SEOmedical/Блог/Патенты
US8554769B1GibberishYMYLF-CONTENT-091

Как Google ловит мусорный медконтент

Разбор патента US8554769B1: n-gram модели, query stuffing и почему «страница под каждый ключ» убивает клинику в медвыдаче.

US8554769B1патент Google
n-gramмодель языка
0пользы от спама
Takeaways для маркетолога клиники
  1. Если текст нельзя показать главврачу — патент объясняет, почему он не живёт в выдаче.
  2. «Ещё 500 URL с заменой города» = doorway + gibberish-риск, не рост.
  3. Кластеры услуг / врачей / симптомов + авторство бьют спам по смыслу и по факторам.

ПРОСТЫМИ СЛОВАМИ: ЧТО ДЕЛАТЬ SEO-СПЕЦИАЛИСТУ

✅ ЧТО ДЕЛАТЬ:

1. Пишите для людей, а не для робота

  • Текст должен читаться естественно, как обычная статья

  • Если прочитать вслух и звучит странно - переписывайте

  • Никаких бессмысленных наборов ключевиков

2. Не пихайте все поисковые запросы подряд

  • Google проверяет, не напичкана ли страница запросами из поиска

  • Используйте ключевые слова в контексте, а не списком

  • Лучше меньше ключей, но со смыслом

3. Создавайте оригинальный контент

  • Не копипастите куски с других сайтов и не перемешивайте их

  • Не используйте дешевых копирайтеров с биржи за 20 рублей/1000 знаков

  • Не доверяйте автопереводам - Google их палит

❌ ЧЕГО НЕ ДЕЛАТЬ:

  • Тексты типа:

    “Купить окна Москва недорого пластиковые окна купить установка окон Москва дешево”

  • Автогенерация

    через синонимайзеры и рерайтеры

  • Дорвеи

    с кучей страниц под каждый запрос

? ГЛАВНЫЙ ВЫВОД:

Google проверяет две вещи:

  1. Звучит ли текст по-человечески

    (через языковую модель)

  2. Не набит ли он поисковыми запросами

    (через сравнение с базой запросов)

Если хотя бы одна проверка провалена - страница улетает вниз или вообще из выдачи.

? ПРОСТОЙ ТЕСТ:

Дайте прочитать текст человеку, который не в теме. Если он скажет “что за бред?” - переписывайте. Google думает примерно так же.

Связка с практикой

В кейсах SEOmedical рост строится на объёме качественного копирайтинга (сотни статей у центра аппаратной косметологии) и семантике 150k+ — не на фабрике бессмысленных URL.

Риск ↑

  • Query stuffing: услуга + город в каждом абзаце
  • 200 посадочных «лечение X в районе Y»
  • AI-простыни без врача и противопоказаний
  • Блоки «для робота», которые пациент не читает

Риск ↓

  • Один доминирующий интент на URL
  • Автор-врач, дата, источники
  • Путь: симптом → метод → запись
  • Метрики пользы: доскролл, CRM, звонок
Приоритет работ вместо doorway
Кластеры СЯ
01
E-E-A-T / автор
02
Перелинковка
03
DoD / CRM
04

ОПИСАНИЕ ПАТЕНТА US8554769B1

Патент описывает систему Google для выявления “gibberish” (бессмысленного/мусорного) контента в веб-ресурсах.

Решаемая задача: Идентификация спам-страниц с бессмысленным текстом, созданным для манипуляции поисковой выдачей.

Основные компоненты системы:

  • Language Model Component

    - анализирует естественность языка через n-gram модели

  • Query Stuffing Detector

    - определяет “напичканность” страницы поисковыми запросами

  • Gibberish Score Calculator

    - комбинирует оценки для финального решения

Входные данные:

  • Веб-ресурс с текстовым контентом и HTML-разметкой

  • Query index (индекс реальных запросов пользователей)

  • Языковая модель (n-gram, в примерах используется 5-gram)

Выходные данные:

  • Gibberish score (оценка “мусорности” контента)

  • Решение о модификации ранжирования ресурса

2. ОБЛАСТЬ ПРИМЕНЕНИЯ И ОГРАНИЧЕНИЯ

2.1 НА ЧТО НАПРАВЛЕН ПАТЕНТ

Конкретные типы контента:

  • Веб-страницы с текстовым содержимым

  • HTML-документы с различными тегами (h1, p, и др.)

  • Страницы на разных языках (патент упоминает выбор соответствующей языковой модели)

Типы спам-контента, которые выявляет:

  • Контент, созданный низкоквалифицированной рабочей силой

  • Скрапинг с случайной модификацией и сплайсингом

  • Низкокачественные автопереводы

2.2 УСЛОВИЯ ПРИМЕНЕНИЯ

Обязательные условия:

  • Наличие текстового контента в ресурсе

  • Возможность парсинга HTML-структуры

  • Доступность языковой модели для языка контента

  • Существование query index с историей запросов

Триггеры активации:

  • Патент не указывает специфические триггеры - похоже, применяется ко всем индексируемым ресурсам

2.3 ЧТО НЕ ПОКРЫВАЕТ

Патент явно не упоминает работу с:

  • Чисто визуальным контентом (изображения без текста)

  • Видео и аудио контентом

  • Документами других форматов (PDF, DOCX и т.д.)

  • Контентом мобильных приложений

  • Структурированными данными (таблицы, базы данных)

3. КАК РАБОТАЕТ АЛГОРИТМ

Пошаговый процесс:

  1. Получение ресурса (202) - система получает веб-ресурс с текстовым контентом

  2. Парсинг контента (204) - разбор на текстовые сегменты:

    • Использование HTML-тегов для идентификации структуры

    • Фильтрация коротких фрагментов (меню, навигация)

    • Удаление стоп-слов и редких терминов

  3. Расчет Language Model Score (206):

    • Применение n-gram модели к каждому сегменту

    • Вычисление вероятности: p(e1, e2,…, ek) = ∏p(ei|ei-n+1,…,ei-1)

    • Нормализация по длине сегмента

    • Определение доли gibberish-сегментов

  4. Расчет Query Stuffing Score (208):

    • Идентификация наиболее частотных терминов

    • Поиск совпадений с query index

    • Вычисление hit ratio для каждого термина

    • Расчет среднего и максимального hit ratio

  5. Вычисление Gibberish Score (210):

    • Выбор минимума между Language Model Score и Query Stuffing Score

  6. Принятие решения (212):

    • score ≤ threshold1: удаление из индекса

    • threshold1 < score < threshold2: применение понижающего веса

    • score ≥ threshold2: без изменений

4. ЧТО СОБИРАЕТ/АНАЛИЗИРУЕТ (ДЕТАЛЬНО)

4.1 ВХОДНЫЕ ДАННЫЕ

Контентные факторы:

  • Полный текст страницы

  • Отдельные параграфы и предложения

  • Последовательности слов (n-граммы)

  • Частотность терминов

Технические факторы:

  • HTML-теги и их структура

  • Длина текстовых сегментов

  • Размер параграфов

Внешние данные:

  • Query log за определенный период (например, месяц)

  • Предобученная языковая модель

  • Индекс запросов с ключами

4.2 МЕТРИКИ И ВЫЧИСЛЕНИЯ

Language Model метрики:

Segment_score = p(word_sequence) / segment_length LM_score = f(gibberish_terms/total_terms) × Σ(gibberish_segment_scores)

Query Stuffing метрики:

Hit_ratio = matched_queries / total_queries_for_key Query_stuffing_score = f(avg(hit_ratios), max(hit_ratios))

Пороговые значения:

  • Порог для определения gibberish-сегмента (не указан конкретно)

  • Threshold1 для удаления из индекса

  • Threshold2 для применения веса

4.3 СПОСОБЫ ОБРАБОТКИ

  • N-gram анализ:

    5-gram модель для оценки естественности

  • Статистический анализ:

    частотность терминов, hit ratios

  • Нормализация:

    деление на длину для сравнимости оценок

  • Фильтрация:

    удаление стоп-слов, очень частых и редких терминов

5. УРОВЕНЬ АРХИТЕКТУРЫ

? Нижний уровень - патент работает на этапе первичной оценки качества контента, собирая сигналы о “мусорности” текста

6. ПРАКТИЧЕСКИЕ ВЫВОДЫ ДЛЯ SEO

6.1 ПРЯМЫЕ ВЫВОДЫ

Конкретные рекомендации из патента:

  1. Пишите естественным языком - алгоритм проверяет вероятность последовательностей слов через языковую модель

  2. Избегайте query stuffing - не вставляйте множество поисковых запросов в текст без контекста

  3. Контролируйте частотность ключевых слов - алгоритм анализирует наиболее частые термины и их контекст

  4. URL-запросы защищены - даже если страница помечена как gibberish, она показывается при прямом запросе URL

6.2 КОСВЕННЫЕ ВЫВОДЫ

  • Google использует исторические данные запросов для оценки контента

  • Система работает на уровне параграфов и предложений, а не только всей страницы

  • Качество перевода критично - плохие автопереводы могут быть помечены как gibberish

6.3 ПРАКТИЧЕСКИЕ ПРИМЕРЫ

Безопасные практики:

  • Создание оригинального контента с естественной структурой предложений

  • Использование ключевых слов в контексте, а не списками

  • Проверка читабельности текста перед публикацией

Опасные практики (прямо из патента):

  • Использование “low-cost untrained labor” для создания контента

  • ”Scraping content and modifying and splicing it randomly”

  • Некачественный перевод с других языков

  • Создание страниц с “high value keywords” без полезного контента

Конкретный пример: Если страница содержит фразы типа “купить телефон Москва дешево iPhone Samsung купить смартфон недорого” - это явный query stuffing, который будет обнаружен алгоритмом через высокий hit ratio в query index.

Проверим контент клиники на gibberish-риски

Аудит шаблонов услуг/симптомов + рекомендации по кластерам.

Отправить сайт

Дальше по теме

Как собрать семантическое ядро медсайта продукты · кластеры 40/25/15/15/5Медсайт глазами асессоров Google E-E-A-T · F-RATER-006Что читать в патентах Яндекса клинике поведение · локалка · антиспам
Разбор сайта