Как Яндекс ранжирует блоки похожих запросов (подсказок) в основной поисковой выдаче с помощью метрики «Related Long Click»

Описание

Какую задачу решает

Патент решает проблему интеграции поисковых подсказок (Suggests) или связанных запросов непосредственно в основную ранжированную выдачу (SERP). Традиционные метрики ранжирования, основанные на удовлетворенности пользователя, такие как Long Click (длинный клик), неприменимы к подсказкам. Клик по подсказке ведет не на конечный веб-ресурс, а на другую SERP. Стандартные алгоритмы воспринимают это как клик с нулевой ценностью (возврат), что не позволяет эффективно ранжировать подсказки вместе с общими результатами поиска. Изобретение предлагает механизм для корректной оценки полезности подсказок.

Что запатентовано

Запатентована система и метод для смешивания (blending) общих результатов поиска (General Search Results) и объектов-подсказок (Suggest Objects) в едином ранжированном списке. Суть изобретения заключается в применении отдельного алгоритма ранжирования (Second Ranking Algorithm) для объектов-подсказок, который позволяет оценить их релевантность относительно общих результатов (ранжированных First Ranking Algorithm).

Как это работает

Система генерирует стандартные результаты и ранжирует их первым алгоритмом (например, на основе Long Click). Параллельно идентифицируются связанные запросы (подсказки). Для них рассчитывается специальная метрика — Related Long Click (связанный длинный клик). Эта метрика оценивает вероятность того, что пользователь кликнет на подсказку, перейдет на новую SERP и затем совершит Long Click на одном из ресурсов этой новой выдачи. Второй алгоритм ранжирования (Блендер) использует Related Long Click для позиционирования блока подсказок (часто в виде виджета) среди общих результатов.

Актуальность для SEO

Высокая. Смешивание выдачи (Blending) и интеграция различных типов контента (вертикали, виджеты, связанные запросы) являются центральными элементами современных поисковых систем. Использование прогнозируемых поведенческих метрик для ранжирования этих элементов является стандартной практикой Яндекса для оценки качества и формирования SERP.

Важность для SEO

Влияние на SEO умеренное (6/10). Патент не меняет фундаментальные принципы ранжирования отдельных страниц, но критически влияет на структуру выдачи (SERP Real Estate) и распределение кликов. Появление высоко ранжированных блоков с подсказками может смещать органические результаты вниз. Однако патент также подчеркивает, что качество вашего сайта (измеренное через Long Clicks) косвенно влияет на видимость подсказок, которые ведут на выдачу с вашим сайтом.

Детальный разбор

Термины и определения

First Ranking Algorithm (Первый алгоритм ранжирования)

Основной алгоритм, используемый для ранжирования общих результатов поиска (веб-ресурсов). Может использовать метрики, такие как Long Click.

General Search Result (Общий результат поиска)

Стандартный результат поиска, обычно веб-ресурс (URL), отвечающий на исходный запрос.

Long Click (Длинный клик)

Поведенческая метрика, указывающая на удовлетворенность пользователя результатом. В патенте упоминается как клик, после которого пользователь остается на веб-ресурсе в течение длительного времени (например, 60 секунд и более).

Related Long Click (Связанный длинный клик)

Ключевая метрика патента для ранжирования Suggest Object. Она оценивает вероятность последовательности событий: клик по подсказке -> переход на новую SERP -> клик по результату на этой SERP -> длительное пребывание на этом ресурсе (Long Click). Это способ измерить полезность подсказки через качество результатов, к которым она ведет.

Second Ranking Algorithm (Второй алгоритм ранжирования)

Алгоритм смешивания (Блендер). Применяется для ранжирования Suggest Object относительно General Search Results. Использует Related Long Click для сравнения.

Suggest (Подсказка) / Related Query (Связанный запрос)

Предложения по уточнению или изменению запроса, основанные на истории поисковых сессий других пользователей.

Suggest Object (Объект-подсказка)

Элемент интерфейса SERP, содержащий одну или несколько подсказок. Часто реализуется в виде виджета (Widget).

Third Ranking Algorithm (Третий алгоритм ранжирования)

Алгоритм, используемый для ранжирования нескольких связанных запросов между собой (например, для определения порядка подсказок внутри виджета). Также использует Related Long Click.

Ключевые утверждения (Анализ Claims)

Патент сосредоточен на методологии, позволяющей ранжировать элементы, ведущие на другую SERP (подсказки), вместе с элементами, ведущими на веб-ресурсы (общие результаты).

Claim 1 (Независимый пункт): Описывает основной процесс смешивания.

1. Система получает поисковый запрос.
2. Определяется первый набор результатов поиска (First Search Result Set), включающий общие результаты.
3. Эти общие результаты ранжируются с использованием First Ranking Algorithm.
4. На основе предыдущих поисковых сессий извлекается связанный запрос (Related Query / Suggest).
5. Генерируется объект-подсказка (Suggest Object).
6. Критический шаг: Применяется Second Ranking Algorithm для ранжирования Suggest Object *относительно* общих результатов поиска.
7. Генерируется второй набор результатов (Second Search Result Set), который включает в ранжированном порядке Suggest Object и общие результаты.
8. Формируется финальная SERP.

Claim 14 (Зависимый от Claim 1): Уточняет механизм работы Второго алгоритма ранжирования.

Второй алгоритм использует переменную, зависящую от Related Long Click. При этом Related Long Click является функцией от Long Click, связанного с результатами поиска по связанному запросу (т.е. с результатами на следующей SERP).

Claim 3 и 4 (Зависимые): Описывают ранжирование внутри блока подсказок.

Система может применить Third Ranking Algorithm для ранжирования множества связанных запросов между собой. Этот алгоритм также использует переменную, зависящую от Long Click, для генерации Related Long Click.

Где и как применяется

Изобретение применяется на поздних этапах формирования поисковой выдачи.

RANKING – Ранжирование
На этом этапе происходит расчет метрик. Для общих результатов используется First Ranking Algorithm (использующий метрики типа Long Click/Proxima). Для связанных запросов офлайн или онлайн рассчитывается метрика Related Long Click на основе исторических данных о поведении.

BLENDER – Метапоиск и Смешивание
Это основная область применения патента. Компонент Blender получает списки результатов разных типов (общие результаты и Suggest Objects). Он применяет Second Ranking Algorithm для определения финальной позиции Suggest Object в общем списке. Этот алгоритм сравнивает скоры общих результатов (основанные на Long Click) со скорами Suggest Object (основанными на Related Long Click).

Входные данные: Исходный запрос, набор общих результатов с оценками релевантности, набор связанных запросов, исторические логи поисковых сессий.

Выходные данные: Финальная SERP, где Suggest Objects (виджеты) интегрированы в ранжированный список вместе с общими результатами.

На что влияет

• Структура SERP (SERP Real Estate): Алгоритм напрямую влияет на то, появятся ли блоки связанных запросов в выдаче и на какой позиции. Это влияет на видимость органических результатов, расположенных ниже.
• Типы запросов: Вероятно, алгоритм чаще применяется к широким или неоднозначным запросам (например, запрос «New York» в патенте), где пользователю может потребоваться уточнение или исследование смежных тем.
• Поведенческие факторы: Алгоритм усиливает значение качества сайта, измеряемого через Long Clicks. Сайты высокого качества повышают не только свой ранг, но и вероятность появления подсказок, ведущих к ним.

Когда применяется

Алгоритм применяется при формировании SERP, если выполняются следующие условия:

1. Система идентифицировала релевантные связанные запросы (Suggests) для текущего запроса на основе исторических данных.
2. Для этих запросов существует достаточно данных для расчета метрики Related Long Click.
3. Рассчитанный скор Related Long Click достаточно высок, чтобы Suggest Object мог конкурировать с общими результатами поиска за позиции на SERP.

Пошаговый алгоритм

Процесс А: Офлайн-подготовка (Обработка данных)

1. Сбор логов: Агрегация данных о поисковых сессиях, кликах и времени пребывания (Dwell Time).
2. Расчет Long Click: Вычисление метрик Long Click для пар (запрос, веб-ресурс).
3. Расчет Related Long Click: Для каждой пары (исходный запрос, связанный запрос) вычисляется вероятность того, что переход по связанному запросу приведет к последующему Long Click. Патент предлагает два метода:
   • Усреднение Long Click топовых результатов (например, Топ-10, Топ-50) по связанному запросу.
   • Использование отдельной формулы машинного обучения для предсказания вероятности успешной последовательности переходов.

Процесс Б: Обработка запроса в реальном времени

1. Получение запроса: Сервер получает запрос.
2. Генерация и ранжирование общих результатов: First Ranking Algorithm сортирует общие результаты (используя Long Click).
3. Идентификация и ранжирование подсказок: Извлечение связанных запросов и их скоров Related Long Click. Применение Third Ranking Algorithm для выбора лучших подсказок.
4. Генерация Suggest Object: Формирование виджета с выбранными подсказками.
5. Смешивание (Blending): Second Ranking Algorithm ранжирует Suggest Object относительно общих результатов, сравнивая Related Long Click и Long Click.
6. Генерация SERP: Формирование финальной смешанной выдачи.

Какие данные и как использует

Данные на входе

• Поведенческие факторы: Это основные данные для работы алгоритма. Используются исторические логи поисковых сессий, включающие последовательности запросов, клики по результатам, клики по подсказкам и время пребывания на целевых ресурсах (Dwell Time). Система отслеживает не только отдельные переходы, но и связь между ними в рамках сессии.
• Данные о запросах: Тексты исходного и связанных запросов.

Какие метрики используются и как они считаются

• Long Click: Используется Первым алгоритмом. Рассчитывается на основе среднего времени, которое пользователи проводят на результате после клика (упоминается порог в 60 секунд).
• Related Long Click: Используется Вторым (и Третьим) алгоритмом. Рассчитывается либо как агрегация (например, среднее) Long Clicks результатов на целевой SERP, либо через ML-модель, предсказывающую вероятность успешной сессии после перехода по подсказке.
• Алгоритмы машинного обучения: Упоминается использование отдельной ML-формулы для расчета релевантности подсказки (т.е. для вычисления Related Long Click) и определения позиции виджета.

Выводы

1. Ранжирование блоков, ведущих на другую SERP: Яндекс разработал механизм для интеграции и ранжирования блоков с похожими запросами (Suggest Objects) непосредственно в основную выдачу наравне с органическими результатами.
2. Метрика Related Long Click: Ключевым элементом является введение метрики «связанный длинный клик». Она позволяет оценить полезность подсказки не по взаимодействию с самой подсказкой, а по качеству (удовлетворенности пользователем) тех конечных ресурсов, к которым она ведет.
3. Архитектура Блендинга: Патент четко разделяет алгоритм ранжирования веб-ресурсов (Первый), алгоритм ранжирования подсказок внутри блока (Третий) и алгоритм смешивания (Второй), который сравнивает разнородные объекты, используя нормализованные метрики удовлетворенности.
4. Качество сайта влияет на видимость подсказок: Чем выше качество вашего сайта (измеряемое через Long Clicks), тем выше будет Related Long Click у тех подсказок, которые ведут на выдачу, где ваш сайт находится в топе. Качество сайта косвенно влияет на структуру выдачи по смежным запросам.
5. Динамическая структура SERP: Структура выдачи становится более динамичной, так как виджеты с подсказками напрямую конкурируют за позиции с органическими результатами на основе прогнозируемой полезности.

Практика

Best practices (это мы делаем)

• Максимизация удовлетворенности пользователя (Long Clicks): Главный вывод для SEO — критическая важность поведенческих факторов. Необходимо фокусироваться на полном ответе на интент, чтобы минимизировать возвраты на выдачу и максимизировать время пребывания на странице (Long Click). Это не только улучшает прямое ранжирование, но и увеличивает Related Long Click для подсказок, ведущих к вашему сайту.
• Анализ всей воронки запросов (Customer Journey Map): Необходимо понимать, как пользователи уточняют запросы и переходят между смежными темами. Анализируйте блоки «Похожие запросы» и «Люди также ищут». Убедитесь, что ваш сайт хорошо ранжируется по этим связанным запросам.
• Оптимизация сниппетов для выигрыша клика на «второй» SERP: Если пользователь попадает на выдачу через подсказку, ваш сниппет должен быть максимально привлекательным, чтобы выиграть клик, который затем превратится в Long Click и поддержит видимость этой подсказки в будущем.
• Построение Topical Authority: Создание авторитетного ресурса, который хорошо ранжируется по широкому кластеру связанных запросов, увеличивает вероятность того, что система будет активно предлагать подсказки, ведущие к выдачам с вашим контентом, так как совокупный Related Long Click будет высоким.

Worst practices (это делать не надо)

• Игнорирование структуры SERP: Оптимизация только под позицию №1 без учета появления виджетов и блоков подсказок, которые могут занять значительную часть экрана и перетянуть трафик.
• Создание контента, ведущего к быстрым возвратам (Short Clicks): Контент низкого качества, кликбейтные заголовки или плохое юзабилити приводят к коротким кликам. Это снижает Long Click метрики, что, в свою очередь, понижает Related Long Click и уменьшает вероятность показа подсказок, ведущих к вашему сайту.
• Узкая оптимизация без учета смежных интентов: Фокусировка на одном запросе без анализа того, как пользователи могут его уточнять. Система может предпочесть показать блок связанных запросов выше вашего сайта, чтобы помочь пользователю.

Стратегическое значение

Патент подтверждает стратегический фокус Яндекса на поведенческих сигналах как на главном мериле качества (в контексте метрик Proxima и Профицит). Он демонстрирует, что эти сигналы используются не только для ранжирования документов, но и для динамического построения самой структуры SERP. Для SEO это означает, что анализ конкурентов должен включать анализ всей экосистемы выдачи, включая виджеты и связанные запросы, а стратегия должна быть направлена на обеспечение максимальной удовлетворенности пользователя на всех этапах его поискового пути.

Практические примеры

Сценарий: Ранжирование блока подсказок по запросу о выборе товара

1. Запрос пользователя: «Как выбрать телевизор» (широкий запрос).
2. Анализ системы: Яндекс генерирует общие результаты (статьи с советами). Параллельно идентифицируются связанные запросы: «Рейтинг телевизоров 2025», «OLED vs QLED».
3. Расчет метрик:
   • Статья А (общий результат на 3 позиции) имеет Long Click скор 0.7.
   • Система анализирует выдачу по запросу «Рейтинг телевизоров 2025». Топ-3 сайта в этой выдаче имеют очень высокие Long Click скоры (в среднем 0.85).
   • Система рассчитывает Related Long Click для подсказки «Рейтинг телевизоров 2025» как 0.85 (упрощенно).
4. Ранжирование (Blending): Second Ranking Algorithm сравнивает скоры. Виджет с подсказкой «Рейтинг телевизоров 2025» (0.85) имеет более высокий скор, чем Статья А (0.7).
5. Результат: Виджет размещается на 3 позиции, смещая Статью А на 4 позицию.
6. Действие SEO-специалиста: Необходимо не только улучшать основную статью, но и создать лучший в классе контент по связанному запросу («Рейтинг телевизоров 2025») с максимальными показателями Long Click, чтобы захватить трафик и поддержать Related Long Click.

Вопросы и ответы