Как Google использует встраивание видео на внешних авторитетных сайтах для определения «новостной ценности» контента

Термины и определения

Affinity Score (Оценка аффинитивности/близости)

Метрика, определяющая степень интереса пользователя к определенной KB entity. Рассчитывается на основе истории просмотров пользователя и его взаимодействий (лайки, частота просмотров) с другим контентом, связанным с этой сущностью.

Embedded Video (Встроенное видео)

Видео с контент-платформы, размещенное на внешнем веб-сайте (online content). Идентифицируется путем анализа HTML-кода страницы.

Exclusion List (Список исключений / Черный список)

Список KB entities, которые исключаются из процесса определения новостной ценности и генерации уведомлений.

Knowledge Base (KB) (База знаний)

Система для хранения структурированных и неструктурированных данных о темах (сущностях), используемая для обогащения результатов поиска (например, Google Knowledge Graph).

KB Entity (Сущность Базы знаний)

Конкретная тема, человек, место или объект в Knowledge Base.

KB Reference Data Store (Хранилище справочных данных KB)

Отдельная база данных, где система записывает связи между KB Entity, идентификатором внешнего онлайн-контента (Online Content ID) и идентификатором встроенного видео (Video ID).

Newsworthy Event (Новостное событие)

Видео, признанное достаточно актуальным и важным, чтобы оправдать отправку уведомления пользователям. Определяется через частоту встраивания.

Notification Score (Оценка уведомления)

Метрика, определяющая важность уведомления для конкретного пользователя. Рассчитывается на основе Affinity Score пользователя и количества встраиваний видео (number of occurrences).

Whitelist (Белый список)

Список разрешенных идентификаторов онлайн-контента (авторитетных сайтов). Встраивания учитываются, только если они происходят с сайтов из этого списка.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс определения новостного видео и таргетинга уведомлений.

1. Система идентифицирует KB entity, соответствующую онлайн-контенту, на основе извлеченных данных.
2. Система идентифицирует встроенное видео в этом контенте.
3. Записывается Online Content ID и Video ID как запись для этой KB entity в KB reference data store (отдельном от основной KB).
4. Определяются Video ID, которые встречаются в записях для этой KB entity больше порогового числа раз (threshold number of times).
5. Итоговое видео (соответствующее одному из этих Video ID) идентифицируется как кандидат на уведомление.
6. Идентифицируется пользователь для отправки уведомления на основе его Affinity Score для данной KB entity.

Claims 4-7 (Зависимые): Детализируют критерии выбора и фильтрации новостного видео.

• (Claim 4): Итоговое видео — это видео с наибольшим количеством встраиваний (occurrences) для данной KB entity, которое также удовлетворяет предопределенным языковым и географическим категориям.
• (Claim 5): Итоговое видео не должно быть классифицировано как неприемлемый контент (inappropriate content) согласно политике социальной сети.
• (Claim 6): Встраивание (occurrence) засчитывается, только если соответствующий Online Content ID (сайт-источник) связан с whitelist. Это критически важный пункт, подчеркивающий важность авторитетности источника встраивания.
• (Claim 7): KB entity не должна быть в списке исключений (exclusion list).

Claim 8 (Зависимый): Уточняет расчет Affinity Score. Оценка основана на истории просмотров (viewing history) и истории взаимодействий (interaction history) пользователя с другими видео, соответствующими данной KB entity.

Claim 11 (Зависимый): Описывает механизм принятия решения об отправке уведомления. Уведомление отправляется, если Notification Score превышает порог. Notification Score основан на двух факторах: (1) Affinity Score пользователя и (2) количестве встраиваний (occurrences) итогового видео.

Где и как применяется

Изобретение затрагивает несколько ключевых этапов работы поисковой и рекомендательной системы (например, YouTube, Google Discover).

CRAWLING – Сканирование и Сбор данных
Критически важный этап. Система использует веб-краулер (web crawler process) для обнаружения внешнего онлайн-контента, извлечения данных для идентификации сущностей и поиска встроенных видео (например, через HTML-теги).

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит обработка собранных данных:

1. Атрибуция KB Entity: Извлеченные данные анализируются для ассоциации страниц с KB entities.
2. Оценка источников: Определяется, входит ли сайт-источник в whitelist.
3. Хранение данных о встраиваниях: Связи между сущностями, страницами и видео сохраняются в KB reference data store.
4. Расчет аффинитивности (Офлайн): Анализируется история просмотров и взаимодействий пользователей для расчета и индексации Affinity Scores для различных KB entities.

RANKING – Ранжирование (Определение Newsworthiness)
Это не стандартное ранжирование поиска, а специализированный процесс (Media Item Ranking Module). Видео ранжируются на основе частоты их квалифицированных встраиваний для конкретной сущности. Видео, превысившие порог, считаются кандидатами.

RERANKING – Переранжирование (Персонализация и Доставка)
Финальный этап принятия решения (Notification Service). Система использует Notification Score (комбинация новостной ценности и аффинитивности) и контекст пользователя (например, частоту получения уведомлений), чтобы решить, отправлять ли уведомление и с каким приоритетом.

Входные данные:

• Данные веб-сканирования (HTML, извлеченный текст).
• Данные Knowledge Base.
• Данные об аффинитивности пользователей (KB User Affinity Data).
• Whitelist авторитетных сайтов и Exclusion List сущностей.

Выходные данные:

• Список видео-кандидатов, признанных новостными для конкретных сущностей.
• Уведомления (External notification payload), отправленные пользователям.

На что влияет

• Конкретные типы контента: Влияет исключительно на видеоконтент, который может быть встроен на внешних сайтах.
• Конкретные ниши или тематики: Наибольшее влияние в тематиках, которые генерируют внешнее освещение в новостях и блогах (события, тренды, запуски продуктов, музыкальные релизы, спорт). Влияет на ниши, где авторитетные внешние сайты часто встраивают видео.
• Языковые и географические ограничения: Система явно использует фильтрацию по языку и географии, чтобы гарантировать релевантность новостного контента для KB entity и пользователя.

Когда применяется

• Триггеры активации: Процесс активируется, когда видео пересекает пороговое значение (threshold number) по количеству встраиваний с сайтов из whitelist для определенной KB entity.
• Частота применения: Анализ данных о встраиваниях и ранжирование новостной ценности происходят периодически. Доставка уведомлений происходит по событию (когда видео признано новостным и Notification Score превысил порог).
• Исключения: Система не применяется к сущностям из Exclusion List и не учитывает встраивания с сайтов, не входящих в whitelist. Также исключается контент, нарушающий политики (inappropriate content).

Пошаговый алгоритм

Процесс можно разделить на два основных этапа: А) Идентификация новостного контента и Б) Доставка уведомлений.

Этап А: Идентификация новостного контента (Периодический процесс)

1. Сканирование и Извлечение: Веб-краулер обходит онлайн-контент. Извлекаются данные со страниц.
2. Атрибуция Сущностей и Видео: Для каждой страницы система идентифицирует связанные KB entities и находит встроенные видео (Video ID).
3. Запись Встраиваний: Идентификатор страницы (Online Content ID) и Video ID записываются в KB reference data store как связанные с идентифицированной KB entity.
4. Агрегация и Подсчет: Система анализирует KB reference data store и подсчитывает количество встраиваний (number of occurrences) для каждого Video ID по каждой KB entity.
5. Фильтрация (Критический этап): Применяется серия фильтров:
   • Whitelist: Учитываются только те встраивания, где Online Content ID находится в белом списке.
   • Threshold: Количество квалифицированных встраиваний должно превышать порог.
   • Exclusion List: Сущность не должна быть в черном списке.
   • Язык и География: Видео должно соответствовать языковым и географическим критериям сущности.
   • Политики Контента: Видео не должно содержать неприемлемый контент.
6. Ранжирование Новостной Ценности: Видео, прошедшие фильтрацию, ранжируются по количеству встраиваний. Видео с наибольшим количеством выбирается как новостной кандидат (newsworthy event).

Этап Б: Доставка Уведомлений (По событию)

1. Идентификация Пользователей: Система получает новостное видео и его KB entity. Она обращается к хранилищу аффинитивности (KB affinity data store), чтобы найти пользователей с высоким Affinity Score для этой сущности.
2. Расчет Оценки Уведомления: Для каждой пары (пользователь, видео) рассчитывается Notification Score. Он основан на Affinity Score пользователя и общем количестве встраиваний видео.
3. Принятие Решения: Сервис уведомлений определяет, следует ли отправлять уведомление. Решение принимается, если Notification Score превышает порог, с учетом других факторов (например, как часто пользователь получал уведомления недавно).
4. Доставка: Если решение положительное, пользователю отправляется уведомление (external notification payload), содержащее Video ID, описание (часто основанное на данных KB entity: заголовок, логотип) и приоритет отображения.

Какие данные и как использует

Данные на входе

• Контентные факторы: Извлеченный текст и данные из внешнего онлайн-контента. Используются для идентификации KB entities.
• Технические факторы: HTML-код внешних страниц (для поиска тегов встраивания), Online Content ID (URL источника), Video ID.
• Структурные/Семантические факторы: Данные из Knowledge Base (структурированная и неструктурированная информация о сущностях). Используются для атрибуции контента и формирования описания уведомления.
• Факторы Авторитетности/Качества: Whitelist идентификаторов онлайн-контента. Используется для валидации источников встраивания. Exclusion list сущностей.
• Поведенческие факторы: История просмотров пользователя (viewing history) и история взаимодействий (interaction history) (лайки, частота просмотров). Используются для расчета Affinity Score.
• Мультимедиа факторы: Содержание видео анализируется для классификации и фильтрации неприемлемого контента (inappropriate content).

Какие метрики используются и как они считаются

• Number of Occurrences (Частота встраивания): Подсчет количества раз, когда конкретный Video ID появляется для определенной KB entity, при условии, что источник встраивания находится в whitelist.
• Threshold (Embeds): Пороговое количество встраиваний, необходимое для признания видео новостным.
• Affinity Score: Метрика интереса пользователя к KB entity. Рассчитывается на основе истории просмотров и взаимодействий с контентом по этой теме.
• Notification Score: Комбинированная метрика, рассчитываемая по формуле, учитывающей Affinity Score и Number of Occurrences.
• Notification Score Threshold: Пороговое значение для принятия решения об отправке уведомления. Может быть динамическим (например, повышаться, если пользователь недавно получал много уведомлений).

1. Внешние сигналы как показатель важности (Встраивания = Ссылки): Патент подтверждает, что встраивание контента на сторонних сайтах является мощным эвристическим сигналом для определения его важности или «новостной ценности». Это функциональный эквивалент обратных ссылок для видеоконтента.
2. Критичность авторитетности источника (Whitelist): Ключевым элементом системы является использование whitelist. Встраивания на низкокачественных или неавторитетных сайтах игнорируются. Качество источника встраивания имеет первостепенное значение.
3. Контекст через ассоциацию с сущностями: Видео наследует контекст (KB entity) от страницы, на которой оно встроено. Это позволяет системе понять тему видео, даже если его собственные метаданные ограничены.
4. Глобальная оценка, Персональная доставка: Оценка новостной ценности (Number of Occurrences) является глобальной метрикой для видео, но решение о доставке уведомления гиперперсонализировано и зависит от Affinity Score пользователя к соответствующей сущности.
5. Синергия PR и SEO: Механизм подчеркивает важность стратегий дистрибуции контента и связей с общественностью (PR). Активное размещение на авторитетных площадках напрямую влияет на видимость контента в экосистеме Google.

Best practices (это мы делаем)

• Стратегия дистрибуции видео (Video Outreach & Digital PR): Разработать стратегию поощрения авторитетных сайтов (потенциальных участников whitelist: крупные СМИ, отраслевые издания, авторитетные блоги) к встраиванию ваших видео. Рассматривайте размещение видео как построение ссылочного профиля.
• Оптимизация под сущности (Entity Optimization): Убедиться, что видеоконтент четко связан с конкретными KB entities. При предоставлении видео для встраивания, сопровождать его пресс-релизом или описанием, которое помогает внешнему сайту создать четкий контекст и связь с сущностью.
• Построение тематического авторитета и аффинитивности: Системно создавать комплексный видеоконтент вокруг определенных тем. Это помогает сформировать у аудитории высокий Affinity Score к этим сущностям, увеличивая вероятность того, что они получат уведомления о вашем новостном контенте.
• Фокус на новостных поводах: Приоритезировать создание видео, которое имеет потенциал стать новостным событием (запуск продукта, реакция на тренд, освещение события) и которое естественно встраивать в новостные статьи.

Worst practices (это делать не надо)

• Спам встраиваниями (Embed Spamming): Массовое встраивание видео на низкокачественных, неавторитетных сайтах (PBN, спам-блоги, фермы контента) бесполезно для этого механизма, так как он использует whitelist (Claim 6). Такие сигналы будут игнорироваться.
• Игнорирование контекста и сущностей: Создание контента без четкой ассоциации с KB entity или встраивание его на нерелевантных страницах затрудняет системе атрибуцию и оценку новостной ценности в нужном контексте.
• Фокус только на внутренних метриках: Полагаться исключительно на просмотры и лайки внутри платформы (например, YouTube) и игнорировать внешнюю дистрибуцию. Патент показывает, что внешняя валидация критически важна для определения актуальности.

Стратегическое значение

Патент подтверждает использование Google экосистемы внешнего веба для оценки важности и актуальности контента (Off-Platform сигналы). Он выделяет синергию между PR/Outreach (получение упоминаний и встраиваний на качественных сайтах) и эффективностью Video SEO. Для Senior SEO-специалистов это подчеркивает необходимость интеграции SEO с общей маркетинговой и PR-стратегией, а также важность работы с сущностями (Entity-based SEO) для попадания в рекомендательные системы и системы уведомлений.

Практические примеры

Сценарий: Запуск нового технологического продукта

Компания запускает новый смартфон и публикует официальное обзорное видео на своем канале.

1. Цель: Добиться признания видео «новостным» для KB entity [Название Смартфона] и [Название Бренда].
2. Действия (PR/Outreach): Компания проводит эксклюзивные брифинги для ведущих технологических изданий (например, The Verge, TechCrunch, CNET – сайты, вероятно входящие в whitelist).
3. Дистрибуция: Этим изданиям предоставляется пресс-релиз и код для встраивания официального видео.
4. Активация механизма:
   1. Краулер Google обнаруживает статьи на этих сайтах.
   2. Система определяет, что статьи связаны с KB entity смартфона, и фиксирует встраивания Video ID.
   3. Общее количество квалифицированных встраиваний превышает порог. Видео помечается как newsworthy.
5. Результат: Пользователи, которые часто смотрят обзоры смартфонов или контент этого бренда (высокий Affinity Score), получают приоритетное уведомление о новом видео (в YouTube, Google News или Discover), что резко увеличивает начальные просмотры и вовлеченность.