查询扩张的机制

查询扩张指的是:一个页面在若干查询上获得排名和点击之后,Google 开始在这个页面从未针对过的相邻查询上展示它;这些新增曝光维持一段时间后,大部分回缩,少部分留存。整个过程由两层系统分工完成:一层负责泛化出新查询上的展示资格,一层负责用行为数据决定资格是否保留。

 NavBoost 是记忆系统,外溢有限

NavBoost 是一个记忆系统。它以滚动 13 个月为窗口,存储聚合的用户交互数据,按 query、document、locale 等维度键控。泄露文档给出的核心字段是 goodClicks(点击后未快速返回 SERP)、badClicks(快速弹回)、lastLongestClick(同一搜索会话中停留最久的结果)。它在排名管线中的位置靠前:初始检索产出数万候选文档后,NavBoost 用历史点击记录把候选集筛到几百,再交给后续模型。

记忆系统不生成新数据,只存储和聚合已发生的行为。但要说清它的边界:泄露文档显示这些记忆有两条向未观察配对外溢的路径。其一是 patternLevel 属性——点击信号不只按具体 URL 存储,还在 host/目录、父域名层级聚合,一个目录的既有点击声誉会影响该目录下新页面的初始待遇。其二是查询捆绑——NavBoost 会基于解释后的含义把近似查询归组,组内查询可能共享部分行为统计。所以一个全新的 query-doc 对并非在 NavBoost 面前完全空白:它可以从所在目录和所属查询组借到先验。

但外溢半径就到这里。目录聚合和查询捆绑都是近邻借用——同一站点区块之内、同一含义组之内。把页面推向语义相邻但从未接触过的整片新查询邻域,这种跨度的泛化不是记忆聚合能完成的,它需要另一层。NavBoost 在扩张中的主要职能仍在事后:新查询上一旦产生点击,记录开始写入,配对逐渐固化。

扩张发生在嵌入层

DOJ 补救阶段的物证描述了 RankEmbed(及其迭代 RankEmbedBERT):双编码器模型,查询和文档被编码进同一个向量空间,召回和排序基于点积,即空间中的距离。训练数据是点击和查询数据——每次用户交互构成一个训练样本:对这个查询,用户认为这个结果最相关。

扩张机制可以从这个架构中导出。训练样本是具体的 query-doc-点击结果,但模型学到的是文档在空间中的**位置**。需要说清一点:训练不是对单个页面做增量累加,而是整个模型的周期性重训。页面在一批语义相邻的查询上持续产生的正向交互,会作为训练样本进入下一轮重训;模型更新后,页面在向量空间中的位置可能随之调整,向这批查询所在的区域靠近。位置一旦移动,任何落入同一邻域的查询——包括页面从未出现过、正文从未包含过的查询——都能通过距离计算召回这个页面。文档 embedding 是否随线上点击移动、以何种节奏移动,没有任何公开材料直接确认;但只要训练数据来自真实点击、召回基于距离,这个传导路径就是架构的自然推论。

所以扩张不是一个决策,是一个几何后果:距离缩短,召回自动发生。

时间形态也由此决定。如果位置更新发生在周期性重训之后,那么它是离散跳变而非连续滑动,扩张就应当以批次到达。这与普遍的观察一致:GSC 里的新查询是一整片同时出现,而不是逐日递增——批量出现的形态,比实时更新更符合周期性模型更新的解释。

无历史查询上的展示靠先验预测

新查询上页面没有任何点击记录,系统拿什么决定给不给展示?专利 US 8,938,463 提出的机制是:对没有用户选择记录的结果,用相关数据构建先验模型,**预测**其隐式反馈,以预测值顶替缺失的记录参与排序。专利描述不等于当前生产环境的实现,但它与新查询冷启动阶段的可观察现象是一致的:没有历史的配对确实获得了展示,说明有某种预测性机制在顶替缺失的行为数据。

预测带有不确定性,这与初始曝光的常见形态相符:一批相邻查询同时放出,位置多在第一页末端到第二页附近。没有证据表明这个位置是刻意安排的采样点——它更可能只是预测分数的自然落点。但客观效果是一样的:这个区间既提供有限曝光,又能收集真实行为反馈,天然构成一个验证位。

 验证与回缩

预测打开一个验证窗口,真实行为向窗口内写入。底层逻辑来自专利 US 8,661,029:按查询追踪用户选择,长时间浏览与短时间浏览的比值构成相关性度量,用于该查询后续结果的重排。窗口的结局只有三种:

一,点击达到或超过该位置的预期基线,新的 query-doc 对写入 NavBoost 记忆,位置固化,查询留存。二,点击显著低于位置基线,预测被证伪,曝光收回。三,查询频次太低,窗口期内凑不出统计意义的数据量,测试位让给下一个候选。

低量查询的深位置曝光,注意力稀缺,第二和第三种是默认结局。这就是整体形态呈现”铺开—回缩”的原因:批量授予的展示资格,绝大多数在验证中失效,少数被行为数据确认的查询固定下来。

回缩因此不是降权。它是预测向证据回归——探索(exploration)让位于证据,证据决定利用(exploitation):系统先假设页面可能相关,证据没有出现,假设撤销。页面本身没有被判定为差,只是该配对上确认数据缺席。而留存下来的查询,是被行为数据实测确认的扩张边界。

循环

固化下来的新查询本身又成为下一轮训练数据:新的正向交互进入后续重训,可能继续调整文档的嵌入位置,向外打开下一圈邻域,新一批预测性曝光随之放出,再经历同样的验证。扩张就是这个循环的迭代:嵌入层泛化出资格,行为层裁决资格,裁决结果反馈回嵌入层。每一圈的边界都由真实点击划定,所以扩张半径最终受限于一个外部条件——这片邻域的查询本身是否还有点击供给。已有多项研究证实 AI Overviews 显著降低了信息型查询的点击率,而扩张恰恰运行在信息型长尾地带;如果一片邻域的点击量被显著压缩,那么可用于验证的行为数据同样被压缩,扩张在这里固化的机会理论上随之下降——曝光照常放出,验证凑不齐数据,资格按期收回。这不是页面的问题,是该查询地带可供采集的行为证据变稀薄了。反之,在用户必须点击才能完成意图的查询上(选品、对比、需要图表和深度的场景),点击供给完整,循环闭合,扩张能够一圈一圈固化下去。

完整覆盖决定扩张的起点质量

这套回路对内容形态不是中性的。同一片查询空间,由一个完整页面承载还是打碎成多个薄页承载,在回路的每一个环节上产生不同的结果。

在嵌入层,薄页的训练样本来自一两个查询,向量落点由极少数据点决定;完整页面的正向交互来自主词、变体、子问题、长尾一整片,向量被多方向的数据共同锚定在这片查询区域的质心附近。质心位置意味着到周边未接触查询的平均距离最短——同样一次模型更新,完整页面被泛化进的邻域半径更大。

在记忆层,完整页面把整个查询簇的点击记录集中在单一 URL 上,该 URL 自身的聚合分和它所在目录的 patternLevel 声誉都由此加厚;薄页矩阵把相同的行为摊到大量 URL 上,每个配对的记录都攒不厚,还常常互相蚕食。

在验证层,差异最直接。扩张放出的新查询曝光落到完整页面上时,页面里大概率已经存在回答该查询的内容——因为完整覆盖了意图的各个侧面——用户被满足,正向记录写入,配对固化。落到薄页上,新查询问的往往是页面未覆盖的侧面,点击即弹回,负向记录写入,曝光收回。同样多的探索机会,完整页面的验证通过率结构性更高。

三层优势在循环中逐轮相乘:通过率、半径、记录厚度互为乘数,这就是覆盖面增长呈现复利而非线性的原因。”完整”由此获得了可操作的定义:不是篇幅长,而是覆盖一个查询簇的意图扇面——扇面的边界可以从 SERP 直接读出,如果一组候选查询返回的排名页面高度重合,检索系统已经把它们裁决为同一个簇。

权威水位切分扩张的落点

扩张能固化在哪些查询上,还受一个页面自身无法改变的变量约束:站点权威。排名管线的早期阶段——候选集筛除、站点级质量分——对每个查询构成一道准入门槛,查询竞争越强,门槛越高。头部查询上站着的是权威积累了十几年的域名,一个低权威站点的页面在这些查询上过不了早期筛选,内容质量无从参与裁决;而同一邻域的长尾查询竞争稀薄、门槛低,同一个页面正常进入、正常验证、正常固化。

于是一个页面固化下来的查询分布,实际上是站点权威水位的等高线:水位之上的查询被拦在门外,水位之下的照收。目标头部查询没有排名而长尾覆盖面持续产出,不是内容失败,是水位的如实读数。并且这个读数是动态的——站点权威随实体信号、外链、站点级行为记录的积累而上抬,同一个页面此前够不着的查询会随水位逐批解锁,内容本身不需要任何改动。

这改变了目标关键词在页面中的角色。选定一个头部查询进入 title 与主标题,首要功能不是赢下这个查询,而是把页面的向量钉在正确邻域的质心上,为扩张提供出发坐标——坐标钉对了,水位之下的整片邻域是当期产出,水位之上的部分是随权威增长自动兑现的期权。该查询本身的排名只是众多结局之一;页面的真实产出是它固化的查询覆盖面,以及这个覆盖面的合计点击。能在目标查询上排名当然最好,但那是权威水位的函数,不是页面的成败判据。

横向与纵向

以上机制可以收拢进一对轴。横向,是查询空间里的移动——从一个意图到相邻的另一个意图,扩张、查询捆绑、AI 检索的 fan-out 展开,全部运行在这条轴上,发生在查询与查询之间。纵向,是单个意图内部的推进——从表层问题走到完成这个意图所需的全部深度,发生在一个查询内部。

两条轴的分工是固定的:横向移动由系统执行——嵌入层泛化资格,预测放出曝光,行为数据裁决去留;页面能做的只有纵向——在一个意图里做透。纵向深度决定页面被横向运送到新查询后的存活率:意图的各个侧面已在页内,验证通过;不在,曝光收回。所以横向覆盖面是纵向深度的产出,而不是可以直接生产的对象——试图用查询工具枚举邻域、把横向坐标当作纵向材料拼进一页,方向本身就是反的:页面会在横轴上摊开、在纵轴上失去推进,向量锚不到任何一个簇的质心,验证在每个落点上都劣化。

扩张是系统的横向运动;内容的全部工作在纵向;纵向的深度,决定横向运送之后留下什么。

概括整条逻辑:嵌入距离给出假设,先验预测给出初始曝光,用户行为给出裁决,NavBoost 记忆固化裁决结果,固化结果进入重训、更新嵌入距离。曝光的突涨是假设批量放出,回缩是假设批量证伪,留存是证据;留存的分布由两个变量共同决定——查询本身的点击供给,和站点权威相对于查询门槛的水位。完整覆盖的页面在回路的每一环占优,所以覆盖面的增长是复利。这个回路的每一个组件——NavBoost 的记忆结构与聚合层级、RankEmbed 的双编码器架构、先验预测专利、点击比值重排专利——都有公开材料支撑;把它们连成完整闭环的各条连接,则是从架构导出的推理,Google 从未端到端地确认过这张图。