S'inscrire à la newsletter

SEO & brevets

Les brevets de classement Google, expliqués pour le SEO.

Analyses de fond, idées reçues démontées et méthodes concrètes. Chaque article repose sur un vrai brevet Google que vous pouvez lire vous-même.

30 articles

Tous les brevets Google que nous avons analysés

La liste de référence des brevets Google derrière nos articles, du plus ancien au plus récent. Chaque ligne renvoie au brevet sur Google Patents et à notre analyse complète.

BrevetInventeursDélivréSujetAnalyse
US 6,285,999 B1

Method for node ranking in a linked database

Lawrence Page2001PageRankComment l'autorité SEO circule vraiment : maillage interne et brevet PageRank de Google
US 6,526,440 B1

Ranking search results by reranking the results based on local inter-connectivity

Krishna Bharat2003LiensLocalRank de Google : pourquoi les liens des pages déjà classées sur votre requête comptent davantage en SEO
US 7,346,839 B2

Information retrieval based on historical data

Anurag Acharya, Matt Cutts, Jeffrey Dean, Paul Haahr, Monika Henzinger, Urs Hoelzle, Steve Lawrence, Karl Pfleger, Olcan Sercinoglu, Simon Tong2008Idées reçuesL'âge du domaine n'est pas un facteur de classement Google : les preuves SEO
US 7,536,408 B2

Phrase-based indexing in an information retrieval system

Anna Lynn Patterson2009Indexation par phrasesCe que l'indexation par phrases change pour le SEO : comment Google a appris qu'un sujet se compose de phrases liées
US 7,603,350 B1

Search result ranking based on trust

Ramanathan Guha2009ConfianceLa confiance comme signal de classement SEO : le brevet Google qui classe les résultats selon ceux qui s'en portent garants
US 7,565,358 B2

Agent rank

David Minogue, Paul A. Tucker2009AuteursAgent Rank : le brevet Google à l'origine de l'idée d'Author Rank en SEO
US 7,636,714 B1

Determining query term synonyms within query context

John Lamping, Steven D. Baker2009Compréhension des requêtesSEO et synonymes en contexte : comment Google apprend des sessions de recherche quels mots peuvent se remplacer
US 7,716,225 B1

Ranking documents based on user behavior and/or feature data

Jeffrey Dean, Corin Anderson, Alexis Battle2010Surfeur raisonnableLe surfeur raisonnable : pourquoi Google ne donne pas le même poids à tous vos liens SEO
US 7,716,216 B1

Document ranking based on semantic distance between terms in a document

Georges R. Harik, Monika Henzinger2010Structure de pageLa distance sémantique en SEO : comment Google mesure la proximité de vos termes grâce aux listes, titres et intertitres
US 8,046,371 B2

Scoring local search results based on location prominence

Brian O'Clair, Daniel Egnor, Lawrence E. Greenfield2011SEO localLa proéminence locale en SEO local : comment Google classe les commerces locaux au-delà de la distance
US 8,150,842 B2

Reputation of an author of online content

William C. Brougher, Nathan Stoll, Sepandar D. Kamvar, Michael D. Dixon2012AuteursLa réputation des auteurs en SEO : le brevet Google qui classe les contenus selon la crédibilité de leur auteur
US 8,577,893 B1

Ranking based on reference contexts

Anna Lynn Patterson, Paul Haahr2013LiensLe contexte des liens : comment Google lit les mots autour d'un lien pour repérer le spam SEO
US 8,407,231 B2

Document scoring based on link-based criteria

Anurag Acharya, Matt Cutts, Jeffrey Dean, Paul Haahr, Monika Henzinger, Steve Lawrence, Karl Pfleger, Simon Tong2013LiensLa vélocité des liens en SEO : comment Google lit l'historique de vos liens dans le temps
US 8,554,769 B1

Identifying gibberish content in resources

Shashidhar A. Thakur, Sushrut Karanjkar, Pavel Levin, Thorsten Brants2013SpamLe contenu incohérent : comment Google utilise des modèles de langage pour détecter les pages SEO réécrites et bourrées de mots-clés
US 8,661,029 B1

Modifying search result ranking based on implicit user feedback

Hyung-Jin Kim, Simon Tong, Noam M. Shazeer, Michelangelo Diligenti2014NavboostNavboost : comment le brevet des clics de Google reclasse les résultats, et ce que cela change pour le SEO
US 8,682,892 B1

Ranking search results

Navneet Panda, Vladimir Ofitserov2014PandaLe brevet Panda de Google : pourquoi vos liens SEO doivent suivre vos recherches de marque
US 8,924,379 B1

Temporal-based score adjustments

Hyung-Jin Kim, Andrei Lopatenko2014FraîcheurSEO et fraîcheur des requêtes : comment Google décide, à partir des requêtes elles-mêmes, quand les résultats récents comptent
US 9,165,040 B1

Producing a ranking for pages using distances in a web-link graph

Nissan Hajaj2015PageRankLe PageRank par pages de confiance de Google : pourquoi votre distance aux sites de référence fait votre autorité SEO
US 9,031,929 B1

Site quality score

April R. Lehman, Navneet Panda2015Qualité de siteLe score de qualité de site : comment Google transforme les recherches de marque en signal de qualité SEO
US 9,213,748 B1

Generating related questions for search queries

Yossi Matias, Dvir Keysar, Gal Chechik, Ziv Bar-Yossef, Tomer Shmiel2015Autres questions poséesAutres questions posées et SEO : comment le brevet des questions associées de Google choisit les questions affichées
US 8,938,463 B1

Modifying search result ranking based on implicit user feedback and a model of presentation bias

Hyung-Jin Kim, Adrian D. Corduneanu2015Signaux utilisateursLe biais de présentation en SEO : comment Google minore les clics obtenus grâce à la seule position et au gras
US 9,002,867 B1

Modifying ranking data based on document changes

Henele I. Adams, Hyung-Jin Kim2015Signaux utilisateursRéécriture de page, historique de clics et SEO : comment Google pèse les clics passés quand une page change
US 9,477,759 B2

Question answering using entity references in unstructured data

Dvir Keysar, Tomer Shmiel2016EntitésLes réponses par entités et le SEO : comment Google répond aux questions « qui » en comptant les entités des premiers résultats
US 9,767,157 B2

Predicting site quality

Navneet Panda, Yun Zhou2017Qualité de sitePrédire la qualité d'un site en SEO : comment Google note un nouveau site à partir de ses phrases
US 9,792,330 B1

Identifying local experts for local search

John Alastair Hawkins, Cristina Stancu-Mara2017SEO localLes experts locaux et le SEO local : comment Google identifie les auteurs d'avis dont l'opinion classe les commerces locaux
US 9,959,315 B1

Context scoring adjustments for answer passages

Nitin Gupta, Srinivasan Venkatachary, Lingkun Chu, Steven D. Baker2018Extraits optimisésPassages-réponses et titres SEO : comment Google utilise la hiérarchie de vos titres pour choisir une réponse mise en avant
US 9,940,367 B1

Scoring candidate answer passages

Steven D. Baker, Srinivasan Venkatachary, Robert Andrew Brennan, Per Bjornsson, Yi Liu, Hadar Shemtov, Massimiliano Ciaramita, Ioannis Tsochantaridis2018Extraits optimisésLa notation des passages-réponses en SEO : comment Google choisit le passage qui répond à une question
US 10,235,423 B2

Ranking search results based on entity metrics

Hongda Shen, David Francois Huynh, Grace Chung, Chen Zhou, Yanlai Huang, Guanghua Li2019EntitésLes entités plutôt que les mots-clés : ce que le Knowledge Graph de Google change pour vos contenus SEO
US 11,354,342 B2

Contextual estimation of link information gain

Victor Carbune, Pedro Gonnet Anders2022Gain d'informationLe gain d'information en SEO : le brevet Google qui note ce que votre page apporte de plus que les autres
US 11,769,017 B1

Generative summaries for search results

Matthew K. Gray, John Blitzer, Corinn Herrick, Srinivasan Venkatachary, Jayant Madhavan, Sam Oates, Phiroze Parakh, Aditya Shah, Mahsan Rofouei, Ibrahim Badr2023AI OverviewsAI Overviews et SEO : comment le brevet des résumés génératifs de Google choisit et cite ses sources

Vous préférez qu'on s'en occupe ?

Faisons ranker votre site avec les brevets

Un audit gratuit fondé sur les brevets dont nous parlons ici.