Как Яндекс генерирует умные контекстные подсказки и действия в браузере на основе семантики выделенного контента

Описание

Какую задачу решает

Патент решает проблему ограниченности стандартных контекстных меню, которые обычно зависят от типа выделенного объекта (текст, изображение), а не от его семантического значения. Например, как указано в патенте, старые системы могли предлагать опцию «Показать на карте» для любого текста, даже если он не являлся адресом. Изобретение направлено на улучшение пользовательского опыта путем предоставления действий и информации, основанных на смысле выделенного контента и контексте его окружения.

Что запатентовано

Запатентована система и метод для динамического предоставления Browser Contextual Assistant (Браузерного Контекстного Помощника). Суть изобретения заключается в том, что выделенный пользователем контент используется как поисковый запрос, который выполняется одновременно по нескольким Search Verticals (поисковым вертикалям). Система определяет наиболее релевантную вертикаль и на ее основе динамически формирует меню, состоящее из релевантных действий или информационных данных.

Как это работает

Когда пользователь выделяет информацию на странице, она отправляется на сервер Яндекса. Опционально передаются дополнительный контекст (окружающий текст) и метаданные (например, геолокация устройства). Сервер обрабатывает это как запрос и выполняет поиск через Search Cluster по различным вертикалям (Карты, Картинки, Веб и т.д.). Анализируя результаты, система определяет Most Relevant Search Vertical. На основе этого сервер генерирует Menu Elements. Например, если выделен адрес и релевантны Карты, система вернет действия «Показать на карте» или «Проложить маршрут». Если выделена сущность и найден энциклопедический ответ, система вернет информационный сниппет. Эти элементы отображаются пользователю в интерфейсе помощника.

Актуальность для SEO

Высокая. Технология анализа выделенного текста и предложения контекстных действий крайне актуальна и широко используется в современных операционных системах и приложениях (например, Google Lens, контекстные функции в Android и iOS). Базовый принцип использования вертикального поиска для понимания семантики контента на лету остается фундаментальным для поисковых систем.

Важность для SEO

Влияние на SEO опосредованное (5/10). Патент не описывает алгоритмы ранжирования основного поиска (SERP). Он описывает функциональность браузера (UI/UX). Однако он имеет стратегическое значение, так как демонстрирует возможности Яндекса по распознаванию сущностей и определению релевантных вертикалей. Этот механизм создает альтернативные точки видимости контента и взаимодействия с сервисами (например, Картами) в обход традиционной поисковой выдачи, влияя на общую стратегию видимости бренда в экосистеме Яндекса.

Детальный разбор

Термины и определения

Browser Contextual Assistant (Браузерный Контекстный Помощник)

Динамический элемент графического интерфейса (например, контекстное меню или всплывающая подсказка), который генерируется на основе семантического анализа контента, выделенного пользователем.

Information Other Than User-Selected Information (Информация, отличная от выбранной пользователем)

Дополнительные данные, отправляемые на сервер вместе с выделенным фрагментом. Включают контекст (текст или изображения вокруг выделения), характеристики устройства, местоположение устройства (Geo Location), статус входа в социальные сети.

Menu Element (Элемент Меню)

Компонент Контекстного Помощника. Может быть двух типов: Data (Данные) – информационный сниппет (например, определение из Википедии) или Menu Item (Пункт Меню) – действие (например, «Показать на карте»).

Most Relevant Search Vertical (Наиболее релевантная поисковая вертикаль)

Поисковая вертикаль, которая вернула наилучшие результаты для запроса, сформированного из выделенного пользователем контента и контекста.

Search Verticals (Поисковые Вертикали)

Специализированные поисковые системы по подмножеству данных (например, Картинки, Видео, Новости, Карты, Маркет). В патенте указано, что Общий веб-поиск (General Web Search) также рассматривается как одна из вертикалей.

User-Selected Information (Информация, выбранная пользователем)

Контент (текст, изображение), который пользователь выделил в графическом интерфейсе.

Ключевые утверждения (Анализ Claims)

Патент фокусируется на методе динамической генерации контента для контекстного помощника на основе результатов поиска по специализированным вертикалям.

Claim 1 (Независимый пункт): Описывает базовый серверный процесс.

1. Сервер получает от устройства User-Selected Information.
2. Сервер выполняет поиск по множеству Search Verticals, используя эту информацию.
3. Сервер определяет Most Relevant Search Vertical.
4. Сервер генерирует (rendering) Menu Element (пункт меню или данные), который связан (related) с этой наиболее релевантной вертикалью.
5. Сервер отправляет этот элемент обратно на устройство для отображения в Browser Contextual Assistant.

Ядром изобретения является динамическое определение содержимого меню на основе сравнительной релевантности различных поисковых вертикалей в ответ на выделение контента.

Claim 5 (Зависимый от 1): Описывает механизм улучшения контекста (Contextualization).

1. Сервер получает Information Other Than User-Selected Information (дополнительную информацию).
2. Поиск по вертикалям выполняется с учетом как выделенного контента, так и этой дополнительной информации.

Система использует контекст за пределами самого выделения. Это включает окружающий текст (Claim 6) для устранения неоднозначности (например, отличить музыканта Армстронга от астронавта по контексту) или местоположение/характеристики устройства (Claim 7) для предложения локальных действий (например, построить маршрут от текущего местоположения).

Claim 10 (Независимый пункт): Описывает процесс со стороны клиентского устройства (браузера).

1. Отображение информации и получение пользовательского выделения.
2. Отправка выделенной информации на сервер.
3. Получение от сервера Menu Element (связанного с наиболее релевантной вертикалью).
4. Отображение Контекстного Помощника с этим элементом.

Где и как применяется

Этот патент описывает функцию пользовательского интерфейса (User Interface Feature), реализованную в клиентском приложении (например, браузере), которая активно взаимодействует с бэкенд-инфраструктурой поиска Яндекса. Она не является частью стандартного процесса ранжирования SERP, но использует его компоненты.

Взаимодействие с Поисковой Инфраструктурой

Система функционирует как мета-сервис, который обращается к существующим слоям поиска по запросу из браузера.

QUERY PROCESSING (Обработка запросов)
Выделенный контент и его контекст преобразуются в поисковый запрос в реальном времени. Специализированный Contextual Assistance Module на сервере обрабатывает этот входящий запрос.

BLENDER / METASEARCH (Метапоиск и Смешивание)
Система выполняет функцию, аналогичную Метапоиску и Блендеру. Запрос отправляется параллельно в различные поисковые вертикали (Search Cluster). Затем система должна сравнить релевантность ответов от разных вертикалей, чтобы определить Most Relevant Search Vertical. На основе этого принимается решение о генерации соответствующих Menu Elements.

Данные на входе: User-Selected Information (текст/объект) и Information Other Than User-Selected Information (контекст, геолокация, данные устройства).

Данные на выходе: Набор отранжированных Menu Elements (действия и/или информационные сниппеты).

На что влияет

• Сущности (Entities): Система оказывает наибольшее влияние на контент, распознаваемый как конкретная сущность: адреса, места (POI), имена людей, названия организаций, продукты.
• Локальный контент: За счет использования вертикали Карт и местоположения устройства, система сильно влияет на взаимодействие с локальными сущностями (предлагая маршруты).
• Информационный контент (Словари/Энциклопедии): Контент, предоставляющий четкие определения (как Википедия), имеет высокие шансы быть использованным в качестве информационного сниппета (Data) в помощнике.
• Вертикали: Влияет на трафик, идущий через специализированные вертикали (Карты, Новости, Картинки), минуя основной SERP.

Когда применяется

• Триггер активации: Выделение пользователем контента в графическом интерфейсе (браузере).
• Условия работы: Алгоритм активируется, если по результатам поиска система находит релевантные данные или действия. Если релевантных контекстно-зависимых элементов не найдено (ни данных, ни пунктов меню), помощник может не генерироваться вовсе (согласно описанию метода 700 в патенте).
• Временные рамки: Применяется в реальном времени сразу после выделения контента.

Пошаговый алгоритм

Детальное описание процесса работы системы:

1. Инициация и Сбор данных: Пользователь выделяет информацию на экране. Клиентское устройство фиксирует User-Selected Information.
2. Сбор Контекста: Клиент собирает Information Other Than User-Selected Information (окружающий текст, местоположение, характеристики устройства).
3. Передача на Сервер: Вся собранная информация отправляется на сервер.
4. Выполнение Поиска (Метапоиск): Сервер передает данные в Поисковый Кластер. Кластер выполняет поиск одновременно по нескольким Search Verticals (включая веб-поиск).
5. Анализ Результатов и Определение Релевантности: Модуль Контекстной Помощи обрабатывает результаты от всех вертикалей и определяет Most Relevant Search Vertical(s).
6. Генерация Элементов Меню (Menu Elements):
   • Система определяет, вернул ли поиск релевантные Data (информационные сниппеты, например, из Википедии). Если да, они добавляются.
   • Система определяет релевантные Menu Items (действия), основываясь на предопределенных связях с вертикалями или на частотном анализе прошлых действий пользователей. (Например, если релевантны Карты и известно местоположение, добавляется «Проложить маршрут»).
   • Если не найдено ни контекстных данных, ни действий, помощник не генерируется.
7. Ранжирование Элементов: Сгенерированные элементы ранжируются. Патент предлагает ранжирование по категориям (сначала Data, потом контекстные Menu Items, потом стандартные действия типа «Копировать») или по релевантности.
8. Отправка Клиенту: Сервер отправляет набор элементов меню клиенту (например, в JSON).
9. Отображение Помощника (Двухэтапное): Клиент может сначала отобразить графический индикатор наличия помощника. После клика пользователя отображается полный Browser Contextual Assistant.
10. Взаимодействие: Если пользователь выбирает элемент, клиент уведомляет сервер, который выполняет действие (например, строит маршрут) и возвращает результат.

Какие данные и как использует

Данные на входе

Система использует комбинацию данных, выделенных пользователем, и контекстуальных данных.

• Контентные факторы:
  • Текст или изображение, выделенные пользователем (User-Selected Information).
  • Текстовые и графические элементы вблизи выделенного контента. Это используется для устранения неоднозначности (например, выделено «Armstrong», но рядом стоит «Louis»).
• Географические факторы:
  • Местоположение электронного устройства (Geo location). Используется для определения релевантности локальных действий, таких как «Проложить маршрут».
• Пользовательские и Технические факторы:
  • Характеристики устройства (разрешение экрана, тип браузера, язык) – могут использоваться для форматирования помощника.
  • Статус входа пользователя в социальные сети (например, Facebook) – может использоваться для добавления действия «Поделиться».

Какие метрики используются и как они считаются

Патент не детализирует конкретные формулы или алгоритмы ML, но описывает ключевые механизмы выбора элементов:

• Релевантность Поисковой Выдачи (Межвертикальное сравнение): Ключевая метрика — определение Most Relevant Search Vertical. Используются стандартные механизмы ранжирования внутри каждой вертикали, а затем результаты сравниваются на межвертикальном уровне (Метапоиск).
• Анализ Частотности Действий (Frequency Analysis): В патенте упоминается, что сервер может определять действия на основе того, что пользователи часто запрашивали после похожих поисков в прошлом.
• Распознавание Сущностей (Entity Recognition): Система должна определить, является ли выделенный текст известной сущностью, чтобы связать его с соответствующей вертикалью или базой знаний.
• Связывание Вертикалей и Действий: Используется предопределенный список потенциальных действий (Menu Items), связанных с конкретными вертикалями (например, Вертикаль Карт -> «Проложить маршрут»).

Выводы

1. Это не патент о ранжировании SERP: Он описывает функцию пользовательского интерфейса (браузера), которая использует поисковую инфраструктуру для генерации динамических подсказок. Прямого влияния на органическое ранжирование нет.
2. Выделение контента = Поисковый запрос: Яндекс обрабатывает любой выделенный пользователем фрагмент как поисковый запрос в реальном времени, прогоняя его через все доступные вертикали.
3. Ключевая задача — определение релевантной Вертикали: Успех системы зависит от способности точно определить, какой тип информации (Карты, Новости, Веб/Энциклопедия и т.д.) наиболее полезен для выделенного контента.
4. Контекст и Геолокация критически важны: Система активно использует окружающий текст, местоположение пользователя и данные устройства для устранения неоднозначности сущностей и определения уместности действий.
5. Альтернативная видимость и Zero-Click: Патент способствует поведению Zero-Click, предоставляя ответы и действия напрямую. Это открывает возможность для сайтов получить видимость и трафик не через SERP, а через интерфейс Контекстного Помощника, если контент сайта используется как источник сниппета или является целью действия.

Практика

Best practices (это мы делаем)

Хотя патент описывает функцию браузера, он дает важные указания по оптимизации контента для распознавания системами Яндекса и улучшения видимости в экосистеме.

• Максимальная оптимизация в Яндекс Бизнес (Карты): Для локального бизнеса критически важно иметь точную информацию в Яндекс Картах. Это напрямую влияет на возможность появления действий «Показать на карте» и «Проложить маршрут» при выделении названия или адреса вашей организации на любом сайте.
• Создание контента, пригодного для сниппетов (Snippetable Content): Создавайте четкие, лаконичные определения и сводки для ключевых терминов или сущностей. Система предпочитает энциклопедический формат для генерации информационных элементов (Data). Это повышает шанс, что ваш контент будет использован в качестве подсказки со ссылкой на источник.
• Четкость и однозначность сущностей (Entity Optimization): Убедитесь, что ключевые сущности (названия продуктов, имена, адреса) представлены в тексте ясно. Используйте микроразметку (Schema.org) для помощи поисковым системам в идентификации сущностей.
• Управление контекстом: Обращайте внимание на контекст вокруг упоминания ключевых сущностей. Как показано в патенте, окружающий текст используется для disambiguation (устранения неоднозначности). Контент должен быть структурирован так, чтобы контекст был ясен.

Worst practices (это делать не надо)

• Размещение критической информации в изображениях: Если адреса или ключевые определения представлены только в виде графики, они могут быть недоступны для текстового выделения и не будут обработаны этим помощником.
• Игнорирование локальной оптимизации и вертикалей: Отсутствие или неверные данные в Яндекс Бизнесе или других релевантных вертикалях приведут к тому, что система не сможет сгенерировать полезные действия для вашего бизнеса.
• Неоднозначное упоминание сущностей и неструктурированные данные: Использование жаргона, сокращений без пояснений или нестандартное форматирование адресов может помешать системе правильно идентифицировать сущность.

Стратегическое значение

Патент подтверждает стратегический фокус Яндекса на сущностях (Entities) и интеграции различных вертикалей. Он демонстрирует, как Яндекс стремится предоставлять ответы и инструменты взаимодействия напрямую в интерфейсе пользователя, минуя традиционный путь через SERP. Для SEO это подчеркивает важность оптимизации не только для веб-поиска, но и для специализированных вертикалей, а также необходимость обеспечения машиночитаемости и четкой идентификации сущностей во всей экосистеме Яндекса.

Практические примеры

Сценарий 1: Локальный бизнес (Ресторан)

1. Действие пользователя: Пользователь читает обзор и выделяет название ресторана «Кафе Пушкинъ».
2. Действие системы: Браузер отправляет название и местоположение устройства на сервер. Сервер ищет по вертикалям. Вертикаль Карт и Веб-поиск дают релевантные ответы.
3. Результат: Контекстный помощник отображает:
   • Data: Краткое описание ресторана.
   • Menu Item: «Проложить маршрут» (так как местоположение известно и вертикаль Карт релевантна).
4. Польза для SEO: Ресторан получает потенциального клиента напрямую из статьи, минуя SERP, благодаря качественной оптимизации в Яндекс Картах.

Сценарий 2: Информационный портал (Технический термин)

1. Действие пользователя: Пользователь выделяет термин «Градиентный бустинг».
2. Действие системы: Сервер ищет по вертикалям. Вертикаль Веб-поиска (энциклопедические источники) дает наиболее релевантный ответ.
3. Результат: Контекстный помощник отображает:
   • Data: Определение термина из авторитетного источника (например, вашего сайта, если он хорошо оптимизирован). Сниппет содержит ссылку на источник.
4. Польза для SEO: Ваш сайт получает видимость в качестве экспертного источника (способствуя Zero-Click ответам) и потенциальный переход пользователя, заинтересовавшегося определением.

Вопросы и ответы