Как Google использует социальные связи и одобрения для персонализации и переранжирования локальной выдачи

Термины и определения

Association (Связь)

Отношения между профилями участников в сети. Могут быть разных типов (дружба, работа, семья, общие интересы) и иметь разные уровни или веса.

Degree of Separation (Степень разделения)

Метрика, определяющая расстояние между двумя профилями в социальном графе (например, количество ребер между ними). Может быть специфичной для типа связи.

Endorsement (Одобрение, Рекомендация)

Явное действие участника сети по рекомендации или оценке локального результата или рекламы. Может быть бинарным (да/нет), шкалированным (рейтинг) или содержать комментарии.

Explicit Association (Явная связь)

Связь, установленная и подтвержденная участниками напрямую (например, добавление в друзья).

Implicit Association (Неявная связь)

Связь, определяемая системой автоматически на основе общих характеристик профилей, интересов или членства в одном сообществе.

Local Search Result (Локальный результат поиска)

Результат поиска, относящийся к конкретному географическому местоположению, часто представляющий собой поставщика продуктов/услуг.

Member Network (Сеть участников)

Социальная сеть, соединяющая людей или организации (например, Orkut, Friendster).

Member Network Database (База данных сети участников)

Хранилище профилей участников, их связей (социального графа) и одобрений.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод персонализированного локального ранжирования на основе типа связи.

1. Система получает информацию об одобрении (рейтинг) локального поставщика от Участника 1 (в сети).
2. Участник 1 получает финансовый стимул (financial incentive) за это одобрение.
3. Система получает локальный поисковый запрос (объект + местоположение) от Участника 2 (в сети).
4. Система идентифицирует связь (association) между Участником 1 и Участником 2 (явные отношения или общее членство в сообществе).
5. Система ранжирует результаты, релевантные запросу, основываясь на типе (type of the association) связи между Участником 1 и Участником 2.
6. Система предоставляет ранжированный набор результатов.

Ядром является переранжирование локального поиска, где сила сигнала модулируется типом социальных отношений. Также защищается аспект предоставления финансовых стимулов за одобрения.

Claim 13 (Независимый пункт): Описывает реализацию с агрегацией одобрений от нескольких участников.

1. Устанавливаются отношения между Участниками 1, 2 и 3.
2. Участники 1 и 3 выполняют поиск, видят результаты со ссылками для одобрения и одобряют разных поставщиков. Одобрения сохраняются.
3. Участник 2 отправляет локальный поисковый запрос.
4. Система идентифицирует связи между Участником 2 и Участниками 1 и 3.
5. Система ранжирует результаты на основе типа связи между У2 и У1, И на основе типа связи между У2 и У3.
6. Система предоставляет ранжированные результаты, включая идентификацию У1 и У3 и доступность их одобрений.

Система агрегирует одобрения и применяет индивидуальные веса, основанные на конкретных отношениях ищущего с каждым рекомендателем.

Claim 26 (Независимый пункт): Аналогичен Claim 13, но акцентирует внимание на степени связи.

1. Процесс аналогичен Claim 13 (сбор одобрений от У1 и У3, запрос от У2).
2. Ранжирование результатов основывается на степени (degree of the relationship) отношений между У2 и У1, и на степени отношений между У2 и У3.

Вводится концепция "близости" (например, степени разделения) как основного фактора, модулирующего вес одобрения. Более близкие связи дают больший вес.

Где и как применяется

Изобретение требует тесной интеграции между поисковой системой и системой социальной сети.

INDEXING – Индексирование и извлечение признаков
На этом этапе индексируются локальные бизнесы. Также обрабатываются данные социальной сети: Member Network Database хранит профили, социальный граф и одобрения. Эти данные должны быть доступны поисковой системе.

RANKING – Ранжирование
На этом этапе генерируется стандартный набор локальных результатов (first local search result set) на основе стандартных факторов.

RERANKING – Переранжирование / METASEARCH – Метапоиск и Смешивание
Основное применение патента. Это форма персонализированного переранжирования.

1. Идентификация пользователя: Система идентифицирует ищущего и его положение в социальном графе.
2. Получение социальных сигналов: Система обращается к Member Network Engine для получения релевантных одобрений от связанных профилей (second local search result set). Связи могут быть явными или неявными (например, общие интересы).
3. Расчет весов: Вычисляются веса для каждого одобрения на основе типа и/или степени связи между ищущим и одобряющим.
4. Смешивание и Переранжирование: Стандартные результаты объединяются с социальными сигналами и пересортируются для формирования финального набора. Выдача аннотируется информацией об одобрениях.

Входные данные:

• Локальный поисковый запрос.
• Идентификатор пользователя (ищущего).
• Member Network Database (Профили, Связи, Одобрения).
• Стандартный набор локальных результатов.

Выходные данные:

• Персонализированный, переранжированный набор локальных результатов с аннотациями об одобрениях.

На что влияет

• Конкретные типы контента: Влияет исключительно на результаты локального поиска (Local Search Results) – поставщики продуктов и услуг в определенной местности.
• Реклама: Патент явно упоминает возможность одобрения и переранжирования локальной рекламы (Ads) по тому же механизму.

Когда применяется

• Условия активации: Алгоритм активируется, когда поиск выполняет идентифицированный участник сети (member network).
• Триггеры: Выполнение локального поискового запроса И наличие релевантных одобрений от участников, с которыми у ищущего есть связь (association).

Пошаговый алгоритм

Фаза А: Сбор одобрений (Endorsement Capture)

1. Регистрация и установление связей: Пользователь создает профиль в сети и устанавливает связи.
2. Выполнение поиска: Пользователь отправляет локальный поисковый запрос.
3. Отображение опций одобрения: Поисковая система возвращает результаты, сопровождая их ссылкой "Одобрить" (endorse link).
4. Процесс одобрения: Пользователь нажимает на ссылку и оставляет оценку (бинарную, рейтинг или комментарий).
5. Стимулирование (Опционально): Согласно Claims, пользователю может быть предоставлен финансовый стимул за одобрение.
6. Сохранение и категоризация: Одобрение сохраняется в Member Network Database и категоризируется.

Фаза Б: Персонализированное ранжирование (Personalized Ranking)

1. Получение запроса: Пользователь (Участник 2) отправляет локальный поисковый запрос.
2. Генерация стандартных результатов: Поисковая система генерирует первый набор результатов.
3. Идентификация социального контекста: Система идентифицирует Участника 2 и его социальный граф.
4. Получение одобрений: Система ищет одобрения, релевантные запросу, оставленные связанными участниками (У1, У3). Формируется второй набор результатов.
5. Расчет весов связей: Для каждого одобрения система вычисляет вес на основе типа и/или степени связи между Участником 2 и одобряющим. Близкие связи получают больший вес.
6. Смешивание и переранжирование: Система объединяет наборы результатов и переранжирует их, используя взвешенные одобрения как сигналы для повышения позиций.
7. Предоставление результатов: Пользователю предоставляется финальный набор результатов с аннотациями (например, "одобрено: User D").

Какие данные и как использует

Данные на входе

Система в значительной степени полагается на социальные данные из Member Network.

• Пользовательские и Социальные факторы:
  • Профили участников (Member Profiles): Интересы, местоположение, демографические данные (используются для определения неявных связей).
  • Связи (Associations): Явные отношения (дружба, работа), членство в сообществах. Это основа социального графа.
• Поведенческие факторы:
  • Одобрения (Endorsements): Явные оценки пользователей (рейтинги, комментарии) локальных бизнесов или рекламы.
  • История доступа: Патент упоминает отслеживание доступа пользователя к результату для последующего предложения одобрить его.
• Бизнес-факторы (Упомянуто в Claims):
  • Финансовые стимулы (Financial incentives): Данные о вознаграждениях, предоставляемых пользователям за одобрения.

Какие метрики используются и как они считаются

• Тип связи (Type of Association): Качественная метрика, определяющая характер отношений (например, "лучший друг", "знакомый"). Разные типы имеют разные предопределенные веса (Claim 1, 13).
• Степень разделения / Степень отношений (Degree of Separation / Relationship): Количественная метрика, измеряющая расстояние в социальном графе (Claim 26). Используется для модуляции веса одобрения.
• Взвешивание связей (Weighting Factor): Патент предполагает, что веса могут использоваться для корректировки степени разделения. Упоминается, что более высокий вес связи может уменьшить степень разделения (т.е. увеличить влияние одобрения).
• Значение одобрения (Endorsement Value): Рейтинг, оставленный пользователем (например, шкала от 1 до 5).

1. Персонализация через социальный граф: Патент демонстрирует раннюю попытку Google использовать явные социальные связи как сигнал доверия для локального поиска. Авторитетность становится персонализированной, зависящей от сети контактов пользователя.
2. Сила связи имеет значение: Вес одобрения не статичен. Он модулируется типом (Type of Association) и степенью (Degree of Separation) отношений. Google предполагает, что пользователи больше доверяют рекомендациям близких друзей, чем дальних знакомых или неявно связанных людей.
3. Фокус на локальный поиск и рекламу: Система специально нацелена на улучшение локальных результатов и локальной рекламы, признавая важность личных рекомендаций в этом контексте.
4. Стимулированные одобрения: Крайне важный аспект: патент явно включает финансовые стимулы (financial incentives) для пользователей, оставляющих одобрения (Claim 1). Это предполагает конкретную бизнес-модель для сбора данных, которая сегодня противоречит правилам Google относительно отзывов.
5. Устаревшая архитектура: Зависимость от централизованной, явной "сети участников" (подобной Orkut или Google+) позволяет предположить, что данная конкретная реализация устарела и не используется в современном поиске Google.

Best practices (это мы делаем)

Хотя конкретный механизм, описанный в патенте, устарел, лежащие в его основе принципы остаются актуальными для Local SEO.

• Стимулирование социального доказательства (Отзывы): Поощряйте подлинные положительные отзывы на актуальных платформах (в первую очередь, Google Business Profile). Это современный эквивалент "одобрений" (endorsements), на который полагается Google для оценки локального бизнеса.
• Построение реального сообщества: Создавайте подлинное вовлечение сообщества вокруг бренда. Активное и лояльное сообщество отражает те самые "связи" (associations) и общий интерес, которые Google стремился зафиксировать в этом патенте.
• Укрепление локальной авторитетности: Сосредоточьтесь на том, чтобы стать доверенным источником в вашей географической области. Это повышает вероятность положительных рекомендаций и упоминаний (современных неявных социальных сигналов).

Worst practices (это делать не надо)

• Оплата за одобрения или отзывы: Патент упоминает финансовые стимулы (financial incentives). Однако в настоящее время это строго противоречит рекомендациям Google и законодательству о защите прав потребителей. Любые попытки купить отзывы приведут к санкциям.
• Манипуляция социальными сигналами: Создание фейковых социальных профилей для генерации одобрений неэффективно, так как современные системы Google не полагаются на явный социальный граф для ранжирования таким образом.
• Игнорирование репутации: Недооценка важности управления репутацией и отзывами в локальном поиске противоречит фундаментальным принципам, которые Google исследует в этом патенте.

Стратегическое значение

Этот патент подчеркивает историческую траекторию развития Local SEO в сторону доверия и персонализации. Он показывает, что Google давно считает личные рекомендации мощным сигналом качества. Хотя метод сместился от явных социальных графов (Google+) к системам отзывов (GBP) и неявным сигналам авторитетности, основная цель остается прежней: выявление надежных локальных авторитетов. Современная стратегия Local SEO должна фокусироваться на построении подлинной локальной репутации.

Практические примеры

Прямые практические примеры для SEO в 2025 году отсутствуют, так как система не используется. Однако можно смоделировать сценарий по логике патента.

Сценарий (Гипотетический): Переранжирование локальной выдачи на основе дружбы

1. Контекст: Пользователь А и Пользователь Б являются "Лучшими друзьями" (высокий вес связи) в сети участников. Пользователь В является "Знакомым" (низкий вес связи) Пользователя А.
2. Действия:
   • Пользователь Б одобряет "Пиццерию Тони" с рейтингом 5/5.
   • Пользователь В одобряет "Пиццерию Марио" с рейтингом 5/5.
3. Запрос: Пользователь А ищет "лучшая пицца рядом". И "Тони", и "Марио" релевантны.
4. Ранжирование: Система идентифицирует оба одобрения. Из-за более сильной связи (Association Type/Degree) между А и Б, одобрение Пользователя Б получает значительно больший вес.
5. Результат: "Пиццерия Тони" ранжируется выше "Пиццерии Марио" в персонализированной выдаче Пользователя А, сопровождаемая аннотацией "Одобрено вашим другом Б".