Как Яндекс определяет, является ли голосовой запрос уточнением предыдущего или новым поиском

Описание

Какую задачу решает

Патент решает проблему интерпретации контекста при последовательных голосовых командах в поиске. Ключевая задача — определить, является ли текущая голосовая команда пользователя (Q2) уточнением (refinement) предыдущего запроса (Q1) или это совершенно новый, независимый запрос. Это критически важно для поддержания диалога и корректного взаимодействия с элементами на SERP, такими как интерактивные виджеты.

Что запатентовано

Запатентован метод определения связи между последовательными голосовыми запросами. Суть изобретения заключается в использовании механизма «псевдопоиска» (pseudo search) для верификации гипотезы об уточнении. Система сравнивает качество («relative weight») результатов поиска для комбинированного запроса (Q1+Q2) с качеством результатов для второго запроса в изоляции (Q2).

Как это работает

Когда пользователь произносит второй запрос (Q2) после первого (Q1), система выполняет два внутренних «псевдопоиска». Первый основан на комбинации Q1 и Q2. Второй основан только на Q2. Затем система оценивает relative weight (общую релевантность и качество) результатов обоих поисков, используя стандартные алгоритмы ранжирования. Если вес результатов комбинированного поиска (Q1+Q2) выше, система делает вывод, что Q2 является уточнением Q1. В этом случае Q2 может быть использован, например, для заполнения полей в интерактивном виджете на текущей SERP.

Актуальность для SEO

Средняя. Голосовой поиск и диалоговые интерфейсы активно развиваются. Описанный механизм определения контекста через сравнение качества выдачи остается валидным подходом. Однако современные системы могут также использовать более сложные нейросетевые модели для управления диалогом и понимания контекста (Context Awareness), которые могут дополнять или частично заменять описанный механизм псевдопоиска, который может быть ресурсоемким.

Важность для SEO

Влияние на SEO низкое (3/10). Это преимущественно инфраструктурный и UI/UX патент, описывающий логику обработки голосового взаимодействия, а не алгоритмы ранжирования контента. Он не вводит новых факторов ранжирования. Однако он имеет косвенное стратегическое значение, подчеркивая важность интерактивных сниппетов (widgets). Патент детально описывает, как Яндекс облегчает голосовое взаимодействие с этими виджетами, что повышает их ценность для пользователей.

Детальный разбор

Термины и определения

First/Second Voice Command (Первая/Вторая голосовая команда)

Последовательные голосовые вводы от пользователя, содержащие поисковые запросы (Q1 и Q2).

Interactive Element (Интерактивный элемент)

Часть виджета на SERP (например, поле ввода, выпадающий список), позволяющая пользователю взаимодействовать с ассоциированным ресурсом, не покидая страницу выдачи.

Pseudo Search (Псевдопоиск)

Внутренний поисковый процесс, запускаемый системой для оценки потенциальных результатов по разным интерпретациям запросов. Используется для принятия решения о контексте.

Ranking Algorithm (Алгоритм ранжирования)

Алгоритм, используемый для определения относительного веса результатов псевдопоисков. В патенте указано (Claim 17), что это machine-learning algorithm, используемый для генерации SERP.

Refinement (Уточнение)

Ситуация, когда последующий запрос (Q2) семантически связан с предыдущим (Q1) и сужает или модифицирует его в рамках того же контекста.

Relative Weight (Относительный вес)

Метрика, оценивающая общее качество или релевантность набора результатов псевдопоиска. Чем выше вес, тем более качественной система считает данную интерпретацию запроса.

Trigger (Триггер)

Инструкция (в описании патента упоминается формат JSON), отправляемая сервером на клиентское устройство, инициирующая действие, например, заполнение полей виджета данными из уточняющего запроса.

Widget (Виджет)

Интерактивный сниппет или «колдунщик» на странице результатов поиска (SERP), предоставляющий расширенную функциональность (например, форму бронирования).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает ядро изобретения — метод определения уточнения запроса.

1. Система получает первую голосовую команду (Q1).
2. Система получает вторую голосовую команду (Q2).
3. Определение, является ли Q2 уточнением Q1, включает следующие шаги:
• Выполнение первого псевдопоиска на основе комбинации Q1 и Q2.
• Выполнение второго псевдопоиска, включающего Q2.
• Определение относительного веса (relative weight) результатов для обоих псевдопоисков.
• Вывод о том, что Q2 является уточнением Q1, если относительный вес результатов первого псевдопоиска (Q1+Q2) выше, чем у второго (Q2).

Система использует качество потенциальной выдачи как критерий для интерпретации намерения пользователя. Если комбинация запросов дает более качественные результаты, чем второй запрос сам по себе, это сигнализирует о наличии контекстуальной связи.

Claim 16 и 17 (Зависимые пункты): Критически важные детали реализации процесса определения веса.

Определение относительного веса выполняется путем применения ranking algorithm (алгоритма ранжирования). Уточняется, что этот алгоритм является machine-learning algorithm (алгоритмом машинного обучения), который используется для ранжирования результатов при генерации SERP. Это означает, что Яндекс использует свою основную формулу ранжирования для оценки того, какая интерпретация запроса приводит к более когерентной и качественной выдаче.

Claim 3 и 4 (Зависимые пункты): Описывают контекст применения изобретения с виджетами.

После выполнения поиска по Q1 пользователю предоставляется SERP, который может содержать widget (виджет). Виджет содержит interactive elements (интерактивные элементы), обеспечивающие двустороннюю связь между виджетом и ассоциированным веб-ресурсом.

Claim 7 (Зависимый пункт): Описывает действие системы при обнаружении уточнения.

Если система определила, что Q2 является уточнением Q1, она отправляет trigger (триггер) на устройство пользователя. Этот триггер инструктирует устройство обновить интерактивный элемент виджета данными из Q2 (т.е. заполнить поля формы на основе голосовой команды).

Где и как применяется

Изобретение затрагивает несколько слоев поисковой архитектуры, связанных с обработкой запроса и взаимодействием с пользователем.

QUERY PROCESSING – Понимание Запросов
Основное применение. На этом этапе происходит распознавание речи и ключевая функция — определение взаимосвязи между последовательными запросами (является ли Q2 уточнением Q1 или новым запросом).

RANKING – Ранжирование (Внутреннее использование)
Основной алгоритм ранжирования (например, уровни L2/L3, использующие CatBoost) используется не для ранжирования документов для пользователя напрямую, а как инструмент для оценки качества результатов псевдопоисков. Система запрашивает у слоя ранжирования relative weight для двух сценариев (Q1+Q2 и Q2).

BLENDER – Метапоиск и Смешивание (Wizards/Колдунщики)
Результат процесса (решение о том, что Q2 это уточнение, и соответствующий trigger) используется для управления поведением интерактивных сниппетов (виджетов или колдунщиков) на SERP. Система может заполнять поля в этих виджетах данными из уточняющего запроса.

На что влияет

• Специфические запросы: Влияет преимущественно на сессии голосового поиска, где пользователь задает серию последовательных запросов.
• Конкретные форматы контента: Наибольшее влияние оказывается на взаимодействие с интерактивными сниппетами (виджетами), такими как формы бронирования, калькуляторы, фильтры товаров, отображаемые непосредственно на SERP.
• Конкретные ниши: Особенно актуально для тематик, где часто используются интерактивные виджеты: туризм (бронирование билетов, отелей), e-commerce (фильтрация товаров), финансы.

Когда применяется

• Условия работы: Алгоритм активируется, когда пользователь инициирует голосовую команду (Q2), находясь при этом в контексте предыдущего поиска (например, просматривая SERP по запросу Q1).
• Триггеры активации: Получение последовательного голосового ввода. Система должна принять решение: сохранить текущий контекст (уточнение) или начать новый поиск.

Пошаговый алгоритм

1. Начало сессии и Первый запрос (Q1): Система получает первую голосовую команду от пользователя, распознает ее и выполняет поиск.
2. Отображение результатов: Пользователю возвращается SERP. Как описано в патенте, SERP может содержать интерактивный widget (например, форму заказа билетов).
3. Получение Второго запроса (Q2): Пользователь произносит следующую команду (например, уточняя параметры). Система распознает эту команду.
4. Инициация Псевдопоисков: Для определения природы Q2 система запускает два внутренних процесса:
• Первый pseudo search: Поиск по комбинированному запросу (Q1 + Q2).
• Второй pseudo search: Поиск только по второму запросу (Q2).
5. Оценка и Ранжирование: Система использует основной Ranking Algorithm (ML-модель ранжирования) для определения relative weight (качества и релевантности) результатов для обоих псевдопоисков.
6. Сравнение Весов: Система сравнивает полученные веса.
7. Принятие Решения: Если вес результатов комбинированного поиска (Q1+Q2) выше, чем вес результатов изолированного поиска (Q2), система делает вывод, что Q2 является уточнением Q1.
8. Выполнение Действия:
• Если Q2 — уточнение: Система генерирует trigger и отправляет его на устройство пользователя для обновления SERP или заполнения полей интерактивного виджета данными из Q2.
• Если Q2 — новый запрос (вес Q2 выше или равен): Система выполняет стандартный поиск по Q2 и отображает новый SERP.

Какие данные и как использует

Данные на входе

• Контентные факторы (Текстовые): Текстовое содержание первого (Q1) и второго (Q2) голосовых запросов (после процесса распознавания речи Speech-to-Text).
• Пользовательские факторы (Контекст): Информация о текущем состоянии интерфейса пользователя, в частности, факт нахождения на SERP, сгенерированном по запросу Q1, и наличие активных интерактивных виджетов.

Какие метрики используются и как они считаются

• Relative Weight (Относительный вес): Это основная метрика, используемая для принятия решения. Она представляет собой интегральную оценку качества или релевантности набора результатов поиска (SERP), полученного в результате псевдопоиска.
• Метод расчета веса: Патент явно указывает (Claims 16, 17), что для определения relative weight используется стандартный Ranking Algorithm поисковой системы, который является machine-learning algorithm. На практике это означает, что для оценки результатов псевдопоисков используется основная формула ранжирования Яндекса (например, на базе CatBoost).

Выводы

1. Интерфейсный, а не ранжирующий патент: Патент описывает механизм обработки последовательных голосовых запросов и управления пользовательским интерфейсом (UI/UX). Он не предлагает новых методов ранжирования документов и поэтому не содержит прямых рекомендаций по SEO, влияющих на позиции сайта.
2. Основная ML-модель как арбитр контекста: Ключевая идея патента — использование основной модели машинного обучения (Ranking Algorithm) не только для ранжирования, но и как инструмента для понимания запросов. Система доверяет модели определить, какая интерпретация запроса (уточнение или новый запрос) приводит к более качественной выдаче.
3. Фокус на интерактивные сниппеты (Widgets): Описанный механизм критически важен для обеспечения бесшовного голосового взаимодействия с виджетами на SERP (заполнение форм, выбор параметров). Это демонстрирует важность этих элементов в экосистеме Яндекса.
4. Удержание пользователя на SERP: Патент подтверждает стратегию Яндекса по созданию интерактивной выдачи, позволяющей пользователю решать задачи и взаимодействовать с контентом сайтов-партнеров, не покидая страницу результатов поиска (концепция Zero-Click).

Практика

Best practices (это мы делаем)

Хотя патент не влияет напрямую на ранжирование, он дает важные инсайты для стратегии взаимодействия с SERP-фичами Яндекса.

• Активное внедрение интерактивных сниппетов (Widgets): Поскольку весь патент сфокусирован на улучшении голосового взаимодействия с виджетами, наличие таких сниппетов у вашего сайта становится конкурентным преимуществом в голосовом поиске. Необходимо участвовать в программах Яндекса, позволяющих формировать такие сниппеты (например, через API, партнерские программы или соответствующие инструменты).
• Обеспечение полноты и структурированности данных: Для корректной работы виджетов и точного распознавания голосовых уточнений (например, «цена до 1000 рублей», «на 1 неделю») необходимо иметь четко структурированные данные о товарах и услугах на сайте и передавать их Яндексу в нужном формате.
• Проектирование UX с учетом голосового ввода: При разработке функционала (например, форм бронирования), который может быть выведен в виджет, следует учитывать возможность голосового заполнения. Логичные и предсказуемые названия полей облегчают системе маппинг голосовой команды на интерактивные элементы.

Worst practices (это делать не надо)

• Игнорирование возможностей интерактивной выдачи: Отказ от интеграции с Яндексом для создания виджетов снижает удобство использования сайта для голосовых пользователей и уменьшает потенциальные конверсии прямо с SERP.
• Неструктурированные данные: Отсутствие четкой структуры данных о товарах/услугах не позволит Яндексу сформировать полезный виджет, что исключит возможность применения описанного в патенте механизма к вашему сайту.

Стратегическое значение

Патент подтверждает долгосрочную стратегию Яндекса на развитие голосовых интерфейсов и интерактивной выдачи. Он показывает, что Яндекс стремится быть платформой для выполнения задач. Для SEO-специалистов это подчеркивает необходимость смещения фокуса с традиционной оптимизации на техническую интеграцию и обеспечение структурной готовности сайта к взаимодействию с продвинутыми SERP-фичами Яндекса.

Практические примеры

Сценарий: Голосовое взаимодействие с сайтом бронирования путешествий

1. Подготовка (SEO-действие): Туристический сайт настраивает интеграцию с Яндексом, предоставляя API для поиска туров. Это позволяет Яндексу отображать интерактивный виджет с полями «Страна», «Цена», «Длительность».
2. Первый запрос (Q1): Пользователь говорит: «Дешевые туры». Яндекс отображает SERP, где присутствует интерактивный виджет подготовленного сайта.
3. Второй запрос (Q2): Пользователь говорит: «Мексика, 1 неделя, до 1000 долларов».
4. Действие системы (по патенту): Яндекс выполняет псевдопоиски: (1) «Дешевые туры + Мексика 1 неделя до 1000 долларов» и (2) «Мексика 1 неделя до 1000 долларов». Система определяет, что комбинированный запрос дает более высокий relative weight.
5. Результат: Система распознает Q2 как уточнение и отправляет trigger на устройство пользователя. Поля виджета («Страна», «Длительность», «Цена») автоматически заполняются данными из Q2. Пользователь видит результат, не вводя данные вручную.

Вопросы и ответы