谷歌的專利為這家搜尋引擎巨頭的最新創新和改進搜尋技術的優先事項提供了寶貴的見解。
本文深入探討了 2023 年九項有趣的谷歌專利，並分析了它們對 SEO 未來的潛在影響。
僅僅因為 Google 提交並公布了專利申請，並不能保證上述方法將在 Google 搜尋中實施。
要衡量谷歌是否找到了足以在實踐中使用的方法或技術，您可以檢查該專利是否在美國和其他國家/地區正在申請中。
其他國家的專利優先權要求必須在首次申請後 12 個月內提交。
即使專利不能直接轉化為實踐，審查谷歌的專利也是有價值的。 它提供了對 Google 產品開發人員關注的主題和挑戰的見解。
注意：本文僅介紹同樣在美國境外發布的 Google 專利。 專利排名不分先後。 ）
識別符號：us11797626b2
國家：美國、中國、歐洲、俄羅斯。
出版日期：2023 年 10 月。
Google 搜尋變得更加智慧型，有了更多的過濾器來優化搜尋。 這項新專利可以成為過濾方法的基礎。
該專利概述了乙個系統，該系統旨在通過動態生成針對與使用者查詢相關的資源（例如網頁）內容量身定製的搜尋查詢過濾器來增強搜尋體驗。 這種方法旨在增加搜尋選項的相關性和多樣性。
概念概述。 資料處理：系統首先分析使用者的搜尋查詢，以查明相關資源，例如網頁或文件。
關鍵字提取：識別相關資源後，它會從其內容中提取關鍵字。 這些關鍵字反映了資源中的主要主題或主題。 例如，搜尋“2023 年最佳智慧型手機”可能會產生“電池壽命”、“相機質量”和“5G 支援”等關鍵字。
過濾器選擇：系統將這些提取的關鍵字細化為一組查詢篩選器。 它採用多樣性和差異閾值等標準來確保每個過濾器都為搜尋結果提供獨特的視角。 因此，形成了“最佳照相手機”、“5G 智慧型手機”和“長電池壽命手機”等過濾器，每個過濾器都指向搜尋結果的不同子集。
使用者互動：然後，這些查詢篩選器將與其搜尋結果一起顯示。 此功能允許使用者根據特定興趣進一步細化他們的搜尋。 篩選器是動態的，會根據搜尋查詢和當前可用資源的內容進行更改。 例如，在智慧型手機搜尋場景中，選擇“最佳照相手機”過濾器將縮小結果範圍，以專注於具有出色照片質量的手機。
該系統通過以下方式提供以使用者為中心的優化搜尋體驗：
處理搜尋查詢。
提取相關關鍵字。
建立多樣化的過濾器。
允許使用者與這些篩選器進行動態互動。
搜尋引擎優化的影響。
了解這些動態搜尋過濾系統的細微差別對於SEO至關重要。 它強調了製作多樣化、豐富且相關的內容的必要性，這些內容非常適合潛在的搜尋過濾器。
這種一致性使您能夠有效地在搜尋結果中定位自己，以滿足使用者的不同興趣和查詢。
強調多樣化和相關的內容：SEO策略必須專注於開發包含給定區域內廣泛相關主題的內容。 這種方法可能會影響搜尋引擎可能生成的動態過濾器，從而增加**的可見性。
關鍵詞優化：比以往任何時候都更需要深入了解特定領域中最相關和最多樣化的關鍵詞。 這些關鍵詞可能會影響搜尋過濾器，使其成為 Google 發現和排名內容的關鍵因素。
與使用者意圖保持一致：SEO工作應該轉向敏銳地理解和實現使用者的意圖。 隨著搜尋引擎越來越注重通過過濾器動態滿足使用者意圖，與這些意圖保持一致成為戰略上的必要條件。
緊跟新興趨勢：及時了解特定利基市場中新興的關鍵詞和趨勢至關重要。 這些新興元素可以快速合併到動態過濾器中，從而影響搜尋結果的相關性。
提高使用者參與度：**應努力提供全面和多樣化的資訊。 這樣可以更有效地吸引使用者，並可能影響他們在過濾後的搜尋結果中的顯示方式，從而影響他們的整體搜尋可見性。
識別符號：us20230334045a1
國家：美國、中國、南韓、歐洲。
出版日期：2023 年 10 月。
識別查詢的含義和意圖對於搜尋引擎至關重要。 專利可能是該過程的一部分。
該專利特別提到了BERT（來自變壓器的雙向編碼器表示），這表明該方法可能與BERT在搜尋演算法中的應用有關。
該專利概述了一種系統和方法，用於評估人工解釋搜尋查詢的準確性，有兩種不同的模型：
第乙個模型：這是在資料集上訓練的，該資料集包括歷史搜尋查詢、人工解釋和指示這些解釋準確性的人工分配標籤。 它的主要功能是確定人工解釋搜尋查詢的準確性。
第二種模型：在第乙個模型進行的初步評估的基礎上，該模型整合了其他因素，例如搜尋查詢的時間相關性和聚類的特徵。 它的作用是對人工解釋搜尋查詢的準確性提供最終判斷。
谷歌的專利深入研究了搜尋查詢分組或聚類的概念，作為其評估搜尋查詢解釋方法的乙個關鍵方面。
該專利納入了搜尋意圖的概念，儘管它可能沒有明確提及“搜尋意圖”一詞。
該專利側重於人工解釋搜尋查詢的準確性，這本質上涉及辨別使用者查詢背後的預期目的或目標，這是搜尋意圖的本質。
概念概述。 下面概述了該專利如何隱式地解決搜尋意圖。
人工解釋搜尋查詢
系統對人工解釋搜尋查詢的準確性的評估本質上需要了解使用者的預期含義或目標。
這種理解是搜尋意圖概念的核心。
搜尋查詢優化
該專利討論了後續搜尋查詢的識別，這是對先前搜尋查詢的改進。
這個過程與搜尋意圖有著內在的聯絡，因為當初始結果不完全滿足他們的意圖時，使用者通常會優化他們的搜尋，導致他們調整查詢以獲得更精確的結果。
時態和聚類特徵
通過在評估過程中考慮時間和聚類特徵，系統間接處理搜尋意圖的上下文和細微差別。
例如，查詢的時間或其在特定主題集群中的分組可以深入了解使用者的期望。
使用人工評估標籤訓練資料集
在訓練資料集中包含過去搜尋查詢的人工解釋和評估標籤表明系統從以前使用人工判斷的例項中學習，以理解查詢背後的意圖，習。
向量句表示和距離演算法
在解析和分組查詢中使用向量句子表示和距離演算法涉及理解搜尋意圖。
這些技術有助於理解查詢的語義和微妙之處，這對於辨別使用者意圖至關重要。
搜尋引擎優化的影響。
重點放在準確的查詢解釋上：SEO策略應優先考慮使內容與使用者對搜尋查詢的可能解釋保持一致。 理解和匹配使用者查詢的預期解釋對於有效的SEO至關重要。
語境和時間性的重要性：必須通過考慮時間背景和主題或關鍵字的潛在聚類來優化內容。 這種方法可確保內容保持相關性，並根據新興趨勢和時間敏感的查詢準確編制索引。
適應搜尋優化：針對精細搜尋進行優化很重要，因為這些優化可能表明搜尋引擎存在最初的誤解或誤解。 專注於滿足精確的搜尋查詢可以提高搜尋結果的相關性和準確性。
利用自然語言處理 （NLP）。：隨著BERT等方法的整合，將NLP策略納入內容創作變得越來越重要。 這種與搜尋引擎的查詢解釋方法的結合可以提高搜尋結果的可見性和相關性。
識別符號：us11762933b2
國家：美國、歐洲、中國。
出版日期：2023 年 9 月。
谷歌正在不斷將搜尋發展成乙個基於實體的搜尋引擎。 因此，根據主題提供相關結果至關重要。
該專利可能是更好地了解實體及其關係的一部分。
該專利詳細介紹了一種基於組合查詢提供搜尋結果的技術。 該方法包括：
確定查詢中的實體型別及其關係。
精確定位知識圖譜中的節點。
計算屬性值以確定生成的實體引用。
該系統擅長管理涉及各種實體型別之間相對關係的查詢，提供更相關和上下文相關的搜尋結果。
復合查詢涉及包含多個實體型別及其相互關係的查詢。
與專注於單個關鍵字或實體的查詢不同，復合查詢側重於根據查詢中不同實體之間的相互關係來解釋和生成結果。
概念概述。 多種實體型別：組合查詢包括對至少兩種不同型別的實體的引用。 這裡的實體是指任何唯一、唯一且定義明確的事物，例如人、地點、物體、概念等。
相對論：這些查詢中的實體通過某種相對鏈結。 這些關係可以是空間、時間或其他型別的連線，它們有意義地將實體連線在一起。
搜尋引擎優化的影響。
複雜查詢處理SEO專家應該注意，搜尋引擎可能正朝著更複雜的查詢處理方向發展，這涉及到不同實體之間的互動。 這種演變需要更深入地了解如何優化這些複雜查詢結構的內容。
知識圖譜優化：鑑於該專利側重於知識圖譜的使用，因此必須優化內容以準確識別和分類這些圖譜。 有效整合到知識圖譜中可以顯著提高內容的可見性和相關性。
實體識別：以一種使搜尋引擎易於識別和分類不同實體及其關係的方式構建內容至關重要。 清晰且合乎邏輯的資訊組織可以提高內容在涉及多個實體的搜尋查詢中的可發現性和相關性。
上下文相關性：SEO策略應優先考慮確保內容與上下文相關。 這涉及考慮搜尋引擎理解和比較不同實體屬性的能力，以便內容策略與引擎的高階解釋能力保持一致。
識別符號：us11720577b2
國家：美國、日本、南韓、中國、德國、歐洲。
上次發布日期：2023 年 8 月。
知識面板是 Google 知識圖譜及其儲存的實體的視窗。
根據實體提供相關且正確的資訊至關重要。 這些面板與標準搜尋結果整合，以提供全面的資訊來源。 該專利討論了處理該任務的方法。
該專利側重於通過整合提供與搜尋查詢相關的上下文資訊的知識面板來增強搜尋引擎結果的方法、系統和裝置。
這些知識面板是根據已識別實體（如歌手、演員和家庭）中的上下文術語和使用者搜尋查詢生成的。
實體識別：系統識別搜尋查詢中引用的實體。
上下文術語：它還標識與這些實體關聯的上下文術語。
知識面板：基於這些標識，構建乙個知識面板，該面板在搜尋查詢的上下文中提供有關實體的相關事實和資訊。
排名和選擇：系統根據各知識元素與上下文的相關性，對各知識元素進行排名，並選擇最相關的知識元素進行展示。
知識面板旨在通過直接在搜尋結果中提供更相關的上下文資訊來增強使用者體驗。
知識面板的內容會根據搜尋查詢中包含的上下文術語動態更改。 該系統使用複雜的排序機制來確定要顯示的最相關的知識元素。
該專利凸顯了搜尋引擎朝著更具上下文感知和以使用者為中心的資訊檢索的演變性質，這對於SEO從業者的理解和適應至關重要。
搜尋引擎優化的影響。
專注於基於實體的優化：SEO策略應考慮實體及其在內容建立中的重要性。
豐富的內容創作：建立全面涵蓋實體及其相關方面的內容可以增加出現在知識面板中的機會。
關鍵詞策略：將相關的上下文術語與主要關鍵字相結合可以提高內容的可見性。
了解使用者意圖：SEO工作應與理解使用者意圖和搜尋詞的上下文使用相一致。
識別符號：us20230267277a1
國家：美國，世界智財權組織（WIPO）。
上次發布日期：2023 年 8 月 24 日。
注意：該專利正在申請中。 這意味著它目前沒有使用，但將來可能會使用。 ）
使用者參與度和使用者日誌對於調整負責排名結果的 Google 機器習演算法非常重要**。 該專利描述了用於處理該任務的技術。
該專利描述了一種使用文件活動日誌訓練機器學習習語義匹配模型以確定文件相關性的系統和方法。
此方法對於雲或私有文件儲存等環境特別有用，在這些環境中，對內容或使用者互動資料的訪問受到限制。
當傳統資料來源（如使用者互動資料或完整文件內容）不可用時，此方法非常有用。
過程。 資料採集：獲取兩個文件及其各自的活動日誌。
確定關係標籤：根據活動日誌，確定指示文件是否相關的關係標籤。
語義相似性評估：將文件輸入到模型中，得到乙個語義相似度值，該值表示文件之間估計的語義相似度。
模型訓練：評估損失函式，評估關係標籤和語義相似度值之間的差異。 根據損失函式修改模型引數。
因素。 文件活動日誌：包括訪問時間戳和互動型別（例如，編輯、共享）。
關係標籤：根據文件訪問之間的時差生成。
語義相似度值：根據兩個文件的相似程度估計模型的輸出。
損失函式：用於通過將關係標籤與語義相似性值進行比較來優化模型。
搜尋引擎優化的影響。
強調使用者互動：SEO策略可能需要更多地關注使用者與文件的互動，因為這些資料會影響文件的相關性。
超越關鍵字：內容相關性可以由使用者行為和文件互動決定，而不僅僅是關鍵字。
私有文件和雲文件：與傳統的頁面因素相比，私有或雲儲存文件的 SEO 可能更依賴於這些文件的訪問和使用方式。
建 模理解和使用者行為可能是SEO策略的關鍵。
識別符號：us20230244657a1
國家：美國、中國、WIPO、俄羅斯。
上次發布日期：2023 年 8 月 3 日。
注意：該專利正在申請中。 這意味著它目前沒有使用，但將來可能會使用。 ）
搜尋結果正變得越來越與上下文相關。 識別查詢和使用者的上下文可以帶來更好的搜尋結果和使用者體驗。 該專利為這一挑戰提供了解決方案。
該專利側重於用於生成描述上下文聚類和上下文聚類概率的資料的方法、系統和裝置。 這些聚類是根據查詢輸入以及與每個查詢輸入關聯的上下文形成的。
該專利描述了一種使用上下文聚類來簡化搜尋查詢過程的系統。 這些群集是根據先前查詢的上下文和內容形成的。
當使用者啟動搜尋時，系統會呈現相關上下文的集群，允許使用者選擇查詢而無需鍵入。
該系統旨在通過提供上下文相關的查詢建議來增強使用者體驗，而無需使用者為搜尋查詢輸入任何字元。
過程。 資料處理和分組：系統訪問來自多個使用者的查詢資料，並根據輸入上下文和內容將這些查詢分組到上下文集群中。
上下文聚類概率確定：對於每個上下文集群，將計算概率，指示使用者選擇屬於該集群的查詢輸入的可能性。
使用者事件響應：當指示使用者事件（例如搜尋引擎訪問）時，系統會根據使用者裝置的上下文和計算的概率選擇上下文集群。
顯示和選擇：然後，選定的上下文集群將顯示給使用者以供選擇，然後是該集群中的查詢列表以供進一步輸入。
因素。 輸入上下文：包括位置、日期和時間以及使用者偏好等因素。
查詢您輸入的內容：每個查詢輸入描述的實際內容。
上下文聚類概率：指示使用者從群集中選擇查詢輸入的可能性的度量值。
搜尋引擎優化的影響。
關注上下文相關性：SEO策略應優先考慮與使用者上下文一致的內容，例如位置和時間。
增強對使用者意圖的理解：了解可能的上下文集群有助於定製內容以更準確地匹配使用者意圖。
適應無查詢搜尋：SEO必須適應使用者在輸入任何查詢之前獲得建議的場景，強調包含在相關上下文集群中的重要性。
識別符號：us11762848b2
國家：美國、中國。
上次發布日期：2023 年 9 月 19 日。
該專利再次顯示了使用者個人上下文對谷歌的重要性，重點是增強搜尋查詢處理。
它引入了一種基於當前搜尋查詢的引數和來自同一使用者的乙個或多個先前查詢生成組合搜尋查詢的方法，前提是它們共享一行查詢。
該專利描述了一種通過將多個相關搜尋查詢智慧型地組合成乙個更有效的查詢來簡化搜尋體驗的方法。
這種方法利用語義分析和使用者互動，有可能減少搜尋結果中的冗餘，並增強檢索到的資訊的相關性。
該專利提出了乙個重大的轉變，即向更細緻的、上下文感知的搜尋過程，這可能會重塑專注於語義相關性和使用者意圖的SEO策略。
過程。 共享查詢行的標識：當使用者的兩個或多個搜尋查詢在語義上相關時，系統會識別，從而共享乙個查詢行。
組合搜尋查詢：建立共享查詢行後，將制定包含當前查詢和上乙個查詢引數的組合搜尋查詢。
使用者互動和反饋：使用者可以與搜尋引數或結果進行互動，以優化組合的搜尋查詢。
因素。 語義相似性：系統使用語義相似性（通過在潛在空間中嵌入查詢並計算這些嵌入之間的距離來衡量）來確定查詢是否相關。
鏈結語法和啟發式方法：系統還可以使用鏈結語法或啟發式方法來識別相關查詢，尤其是在語音搜尋方案中。
有狀態學習模式：系統可能會提示使用者進入有狀態研究模式，從而允許系統使用過去的查詢來制定復合查詢。
搜尋引擎優化的影響。
更加關注語義相關性SEO策略可能需要更加強調語義相關性和上下文，因為該專利表明谷歌越來越專注於理解和鏈結語義相關的查詢。
長尾關鍵詞優化：組合查詢的能力表明可能轉向長尾關鍵字和更具對話性的查詢格式。
內容結構：可能需要對內容進行結構化，以便與一系列相關查詢無縫對齊，從而提高在復合搜尋方案中被選中的機會。
語音搜尋優化：隨著鏈結語法的使用，語音搜尋的優化變得更加重要，因為系統可以隨著時間的推移鏈結語音查詢。
識別符號：us20230244657a1
國家：美國、中國、WIPO、俄羅斯。
上次發布日期：2023 年 10 月 3 日。
乍一看，該專利似乎有點令人困惑，因為它討論了使用者裝置中內容、標記和注釋的使用。 但最重要的是，它表明像谷歌這樣的搜尋引擎可以在未來提供高度個性化的搜尋結果。
該專利的重點是呈現計算機生成的搜尋結果的方法。 它涉及：
接收搜尋請求。
識別多個搜尋結果。
這些結果使用乙個或多個 Web 筆記本中的內容進行排名。
這些排名結果僅供演示之用。
該專利描述了一種通過合併網路筆記本內容來提高搜尋結果的準確性和相關性的方法。
此方法可以提供更加個性化和上下文相關的搜尋體驗，因為搜尋結果的排名受 Web 筆記本中使用者生成的內容和批註的影響。
正如谷歌專利中提到的，網路筆記本是由使用者從各種網路資源中建立和編譯的內容的數字集合。 這些筆記本可以包含各種內容型別，例如文字摘錄、影象，可能還有使用者注釋或元資料。
Web 筆記本的主要功能和用途包括：
內容聚合：使用者從不同的網頁中剪輯或選擇內容，並將該資訊聚合到乙個位置。 這可用於個人參考、研究或與他人分享。
使用者注釋和元資料：除了剪輯的內容外，使用者還可以將自己的注釋、注釋或元資料新增到這些筆記本中的內容中。 這可以為所收集的資訊提供上下文或個人見解。
以主題為中心的集合：Web 筆記本通常以特定主題或主題為中心。 例如，使用者可能會編寫有關“可持續園藝實踐”或“Web 開發資源”的 Web 筆記本。
可共享性和可訪問性：這些筆記本可以是私有的，可以與選定的使用者組共享，甚至可以公開。 這允許共享精心策劃的資訊和見解。
動力學：與靜態書籤不同，Web 筆記本可以不斷更新和編輯，使其成為收集和組織 Web 內容的動態資源。
搜尋引擎整合：正如專利所表明的，網路筆記本中的內容會影響搜尋引擎的結果。 搜尋引擎可能會考慮這些筆記本中的內容與特定搜尋查詢的相關性，並可能使用它們來優化和個性化搜尋結果。
過程。 接收搜尋請求。 ：此方法首先接收來自客戶端計算機的搜尋請求。
識別搜尋結果：然後根據請求識別多個搜尋結果。
使用 Web 筆記本進行排名：使用 Web 筆記本中的內容對搜尋結果進行排名。 這包括檢查 Web 筆記本中的標題、標題、剪輯內容、元資料或使用者注釋是否與搜尋請求相關。 如果是這樣，請提高被引用搜尋結果的排名。
排名結果可用：最後，提供經過排名的搜尋結果以在客戶端計算機上呈現。
因素。 Web 筆記本內容：網路筆記本的內容在排名中起著至關重要的作用。 它包括標題、標題、剪輯內容、元資料和使用者注釋。
反向鏈結分析：該過程還可能涉及分析與搜尋結果相對應的反向鏈結。
使用者標識：可以選擇網路筆記本，根據發起搜尋請求的使用者的身份進行排名。
片段資訊：通過標識 Web 筆記本中與搜尋結果關聯的文件部分來生成程式碼段資訊是該過程的一部分。
搜尋引擎優化的影響。
使用者生成內容的重要性：SEO策略可能需要強調使用者生成的內容，因為網路筆記本會影響搜尋排名。
個性化和上下文：人們正在轉向更加個性化和上下文感知的搜尋結果，因此SEO關注這些方面非常重要。
多樣化的內容型別：合併各種內容型別，如元資料、注釋和剪輯內容，對 SEO 來說變得更加重要。
識別符號：us20230342411a1
國家：美國、歐洲、WIPO、大韓民國。
上次發布日期：2023 年 10 月 26 日。
SERP 中有越來越多的直接答案。 例如，直接從 SGE 快照 AI 框中的知識圖譜、精選片段和答案輸出資訊。 該專利演示了生成和選擇此類直接答案的方法。
該專利的重點是提高搜尋引擎提供的簡答的質量。 它引入了一種基於多個**生成和評分這些簡短答案的方法，而不是依賴於單個排名靠前的搜尋結果。
該專利描述了一種提高搜尋引擎結果中簡答的可靠性和準確性的方法。 它根據不同搜尋結果中的其他上下文段落評估候選段落，確保更高的準確性和相關性。
過程。 接收查詢資料：該過程從搜尋引擎接收使用者的搜尋查詢開始。
生成搜尋結果：生成多個搜尋結果，每個搜尋結果包含與查詢相關的段落。
選擇段落：選擇一組段落，包括排名靠前的搜尋結果中的候選段落和其他結果中的其他上下文段落。
對候選段落進行評分：使用上下文段落對候選段落進行評分，以產生準確性分數。
顯示決策：根據準確率分數，候選段落在搜尋結果中顯示為簡答題。
因素。 準確度分數：顯示簡短答案的決定基於其準確率分數，該分數與預定閾值進行比較。
與上下文段落的一致性：準確率分數來自候選段落和上下文段落之間的一致性程度。
簡答題的質量：這種多源方法提高了簡答題的質量和可靠性。
搜尋引擎優化的影響。
專利提案轉向相關、上下文準確和共識驅動的內容。
SEO策略可能需要更多地關注提供全面、全面的內容，與主題的更廣泛背景保持一致，而不僅僅是針對排名靠前的關鍵詞或短語。
這可能會導致更加強調深入的研究、多樣化的內容視角和網頁上呈現的資訊的準確性。
許多人開始根據他們在部落格、社交**、youtube 等中發現的“黑客”進行更改以改進他們的**，而沒有真正了解 SEO 背後的基本原則。
這就是為什麼我建議任何對SEO感興趣的人學習爬蟲，索引和資訊檢索的基礎知識習。
下一步是了解以下基礎知識：
現代搜尋引擎技術。
語義搜尋實體。
自然語言處理。
嵌入。 如果不了解科學原理和技術，單純地尋找實踐經驗，往往會讓我們主觀地看待事物。
理解技術和科學基礎就像乙個理性層，可以反駁我們的主觀理論。 這樣，您將更好地免受各種炒作的影響。
谷歌代表在談論搜尋時只透露了一些資訊，尤其是關於搜尋結果的排名。 他們提供的細節通常含糊不清。 這是故意的，因為谷歌的目的是防止人們操縱搜尋結果。
檢視其他資訊來源以獲得更深入的見解。 專利研究是一種更先進的方法。 如果您剛剛開始，最好堅持前面的步驟。
無論專利是否付諸實踐，研究 Google 專利都是有意義的，因為您可以了解 Google 產品開發人員面臨的問題和挑戰。