Как Google проактивно уведомляет пользователей об изменении цен или доступности товаров на основе их предполагаемого намерения покупки

Термины и определения

Action (Действие)

Любое действие пользователя в веб-среде или приложении (поиск, просмотр документа, email). Действия могут быть явными (explicit) или неявными (implicit) сигналами намерения.

Change Score (Оценка изменения)

Метрика, указывающая на уровень или значимость изменения, связанного с сущностью (например, размер скидки или изменение статуса доступности).

Correlation Score (Оценка корреляции)

Метрика, указывающая на уровень корреляции между действиями пользователя и удовлетворением конкретного намерения в отношении сущности. Определяет силу намерения пользователя.

Entity (Сущность)

Вещь или концепция, которая является сингулярной, уникальной и различимой (например, человек, место, товар, авиарейс). Сущности и их атрибуты часто хранятся в Графе Знаний.

Intent (Намерение)

Цель пользователя в отношении сущности (например, покупка товара, бронирование билета).

Knowledge Graph (Граф Знаний)

База данных, организованная в виде графа, где узлы представляют сущности, а ребра — отношения между ними. Используется для хранения и отслеживания атрибутов сущностей (цена, доступность) и их изменений.

Notification Object (Объект уведомления)

Элемент графического интерфейса, отображаемый пользователю, содержащий информацию об изменении сущности и ссылки для совершения действия.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс работы системы.

1. Система идентифицирует действия пользователя (включая неявные implicit actions), выполненные для удовлетворения намерения (Intent) в отношении сущности (Entity).
2. Определяется Correlation Score для этих действий. Расчет основан на количестве (quantity) выполненных действий.
3. Проверяется, удовлетворяет ли Correlation Score первому порогу.
4. Если ДА, получается информация, описывающая изменения сущности, связанные конкретно со стоимостью (cost) или доступностью (availability).
5. Определяется Change Score, указывающий на уровень изменения стоимости или доступности.
6. Проверяется, удовлетворяет ли Change Score второму порогу.
7. Если ДА (и первый порог также удовлетворен), на клиентском устройстве пользователя предоставляется уведомление (notification), описывающее сущность и уровень изменения стоимости или доступности.

Claim 2 и 3 (Зависимые): Детализируют функциональность уведомления.

Уведомление включает предоставление ссылок, ведущих на приложения (Claim 2) или веб-страницы (Claim 3), с помощью которых пользователь может немедленно удовлетворить свое намерение (например, совершить покупку). При выборе ссылки система инициирует запуск соответствующего приложения или браузера.

Claim 4 (Зависимый): Детализирует метод определения Correlation Score с использованием данных других пользователей.

Для определения Correlation Score первого пользователя система может анализировать данные о множестве случаев, когда вторые пользователи удовлетворяли то же самое намерение. Система анализирует, какие действия выполняли вторые пользователи до момента удовлетворения намерения, и использует эти агрегированные данные для расчета Correlation Score первого пользователя.

Claims 21, 22, 24 (Зависимые): Уточняют механизм расчета Change Score на основе сравнения во времени.

Change Score (для стоимости или доступности) определяется путем сравнения текущего значения атрибута с прошлым значением атрибута, полученным в более раннюю дату.

Где и как применяется

Изобретение затрагивает этапы, связанные с индексированием данных о сущностях и пониманием поведения пользователей для предоставления персонализированных уведомлений вне стандартного процесса поиска.

INDEXING – Индексирование и извлечение признаков
Система должна извлекать и индексировать атрибуты сущностей (цены, доступность, даты) из различных источников данных (веб-страницы, фиды) и сохранять их, вероятно, в Knowledge Graph. Патент подробно описывает структуру Knowledge Graph для хранения этой информации, включая исторические данные (например, цена товара на разные даты).

QUNDERSTANDING – Понимание Запросов (и Поведения)
Хотя это не классическое понимание запроса в реальном времени, система выполняет схожую функцию на уровне поведения пользователя (User Understanding). Она анализирует поток действий пользователя (Actions) — поисковые запросы, посещения страниц, данные из email — для выявления намерения (Intent) и расчета Correlation Score. Также на этом этапе (офлайн) могут генерироваться модели для предсказания намерения на основе анализа поведения множества пользователей.

(Вне стандартной архитектуры поиска) – Personalized Information Delivery
Основное применение патента. Это система проактивного мониторинга и доставки уведомлений (Notification Delivery). Если оба порога (Correlation Score и Change Score) превышены, система генерирует Notification Object и доставляет его на устройство пользователя.

Входные данные:

• Поток действий пользователя (логи поиска, история браузера, данные приложений).
• Данные о сущностях и их атрибутах (текущие и исторические) из Knowledge Graph или внешних источников.
• Модели корреляции или предопределенные наборы действий для выявления намерений.

Выходные данные:

• Уведомление (Notification Object) на устройстве пользователя, содержащее описание изменения и ссылки для совершения действия.

На что влияет

• Конкретные типы контента и ниши: Наибольшее влияние оказывается на сущности с динамическими атрибутами. Это критически важно для E-commerce (товары), Travel (авиабилеты, отели) и Events (билеты на мероприятия).
• Специфические запросы: Влияет на обработку транзакционных и коммерческих исследовательских интентов, где пользователь изучает возможность покупки или бронирования.

Когда применяется

Алгоритм применяется при выполнении строгой последовательности условий (двухпороговая система):

• Триггер активации мониторинга (Порог 1): Когда Correlation Score, рассчитанный на основе действий пользователя, превышает установленный порог. Это указывает на достаточно сильное намерение пользователя в отношении сущности.
• Триггер активации уведомления (Порог 2): Когда Change Score, рассчитанный на основе изменений атрибутов отслеживаемой сущности (цена/доступность), превышает установленный порог. Это указывает на то, что изменение достаточно значительно, чтобы уведомить пользователя.
• Временные рамки: Система может учитывать действия пользователя в течение определенного временного окна (например, последняя неделя) и сравнивать текущие атрибуты сущности с прошлыми.

Пошаговый алгоритм

Процесс А: Оценка намерения пользователя

1. Сбор данных: Система идентифицирует одно или несколько действий, выполненных пользователем для удовлетворения намерения в отношении сущности.
2. Расчет Correlation Score: Определяется Correlation Score для этих действий. Это может включать:
   • Использование модели, обученной на данных других пользователей, которые удовлетворили аналогичное намерение.
   • Сопоставление действий пользователя с предопределенным набором действий, связанных с этим намерением.
3. Проверка Порога 1: Система определяет, удовлетворяет ли Correlation Score первому порогу.
   • Если НЕТ: Процесс останавливается или продолжается сбор данных.
   • Если ДА: Сущность помечается как интересующая пользователя, и активируется Процесс Б.

Процесс Б: Мониторинг изменений и уведомление

1. Получение данных об изменениях: Система получает информацию, описывающую изменения, связанные с сущностью (стоимость или доступность). Это может включать сравнение текущих данных с историческими данными из Knowledge Graph.
2. Расчет Change Score: Система проводит количественную оценку изменений и определяет Change Score (например, рассчитывая разницу или соотношение цен).
3. Проверка Порога 2: Система определяет, удовлетворяет ли Change Score второму порогу.
   • Если НЕТ: Процесс останавливается, мониторинг продолжается.
   • Если ДА: Активируется Процесс В.

Процесс В: Доставка уведомления

1. Генерация уведомления: Создается уведомление (Notification Object), описывающее сущность и уровень изменения.
2. Добавление ссылок: В уведомление добавляются ссылки на веб-страницы или приложения, где пользователь может удовлетворить свое намерение.
3. Доставка: Уведомление предоставляется для отображения на клиентском устройстве пользователя.

Какие данные и как использует

Данные на входе

Система использует данные о поведении пользователей и данные об атрибутах сущностей.

• Поведенческие факторы (User Actions): Журналы действий пользователей, включая поисковые запросы, посещенные веб-страницы (например, сайты путешествий или коммерческие сайты), взаимодействие с приложениями, данные из электронных писем. Особо отмечается использование неявных (implicit actions) действий.
• Контентные/Структурные факторы (Entity Attributes): Данные об атрибутах сущностей, в частности, стоимость (Cost/Price) и доступность (Availability). Эти данные могут поступать из Knowledge Graph или напрямую из публичных источников (например, сайты ритейлеров, сайты авиакомпаний).
• Временные факторы: Время выполнения пользователем действий, а также даты, связанные с атрибутами сущностей (например, цена на дату А и цена на дату Б).

Какие метрики используются и как они считаются

• Correlation Score: Метрика силы намерения. Может рассчитываться:
  • На основе количества действий пользователя, связанных с намерением (Claim 1).
  • Через модель, анализирующую, как часто определенные действия приводили к удовлетворению намерения у других пользователей (Claim 4).
  • Путем сопоставления действий с предопределенным списком действий, возможно, с разными весами для разных действий.
  • С учетом времени, прошедшего между действием и удовлетворением намерения у других пользователей (среднее время до конверсии).
• Change Score: Метрика значимости изменения. Рассчитывается путем количественной оценки (quantification) изменения атрибута (Claim 7).
  • Для числовых атрибутов (цена): разница или соотношение между текущим и прошлым значением (Claims 21, 24).
  • Для категориальных атрибутов (доступность): присвоение числовых значений разным состояниям (например, 0 для недоступен, 1 для доступен) и расчет разницы (Claims 22, 24).
• Пороги (Thresholds): Предопределенные значения для Correlation Score (Порог 1) и Change Score (Порог 2). Пороги могут различаться для разных типов намерений и разных типов изменений.

1. Выявление намерения по неявным сигналам: Google активно анализирует совокупность действий пользователя (включая implicit actions, такие как связанные поиски или посещения сайтов) для выявления конкретных транзакционных намерений, даже если пользователь явно не запрашивал отслеживание.
2. Двухуровневая система фильтрации уведомлений: Система использует два ключевых порога для предотвращения спама уведомлениями. Уведомление отправляется только при наличии сильного намерения (высокий Correlation Score) И значительного изменения (высокий Change Score).
3. Центральная роль Knowledge Graph: Knowledge Graph является критически важным компонентом для этой системы. Он используется для хранения сущностей, их текущих и исторических атрибутов (цена, доступность), что позволяет системе отслеживать изменения во времени.
4. Фокус на удовлетворении намерения (Конверсия): Конечная цель системы — не просто информировать, а способствовать удовлетворению намерения. Уведомления специально спроектированы для этого и включают прямые ссылки на покупку или бронирование.
5. Использование коллективных данных для персонализации: Система может определять намерение конкретного пользователя, используя модели, основанные на анализе того, как другие пользователи достигали аналогичных целей (какие действия предшествовали конверсии).

Best practices (это мы делаем)

• Оптимизация сущностей (Entity Optimization): Обеспечьте полное и точное представление ваших сущностей (товаров, рейсов, отелей) в экосистеме Google. Для e-commerce это означает идеальное состояние фидов Google Merchant Center и использование полной микроразметки Schema.org (Product, Offer), включая точные данные о цене и доступности (availability).
• Обеспечение точности и свежести данных: Критически важно, чтобы Google имел доступ к актуальным и точным данным о ценах и доступности. Любые расхождения могут помешать работе системы уведомлений. Регулярно обновляйте фиды и Sitemap.
• Мониторинг индексации атрибутов: Убедитесь, что Google корректно индексирует и интерпретирует атрибуты ваших сущностей, которые могут меняться (цена, наличие, даты вылета). Используйте инструменты Google Search Console и Merchant Center для мониторинга.
• Стимулирование взаимодействия (User Journey Optimization): Поскольку Correlation Score основан на действиях пользователя, стратегии контент-маркетинга, которые вовлекают пользователя в исследование темы вокруг ваших продуктов (обзоры, гайды), могут способствовать накоплению сигналов намерения.

Worst practices (это делать не надо)

• Несоответствие данных (Data Mismatch): Предоставление разных цен или статусов доступности в микроразметке, фидах и на самой странице. Это подрывает доверие системы к данным о сущности и может привести к исключению из программ Google.
• Блокировка индексации транзакционной информации: Сокрытие информации о ценах или доступности от краулеров (например, требование логина для просмотра цены) исключает возможность участия в этой системе проактивных уведомлений.
• Игнорирование оптимизации под сущности: Фокусировка исключительно на ключевых словах без работы над представлением конкретных сущностей (SKU, конкретные маршруты) в Knowledge Graph.

Стратегическое значение

Патент подтверждает стратегию Google на переход от простого предоставления информации к активному содействию в выполнении задач (Task Completion). Для SEO это означает, что просто быть видимым по ключевым словам недостаточно. Необходимо быть распознанным как надежный источник данных о сущностях. В транзакционных нишах точность данных о продуктах становится не просто фактором ранжирования, а условием для участия в проактивных механизмах привлечения трафика (таких как Discover или Assistant) и конверсий.

Практические примеры

Сценарий 1: E-commerce (Отслеживание наличия товара)

1. Действия пользователя: Пользователь ищет "Купить [Название модели консоли]", посещает несколько сайтов ритейлеров, видит статус "Нет в наличии".
2. Оценка намерения: Система анализирует эти действия и определяет высокий Correlation Score для намерения "Покупка [Название модели консоли]".
3. Мониторинг: Система отслеживает сущность консоли в Knowledge Graph.
4. Изменение: Ваш магазин обновляет фид Merchant Center и микроразметку на сайте, указывая, что товар появился в наличии (InStock). Google индексирует изменение.
5. Оценка изменения: Система фиксирует изменение доступности с 0 на 1. Change Score высокий.
6. Уведомление: Пользователь получает уведомление на смартфон: "[Название модели консоли] теперь доступна в [Ваш Магазин]" со ссылкой "Купить сейчас", ведущей на вашу страницу товара.

Сценарий 2: Travel (Отслеживание цены авиабилета)

1. Действия пользователя: Пользователь ищет "Рейсы из Москвы в Дубай на ноябрь" в Google Flights и на сайте авиакомпании.
2. Оценка намерения: Система определяет высокий Correlation Score для намерения бронирования этого маршрута.
3. Мониторинг: Система отслеживает сущность рейса.
4. Изменение: Цена на билет падает на 20%. Google индексирует новую цену.
5. Оценка изменения: Система рассчитывает Change Score на основе падения цены. Он превышает порог.
6. Уведомление: Пользователь получает уведомление: "Цена на рейс Москва-Дубай снизилась с 500$ до 400$" со ссылками "Забронировать через [Авиакомпания]" или "Забронировать через [OTA]".