Как Google вычисляет тематический авторитет автора (Author Rank) на основе его вклада в контент

Термины и определения

Authority Signature (Сигнал Авторитета)

Кумулятивное значение (также упоминается как Expertise Signature Value), представляющее уровень экспертности или авторитета автора по конкретной теме. Вычисляется путем суммирования вклада автора в эту тему по всем проанализированным документам.

Authorship Information (Информация об авторстве)

Данные, указывающие, кто является автором контента в документе. Включает идентификацию авторов и их Authorship Percentage для каждой темы.

Authorship Percentage (Процент Авторства)

Метрика (например, от 0 до 1.0 или 0% до 100%), указывающая долю вклада конкретного автора в контент, относящийся к определенной теме в документе. Также называется Topic Authorship Percentage.

Document Signature (Сигнатура Документа)

Тематический профиль документа. Включает список тем (Topics), к которым относится контент, и вес (Weight) для каждой темы.

Topic (Тема)

Категория, концепция или предметная область, к которой относится контент документа. Может быть абстрактной и не обязательно присутствовать в тексте в виде термина.

Weight (Вес Темы)

Метрика (также Topic Weight или Confidence Score), количественно определяющая, насколько сильно тема связана с документом или насколько значительная часть документа посвящена этой теме. Сумма весов всех тем в документе обычно равна 1.0 или 100%.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод определения тематического авторитета, подчеркивая его кумулятивный характер.

1. Система получает информацию о теме для первого документа (темы и веса).
2. Система получает информацию об авторстве для первого документа (авторы и Authorship Percentage для каждой темы).
3. Генерируется первое обновление Authority Signature для первого автора по первой теме. Обновление основано на произведении Authorship Percentage автора и Weight темы в первом документе.
4. Система получает информацию о теме для второго документа.
5. Система получает информацию об авторстве для второго документа.
6. Генерируется второе обновление того же Authority Signature для первого автора по первой теме. Оно основано на произведении Authorship Percentage автора и Weight темы во втором документе.

Ядро изобретения — это формула расчета вклада (Процент Авторства * Вес Темы) и механизм кумулятивного обновления Authority Signature автора при обработке множества документов.

Claim 3 (Зависимый от 1): Уточняет, что механизм применяется к соавторам.

Система также генерирует обновление Authority Signature для второго автора первой темы на основе его процента авторства и веса темы в документе. Это подтверждает, что система корректно обрабатывает документы с несколькими авторами, распределяя авторитет между ними.

Claim 5 (Зависимый от 1): Описывает применение рассчитанных сигнатур.

1. Множество Authority Signatures сохраняется в базе данных.
2. В ответ на запрос, касающийся определенной темы (query topic), система извлекает и отображает информацию об одном или нескольких авторах, имеющих предопределенный ранг или значение Authority Signature для этой темы.

Это указывает на то, что рассчитанные сигнатуры используются для идентификации и, вероятно, продвижения экспертов по запрошенным темам.

Claim 14 (Независимый пункт, на носителе): Повторяет логику Claim 1, подтверждая процесс обновления сигнатур при обработке нескольких документов.

Система обновляет Authority Signature автора на основе его вклада в первом документе, а затем дополнительно обновляет эту же сигнатуру на основе его вклада во втором документе.

Где и как применяется

Изобретение применяется на этапах индексирования для расчета сигналов и на этапах ранжирования для их использования.

INDEXING – Индексирование и извлечение признаков
Это основной этап работы алгоритма. При индексации нового или обновленного документа система выполняет следующие действия:

1. NLP-анализ: Обработка контента для определения тем (Topics) и их весов (Weights), формируя Document Signature.
2. Анализ авторства: Определение авторов документа и расчет их вклада (Authorship Percentage) в каждую тему. Это может потребовать анализа истории редактирования или взаимодействия пользователя с документом.
3. Расчет и обновление сигнатур: Вычисление вклада авторов и обновление их Authority Signatures. Эти данные сохраняются в индексе авторов или базе данных экспертов.

RANKING – Ранжирование / RERANKING – Переранжирование
Рассчитанные Authority Signatures могут использоваться как фактор ранжирования.

• Система может повышать в выдаче контент, созданный авторами с высоким Authority Signature по темам, релевантным запросу пользователя.
• Система может использовать эти данные для отображения информации об экспертах (как указано в Claim 5).

Входные данные:

• Контент документа.
• Данные об авторах (идентификаторы пользователей).
• Данные о взаимодействии авторов с документом (например, история правок, объем добавленного текста), необходимые для расчета Authorship Percentage.

Выходные данные:

• Обновленные Authority Signatures для всех авторов документа (маппинг Автор -> Тема -> Оценка Авторитета).

На что влияет

• Конкретные ниши или тематики: Наибольшее влияние ожидается в YMYL-тематиках (медицина, финансы, юриспруденция) и других областях, где экспертность автора критически важна для качества и достоверности информации.
• Специфические запросы: Информационные запросы, где пользователь ищет экспертное мнение или глубокий анализ.
• Конкретные типы контента: Статьи, лонгриды, исследования, руководства — контент, где авторская позиция и экспертиза имеют значение.

Когда применяется

• Временные рамки: Расчет Authority Signature происходит в процессе индексации или обновления документа. Использование сигнатуры происходит в реальном времени во время ранжирования.
• Условия применения: Алгоритм применяется, когда система может надежно идентифицировать автора(ов) документа и определить тематику контента.

Пошаговый алгоритм

Процесс обновления тематического авторитета:

1. Получение документа: Система получает новый или обновленный документ для анализа.
2. Генерация Document Signature:
   1. Идентифицируются темы (Topics), присутствующие в документе.
   2. Для каждой темы рассчитывается её вес (Weight), отражающий степень её представленности в документе.
3. Получение Authorship Information:
   1. Идентифицируются все авторы (или редакторы) документа.
   2. Для каждой темы определяется процент вклада (Authorship Percentage) каждого автора в контент, относящийся к этой теме.
4. Итеративный расчет вклада: Система перебирает каждую тему в Document Signature.
5. Расчет обновления сигнатуры: Для каждого автора, внесшего вклад в тему, вычисляется значение обновления: $\text{Обновление} = \text{Weight} \times \text{Authorship Percentage}$.
6. Кумулятивное обновление Authority Signature: Рассчитанное значение обновления добавляется к текущему значению Authority Signature автора по данной теме. Если сигнатуры не существовало, она создается.
7. Сохранение: Обновленные Authority Signatures сохраняются в базе данных.

Какие данные и как использует

Данные на входе

Патент фокусируется на механизме расчета авторитета и использует следующие типы данных:

• Контентные факторы: Текст документа является основой для определения тем (Topics) и их весов (Weights) с помощью NLP-анализа.
• Пользовательские факторы (Авторские): Идентификаторы авторов (User IDs). Данные о взаимодействии пользователя с документом (например, объем набранного текста, правки), которые используются для определения Authorship Percentage.

Какие метрики используются и как они считаются

• Weight (Вес Темы): Степень представленности темы в документе. Патент указывает, что это может быть процент (0-100%) или числовое значение (0-1.0), и что сумма весов для документа равна 1.0.
• Authorship Percentage (Процент Авторства): Доля вклада автора в контент по конкретной теме. Сумма процентов всех авторов для одной темы равна 1.0 или 100%. Рассчитывается на основе взаимодействия автора с частью документа, связанной с темой.
• Authority Signature Value (Значение Сигнала Авторитета): Кумулятивный показатель экспертности.

Формулы и алгоритмы расчета:

Расчет вклада автора в тему в рамках одного документа:

$\text{Вклад}_{\text{Автор}, \text{Тема}, \text{Документ}} = \text{Weight}_{\text{Тема}, \text{Документ}} \times \text{Authorship Percentage}_{\text{Автор}, \text{Тема}, \text{Документ}}$

Расчет кумулятивного Сигнала Авторитета (Claim 1 и 14):

$\text{Authority Signature}_{\text{Автор}, \text{Тема}} = \sum_{d \in \text{Документы}} \text{Вклад}_{\text{Автор}, \text{Тема}, d}$

Authority Signature представляет собой сумму произведений веса темы и процента авторства по всем документам, созданным автором.

1. Алгоритмический расчет «Author Rank»: Патент описывает конкретный механизм для количественной оценки авторитета автора (Authority Signature), что является реализацией концепции «Author Rank».
2. Тематическая специфика авторитета: Авторитет не является глобальным показателем. Он рассчитывается строго в разрезе конкретных тем (Topics). Автор может иметь высокий авторитет в одной теме и нулевой в другой.
3. Кумулятивный характер авторитета: Authority Signature накапливается по мере создания автором контента. Чем больше документов автор создает по определенной теме, тем выше потенциал роста его авторитета.
4. Важность глубины контента (Topic Weight): Для накопления авторитета важно не просто упоминание темы, а её глубокое раскрытие. Если документ лишь поверхностно затрагивает тему (низкий Weight), вклад в Authority Signature будет минимальным.
5. Обработка соавторства: Система явно учитывает вклад нескольких авторов (Authorship Percentage), распределяя авторитет пропорционально их участию в создании контента по теме.
6. Идентификация экспертов: Основная цель системы — создать базу данных экспертов по темам, которую можно использовать для ответа на запросы (Claim 5), что подразумевает использование этих данных в ранжировании или для формирования специальных блоков выдачи.

Best practices (это мы делаем)

• Четкая атрибуция контента: Необходимо обеспечить надежную идентификацию авторов контента. Используйте разметку Schema.org (Person, author), создавайте качественные страницы авторов и связывайте их с профилями в авторитетных источниках. Это необходимо для корректного расчета Authorship Information.
• Специализация авторов: Поощряйте авторов фокусироваться на их ключевых областях экспертизы. Поскольку Authority Signature рассчитывается по темам и является кумулятивной, специализированный автор быстрее накопит значительный авторитет в своей нише, чем автор, пишущий на множество разных тем.
• Создание глубокого и всестороннего контента: Фокусируйтесь на создании контента, который полностью раскрывает тему. Это максимизирует Topic Weight для целевых тем в документе, что, в свою очередь, увеличивает вклад в Authority Signature автора.
• Регулярность публикаций: Поскольку авторитет накапливается, важна регулярная публикация качественного контента по профильным темам для постоянного увеличения Authority Signature.
• Привлечение реальных экспертов: Инвестируйте в создание контента реальными экспертами. Их предыдущие работы (даже на других площадках, если Google может их связать) могут способствовать формированию высокого начального Authority Signature.

Worst practices (это делать не надо)

• Анонимный или псевдонимный контент: Публикация контента без четкой атрибуции реальному автору не позволяет накапливать Authority Signature и снижает потенциал ранжирования в контексте E-E-A-T.
• Распыление тематик: Использование одного автора для покрытия широкого спектра несвязанных тем. Это затрудняет формирование сильного тематического авторитета в какой-либо конкретной области.
• Поверхностный контент (Thin Content): Создание контента, который лишь затрагивает множество тем без их глубокого раскрытия. Это приводит к низким Topic Weights и минимальному вкладу в авторитет автора.
• Использование «фейковых» авторов: Создание вымышленных персон авторов без реальной истории публикаций и подтвержденной экспертизы. Такие авторы будут иметь нулевой или низкий Authority Signature.

Стратегическое значение

Этот патент подтверждает, что E-E-A-T — это не абстрактная концепция, а набор алгоритмически вычисляемых сигналов. Authority Signature является ключевым компонентом для оценки «Expertise» и «Authoritativeness». Стратегически, это означает, что SEO должно выходить за рамки традиционной оптимизации текста и включать построение и продвижение авторитета авторов. Долгосрочная стратегия должна быть направлена на превращение авторов сайта в признанных экспертов в своей нише.

Практические примеры

Сценарий: Построение авторитета медицинского автора

1. Задача: Продвинуть сайт клиники по запросам, связанным с кардиологией.
2. Действия:
   • Привлекается врач-кардиолог (Доктор Х) для написания статей.
   • Создается страница автора с подтверждением квалификации.
   • Доктор Х пишет первую глубокую статью (Документ 1) по теме «Ишемическая болезнь сердца» (ИБС).
3. Анализ системой (предположение):
   • Тема: «ИБС». Вес: 0.9 (статья глубокая).
   • Автор: Доктор Х. Процент авторства: 1.0 (единственный автор).
   • Вклад в Authority Signature по теме «ИБС»: 0.9 * 1.0 = 0.9.
4. Последующие действия: Доктор Х пишет вторую статью (Документ 2) — обзор методов лечения сердечных заболеваний, где ИБС является одной из секций.
5. Анализ системой (предположение):
   • Тема: «ИБС». Вес: 0.3 (только часть статьи).
   • Автор: Доктор Х. Процент авторства: 1.0.
   • Вклад: 0.3 * 1.0 = 0.3.
6. Результат: Новый Authority Signature Доктора Х по теме «ИБС» становится 0.9 + 0.3 = 1.2. По мере роста этого показателя, контент Доктора Х по теме ИБС получает преимущество в ранжировании.