Как Google определяет, когда показывать экспертов (авторитетных пользователей) в результатах поиска

Термины и определения

Authoritative User (AU) (Авторитетный пользователь)

Пользователь компьютерного сервиса (например, социальной сети), который был определен как авторитетный (например, эксперт) по одной или нескольким темам, связанным с запросами.

AU Data / AU Database (Данные / База данных AU)

Хранилище данных об авторитетных пользователях. Содержит данные в формате триплетов (Q, AU, S): Запрос (Query), Авторитетный пользователь (AU), Оценка (Score).

AU Engine (Движок AU)

Компонент поисковой системы, который обращается к Trigger Queries Database для определения необходимости отображения авторитетных пользователей.

Candidate Query (Запрос-кандидат)

Запрос, извлеченный из логов поиска или базы AU, который потенциально может стать триггерным запросом.

Expansion Queries (Расширенные запросы)

Запросы, сгенерированные из исходного запроса-кандидата. Включают:

• Synonymous queries (Синонимичные запросы): например, [ceo] и [chief executive officer].
• Related queries (Связанные запросы): например, [ceo] и [business executive].
• Connected queries (Соединенные запросы): например, [google] и [google places].

Score (S) (Оценка авторитетности)

Числовое значение, отражающее относительную меру авторитетности конкретного пользователя (AU) для конкретного запроса (Q).

Threshold Score (Пороговая оценка)

Динамический порог, который должна превысить Trigger Score (или индивидуальная Score), чтобы запрос стал триггерным. Зависит от популярности и типа запроса.

Trigger Query (Триггерный запрос)

Запрос, который при получении поисковой системой вызывает отображение одного или нескольких авторитетных пользователей в ответ.

Trigger Queries Database (База данных триггерных запросов)

Хранилище предварительно рассчитанных триггерных запросов и связанных с ними авторитетных пользователей.

Trigger Score (TS) (Оценка триггера)

Совокупная оценка для запроса-кандидата, рассчитанная путем комбинации (например, суммирования) оценок (S) авторитетных пользователей, связанных с этим запросом.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной офлайн-процесс создания базы данных триггерных запросов.

1. Система получает данные AU data, связывающие запросы-кандидаты с авторитетными пользователями.
2. Данные обрабатываются для идентификации Trigger Queries. Процесс включает для каждого запроса-кандидата:
   • Идентификацию оценок (first score) для связанных AU.
   • Идентификацию Trigger Score на основе комбинации этих оценок.
   • Определение, удовлетворяет ли Trigger Score пороговому значению (Threshold Score).
   • Если да, запрос идентифицируется как Trigger Query.
3. Триггерные запросы сохраняются в базе данных.

Ядром изобретения является метод агрегации индивидуальных оценок авторитетности для определения того, достаточно ли экспертизы по теме в целом, чтобы оправдать показ блока экспертов.

Claim 5 (Зависимый): Описывает альтернативный метод идентификации триггерных запросов.

1. Для каждого запроса определяется количество AU, чья индивидуальная оценка превышает дополнительный пороговый балл.
2. Определяется, превышает ли это количество AU дополнительный пороговый номер (например, k).
3. Если да, запрос включается как Trigger Query.

Этот метод фокусируется на наличии минимального количества высокоавторитетных экспертов, а не на совокупной оценке.

Claim 6 и 7 (Зависимые): Детализируют механизм определения Threshold Score.

• Пороговая оценка определяется динамически на основе: популярности запроса в поиске, популярности запроса в веб-ресурсах (индексе) и типа запроса.
• Типы запросов, влияющие на порог, включают общие (generic) запросы и локации (location).

Это критически важный механизм контроля качества. Для популярных или общих запросов требуются гораздо более сильные сигналы авторитетности для активации показа экспертов.

Claim 8 и 9 (Зависимые): Описывают процесс расширения запросов.

Запросы-кандидаты расширяются для создания Expansion Queries (синонимичные, связанные, соединенные запросы), и этот расширенный набор используется для анализа.

Claim 10 (Зависимый): Описывает онлайн-процесс.

1. Получение поискового запроса от пользователя.
2. Определение, что запрос соответствует Trigger Query.
3. В ответ предоставление данных о связанных авторитетных пользователях для отображения.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя предварительно рассчитанные данные для формирования финальной выдачи.

INDEXING – Индексирование и извлечение признаков
На этом этапе (или в рамках связанной системы, например, социальной сети) должны быть предварительно рассчитаны индивидуальные оценки авторитетности (Score S) для пользователей по различным темам/запросам. Эти данные сохраняются в AU Database.

QUNDERSTANDING – Понимание Запросов (Офлайн-процессы)
Основная логика патента выполняется офлайн для предварительной генерации Trigger Queries Database. Это включает анализ логов запросов, генерацию и расширение кандидатов (Query Expansion), расчет Trigger Scores и применение динамических порогов.

METASEARCH – Метапоиск и Смешивание
Онлайн-применение патента. Когда поступает запрос, AU Engine проверяет его на соответствие в Trigger Queries Database. Если совпадение найдено, система извлекает соответствующих авторитетных пользователей и интегрирует блок с ними в финальную страницу результатов поиска (SERP).

Входные данные (Офлайн):

• Логи поисковых запросов (для кандидатов и популярности).
• AU Database (триплеты Q, AU, S).
• Данные индекса (для определения частотности запросов в вебе).
• Базы данных для расширения запросов.

Входные данные (Онлайн):

• Поисковый запрос пользователя.
• Trigger Queries Database.

Выходные данные:

• Страница результатов поиска (SERP), потенциально включающая специальный блок с авторитетными пользователями.

На что влияет

• Специфические запросы и тематики: Наибольшее влияние оказывается на запросы, где важна индивидуальная экспертиза, мнения или опыт (например, технические советы, обзоры, хобби, YMYL-темы).
• Типы контента: Влияет на отображение специфических блоков (SERP Features), связанных с экспертами, авторами или социальными профилями.
• Ограничения: Система специально разработана так, чтобы оказывать меньшее влияние на общие (generic) запросы и запросы, связанные с локациями (location), устанавливая для них более высокие пороги активации.

Когда применяется

Алгоритм применяется при выполнении строгих условий, рассчитанных офлайн:

• Условие 1 (Агрегированная оценка): Когда совокупная Trigger Score для запроса превышает динамический Threshold Score.
• Условие 2 (Индивидуальные оценки): Когда достаточное количество (k) авторитетных пользователей имеют индивидуальные оценки (Score S) выше определенного порога для данного запроса.
• Динамические пороги: Пороги выше для запросов, которые очень популярны (в поиске или в вебе), а также для запросов, классифицированных как общие или локационные.

Пошаговый алгоритм

Процесс А: Офлайн-генерация базы триггерных запросов

1. Определение кандидатов: Исходный набор запросов-кандидатов извлекается из логов поиска (фильтрация по популярности) или из AU Database.
2. Расширение кандидатов: Запросы-кандидаты расширяются путем добавления синонимичных, связанных и соединенных запросов для формирования расширенного набора.
3. Ассоциация и дисконтирование: Для каждого запроса в расширенном наборе извлекаются топ-k авторитетных пользователей и их оценки (S). Если запрос является расширенным (например, синонимом), его оценки (S) дисконтируются (умножаются на коэффициент < 1). Степень дисконтирования зависит от типа расширения.
4. Расчет оценок триггера: Для каждого запроса рассчитывается Trigger Score (TS) путем комбинации (например, суммирования) оценок связанных с ним AU (после дисконтирования).
5. Идентификация триггеров:
   • Расчет порога: Для каждого запроса определяется динамический Threshold Score на основе его популярности и типа.
   • Сравнение: Trigger Score сравнивается с Threshold Score (или используется альтернативный метод подсчета количества экспертов k).
   • Сохранение: Если пороги превышены, запрос сохраняется в Trigger Queries Database вместе со связанными AU.

Процесс Б: Обработка запроса в реальном времени

1. Получение запроса: Система получает запрос от пользователя.
2. Проверка триггера: Система проверяет, соответствует ли запрос записи в Trigger Queries Database.
3. Идентификация AU: Если запрос является триггерным, система идентифицирует связанный с ним набор авторитетных пользователей.
4. Отображение: Набор AU предоставляется для отображения в результатах поиска. Если запрос не триггерный, AU не отображаются.

Какие данные и как использует

Данные на входе

Патент использует следующие типы данных:

• Данные об авторитетности / Социальные факторы: Критически важные данные из AU Database в формате (Q, AU, S). Эти данные предполагают существование внешней системы (например, социальной сети или Knowledge Graph), которая рассчитывает авторитетность пользователей по темам.
• Поведенческие факторы: Логи поисковых запросов используются для генерации запросов-кандидатов и для определения популярности (частоты) запросов в поиске.
• Контентные / Индексные факторы: Данные из основного индекса (Index Database) используются для определения популярности (частоты) запросов в веб-документах.
• Лингвистические и структурные данные: Базы данных синонимов, связанных и соединенных запросов используются на этапе расширения кандидатов. Классификаторы типов запросов (generic, location).

Какие метрики используются и как они считаются

• Score (S): Индивидуальная оценка авторитетности пользователя для запроса. Предварительно рассчитывается внешней системой.
• Trigger Score (TS): Совокупная оценка авторитетности для запроса. Рассчитывается путем комбинации (например, суммирования) оценок S связанных пользователей.
• Threshold Score (Пороговая оценка): Динамический порог для активации. Рассчитывается индивидуально для каждого запроса. Факторы, повышающие порог:
  • Высокая популярность запроса (в поиске или вебе).
  • Классификация запроса как общий (generic) или локация (location).
• k (Порог количества): Минимальное количество авторитетных пользователей с высокой индивидуальной оценкой, необходимое для активации в альтернативном методе.
• Discount Factors (Коэффициенты дисконтирования): Множители (< 1), применяемые к оценкам S, если запрос был получен в результате расширения. Патент предполагает, что дисконт для синонимов меньше, чем для связанных запросов.

1. Агрегация экспертизы (E-E-A-T): Google располагает механизмами для агрегации сигналов авторитетности отдельных лиц (сущностей) с целью количественной оценки общей экспертизы по конкретной теме. Trigger Score является метрикой этой совокупной экспертизы.
2. Динамические пороги авторитетности: Требования к уровню экспертизы не фиксированы. Для популярных, общих или локационных тем порог значительно выше, чем для нишевых. Это требует исключительно сильных сигналов авторитетности для выделения в конкурентных тематиках.
3. Расширение запросов и дисконтирование авторитетности: Авторитет эксперта может переноситься на синонимичные и связанные запросы (Query Expansion). Однако влияние этой авторитетности уменьшается (дисконтируется) по мере удаления от основного запроса, с которым она связана. Прямое соответствие ценится выше.
4. Фокус на индивидуальной авторитетности: Патент явно фокусируется на авторитетности пользователей (индивидуумов), что подтверждает важность индивидуальных сигналов E-E-A-T и идентификации экспертов.
5. Зависимость от внешних данных: Эффективность системы зависит от качества исходных данных в AU Database, которые поступают из внешних источников (например, социальных сетей, баз данных экспертов, Knowledge Graph).

Best practices (это мы делаем)

• Культивирование и демонстрация индивидуальной экспертизы (E-E-A-T): Сосредоточьтесь на том, чтобы авторы и эксперты, связанные с вашим сайтом, стали признанными авторитетами (AU). Это требует демонстрации реального опыта и обеспечения видимости экспертов на внешних платформах (социальные сети, профильные ресурсы), поскольку AU Data агрегируется из разных источников.
• Стратегия Topical Authority через экспертов: Стройте тематическую авторитетность, гарантируя, что ваши эксперты глубоко и всесторонне покрывают основные темы. Это увеличивает вероятность высоких индивидуальных оценок (Score S) и, как следствие, высокого совокупного Trigger Score для связанных запросов, включая расширенные варианты.
• Приоритет нишевой экспертизы: Сосредоточьтесь на достижении глубокой авторитетности в узких нишах. Поскольку динамические пороги (Threshold Score) для нишевых запросов ниже, чем для популярных и общих, проще продемонстрировать достаточный уровень экспертизы для активации соответствующих функций в поиске.
• Четкая связь экспертов с темами: Убедитесь, что связь между вашими экспертами (сущностями) и конкретными темами (запросами Q) четко прослеживается в контенте, структуре сайта и во внешних источниках (например, через профили авторов, разметку Person, активность в социальных сетях).

Worst practices (это делать не надо)

• Игнорирование индивидуальной экспертизы: Полагаться исключительно на авторитет бренда или сайта, не выделяя отдельных экспертов или авторов. Система ищет авторитетных пользователей (сущностей).
• Попытки манипулировать авторитетностью в общих тематиках: Попытки сигнализировать экспертизу по очень общим или высокочастотным запросам без реального фундаментального авторитета неэффективны из-за высоких динамических порогов (Threshold Score).
• Распыление экспертизы: Создание поверхностного контента по множеству слабо связанных тем. Механизм дисконтирования для расширенных запросов ослабит сигнал авторитетности по мере удаления от основного фокуса эксперта.
• Использование анонимных или фейковых авторов: Использование авторов без подтвержденной репутации не позволяет накапливать индивидуальные оценки (Score S) и не способствует повышению совокупной авторитетности темы.

Стратегическое значение

Патент подтверждает стратегическую важность сущностей (в данном случае людей-экспертов) и их связи с темами в поисковых системах. Он демонстрирует, что авторитетность не является абстрактным понятием, а рассчитывается, агрегируется и проверяется на уровне отдельных запросов. Для долгосрочной SEO-стратегии это означает, что инвестиции в реальную экспертизу и её правильное позиционирование являются ключом к доминированию в тематиках, особенно в тех, где важен личный опыт и знания (E-E-A-T).

Практические примеры

Сценарий: Повышение видимости в нишевой технической тематике

Тематика: Разработка на языке программирования "Elixir".

1. Анализ (Офлайн): Google анализирует запросы. Запрос [оптимизация производительности Elixir] имеет низкую популярность, поэтому его Threshold Score относительно невысок.
2. Идентификация AU: В AU Database (основанной на данных из GitHub, Twitter, профильных форумов) есть три признанных эксперта по Elixir (A, B, C). Их индивидуальные оценки (S) для этого запроса высоки.
3. Расчет Trigger Score: Система суммирует их оценки: TS = S(A) + S(B) + S(C).
4. Сравнение: TS превышает низкий Threshold Score для этого нишевого запроса.
5. Результат: Запрос [оптимизация производительности Elixir] становится Trigger Query.
6. Действие SEO: Сайт, на котором публикуются эксперты A и B, должен гарантировать, что их экспертиза четко обозначена и связана с их активностью на внешних платформах. Это укрепит их индивидуальные оценки S.
7. Ожидаемый результат (Онлайн): При поиске по этому запросу Google покажет блок с экспертами A, B и C (например, в функции типа Perspectives или в виде карусели авторов), что повысит видимость экспертов и доверие к их контенту.