Как Google использует историю чтения новостных сайтов для определения географических интересов пользователя и персонализации выдачи

Термины и определения

Geo Signal (Геосигнал)

Сигнал, идентифицирующий конкретное местоположение, представляющее интерес для пользователя. Определяется на основе контента, выбранного пользователем.

Geographic Location of Interest (Географическое местоположение, представляющее интерес)

Местоположение (город, штат, страна), которое система определила как важное для пользователя на основе его предыдущего поведения. Определяется независимо от текущего физического местоположения пользователя.

Location Module (Модуль определения местоположения)

Компонент системы, отвечающий за определение географического местоположения, связанного с издателем документа, и за формирование Geographic Location of Interest.

Newspaper Publisher (Новостной издатель)

Издатель новостного контента. Этот термин критически важен для Claims, так как запатентованный механизм сфокусирован на анализе контента именно от этих источников.

Search relevancy score (Оценка релевантности поиска)

Метрика для ранжирования результатов. В контексте патента эта оценка увеличивается, если результат поиска географически соответствует Geographic Location of Interest пользователя.

Ключевые утверждения (Анализ Claims)

Анализ проводится на основе финальных утвержденных Claims, представленных в конце документа. Формула изобретения узко сфокусирована на новостных издателях.

Claim 1 (Независимый пункт): Описывает основной метод определения и использования географических интересов пользователя на основе истории чтения новостей.

1. Система выбирает множество документов (plurality of documents), ранее выбранных пользователем.
2. Ключевое ограничение: Каждый из выбранных документов должен быть опубликован разными новостными издателями (different newspaper publishers).
3. Определяется соответствующее географическое местоположение для каждого из этих разных новостных издателей.
4. Определяется geographic location of interest для пользователя, основываясь, по крайней мере, на географических местоположениях этих новостных издателей.
5. Система получает новый запрос от пользователя.
6. Получаются результаты поиска, отвечающие на запрос.
7. Результаты поиска ранжируются на основе, по крайней мере, определенного geographic location of interest пользователя.

Ядром изобретения является метод персонализации, основанный не просто на истории просмотра, а на анализе паттернов потребления контента из нескольких разных новостных источников для формирования надежного вывода о географических интересах.

Claim 2 (Зависимый от 1): Уточняет механизм ранжирования.

Ранжирование включает повышение соответствующих оценок (increasing respective scores) результатов поиска, которые ссылаются на документы, содержащие информацию об определенном geographic location of interest, по отношению к результатам, которые не содержат такой информации.

Claim 3 (Зависимый от 1): Описывает методы определения местоположения издателя.

Определение местоположения новостного издателя может включать использование метаданных (metadata) из документа или поиск в базе данных географических местоположений новостных издателей.

Claim 4 (Зависимый от 1): Подчеркивает ключевую особенность.

Определение geographic location of interest происходит независимо от текущего местоположения устройства пользователя (current location of the user device).

Где и как применяется

Изобретение затрагивает этапы понимания пользователя (профилирование) и финального ранжирования (персонализация).

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна извлекать и сохранять географические сигналы, связанные с издателями (publishers). Должна существовать база данных (Location Signals Database), связывающая новостных издателей с их географическим происхождением.

QUNDERSTANDING – Понимание Запросов (и Моделирование Пользователя)
Система постоянно анализирует поведение пользователя (историю просмотра). Location Module анализирует посещенные новостные сайты и определяет geographic location of interest. Этот процесс может происходить офлайн или асинхронно и сохраняться в профиле пользователя.

RERANKING – Переранжирование
Основное применение патента. Когда пользователь отправляет запрос, система использует geographic location of interest из профиля пользователя для корректировки ранжирования. Происходит повышение (promoting или boosting) результатов, которые географически соответствуют интересам пользователя (персонализация на этапе Reranking).

Входные данные:

• История документов, посещенных пользователем (специфически от newspaper publishers).
• База данных географических местоположений издателей (Location Signals).
• Запрос пользователя.
• Начальный набор результатов поиска с их оценками релевантности.

Выходные данные:

• Персонализированный, переранжированный список результатов поиска.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на запросы с географически неоднозначным интентом. Например, запрос "Taj Mahal" (монумент в Индии или казино в США) или общие запросы типа "выборы", "лучшие банки", "местные события".
• Конкретные типы контента: Новости, локальные услуги, события, коммерческие страницы, где географическая привязка имеет значение.
• Языковые аспекты: В патенте (Description) упоминается, что определение страны интереса может использоваться для вывода о языках, которыми владеет пользователь. Например, если страна интереса — Франция, система может предпочесть результаты на французском языке.

Когда применяется

• Триггеры активации: Алгоритм активируется при обработке поискового запроса, если для пользователя определен надежный geographic location of interest.
• Условия работы: Необходимо, чтобы пользователь ранее посетил достаточное количество документов от разных новостных издателей (согласно Claim 1), чтобы система могла вывести общий интерес пользователя.

Пошаговый алгоритм

Процесс А: Определение географического интереса (Профилирование пользователя)

1. Сбор данных: Система получает данные о документах, ранее выбранных пользователем.
2. Фильтрация: Отбираются документы, опубликованные новостными издателями (newspaper publishers). Проверяется, что в наборе есть документы от множества разных издателей.
3. Определение локации издателей: Для каждого издателя определяется его географическое местоположение. Это делается через метаданные документа или запрос к базе данных Location Signals.
4. Анализ и агрегация: Анализируются местоположения издателей для определения доминирующего geographic location of interest пользователя.
5. Сохранение профиля: Geo Signal / geographic location of interest сохраняется в профиле пользователя.

Процесс Б: Применение интереса при поиске (Ранжирование)

1. Получение запроса и профиля: Система получает запрос и извлекает сохраненный geographic location of interest пользователя.
2. Идентификация результатов: Генерируется базовый набор результатов, релевантных запросу.
3. Переранжирование (Reranking): Система корректирует оценки релевантности (relevancy score) результатов. Оценки результатов, которые содержат информацию о geographic location of interest, увеличиваются.
4. Предоставление результатов: Пользователю предоставляется персонализированный ранжированный список.

Какие данные и как использует

Данные на входе

• Поведенческие факторы (User History): Критически важные данные. Используется история выбора документов пользователем (documents previously selected by a user). Акцент делается на посещении сайтов новостных издателей.
• Структурные/Технические факторы (Metadata): Метаданные документа могут использоваться для определения географического местоположения издателя.
• Контентные факторы: Содержание документа может использоваться для определения географической привязки как самого документа, так и его издателя (упоминается в Description).
• Географические факторы (Location Signals Database): База данных, содержащая информацию о географическом происхождении издателей.

Какие метрики используются и как они считаются

Патент не детализирует конкретные формулы, но описывает следующие метрики и процессы:

• Geographic Location of Interest: Вычисляется на основе анализа географических локаций издателей, контент которых потребляет пользователь. Вероятно, учитывается частота, давность и количество посещений разных источников.
• Geographic Relevance Boost: Повышающий коэффициент, применяемый к стандартной оценке релевантности. Система увеличивает оценки (increasing respective scores) результатов, если результат соответствует geographic location of interest пользователя.

1. Персонализация за пределами физической локации: Google активно использует поведенческие данные для понимания неявных географических интересов пользователя, которые могут отличаться от его текущего местоположения (IP/GPS). Система может "привязать" пользователя к определенному региону на основе его истории просмотра.
2. История чтения новостей как ключевой сигнал локализации: Согласно Claims, посещение сайтов новостных издателей является основным триггером для этого механизма. Система анализирует происхождение издателей (publisher's geographic location), чтобы понять контекст пользователя.
3. Требование к разнообразию источников: Для определения интереса требуется анализ нескольких различных новостных издателей (Claim 1). Это указывает на стремление к точности и формированию устойчивого профиля интересов, а не реакцию на разовое действие.
4. Влияние на неоднозначные запросы: Этот механизм оказывает существенное влияние на выдачу по запросам без явного географического указания или по запросам с несколькими возможными географическими интерпретациями.
5. Повышение географически релевантного контента: Контент, соответствующий определенному geographic location of interest пользователя, получает повышение (boost) в ранжировании для этого пользователя.

Best practices (это мы делаем)

• Четкие географические сигналы для издателей (Особенно для СМИ): Новостные сайты должны явно указывать свое основное географическое происхождение (страну, город). Это поможет системе корректно идентифицировать publisher's location и правильно ассоциировать аудиторию, читающую сайт, с этим регионом. Используйте метаданные, раздел "О нас", локальную микроразметку (NewsMediaOrganization/LocalBusiness).
• Международное SEO и Hreflang: Убедитесь, что структура сайта четко разделяет контент для разных регионов. Корректная реализация Hreflang поможет системе выбрать правильную версию страницы, соответствующую geographic location of interest пользователя, а не только его физическому местоположению.
• Создание локализованного контента (Таргетинг на экспатов/туристов): Для привлечения аудитории из конкретного региона создавайте контент, явно связанный с этим регионом. Это повышает шансы на получение буста, если система идентифицирует интерес пользователя к этому региону.
• Понимание персонализации при анализе выдачи: При анализе конкурентов и отслеживании позиций необходимо учитывать глубокую персонализацию выдачи. Тестирование "чистой" выдачи (инкогнито, без аккаунта) дает лишь базовое представление, так как не учитывает историю пользователя.

Worst practices (это делать не надо)

• Смешивание географических сигналов: Создание контента, который пытается охватить слишком много разных географических локаций без четкой структуры, или наличие противоречивых сигналов (например, адрес одной страны, а контент о другой) может запутать систему в определении локации издателя.
• Игнорирование локализации для глобальных тем: Предположение, что по общим запросам выдача одинакова для всех. Если пользователь проявлял интерес к определенной стране, даже общие запросы (например, "покупка авто" или "новости спорта") будут локализованы под его интересы.
• Маскировка происхождения издателя: Попытки скрыть реальное географическое происхождение новостного сайта или маскироваться под локальное издание в нескольких регионах одновременно могут привести к некорректному определению аудитории и снижению релевантности.

Стратегическое значение

Патент подтверждает глубокую интеграцию моделирования поведения пользователей и алгоритмов ранжирования. Geo Signal, основанный на истории просмотра, является мощным фактором персонализации, который может переопределить сигналы, основанные на текущем местоположении. Стратегически это означает, что SEO должно учитывать весь путь пользователя и его взаимодействие с различными ресурсами в интернете, а не только оптимизацию под запрос в вакууме.

Практические примеры

Сценарий: Разрешение неоднозначности запроса (Пример из патента)

1. Ситуация 1: Пользователь регулярно читает индийские новостные сайты (например, "India Newspaper"). Google определяет его geographic location of interest как Индия.
2. Ситуация 2: Другой пользователь регулярно читает местные газеты Нью-Джерси (например, "New Jersey Newspaper"). Google определяет его geographic location of interest как Нью-Джерси (США).
3. Запрос: Оба пользователя вводят запрос "Taj Mahal".
4. Анализ запроса: Система распознает неоднозначность (Монумент в Индии vs. Казино в Атлантик-Сити, Нью-Джерси).
5. Результат для пользователя 1 (Интерес: Индия): Система применяет Geo Signal "Индия" и агрессивно повышает в ранжировании страницы о монументе, понижая результаты о казино (FIG. 2B патента).
6. Результат для пользователя 2 (Интерес: Нью-Джерси): Система применяет Geo Signal "Нью-Джерси" и повышает страницы о казино, понижая результаты о монументе (FIG. 3B патента).