Как Google рассчитывает метрику социального ранжирования (Social Ranking Score) для оценки популярности контента

Термины и определения

Candidate User Social Activities (Кандидатские социальные действия)

Отобранный набор социальных действий, который используется для расчета Social Ranking Score. Отбор может происходить по типу действия, его публичности или другим критериям.

Entity / Property (Сущность / Ресурс)

Объект, для которого рассчитывается метрика (веб-сайт, страница, статья, контент).

Quality (Качество социального действия)

Оценка значимости или ценности определенного типа социального действия. Используется для определения веса (Weight). Например, «share» имеет более высокое качество, чем «view».

Quantity (Количество социальных действий)

Числовая мера кандидатских социальных действий.

Social Activity Types (Типы социальных действий)

Классификация взаимодействий. Примеры: acknowledge (лайк), review, comment, share, add-to-connection (подписка), watch, listen, purchase, search, install, view, play.

Social Ranking Score (Метрика социального ранжирования)

Итоговый балл, указывающий на социальную популярность сущности среди пользователей в социальном графе.

User Interaction Data (Данные о взаимодействии пользователей)

Сырые данные, описывающие социальные действия пользователей, связанные с сущностью.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод расчета метрики с взвешиванием и ее использование для рекомендаций.

1. Обработка данных о социальных действиях, связанных с контентом.
2. Классификация действий по типам (Social Activity Types).
3. Определение действий-кандидатов (например, выбор Типа А и Типа Б).
4. Определение Веса 1 для Типа А и Веса 2 для Типа Б. Веса основаны на количестве позитивных социальных действий (positive user social activities) данного типа, связанных с контентом.
5. Расчет Social Ranking Score на основе весов путем вычисления качеств (qualities) и комбинирования количества (quantity) и качеств.
6. Генерация рекомендации (recommendation) контента, если Social Ranking Score удовлетворяет пороговому значению.

Ядро изобретения — это взвешенная оценка социальной популярности, используемая как триггер для рекомендательных систем. Механизм определения весов, основанный на объеме позитивных взаимодействий, предполагает динамическую модель оценки.

Claim 3 (Зависимый от 1): Описывает альтернативный метод расчета количества.

Система определяет уникальные пары, включающие идентификатор пользователя (user identity) и тип социального действия (social activity type). Social Ranking Score рассчитывается на основе количества этих пар.

Это механизм для учета уникальных взаимодействий, предотвращающий чрезмерное влияние одного пользователя, многократно выполняющего действие.

Claim 5 (Зависимый от 1): Описывает обновление метрики.

Система получает сигнал о действии пользователя, изменяющем популярность контента, и обновляет Social Ranking Score на основе этого действия.

Это подразумевает возможность обновления метрики в режиме, близком к реальному времени.

Claim 7 (Зависимый от 1): Описывает агрегацию (каноникализацию) сигналов.

Система определяет два или более похожих веб-сайта (similar websites), представляющих одинаковый контент от одного поставщика, и объединяет их Social Ranking Scores.

Это механизм консолидации социальных сигналов, разбросанных по дубликатам контента.

Где и как применяется

Изобретение затрагивает этапы индексирования данных и ранжирования в контексте рекомендательных систем.

CRAWLING & INDEXING – Сбор данных и Индексирование
Система собирает User Interaction Data из различных источников (Social Network Server, Third Party Server). Эти данные обрабатываются, классифицируются по типам, и рассчитывается Social Ranking Score. Эта оценка индексируется и ассоциируется с соответствующей сущностью (контентом).

RANKING – Ранжирование (Системы Рекомендаций)
Это основная область применения. Рассчитанный Social Ranking Score используется как сигнал популярности. Как указано в Claim 1, он служит триггером для генерации рекомендаций, когда оценка достигает определенного порога.

Входные данные:

• User Interaction Data (логи шеров, лайков, комментариев, покупок и т.д.).
• Правила классификации и веса (Weights) для различных типов действий.
• Идентификаторы пользователей.

Выходные данные:

• Social Ranking Score, ассоциированный с сущностью.
• Сигнал для генерации рекомендации.

На что влияет

• Конкретные типы контента: Влияет на контент, генерирующий социальное взаимодействие: статьи, видео, новости, товары, приложения.
• Платформы: Наибольшее влияние оказывается на видимость в рекомендательных системах (например, Google Discover) и социальных лентах, где популярность является ключевым фактором.

Когда применяется

• Частота применения: Обновление оценки может происходить как периодически, так и в ответ на сигнал о действии пользователя (Claim 5).
• Особые случаи (Gamification): Патент описывает механизм геймификации (FIG. 6), когда система может усилить вес действия пользователя (например, «в 10 раз сильнее») после достижения им определенного уровня активности (например, 100-е действие).
• Пороговые значения: Используются для определения того, достаточно ли популярен контент для генерации рекомендации (Claim 1).

Пошаговый алгоритм

1. Сбор данных: Получение User Interaction Data, связанных с сущностью.
2. Классификация: Классификация действий по Social Activity Types (например, «share», «comment») и свойствам (например, публичное/приватное, позитивное/негативное).
3. Выбор кандидатов: Определение Candidate User Social Activities — подмножества действий, которые будут участвовать в расчете.
4. Вычисление количества (Quantity): Подсчет действий-кандидатов. Это может быть общий объем или количество уникальных пар «пользователь-тип действия» (Claim 3).
5. Определение качества/весов (Quality/Weights): Определение весов для разных типов действий. Веса могут быть предопределены или рассчитываться динамически на основе объема позитивных взаимодействий (Claim 1). Также учитываются усиленные действия пользователей (Gamification).
6. Расчет оценки: Вычисление Social Ranking Score путем комбинирования количества и качества (например, взвешенная сумма).
7. Обновление и Защита Приватности: Обновление оценки при новых действиях. Патент упоминает возможность добавления случайного шума к оценке при обновлении для защиты приватности пользователей.
8. (Опционально) Объединение: Идентификация схожих сущностей и объединение их Social Ranking Scores (Claim 7).
9. Применение: Использование итоговой оценки для генерации рекомендаций, если достигнут порог популярности (Claim 1).

Какие данные и как использует

Данные на входе

Патент сосредоточен на обработке поведенческих и пользовательских данных социального характера.

• Поведенческие (Социальные) факторы: Являются основным входом. Патент детализирует широкий спектр Social Activity Types:
  • Acknowledge (подтверждение/лайк, позитивные/негативные оценки).
  • Review (обзор), Comment (комментарий), Share (шер).
  • Watch (смотреть), Listen (слушать), View (просмотр).
  • Purchase (покупка), Install (установка).
  • Add-to-connection (подписка/добавление в друзья).
  • Search (поиск), Play (игра).
• Пользовательские факторы: Идентификаторы пользователей (для определения уникальности взаимодействий). История активности пользователя (для механизмов усиления действий).

Какие метрики используются и как они считаются

Патент описывает несколько методов расчета Social Ranking Score:

1. Метод 1: По количеству (Quantity-based)
   Метрика равна общему числу Candidate User Social Activities (Claim 2).
2. Метод 2: По количеству и качеству (Weighted Sum)
   Метрика рассчитывается как взвешенная сумма (Claim 1). Система определяет качество (Quality) и присваивает веса (Weights).
   Формула расчета:
   $\text{Score} = \sum (\text{Quantity}_{\text{Type}} \times \text{Weight}_{\text{Type}})$
   В описании патента приведен пример иерархии: Share (наивысшее качество) > Comment > Acknowledge > View (низшее качество).
3. Метод 3: По уникальным парам (User-Activity Pairs)
   Метрика равна количеству уникальных пар (Идентификатор пользователя, Тип действия) (Claim 3).

1. Дифференциация социальных сигналов: Google не рассматривает социальные взаимодействия как равные. Система активно классифицирует действия по типам и присваивает им разный вес (Quality). Действия, требующие больших усилий (например, «Share», «Comment»), ценятся выше пассивных («View», «Acknowledge»).
2. Фокус на рекомендациях, а не веб-поиске: Основное применение Social Ranking Score, защищенное Claim 1, — это генерация рекомендаций при достижении порога популярности. Патент не подтверждает использование этой метрики в основном веб-поиске.
3. Критичность каноникализации: Система предусматривает объединение Social Ranking Scores для эквивалентного контента на разных URL (Claim 7). Это подчеркивает важность технической каноникализации для консолидации социальных сигналов.
4. Учет уникальности взаимодействий: Система может учитывать не только общий объем действий, но и количество уникальных пользователей, выполняющих разные типы действий (Claim 3), что может служить защитой от простых накруток.
5. Динамическое взвешивание и геймификация: Веса могут быть динамическими (основанными на объеме позитивных взаимодействий), а также система может временно усиливать влияние отдельных пользователей для стимулирования активности (геймификация).

Best practices (это мы делаем)

• Стимулирование высококачественных взаимодействий: Фокусируйте стратегию на получении взаимодействий с высоким весом (Quality). Поощряйте пользователей делиться контентом (Share), оставлять комментарии (Comment) и отзывы (Review), так как они, вероятно, имеют больший вес, чем лайки (Acknowledge) или просмотры (View).
• Оптимизация под рекомендательные системы (Google Discover): Поскольку Social Ranking Score напрямую используется для генераций рекомендаций (Claim 1), создание социально активного и вирального контента является ключевой стратегией для увеличения трафика из рекомендательных лент.
• Обеспечение корректной каноникализации: Критически важно настроить rel="canonical" для всех версий страниц (AMP, мобильные, десктопные, с параметрами). Это позволит консолидировать социальные сигналы (Claim 7) и максимизировать агрегированный Social Ranking Score.
• Построение сообщества и вовлечение: Работайте над формированием лояльного сообщества. Поскольку система может учитывать уникальность взаимодействий (Claim 3) и потенциально усиливать действия активных пользователей (Gamification), реальное вовлечение разнообразной аудитории необходимо.

Worst practices (это делать не надо)

• Накрутка низкокачественных сигналов: Массовая генерация просмотров или лайков неэффективна из-за системы взвешивания, которая придает им низкий вес. Кроме того, система учета уникальных пользователей (Claim 3) может нивелировать эффект от накруток ботами.
• Распыление сигналов по дубликатам: Игнорирование технической каноникализации приведет к тому, что социальные сигналы будут распределены по разным URL, и контент не достигнет порога популярности для рекомендаций.
• Фокус только на количестве: Оптимизация только под объем взаимодействий без учета их типа и качества противоречит логике патента.

Стратегическое значение

Патент подтверждает наличие у Google сложной инфраструктуры для измерения и оценки социальной популярности. Он демонстрирует переход от простого подсчета к качественному анализу взаимодействий. Стратегически это означает, что для максимизации видимости, особенно в рекомендательных системах, необходимо интегрировать SEO и SMM, фокусируясь на создании резонансного контента, который стимулирует пользователей к активным действиям (шеры, обсуждения).

Практические примеры

Сценарий: Консолидация социальных сигналов для статьи

1. Ситуация: Новостная статья доступна по основному URL (example.com/news/123) и через AMP-версию (amp.example.com/news/123). Пользователи делятся обеими ссылками в социальных сетях.
2. Применение патента (Claim 7): Система определяет, что оба URL представляют одинаковый контент.
3. Неправильная реализация (Без каноникализации): Система рассматривает их как разные сущности. Social Ranking Score рассчитывается отдельно (например, Score=50 и Score=30). Ни одна из оценок может не достичь порога для рекомендаций.
4. Правильная реализация (С каноникализацией): AMP-версия указывает на основную как на каноническую. Система объединяет Social Ranking Scores. Итоговый Score=80.
5. Результат: Консолидированная оценка повышает вероятность того, что контент достигнет порога популярности (Claim 1) и попадет в рекомендации (например, Google Discover).