Как Google использует персональные оценки пользователей для переранжирования выдачи и расчета «рейтинга сайта»

Термины и определения

User-specified annotations (Пользовательские аннотации)

Явная обратная связь от пользователя о документе. Включает Rating, Label и Comment.

Rating (Рейтинг)

Явная оценка документа пользователем (например, от 1 до 5 звезд) или качественная метка (например, «спам»/«trash»). Используется для модификации Ranking Score.

Label (Метка)

Ключевое слово или тег, присвоенный пользователем документу для его организации и последующего поиска.

User Information Database (База данных информации о пользователях)

Хранилище, содержащее записи о действиях пользователей и их аннотации.

User Record (Запись пользователя)

Профиль пользователя в User Information Database, содержащий его идентификатор и данные по аннотированным документам.

Community Record (Запись сообщества)

Агрегированные данные по конкретному документу (URL или docID) от нескольких пользователей. Может включать гистограмму рейтингов и средний рейтинг.

User-specific site rating (Пользовательский рейтинг сайта)

Производная метрика, рассчитываемая для группы веб-страниц (сайта или его подраздела/subunit) на основе рейтингов, которые пользователь присвоил отдельным страницам этой группы. Используется для ранжирования страниц этой группы, которые пользователь еще не оценил.

Ranking Score (Оценка ранжирования)

Базовая числовая оценка документа (S), которая модифицируется (S') с помощью пользовательских рейтингов для персонализации выдачи.

Ключевые утверждения (Анализ Claims)

Этот патент (B1) является продолжением (continuation-in-part) и его ключевые Claims сосредоточены на механизме выведения и использования рейтинга сайта.

Claim 1 (Независимый пункт): Описывает метод генерации и применения пользовательского рейтинга сайта (user-specific site rating).

1. Система получает рейтинги пользователя для некоторых, но не всех веб-страниц в группе (сайт или подраздел сайта).
2. Генерируется user-specific site rating для этой группы на основе полученных рейтингов. Этот рейтинг уникален для данного пользователя.
3. Поступает поисковый запрос от пользователя.
4. Идентифицируются результаты, включая первую веб-страницу, которая (i) входит в эту группу и (ii) ранее не была оценена пользователем.
5. Система отправляет ответ. Ссылка на эту первую веб-страницу ранжируется в соответствии с вычисленным user-specific site rating.
6. Порядок отображения результатов зависит от этого user-specific site rating.

Ядро изобретения — это способность обобщить мнение пользователя о сайте на основе оценок отдельных страниц и применить это обобщенное мнение для ранжирования других страниц этого сайта.

Claim 8 (Зависимый): Определяет методы расчета user-specific site rating. Он может быть средним значением (average), медианой (median) или взвешенным средним (weighted average) оценок пользователя.

Анализ Описания (Description) относительно прямого переранжирования: Помимо Site Rating, описание патента также детально рассматривает механизм прямого переранжирования документов, которые были оценены пользователем.

Система модифицирует базовую оценку (S) в персонализированную оценку (S'). Приведен пример формулы: $S' = S[1 + k(r-3)]$, где r — рейтинг пользователя (1-5), k — константа. Высокие оценки (4, 5) повышают результат, низкие (1, 2) — понижают.

Где и как применяется

Изобретение представляет собой слой персонализации, применяемый на финальных этапах обработки запроса.

INDEXING – Индексирование и извлечение признаков
Пользовательские аннотации сохраняются в User Information Database. Система также может предварительно вычислять Site Ratings и сохранять их. Патент упоминает возможность включения аннотаций (например, меток) в инвертированный индекс (Inverse document index) для поиска по ним.

RANKING – Ранжирование
На этом этапе генерируется стандартный набор результатов с базовыми Ranking Scores (S).

RERANKING – Переранжирование
Основное применение патента. Query Server взаимодействует с User Information Database для персонализации выдачи:

1. Получение персональных данных: Система извлекает User Record для текущего пользователя.
2. Сопоставление: Идентифицируются результаты поиска, для которых у пользователя есть прямые аннотации или для которых можно применить user-specific site rating.
3. Модификация оценок: Базовые оценки (S) пересчитываются в персонализированные оценки (S').
4. Финальная сортировка: Результаты переупорядочиваются на основе S'.

Входные данные:

• Поисковый запрос и идентификатор пользователя.
• Исходный набор результатов поиска с базовыми Ranking Scores (S).
• User Record пользователя (явные рейтинги, метки, вычисленные Site Ratings).

Выходные данные:

• Персонализированный набор результатов поиска с модифицированными Ranking Scores (S').

На что влияет

• Типы контента и запросы: Влияет на все типы контента и запросы. Это универсальный слой персонализации, применяемый поверх стандартного ранжирования для авторизованного пользователя, имеющего историю аннотаций.

Когда применяется

• Условия работы: Пользователь должен быть авторизован (logged-in) в системе.
• Триггеры активации: Алгоритм активируется, если для документов в результатах поиска существуют релевантные данные в User Record (прямые оценки или производные Site Ratings).

Пошаговый алгоритм

Процесс А: Сбор аннотаций и расчет Site Rating (Фоновый/Непрерывный процесс)

1. Получение аннотаций: Система получает явную обратную связь (рейтинг) от пользователя для конкретного документа.
2. Хранение данных: Рейтинг сохраняется в User Record.
3. Идентификация групп страниц: Система определяет, к какому сайту или подразделу (группе) относится страница.
4. Генерация Site Rating: Периодически пересчитывается user-specific site rating для группы. Методы расчета: среднее, медиана или взвешенное среднее рейтингов отдельных страниц этой группы.

Процесс Б: Персонализация поиска (В реальном времени)

1. Получение запроса и базовых результатов: Система получает запрос от авторизованного пользователя и генерирует базовые Ranking Scores (S).
2. Идентификация персональных данных: Система проверяет User Record.
3. Модификация оценок (Переранжирование): Применяется иерархический подход:
   1. Применение прямых рейтингов: Если документ был ранее оценен пользователем (рейтинг r), его оценка S модифицируется в S' (например, $S' = S[1 + k(r-3)]$).
   2. Применение Site Ratings: Если прямой оценки нет, используется user-specific site rating (R_site) для сайта или раздела. Этот рейтинг используется для модификации оценки S (например, R_site используется вместо r в формуле).
4. Переранжирование и отображение: Набор результатов сортируется на основе модифицированных оценок S' и предоставляется пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании явной (explicit) обратной связи пользователя для персонализации.

• Поведенческие факторы (Явная обратная связь):
  • Ratings (Рейтинги): Оценки страниц (например, 1-5 звезд).
  • Labels (Метки): Теги или ключевые слова, добавленные пользователем.
  • Comments (Комментарии): Текстовые заметки пользователя.
  • Spam/Trash Flags: Явное указание пользователя на нежелательный контент.
• Технические факторы:
  • Структура URL: Используется для определения иерархии сайта и группировки страниц (сайт или подраздел) при расчете Site Rating.
• Системные данные:
  • Ranking Scores (S): Базовые оценки релевантности.
  • URL/docID: Идентификаторы документов.

Какие метрики используются и как они считаются

• User Rating (r): Прямая оценка пользователя (например, шкала 1-5).
• User-specific site rating: Производная метрика для сайта или подраздела. Рассчитывается на основе агрегации оценок отдельных страниц (среднее, медиана, взвешенное среднее).
• Modified Ranking Score (S'): Персонализированная оценка ранжирования. Патент предлагает несколько вариантов расчета, включая:
  • $S' = S[1 + k(r-3)]$ (Линейная модификация относительно нейтрального рейтинга 3, где k – константа).
  • $S' = S(r/3)$ (Масштабирование).
  • $S' = k \cdot r$ или $S' = k^r$ (Использование только персонального рейтинга).

1. Фокус на персонализации, а не глобальном ранжировании: Патент описывает механизм изменения выдачи для конкретного пользователя на основе его личных явных оценок. Он не описывает влияние этих данных на глобальную оценку качества сайта.
2. Механизм явной обратной связи (Explicit Feedback): Система полагается на активное участие пользователя в оценке контента (рейтинги, метки). Это отличает ее от современных систем, использующих преимущественно неявные (implicit) сигналы.
3. Обобщение от страницы к сайту (Site Rating): Ключевой механизм — расчет user-specific site rating. Мнение пользователя о нескольких страницах формирует его общее предпочтение к домену или разделу. Это позволяет системе повышать или понижать в выдаче страницы сайта, которые пользователь еще не видел.
4. Агрессивное переранжирование: Система активно модифицирует стандартные Ranking Scores. Судя по формулам, степень изменения ранжирования может быть значительной, что позволяет личным предпочтениям перевешивать стандартные сигналы релевантности.
5. Концептуальная значимость: Хотя описанный интерфейс явных оценок устарел, патент демонстрирует методы Google по интеграции удовлетворенности пользователя в ранжирование и подходы к определению предпочтений на уровне сайта.

Best practices (это мы делаем)

Поскольку патент описывает систему персонализации на основе явной обратной связи, прямые SEO-рекомендации ограничены. Однако можно сделать стратегические выводы.

• Максимизация удовлетворенности пользователя (User Satisfaction): Основная стратегия. Контент должен быть настолько качественным, чтобы пользователь захотел оценить его высоко (явно или неявно). Это коррелирует с общими SEO-практиками по созданию полезного контента (Helpful Content).
• Укрепление бренда и лояльности к сайту: Механизм user-specific site rating подчеркивает важность общего восприятия сайта. Если пользователь положительно оценивает несколько страниц, система начинает предпочитать весь сайт в его персональной выдаче. Работа над качеством всего ресурса критична.
• Обеспечение консистентного качества во всех разделах: Site Rating может рассчитываться для подразделов (subunits). Важно поддерживать высокое качество во всех разделах, чтобы максимизировать положительное восприятие в персонализированной выдаче.

Worst practices (это делать не надо)

• Использование раздражающих элементов и Clickbait: Тактики, разочаровывающие пользователя, приведут к негативной обратной связи. В рамках этой системы пользователь может явно пометить страницу как спам или поставить низкий рейтинг, что гарантирует ее понижение в его будущих результатах.
• Неоднородное качество контента (Mixed Quality): Наличие низкокачественных разделов рискованно. Низкие оценки страниц в одном разделе могут сформировать негативный user-specific site rating для этого раздела или всего сайта и понизить в выдаче другие страницы.

Стратегическое значение

Патент подтверждает долгосрочный интерес Google к использованию сигналов удовлетворенности пользователей для корректировки ранжирования. Он демонстрирует техническую реализацию концепции «предпочтения бренда» в поиске: лояльность пользователя к сайту трансформируется в бустинг для контента этого сайта. Хотя современные системы используют неявные сигналы, цель остается той же. Это подчеркивает важность стратегий, направленных на формирование лояльной аудитории и высокого User Experience.

Практические примеры

Сценарий: Применение User-Specific Site Rating и Переранжирование

1. Действия пользователя: Пользователь ищет рецепты. Он посещает сайт "bestrecipes.com" и оценивает три рецепта: "Яблочный пирог" (5 звезд), "Борщ" (5 звезд) и "Лазанья" (4 звезды).
2. Расчет Site Rating: Система Google рассчитывает user-specific site rating для "bestrecipes.com" для этого пользователя как среднее (r = 4.67 звезды).
3. Последующий поиск: Пользователь ищет "рецепт тирамису".
4. Ранжирование: В стандартной выдаче рецепт с "topchef.com" имеет наивысший Score S=100. Рецепт с "bestrecipes.com" (который пользователь еще не видел) имеет Score S=90.
5. Персонализация: Система применяет Site Rating (r=4.67) к рецепту с "bestrecipes.com". Используя формулу $S' = S[1+k(r-3)]$ (допустим, константа k=0.1), новый Score S' = 90 * [1 + 0.1 * (4.67 - 3)] = 90 * 1.167 = 105.03.
6. Результат: В персонализированной выдаче пользователя рецепт с "bestrecipes.com" (S'=105.03) ранжируется выше, чем рецепт с "topchef.com" (S=100).