Как Google рассчитывает тематическую популярность (Topical Authority) документов на основе поведения пользователей

Термины и определения

Location Identifier (Идентификатор местоположения)

Идентификатор, используемый для поиска документа, например, URL.

Navigational Patterns (Навигационные паттерны)

Данные о поведении пользователей при переходе на документ и с него. Включают анализ «перетекания» трафика (funneling traffic), времени пребывания и быстрых уходов со страницы (quick jumps).

Popularity Score (Оценка популярности)

Общая метрика популярности документа, рассчитываемая на основе количества посещений (hits/visits) и/или Navigational Patterns.

Per-Topic Popularity (Популярность в рамках темы)

Метрика, определяющая популярность документа относительно других документов в рамках одной конкретной темы. Является аналогом Topical Authority, основанным на поведении пользователей.

Topic / Topicality (Тема / Тематичность)

Категория или концепция, к которой относится документ или поисковый запрос.

Topic-specific quality score (Оценка качества для конкретной темы)

Метрика качества, которая может быть присвоена документу на основе его Per-Topic Popularity и использована как сигнал ранжирования.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс расчета и применения тематической популярности для ранжирования.

1. Система определяет первый показатель популярности (общий Popularity Score) для множества документов.
2. Первая группа документов ассоциируется с Темой 1; Вторая группа — с Темой 2.
3. Документам в Группе 1 присваивается второй показатель популярности (специфичный для Темы 1). Этот показатель основан на их общем Popularity Score относительно других документов в Группе 1, но не относительно документов в Группе 2.
4. Аналогично, документам в Группе 2 присваивается третий показатель популярности (специфичный для Темы 2).
5. Система получает поисковый запрос и определяет, что запрос связан с Темой 1 (например, на основе анализа результатов поиска по этому запросу).
6. Определяется набор документов, релевантных запросу (включая конкретный документ из Темы 1).
7. Выполняется первое ранжирование (на основе релевантности).
8. Выполняется второе ранжирование конкретного документа на основе его показателя популярности, специфичного для Темы 1 (второго показателя).
9. Результаты предоставляются в порядке, основанном на втором ранжировании.

Ядро изобретения — это расчет авторитетности/популярности строго в контексте темы. Система ранжирует документы внутри темы на основе их популярности и использует этот относительный показатель (Per-Topic Popularity) как сигнал ранжирования, когда запрос соответствует этой теме.

Claim 2 (Зависимый от 1): Уточняет, что первый (общий) Popularity Score может определяться на основе навигационных паттернов пользователей (user navigational patterns) к документу или от него.

Claim 3 (Зависимый от 1): Уточняет метод ассоциации документов с темами: использование каталога документов (directory of documents), организованного по категориям.

Claims 6 и 7 (Зависимые от 1): Уточняют, что первый (общий) Popularity Score может быть основан на количестве обращений к документу (посещений), либо глобально, либо конкретной группой пользователей.

Claim 15 (Независимый пункт): Аналогичен Claim 1, фокусируется на механизме присвоения тематически-специфичного показателя популярности (topic-specific popularity score). Он основан на ранжировании документов относительно друг друга внутри темы (и не относительно документов вне этой темы) и последующем использовании этого показателя для ранжирования по запросу, связанному с этой темой.

Где и как применяется

Изобретение затрагивает этапы индексирования для расчета метрик и этап ранжирования для их применения.

CRAWLING/DATA ACQUISITION – Сбор данных
Система собирает поведенческие данные от пользователей: идентификаторы посещенных документов, поисковые запросы и Navigational Patterns.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит обработка данных и расчет метрик. Документы классифицируются по темам. Данные о поведении пользователей обрабатываются для расчета общих Popularity Scores. Затем система выполняет корреляцию и рассчитывает Per-Topic Popularity для документов в рамках идентифицированных тем. Эти метрики сохраняются в индексе.

QUNDERSTANDING – Понимание Запросов
Входящий поисковый запрос анализируется для определения его тематики. Патент указывает, что ассоциация запроса с темой может основываться на анализе контента результатов поиска, которые этот запрос возвращает.

RANKING / RERANKING – Ранжирование и Переранжирование
Основное применение патента. Система выполняет первое ранжирование на основе релевантности. Если запрос был успешно сопоставлен с конкретной темой, система извлекает показатели Per-Topic Popularity для документов-кандидатов в рамках этой темы и выполняет второе ранжирование (корректировку), используя эти тематические показатели.

Входные данные:

• Идентификаторы местоположения (URL) посещенных документов.
• Данные о навигации пользователей (Navigational Patterns) и количестве посещений.
• Поисковые запросы.
• Система тематической классификации (например, каталог или результаты анализа контента).

Выходные данные:

• Показатели Per-Topic Popularity, ассоциированные с документами в индексе.
• Скорректированный порядок результатов поиска.

На что влияет

• Конкретные ниши или тематики: Наибольшее влияние в четко определенных нишах, где можно ясно классифицировать контент и где поведение пользователей демонстрирует явных тематических лидеров (Topical Authority).
• Специфические запросы: Влияет на информационные и коммерческие запросы, которые могут быть однозначно сопоставлены с темами, для которых рассчитаны метрики Per-Topic Popularity.

Когда применяется

• Условия применения: Алгоритм применяется, когда поисковый запрос может быть надежно сопоставлен с конкретной темой, и когда для этой темы у системы есть рассчитанные данные Per-Topic Popularity для релевантных документов.
• Триггеры активации: Совпадение темы запроса и темы документа активирует использование Per-Topic Popularity как сигнала ранжирования.

Пошаговый алгоритм

Процесс можно разделить на два основных этапа: расчет метрик (обычно офлайн/при индексации) и применение метрик (онлайн/при ранжировании).

Этап А: Расчет Per-Topic Popularity (Индексирование)

1. Сбор данных о поведении: Получение идентификаторов (URL) документов, посещенных пользователями. Сбор данных о навигационных паттернах.
2. Расчет общей популярности: Определение общего Popularity Score для каждого документа. Это включает:
   • Подсчет количества посещений (hits/visits).
   • Анализ Navigational Patterns: выявление документов, с которых пользователи быстро уходят (quick jumps) или которые лишь «перенаправляют» трафик (funneling), и соответствующая корректировка их оценок.
3. Тематическая классификация: Привязка каждого документа к одной или нескольким темам. Методы могут включать использование категоризированных каталогов или анализ контента.
4. Расчет тематической популярности (Корреляция): Для каждой Темы:
   • Выбрать все документы, относящиеся к этой теме.
   • Ранжировать эти документы относительно друг друга на основе их общих Popularity Scores.
   • Присвоить Per-Topic Popularity (тематически-специфичную оценку) на основе этого относительного ранжирования.

Этап Б: Применение в ранжировании (Обработка запроса)

1. Получение запроса: Система получает поисковый запрос.
2. Понимание запроса и тематизация: Система определяет тему запроса (например, анализируя контент результатов поиска, которые он вызывает).
3. Первичное ранжирование: Идентификация документов-кандидатов и их ранжирование на основе релевантности.
4. Второе ранжирование (Корректировка): Для документов-кандидатов, принадлежащих к теме запроса, система извлекает их Per-Topic Popularity баллы.
5. Применение сигнала: Ранжирование корректируется с использованием Per-Topic Popularity в качестве сигнала. Документы с более высокой популярностью в рамках данной темы получают повышение.
6. Выдача результатов: Предоставление отсортированного списка пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании поведенческих данных для оценки популярности.

• Поведенческие факторы: Являются ключевыми для этого патента.
  • Количество посещений (visits/hits): сколько раз документ был посещен (глобально или определенной группой пользователей).
  • Navigational Patterns: шаблоны переходов пользователей на документ и с него. Анализ времени, проведенного на странице (упоминается "short period of time"), быстрых уходов (quick jumps), и того, служит ли страница просто для перенаправления трафика (funneling traffic).
• Технические факторы: Location identifiers (URL) используются для отслеживания посещений.
• Структурные/Контентные факторы: Используются для определения тематики.
  • Структура внешних каталогов (directory of documents organized by category) явно упоминается как способ определения тематики документа.
  • Контент документов используется для определения тематики запроса (путем анализа результатов поиска).

Какие метрики используются и как они считаются

• Popularity Score (Общий показатель популярности): Рассчитывается на основе агрегации поведенческих факторов (посещения и навигационные паттерны). Конкретные формулы не приводятся, но указано, что негативные паттерны (например, быстрый уход) могут понижать этот показатель.
• Per-Topic Popularity Score (Показатель популярности в рамках темы): Это относительная метрика. Она рассчитывается путем ранжирования документов внутри конкретной темы на основе их общего Popularity Score. Документ А сравнивается только с другими документами по этой же теме, а не со всем интернетом.

1. Авторитетность зависит от темы (Topical Authority): Патент четко разграничивает общую популярность и популярность в контексте конкретной темы. Google стремится идентифицировать ресурсы, которые являются авторитетными именно в своей нише.
2. Поведенческие сигналы как основа авторитетности: В данном патенте в качестве основы для расчета популярности (как общей, так и тематической) используются именно поведенческие сигналы (посещения, навигационные паттерны), а не ссылочные или контентные факторы.
3. Относительное ранжирование внутри тем: Per-Topic Popularity определяется тем, насколько популярен документ по сравнению с другими документами по той же теме. Это означает, что можно иметь низкий общий трафик, но высокую тематическую популярность в узкой нише.
4. Важность пользовательского опыта (UX) и удовлетворения интента: Патент явно упоминает анализ Navigational Patterns. Негативные паттерны, такие как быстрый уход со страницы (pogo-sticking или quick jumps), могут снижать оценку популярности, что подчеркивает важность удержания пользователя.
5. Контекстное ранжирование: Тематический показатель популярности применяется только тогда, когда запрос пользователя соответствует теме документа. Это позволяет системе адаптировать ранжирование к контексту запроса.

Best practices (это мы делаем)

• Построение тематического авторитета (Topical Authority): Сфокусируйтесь на всестороннем охвате вашей основной тематики. Это не только помогает системе правильно классифицировать ваш контент, но и увеличивает вероятность того, что пользователи, заинтересованные в этой теме, будут выбирать ваш сайт, повышая его Per-Topic Popularity.
• Оптимизация под удовлетворение интента и вовлеченность: Поскольку Popularity Score основан на поведенческих данных, критически важно оптимизировать контент для положительных навигационных паттернов. Необходимо минимизировать быстрые уходы (quick jumps) и поощрять длительное взаимодействие (long clicks).
• Становитесь основным ресурсом в своей нише: Стратегия должна быть направлена на то, чтобы стать наиболее посещаемым и полезным ресурсом в рамках вашей конкретной темы. Это напрямую влияет на показатель Per-Topic Popularity, который рассчитывается относительно конкурентов по теме.
• Анализ путей пользователя (User Journey): Понимайте, как пользователи перемещаются по вашему сайту. Убедитесь, что внутренняя навигация логична и помогает пользователю решать его задачу, избегая создания страниц, которые просто «перенаправляют» трафик без создания собственной ценности (funneling).

Worst practices (это делать не надо)

• Погоня за общим трафиком в ущерб релевантности: Привлечение большого количества нерелевантного трафика может увеличить общую посещаемость, но не поможет (и может навредить) Per-Topic Popularity, если навигационные паттерны будут негативными или трафик не будет связан с основной темой сайта.
• Широкая тематика с поверхностным контентом: Наличие поверхностного контента по множеству разных тем затрудняет достижение высокой Per-Topic Popularity в какой-либо одной области по сравнению со специализированными ресурсами.
• Использование кликбейта и вводящих в заблуждение заголовков: Эти тактики приводят к негативным навигационным паттернам (быстрые уходы, pogo-sticking). Патент явно указывает, что такие паттерны могут использоваться для снижения оценки популярности документа.

Стратегическое значение

Этот патент подтверждает стратегическую важность Topical Authority и предлагает модель его расчета, основанную на поведении пользователей. Это означает, что стратегии E-E-A-T должны быть сфокусированы не только на формальных признаках экспертности и ссылочном профиле, но и на реальном удовлетворении потребностей пользователей в рамках конкретной области знаний. Популярность в глазах пользователей, интересующихся темой, становится измеримым сигналом ранжирования.

Практические примеры

Сценарий: Ранжирование нишевого сайта по сравнению с крупным порталом

1. Контекст: Существует нишевый сайт "AquaExpert", посвященный исключительно аквариумистике, и крупный портал "AllAboutPets", у которого есть раздел об аквариумах.
2. Данные: "AllAboutPets" имеет в 10 раз больше общего трафика. Однако пользователи, интересующиеся аквариумистикой, чаще посещают "AquaExpert" и проводят там больше времени (позитивные Navigational Patterns).
3. Работа алгоритма:
   • Google рассчитывает общий Popularity Score: у "AllAboutPets" он глобально выше.
   • Google классифицирует оба сайта по теме "Аквариумистика".
   • Расчет Per-Topic Popularity: Система сравнивает Popularity Scores всех сайтов в теме "Аквариумистика". За счет более целевого и вовлеченного трафика Popularity Score "AquaExpert" в этой теме оказывается выше, чем у раздела "AllAboutPets". "AquaExpert" получает высокую Per-Topic Popularity.
4. Результат в поиске: Пользователь вводит запрос "как настроить морской аквариум". Google определяет тему запроса как "Аквариумистика". При ранжировании система использует высокую Per-Topic Popularity сайта "AquaExpert" как сильный сигнал, повышая его в выдаче выше статей с портала "AllAboutPets".