей между последовательными запросами (реформулировками) и популярности запросов.
  • Персональная история поиска (устройства или аккаунта пользователя).
• Географические факторы:
  • Местоположение клиентского устройства. Используется для фильтрации и ранжирования подсказок.
• Временные факторы:
  • Текущее время и часовой пояс.
  • Поисковые тренды.
• Пользовательские факторы:
  • Предполагаемый язык запроса.

Какие метрики используются и как они считаются

• Probability Analysis (Вероятностный анализ): Упоминается как основа для ранжирования. Определяет вероятность того, что конкретная подсказка является искомой, с учетом всех входных данных (контекста, ввода, региона, истории).
• Reformulation Rank (Ранг реформулировки): Метрика, учитывающая связь между Первым и Вторым запросами с поправкой на региональность. В патенте приведен пример псевдокода для расчета ранга с использованием региональной частотности (RegionFreq) и максимального веса региона (maxRegionalWeight). Формула на основе псевдокода:

$$ \text{ReformulationRank} = \frac{\text{Rank(queryData, input)}}{\text{maxRegionalWeight}} $$

Этот механизм используется для понижения подсказок, которые популярны глобально, но менее релевантны для региона пользователя.

• Фильтрация невыбранных подсказок: Упоминается возможность использовать подсказки Первого запроса, которые не были выбраны пользователем, как негативный сигнал при формировании подсказок для Второго запроса.

Выводы

1. Контекст предыдущего запроса критичен для подсказок на SERP: Яндекс явно использует предыдущий запрос как сильный контекстный сигнал при генерации подсказок во время уточнения поиска на странице выдачи.
2. Техническая реализация через URL (Client-Side Context): Ключевая инновация патента — перенос ответственности за передачу контекста с сервера на клиент. Клиент извлекает предыдущий запрос из URL и явно передает его в запросе на подсказки. Это быстрее и проще, чем анализ сессии на сервере.
3. Демонстрация семантических связей: Механизм показывает, как система связывает различные концепции на лету (например, связь «патент» и «товарный знак» в примере патента).
4. Многофакторность и Вероятностный анализ: Ранжирование подсказок — сложный процесс, использующий вероятностный анализ и учитывающий общую и персональную историю поиска, геолокацию, язык и время.
5. Региональная зависимость подсказок: В патенте явно описан механизм (ReformulationRank) для корректировки ранга подсказок с учетом региональной популярности.

Практика

Best practices (это мы делаем)

Хотя патент описывает механизм работы подсказок, а не ранжирования, он дает ценные инсайты для SEO-стратегии:

• Анализ путей уточнения запросов (Query Refinement Paths): Используйте этот механизм для исследования семантических связей. Введите основной запрос, перейдите на SERP Яндекса, сотрите запрос и начните вводить уточняющие слова (или просто пробел). Это покажет, какие связанные темы Яндекс считает наиболее релевантными в контексте основного запроса.
• Построение широких семантических кластеров и Topical Authority: Патент подтверждает, что Яндекс рассматривает запросы в контексте сессии. Оптимизируйте контент под тематические блоки, охватывающие основные интенты и их последующие уточнения, которые выявили на предыдущем шаге.
• Использование подсказок для структуры контента: Используйте данные из контекстных подсказок для формирования структуры страниц (заголовков H2/H3, блоков) и планирования внутренней перелинковки, чтобы покрыть эти связанные темы и QBST фразы.
• Учет региональности: При продвижении в разных регионах анализируйте подсказки отдельно для каждого региона, так как патент описывает механизмы региональной фильтрации.

Worst practices (это делать не надо)

• Изолированный анализ ключевых слов: Рассмотрение запросов в отрыве от их контекста и взаимосвязей с другими запросами в рамках одной сессии.
• Игнорирование смежных интентов: Фокусировка только на основном высокочастотном запросе без учета того, как пользователи его уточняют и какие смежные темы ищут после него.

Стратегическое значение

Патент подтверждает стратегический фокус Яндекса на понимании контекста поисковой сессии. Для SEO это подчеркивает переход от оптимизации под статичные ключевые слова к оптимизации под динамичные сценарии поиска информации и весь путь пользователя (User Journey). Понимание того, как пользователи уточняют свои запросы и как система им в этом помогает (связывая концепции), является ключом к созданию контента, соответствующего ожиданиям поисковой системы.

Практические примеры

Сценарий 1: Анализ семантики для интернет-магазина (E-commerce)

1. Первый запрос: SEO-специалист вводит «купить холодильник».
2. Переход на SERP: Специалист находится на SERP. URL содержит text=купить+холодильник.
3. Уточнение: Специалист стирает запрос в поисковой строке на SERP и вводит букву «с».
4. Анализ контекстных подсказок: Система (используя механизм патента) покажет подсказки в контексте «купить холодильник»: «самсунг», «side by side», «со скидкой». (В отличие от общих подсказок на «с»: «сбербанк», «спортмастер»).
5. Действие: Эти контекстные подсказки должны быть учтены при проектировании структуры каталога, фильтров и тегирования для категории «Холодильники».

Сценарий 2: Оптимизация контента юридического сайта (Инфо)

1. Первый запрос: Специалист вводит «регистрация патента».
2. Переход на SERP: Специалист находится на SERP.
3. Уточнение: Специалист стирает запрос и вводит букву «т».
4. Анализ контекстных подсказок: Система показывает подсказки, связанные с патентами: «товарный знак», «типы патентов».
5. Действие: Убедиться, что на сайте есть контент, покрывающий эти смежные темы (товарные знаки), и он перелинкован со страницей о патентах, так как Яндекс видит сильную связь между этими концепциями.

Вопросы и ответы