Как Google динамически переоценивает значимость факторов ранжирования, основываясь на их надежности в контексте конкретной выдачи

Термины и определения

Accentuate (Акцентировать)

В контексте патента — изменять ранжирование таким образом, чтобы выделить результаты, чьи оценки основаны на более достоверных (trustworthy) факторах, путем снижения оценок результатов, основанных на менее достоверных факторах.

Dimension (Измерение)

Ось или аспект, по которому измеряется достоверность (Trustworthiness) оценок ранжирования.

Distribution (Распределение)

Статистическое распределение показателей Trustworthiness Scores для набора результатов поиска. Система анализирует ширину этого распределения (например, стандартное отклонение, разницу между максимумом и минимумом, форму кривой), чтобы определить необходимость и степень корректировки оценок.

Score (Оценка ранжирования)

Числовое значение, указывающее на релевантность документа запросу. Является основой для определения позиции документа в выдаче.

Score Factor / Score Component (Фактор оценки / Компонент оценки)

Отдельный критерий или сигнал, вносящий вклад в итоговую Score документа (например, базовая релевантность текста, показатель кликабельности, сигнал локализации).

Trustworthiness Score (Оценка достоверности)

Метрика, присваиваемая Score Factor, которая указывает на надежность (reliability) этого фактора или меру уверенности (measure of confidence) в том, что применение этого фактора улучшит результаты поиска для пользователя (Claim 32).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод корректировки ранжирования.

1. Система получает документы в ответ на запрос, каждый с ассоциированной Score.
2. Каждая Score основана на значениях нескольких различных Score Factors.
3. Каждый Score Factor имеет свою Trustworthiness Score (оценку надежности).
4. Система определяет Distribution (распределение) этих Trustworthiness Scores для разных факторов и разных документов.
5. Система корректирует значение как минимум одного Score Factor. Величина корректировки определяется на основе двух параметров:
   1. Относительная позиция Trustworthiness Score этого фактора в общем распределении (по сравнению с другими).
   2. Показатель того, насколько широко распределены Trustworthiness Scores в целом (ширина распределения).
6. Система корректирует итоговую Score на основе скорректированного значения Score Factor.
7. Система ранжирует документы с учетом скорректированной Score.

Ядро изобретения — это динамическая переоценка вклада различных факторов ранжирования. Если фактор имеет низкую достоверность по сравнению с другими факторами в этой выдаче, И если общий разброс достоверности велик, то вклад этого фактора в итоговый рейтинг будет снижен.

Claim 5 (Зависимый от 1): Уточняет природу Score Factor.

Указывается, что Score Factor может представлять собой величину, добавленную к базовой оценке информационного поиска (information retrieval score). Это означает, что механизм может применяться для корректировки различных бустингов (например, поведенческих, локальных, персонализированных).

Claims 8, 9, 10 (Зависимые от 1): Приводят примеры оснований для расчета Trustworthiness Score.

• Claim 8: Достоверность может основываться на языке документа.
• Claim 9: Достоверность может основываться на схожести между текущим запросом и предыдущим запросом (например, при использовании исторических данных о кликах).
• Claim 10: Достоверность может основываться на стране подачи запроса и стране создания документа.

Claim 31 (Зависимый от 1): Определяет условие активации механизма.

Корректировка значения Score Factor происходит только тогда, когда показатель ширины распределения Trustworthiness Scores удовлетворяет определенному порогу. Это означает, что если все результаты имеют примерно одинаковую (высокую или низкую) достоверность сигналов, корректировка не применяется.

Где и как применяется

Изобретение применяется на финальных этапах обработки поискового запроса, используя предварительно рассчитанные оценки достоверности сигналов.

INDEXING – Индексирование и извлечение признаков
На этом этапе могут рассчитываться и сохраняться данные, которые впоследствии будут использованы для определения Trustworthiness Score. Например, определение страны происхождения документа (Claim 10) или языка документа (Claim 8).

RANKING – Ранжирование
На этом этапе генерируются первичные Scores для документов. Эти оценки уже включают в себя различные Score Factors (например, IR-score плюс бустинги). Также на этом этапе (или непосредственно перед ним) должны быть доступны Trustworthiness Scores для этих факторов.

RERANKING – Переранжирование
Основное место применения патента. Система выступает как "твидлер" (Twiddler), который анализирует набор уже оцененных результатов.

1. Анализ достоверности: Система анализирует Trustworthiness Scores факторов, сформировавших оценки результатов.
2. Расчет распределения: Определяется Distribution достоверности по всему набору результатов.
3. Корректировка оценок: Если распределение достаточно широкое (Claim 31), система пересчитывает вклад Score Factors с низкой достоверностью, уменьшая их значение.
4. Финальная сортировка: Происходит переранжирование на основе скорректированных Scores.

Входные данные:

• Набор документов, релевантных запросу.
• Итоговые Scores для каждого документа.
• Значения Score Factors, составляющих итоговый Score.
• Trustworthiness Scores для каждого Score Factor.

Выходные данные:

• Скорректированные Scores для документов.
• Финальный ранжированный список документов.

На что влияет

• Специфические запросы и ниши: Наибольшее влияние ожидается в запросах, где используется множество дополнительных сигналов ранжирования (помимо базовой текстовой релевантности), таких как локальные запросы (где важна достоверность локальных сигналов), персонализированные запросы или запросы, подверженные манипуляциям поведенческими факторами.
• Влияние бустингов: Патент напрямую влияет на эффективность факторов, которые применяются как бустинги (добавки) к базовому IR-score (Claim 5). Если бустинг признан недостоверным, он будет уменьшен.

Когда применяется

• Триггер активации: Механизм активируется только тогда, когда система обнаруживает значительную разницу в достоверности сигналов ранжирования среди топовых результатов.
• Пороговые значения: Применяется, когда показатель ширины распределения (measure of how widely the trustworthiness scores... are distributed) удовлетворяет заданному порогу (Claim 31). Если все документы имеют схожий уровень достоверности сигналов, механизм не активируется.

Пошаговый алгоритм

Процесс корректировки ранжирования

1. Получение первичных результатов: Система получает набор документов, релевантных запросу, с их первичными Scores.
2. Сбор данных о факторах: Для каждого документа извлекаются значения его Score Factors и соответствующие им Trustworthiness Scores.
3. Расчет распределения достоверности: Система анализирует все Trustworthiness Scores по всем документам и факторам и определяет их Distribution.
4. Оценка ширины распределения: Рассчитывается показатель ширины распределения (например, стандартное отклонение, разница между максимумом и минимумом).
5. Проверка порогового значения: Система проверяет, удовлетворяет ли показатель ширины распределения установленному порогу.
   • Если НЕТ: Перейти к шагу 9 (использовать первичные Scores).
   • Если ДА: Перейти к шагу 6 (активировать корректировку).
6. Расчет величины корректировки: Для каждого Score Factor определяется величина снижения. Она зависит от его относительной позиции в распределении (насколько его достоверность ниже других) и от общей ширины распределения.
7. Применение корректировки: Значения Score Factors уменьшаются на рассчитанную величину.
8. Пересчет итоговых оценок: Итоговые Scores документов пересчитываются на основе скорректированных значений Score Factors.
9. Ранжирование: Документы сортируются на основе финальных (первичных или скорректированных) Scores и предоставляются пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на мета-анализе существующих факторов ранжирования, а не на введении новых. Он оперирует следующими данными:

• Поведенческие факторы: Исторические данные о кликах используются для расчета Score Factors. Достоверность этих факторов может зависеть от схожести текущего запроса с предыдущими (Claim 9) или демографического сходства пользователей.
• Географические факторы: Страна пользователя и страна происхождения документа используются для определения Trustworthiness Score локальных сигналов (Claim 10).
• Языковые факторы: Язык документа используется как основание для Trustworthiness Score (Claim 8).
• Системные данные: Значения Score Factors и рассчитанные для них Trustworthiness Scores.

Какие метрики используются и как они считаются

• Trustworthiness Score: Метрика надежности фактора. Рассчитывается на основе контекстуальных данных (например, степень схожести запросов, географическое соответствие).
• Measure of Distribution Width (Показатель ширины распределения): Метрика, определяющая разброс Trustworthiness Scores. В патенте упоминаются следующие варианты расчета:
  • Расстояние между самым низким и самым высоким Trustworthiness Score в распределении (Claim 2).
  • Количество интервалов в распределении (например, биномиальные доверительные интервалы) (Claim 3).
  • Форма кривой распределения (например, наличие нескольких пиков или длинного хвоста) (Claim 4).
  • Стандартное отклонение (упоминается в описании).
• Adjustment Amount (Величина корректировки): Величина, на которую снижается значение Score Factor. Рассчитывается как функция от относительной позиции фактора в распределении и показателя ширины распределения.

1. Качество сигналов важнее их силы: Патент подтверждает, что Google оценивает не только величину влияния фактора ранжирования (силу сигнала), но и его достоверность (качество сигнала). Сильный, но недостоверный сигнал может быть нейтрализован.
2. Динамическое взвешивание факторов: Взвешивание факторов не статично. Система динамически решает, насколько доверять тому или иному фактору в контексте конкретного запроса и конкретного набора результатов.
3. Контекст выдачи имеет значение (SERP Context): Решение о корректировке оценки документа зависит от оценок других документов в выдаче. Если у конкурентов сигналы более достоверные, документ с недостоверными сигналами будет пессимизирован.
4. Нейтрализация манипуляций: Механизм направлен на снижение влияния сигналов, которые могут быть подвержены манипуляциям или являются ненадежными по своей природе (например, поведенческие факторы, основанные на некачественных данных).
5. Важность соответствия контексту: Достоверность сигналов часто зависит от контекстуального соответствия — соответствия языка, местоположения, демографии пользователя и семантической близости запросов. Сигналы, не соответствующие контексту, будут иметь низкий Trustworthiness Score.

Best practices (это мы делаем)

• Фокус на высококачественных и достоверных сигналах: Сосредоточьтесь на получении сигналов ранжирования, которые система с высокой вероятностью сочтет достоверными. Это включает качественные ссылки, органический трафик от релевантной аудитории и точное таргетирование контента.
• Точное географическое и языковое таргетирование: Убедитесь, что контент точно соответствует целевому региону и языку. Сигналы локализации и языка являются примерами факторов, чья достоверность оценивается (Claims 8, 10). Несоответствие может привести к снижению Trustworthiness Score и пессимизации.
• Построение релевантного поведенческого профиля: Работайте над привлечением целевой аудитории, которая демонстрирует естественное поведение. Органические клики по семантически близким запросам формируют достоверные поведенческие сигналы (Claim 9).
• Анализ качества сигналов конкурентов: Оценивайте не только позиции конкурентов, но и предполагаемое качество их сигналов ранжирования. Если в топе находятся сайты с потенциально недостоверными сигналами, это создает возможность для продвижения за счет более качественных и надежных факторов.

Worst practices (это делать не надо)

• Использование "шумных" или манипулятивных сигналов: Накрутка поведенческих факторов, использование нерелевантного трафика или другие методы искусственного усиления сигналов ранжирования крайне рискованны. Система может классифицировать такие сигналы как недостоверные (low Trustworthiness Score) и активно снизить их влияние.
• Игнорирование контекстуального соответствия: Создание контента, который не соответствует интенту, локации или языку целевой аудитории, приведет к формированию недостоверных сигналов ранжирования.
• Фокус на количестве вместо качества сигналов: Попытка компенсировать низкое качество сигналов их количеством (например, массовая закупка низкокачественных ссылок или трафика) будет неэффективной, так как система корректирует вес факторов на основе их достоверности.

Стратегическое значение

Патент подчеркивает стратегическую важность построения аутентичного и качественного профиля сайта. В долгосрочной перспективе выигрывают ресурсы, которые фокусируются на органическом росте и формировании надежных сигналов ранжирования. Система динамической оценки достоверности усложняет использование "серых" SEO-тактик и заставляет фокусироваться на фундаментальных факторах качества, релевантности и естественности. Это механизм защиты качества выдачи от статистических выбросов и манипуляций.

Практические примеры

Сценарий: Нейтрализация накрутки поведенческих факторов (ПФ)

1. Ситуация: По запросу "купить холодильник" в ТОП-3 находится Сайт А, который использует накрутку ПФ (например, ботовый трафик или мотивированные клики). Сайт Б имеет органический трафик и хорошие ПФ.
2. Первичное ранжирование: Сайт А получает высокий Score за счет сильного Score Factor, основанного на кликах.
3. Оценка достоверности: Система анализирует источники кликов.
   • Сайт А: Клики идут от нерелевантной аудитории или по сильно отличающимся запросам. Trustworthiness Score этого фактора низкий.
   • Сайт Б: Клики идут от целевой аудитории по семантически близким запросам. Trustworthiness Score высокий.
4. Анализ распределения: Система видит широкий разброс в достоверности ПФ-сигналов в ТОПе (разница между Сайтом А и Сайтом Б). Порог активации превышен.
5. Корректировка: Система значительно снижает значение ПФ-фактора для Сайта А из-за его низкой достоверности и широкого распределения. Вклад ПФ-фактора для Сайта Б остается высоким.
6. Результат: Итоговый Score Сайта А уменьшается, и он теряет позиции. Сайт Б поднимается выше.