Как Google использует структурированные данные (Schema) для отслеживания вовлеченности пользователей на уровне сущностей, а не только URL

Термины и определения

Dwell Time (Время пребывания)

Метрика, измеряющая количество времени, которое пользователь проводит за просмотром или взаимодействием с веб-страницей.

Entity (Сущность)

Дискретная единица — человек, место, вещь или идея (например, "Lady Gaga" или конкретная модель камеры). Система хранит информацию о сущностях и их взаимосвязях.

Entity Identifier (Entity ID) (Идентификатор сущности)

Уникальный идентификатор, присваиваемый каждой сущности в системе. Используется для агрегации аналитических данных.

Entity Server (Сервер сущностей)

Компонент системы, который анализирует разметку веб-страницы, извлекает структурированные данные и идентифицирует соответствующие им сущности и их Entity ID.

Frequency (Частота)

Метрика, подсчитывающая количество взаимодействий пользователей (например, посещений или кликов) с веб-ресурсами, связанными с определенной сущностью.

Structured Data (Структурированные данные)

Разметка в коде веб-страницы (например, с использованием HTML, XML и схем вроде Schema.org), которая аннотирует контент и определяет элементы данных. Используется для идентификации сущностей.

User Interaction Data (Данные о взаимодействии пользователя)

Аналитические данные, характеризующие поведение пользователя на ресурсе, включая Dwell Time, Frequency (клики) и пути навигации.

Web Analytics System (Система веб-аналитики)

Компонент, который собирает User Interaction Data и ассоциирует их с соответствующими Entity ID.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает базовый метод работы системы.

1. Получение данных о первом взаимодействии пользователя (first user interaction data) с веб-ресурсом.
2. Идентификация структурированных данных (structured data), включенных в этот веб-ресурс.
3. Идентификация сущности (entity), на которую ссылаются эти структурированные данные.
4. Ассоциация данных о взаимодействии пользователя с этой сущностью.

Claim 2 (Зависимый от 1): Описывает механизм агрегации данных с разных ресурсов.

1. Получение данных о втором взаимодействии пользователя с другим веб-ресурсом.
2. Идентификация структурированных данных и соответствующей сущности на этом другом ресурсе.
3. Определение, является ли эта сущность той же самой, что и сущность из первого ресурса.
4. Если ДА, ассоциация данных о втором взаимодействии с этой же сущностью.

Claim 3 (Зависимый от 2): Уточняет механизм идентификации и ассоциации.

Ассоциация данных происходит через привязку к идентификатору сущности (Entity Identifier). Определение того, что сущности одинаковы, происходит путем сравнения их идентификаторов.

Claim 4 (Зависимый от 1): Уточняет тип данных о взаимодействии.

Взаимодействие пользователя — это клик (click) или время пребывания (dwell time).

Claim 9 (Зависимый от 2): Описывает генерацию аналитики.

Генерация аналитических данных для сущности основывается на данных о первом и втором взаимодействиях (т.е. на агрегированных данных).

Claim 11 (Зависимый от 9): Описывает механизм бенчмаркинга (сравнения).

Генерация аналитических данных включает:

1. Идентификацию аналитических данных для сущности по множеству веб-ресурсов.
2. Определение среднего значения (average) этих аналитических данных для сущности по всем ресурсам.
3. Сравнение аналитических данных для одного конкретного веб-ресурса со средним значением для этой сущности.

Где и как применяется

Изобретение затрагивает несколько этапов работы поисковой и аналитической систем.

INDEXING – Индексирование и извлечение признаков
На этом этапе система (Entity Server) должна анализировать веб-ресурсы для извлечения Structured Data. Происходит процесс идентификации сущностей, упомянутых в разметке, и их сопоставление с известными Entity ID. Это требует доступа к базе данных сущностей (аналог Knowledge Graph).

CRAWLING & Data Acquisition – Сканирование и Сбор данных
В контексте патента это относится к сбору данных о поведении пользователей. Система веб-аналитики (Web Analytics System) осуществляет сбор User Interaction Data (клики, dwell time) в реальном времени или близком к нему.

RANKING / RERANKING (Потенциально)
Патент фокусируется на агрегации аналитики, а не на ранжировании. Однако сбор и бенчмаркинг метрик вовлеченности (Dwell Time) на уровне сущностей создает мощный сигнал, который может быть использован системами ранжирования для оценки качества и релевантности контента по конкретным темам.

Входные данные:

• Веб-ресурс (HTML-код, содержащий Structured Data).
• Данные о взаимодействии пользователя (клики, время пребывания, пути навигации).
• База данных сущностей (для резолюции Entity ID).

Выходные данные:

• Агрегированные аналитические данные (Total/Average Dwell Time, Frequency), привязанные к конкретным Entity ID.
• Данные о навигации между сущностями.
• Сравнительные отчеты (бенчмаркинг).

На что влияет

• Конкретные типы контента: Влияет на любые типы контента, которые могут быть размечены структурированными данными и сопоставлены с сущностями. Особенно сильно влияет на товары (E-commerce), статьи, рецепты, описания людей, мест и организаций.
• Конкретные ниши или тематики: Наибольшее влияние в E-commerce и контентных проектах, где одни и те же сущности (продукты, темы) обсуждаются на множестве страниц с разными URL.

Когда применяется

• Условия работы: Алгоритм применяется при взаимодействии пользователя с веб-ресурсом, который содержит распознаваемые системой структурированные данные, ссылающиеся на известную ей сущность.
• Триггеры активации: Посещение страницы пользователем и наличие на ней Structured Data.

Пошаговый алгоритм

Процесс обработки взаимодействия пользователя:

1. Получение данных о взаимодействии: Система фиксирует посещение пользователем веб-ресурса и начинает сбор User Interaction Data (например, измерение Dwell Time).
2. Идентификация структурированных данных: Система анализирует код веб-ресурса для обнаружения Structured Data (например, разметки Schema.org).
3. Идентификация сущности (Entity Resolution): Извлеченные структурированные данные анализируются для определения того, на какую конкретную сущность они ссылаются. Система сопоставляет данные с базой сущностей и определяет соответствующий Entity ID. (Патент упоминает механизмы дисамбигуации с использованием скоринга и связей между сущностями для точной идентификации).
4. Ассоциация данных с сущностью: Собранные данные о взаимодействии (Dwell Time, факт посещения/клик) ассоциируются с идентифицированным Entity ID. Если на странице несколько сущностей, данные могут быть ассоциированы с каждой из них.
5. Отслеживание навигации: Если пользователь переходит на другой ресурс, система фиксирует этот переход, идентифицирует сущности на новом ресурсе и записывает факт навигации между исходной сущностью и целевой сущностью (например, переход от Entity ID 123 к Entity ID 123abc).
6. Агрегация данных: Данные о взаимодействиях с разных страниц и от разных пользователей агрегируются на уровне Entity ID. Подсчитывается общая частота (Frequency) и общее время пребывания (Total Dwell Time).
7. Анализ и Бенчмаркинг: Система вычисляет средние метрики (Average Dwell Time) для сущности. Она также может сравнивать показатели конкретной страницы со средними показателями для этой сущности по всем отслеживаемым ресурсам.

Какие данные и как использует

Данные на входе

• Структурные факторы (Structured Data): Ключевые данные для работы системы. Используются коллекции схем (упоминается Schema.org), реализованные в виде тегов разметки (например, HTML tags, itemprop, itemscope). Система анализирует свойства и значения в разметке.
• Поведенческие факторы (User Interaction Data):
  • Dwell Time: Время, проведенное пользователем на странице.
  • Clicks/Frequency: Факт посещения или клика на ресурс.
  • Navigation Paths: Последовательность посещения ресурсов и переходы между ними.
• Контентные факторы: Текст на странице может использоваться для помощи в разрешении неоднозначностей (дисамбигуации) сущностей.

Какие метрики используются и как они считаются

Система вычисляет следующие метрики на уровне сущности (Entity ID):

• Total Dwell Time: Суммарное время пребывания всех пользователей на всех веб-ресурсах, ассоциированных с данной сущностью.
• Frequency (Total Visits/Clicks): Общее количество посещений/кликов на все веб-ресурсы, ассоциированные с данной сущностью.
• Average Dwell Time: Рассчитывается как $\frac{\text{Total Dwell Time}}{\text{Frequency}}.$
• Navigation Frequency: Подсчет частоты переходов между двумя конкретными сущностями (Entity A -> Entity B).
• Benchmarking Metrics: Сравнение Average Dwell Time конкретной страницы со средним значением для этой сущности по всем ресурсам.
• Метрики распознавания Сущностей: Reference Score (вероятность того, что псевдоним ссылается на Сущность) и Link Score (значимость связи между Сущностями) используются на этапе идентификации.

1. Переход от URL-центричной к Сущностно-центричной аналитике: Патент демонстрирует механизм, позволяющий Google измерять взаимодействие пользователей с темами и объектами (сущностями), абстрагируясь от конкретных URL. Это позволяет более точно оценить интерес и вовлеченность в разрезе тем.
2. Структурированные данные как ключ к пониманию вовлеченности: Корректное внедрение Structured Data (например, Schema.org) необходимо не только для сниппетов, но и для того, чтобы система могла ассоциировать поведенческие сигналы с конкретными сущностями на странице.
3. Dwell Time активно измеряется и агрегируется: Патент явно указывает на Dwell Time как на ключевую метрику вовлеченности. Система не просто измеряет его, но и агрегирует на уровне сущностей.
4. Бенчмаркинг качества контента (Claim 11): Система позволяет проводить сравнение (бенчмаркинг) эффективности разных веб-ресурсов, посвященных одной и той же сущности. Если среднее время пребывания на ваших страницах о Сущности X ниже, чем у конкурентов, это является измеримым показателем более низкой вовлеченности или качества контента.
5. Анализ путей навигации (User Journey): Система отслеживает не только взаимодействие с отдельными сущностями, но и переходы между ними, что позволяет анализировать пути пользователей и популярность различных навигационных цепочек.

Best practices (это мы делаем)

• Комплексное внедрение структурированных данных: Обеспечьте максимально полное и точное внедрение релевантных схем (Schema.org) для всех ключевых типов контента (продукты, статьи, организации, авторы и т.д.). Это гарантирует, что Google сможет идентифицировать сущности и корректно ассоциировать с ними поведенческие данные.
• Четкое определение основной сущности страницы: Используйте разметку (например, mainEntityOfPage) и уникальные идентификаторы (@id, GTIN для продуктов), чтобы явно указать основную сущность и помочь системе точно связать разметку с конкретным Entity ID.
• Фокус на повышении вовлеченности (Dwell Time): Поскольку Dwell Time измеряется и используется для бенчмаркинга на уровне сущностей, необходимо работать над качеством контента для удержания внимания пользователя. Используйте качественный, полезный контент, мультимедиа и интерактивные элементы.
• Оптимизация навигации и внутренней перелинковки: Учитывая, что система отслеживает переходы между сущностями, создавайте логичные и полезные пути навигации, которые помогают пользователю глубже изучить тему. Связывайте родственные сущности (например, продукт с обзором, статью с автором).

Worst practices (это делать не надо)

• Игнорирование структурированных данных: Отсутствие разметки не позволит системе ассоциировать поведенческие сигналы с сущностями, что затруднит оценку качества контента в контексте темы.
• Использование вводящей в заблуждение или ошибочной разметки: Попытка манипулировать идентификацией сущностей путем предоставления неверных или некорректных структурированных данных может привести к неверной интерпретации контента и искажению аналитических данных.
• Фокус на кликбейте (Высокая Frequency, низкий Dwell Time): Стратегии, направленные только на привлечение кликов без обеспечения реальной ценности контента, приведут к низким показателям Dwell Time. При бенчмаркинге такие страницы будут проигрывать ресурсам с высокой вовлеченностью.

Стратегическое значение

Этот патент подтверждает стратегию Google по переходу от анализа "строк к вещам" (from strings to things) и распространяет этот подход на измерение поведенческих факторов. Вовлеченность пользователя (engagement), измеряемая через Dwell Time и привязанная к конкретным сущностям, является измеримым показателем качества и релевантности. Хотя патент описывает систему аналитики, крайне вероятно, что эти агрегированные и сравнительные данные используются как сигналы в алгоритмах ранжирования для оценки того, насколько хорошо сайт удовлетворяет потребность пользователя в контексте конкретной сущности.

Практические примеры

Сценарий: Анализ вовлеченности для E-commerce продукта

Сайт продает камеру "Acme Model XYZ". Эта камера упоминается на трех страницах: Страница категории (URL A), Страница подробного обзора (URL B) и Страница товара (URL C).

1. Внедрение: На всех трех страницах внедрена разметка Schema.org/Product для камеры "Acme Model XYZ".
2. Идентификация: Система Google идентифицирует, что все три страницы ссылаются на одну и ту же сущность (Entity ID: XYZ).
3. Сбор данных:
   • URL A: Dwell Time 10 сек, 1000 посещений.
   • URL B: Dwell Time 120 сек, 500 посещений.
   • URL C: Dwell Time 45 сек, 2000 посещений.
4. Агрегация: Система агрегирует данные для Entity ID: XYZ. Total Dwell Time = (10*1000) + (120*500) + (45*2000) = 160,000 сек. Total Frequency = 3500.
5. Анализ: Average Dwell Time для сущности "Acme Model XYZ" на этом сайте = 160000/3500 ≈ 45.7 сек.
6. Бенчмаркинг: Google сравнивает этот показатель со средним Dwell Time для этой же сущности на сайтах конкурентов. Если у конкурентов средний показатель 60 сек, это сигнал о том, что их контент более вовлекающий.