Как Google использует стабильность сигналов авторства для идентификации и исключения неавторского контента из специализированного индекса

Термины и определения

Authored-Content Database (База данных авторского контента)

Специализированная база данных или индекс, в котором хранятся документы, идентифицированные как содержащие авторский контент (например, статьи, посты в блогах).

Authored-Content Document (Документ с авторским контентом)

Документ, который содержит контент, авторство которого заявлено автором (например, через байлайн, rel="author" или связь с социальным профилем).

Authorship Data (Данные об авторстве)

Информация, извлеченная из документа, идентифицирующая автора. Включает имя автора (author name), ссылки на социальные профили (link URL), идентификатор профиля (profile ID) и информацию о том, как эти данные представлены.

Authorship History / Sequence of Authorship Data (История авторства / Последовательность данных об авторстве)

Хронологическая запись изменений данных об авторстве для конкретного документа с течением времени.

Authorship Identification Engine (Система идентификации авторства)

Компонент системы, который анализирует документы для выявления признаков авторского контента и определения авторов.

Non-Authored-Content Document / Resemblance Document (Документ с неавторским контентом / Похожий документ)

Документ, который не содержит основного авторского контента, но имеет сигналы, схожие с ним (например, главная страница сайта, страница категории, раздел комментариев).

Qualifying Authorship-Data Change (Квалифицирующее изменение данных об авторстве)

Значимое изменение в наборе данных об авторстве между двумя временными точками, при котором меняется имя автора, идентификатор профиля или ссылка на страницу профиля автора.

Set Threshold (Установленный порог)

Максимально допустимое количество квалифицирующих изменений данных об авторстве за определенный период времени. Превышение порога приводит к удалению документа из базы.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод поддержания базы данных авторского контента.

1. Система записывает последовательность данных об авторстве (sequence of authorship data) для документа, проиндексированного в authored-content database, в течение определенного периода времени.
2. Система анализирует эту последовательность, чтобы определить, изменился ли документ сверх установленного порога (set threshold).
3. Если изменения превышают порог, система удаляет документ из authored-content database.

Claim 2 и 3 (Зависимые): Уточняют процесс анализа.

1. Система сравнивает первый набор данных из последовательности со вторым набором данных.
2. Система количественно оценивает изменения данных (quantifying data changes) между этими двумя наборами.
3. Эти количественные изменения применяются к установленному порогу.

Claim 4 (Зависимый): Приводит пример порогового значения. Установленный порог составляет три или более изменений в течение определенного периода времени.

Claim 5 (Зависимый): Определяет состав данных об авторстве. Последовательность данных об авторстве включает как минимум одно имя автора и информацию, относящуюся к расположению страницы профиля автора (т.е. ссылку на профиль).

Где и как применяется

Изобретение применяется на этапах сканирования и индексирования для классификации контента и поддержания качества специализированного индекса.

CRAWLING – Сканирование и Сбор данных
Краулер (Crawler) периодически посещает документы, которые ранее были идентифицированы как авторский контент. Он извлекает текущие данные об авторстве (имена, ссылки, разметку, например rel="author") для обновления истории.

INDEXING – Индексирование и извлечение признаков
Это основной этап применения патента.

• Идентификация авторства: Authorship Identification Engine обрабатывает извлеченные данные для определения текущих авторов документа.
• Обновление истории: Система обновляет Authorship History для документа, добавляя новую запись или отмечая отсутствие изменений.
• Анализ и классификация: Система (используя Processing Framework, например, MapReduce) анализирует историю изменений, подсчитывает количество Qualifying Authorship-Data Changes и сравнивает его с Set Threshold.
• Обновление индекса: На основе анализа принимается решение о сохранении документа в Authored-Content Database или его удалении/занесении в черный список.

Входные данные:

• URL документа в Authored-Content Database.
• Извлеченные сигналы авторства (байлайны, ссылки на профили, разметка).
• Предыдущая история авторства (Authorship History).

Выходные данные:

• Обновленная история авторства.
• Решение о статусе документа (авторский или неавторский контент).
• Обновленная Authored-Content Database (с удаленными или помеченными документами).

На что влияет

• Конкретные типы контента: Влияет на классификацию контента. Помогает отделить статические авторские материалы (статьи, посты в блогах) от динамических страниц агрегации (главные страницы, страницы категорий, ленты новостей), которые могут имитировать сигналы авторства.
• Конкретные ниши или тематики: Наиболее актуально для новостных сайтов, блогов и контентных проектов, где точное определение авторства важно (включая YMYL-тематики).

Когда применяется

• При каких условиях работает алгоритм: Алгоритм применяется к документам, которые уже были предварительно идентифицированы как авторский контент и включены в Authored-Content Database.
• Триггеры активации: Процесс анализа активируется во время повторного сканирования и индексирования документа. Триггером для удаления является обнаружение изменений в Authorship Data, превышающих порог.
• Пороговые значения: Ключевым условием является превышение Set Threshold (например, 3 или более изменений за период).
• Временные рамки: Сканирование может происходить с разной частотой (например, раз в день). Анализ учитывает изменения за определенный период. В патенте упоминается возможность использования временного ограничения (time cutoff, например, 60 дней), чтобы устаревшие изменения игнорировались.
• Исключения: Упоминается возможность ручной отмены через белый список (white-listed table).

Пошаговый алгоритм

Процесс поддержания базы данных авторского контента:

1. Наполнение базы данных: Authored-Content Database наполняется документами, идентифицированными как авторский контент. Для каждого сохраняются исходные Authorship Data.
2. Периодическое сканирование: Краулер периодически повторно посещает проиндексированные документы.
3. Извлечение и обновление данных: Текущие Authorship Data извлекаются из документа.
4. Ведение истории авторства: Система обновляет Authorship History. Если набор авторов изменился по сравнению с предыдущей записью (Qualifying Authorship-Data Change), в историю добавляется новое событие.
5. Анализ последовательности данных: Система периодически анализирует Authorship History за определенный период времени (например, за последние 60 дней).
6. Квантификация изменений: Система подсчитывает количество квалифицирующих изменений. Это формирует "репутацию нестабильности" (reputation for instability) документа. Изменения, не связанные с авторством (например, реклама), игнорируются.
7. Сравнение с порогом: Количество изменений сравнивается с Set Threshold (например, 3).
8. Принятие решения:
   • Если порог превышен (ДА): Документ идентифицируется как нестабильный (non-authored-content document).
   • Если порог не превышен (НЕТ): Документ сохраняется в базе.
9. Действие: Нестабильный документ удаляется из базы данных или заносится в черный список (blacklisted), с учетом возможных исключений из белого списка.

Какие данные и как использует

Данные на входе

Система фокусируется на данных, связанных с идентификацией автора.

• Контентные и структурные факторы:
  • Байлайны (Bylines): Фразы типа "by Имя Фамилия" в тексте документа.
  • Аннотации (Annotations) и метаданные, указывающие на автора.
• Технические факторы (Разметка):
  • Специальная разметка для указания авторства, например, тег <rel="author" link>.
  • Разметка rel=me для связи профилей.
• Ссылочные факторы:
  • Ссылки на внутренние страницы профиля автора.
  • Ссылки на внешние профили в социальных сетях (social profile page).
  • Цепочки ссылок (chain of links), которые ведут от документа к верифицируемому профилю автора.
• Временные факторы:
  • История изменений (Authorship History) документа во времени.

Какие метрики используются и как они считаются

• Authorship Data Fields (Поля данных об авторстве): Конкретные значения, отслеживаемые в истории: Author name (Имя автора), Link URL (URL ссылки на профиль), Profile ID (Идентификатор профиля).
• Qualifying Authorship-Data Change (Квалифицирующее изменение): Событие, фиксируемое при сравнении двух наборов Authorship Data (например, за два дня), если хотя бы одно поле в одном наборе не имеет эквивалента в другом наборе (по имени, ID или ссылке).
• Reputation for Instability (Репутация нестабильности): Количественная метрика, представляющая собой сумму квалифицирующих изменений за определенный период.
• Set Threshold (Установленный порог): Пороговое значение для количества изменений. Пример в патенте: 3 или более квалифицирующих изменений за определенный период.
• Time Cutoff (Временное ограничение): Период, за который учитываются изменения (например, 60 дней). Используется для игнорирования устаревших изменений.

1. Временная стабильность как фактор классификации: Ключевая идея патента — использование стабильности информации во времени для определения типа контента. Стабильность атрибуции авторства является признаком настоящего авторского контента (статьи).
2. Нестабильность указывает на агрегаторы: Если атрибутированный автор страницы часто меняется, система предполагает, что страница является агрегатором, главной страницей или другим динамическим контентом (Resemblance documents), а не статичной статьей одного автора.
3. Фокус на значимых изменениях: Система отслеживает только Qualifying Authorship-Data Changes (имя, ID профиля, ссылка на профиль). Она игнорирует поверхностные изменения на странице (например, в рекламе или комментариях), если они не влияют на основные данные об авторстве.
4. Гигиена специализированных индексов: Патент описывает механизм для поддержания целостности и качества специализированных баз данных (в данном случае, индекса авторов), а не алгоритм ранжирования основного поиска.
5. Контекст Google Authorship и E-E-A-T: Хотя патент описывает инфраструктуру для устаревшей программы Google Authorship, он демонстрирует важность консистентности сигналов, связанных с сущностями и E-E-A-T. Нестабильность ключевой информации может привести к потере доверия системы.

ВАЖНО: Прямое практическое применение этого патента ограничено из-за прекращения программы Google Authorship. Выводы ниже основаны на общих принципах работы поисковых систем, извлеченных из патента.

Best practices (это мы делаем)

• Обеспечение стабильности атрибуции авторства: Убедитесь, что техническая реализация указания авторства (байлайны, структурированные данные Schema.org/Person) является корректной и стабильной. Атрибуция автора для конкретной статьи не должна меняться при незначительных обновлениях контента или изменениях дизайна.
• Использование консистентных идентификаторов и ссылок: Ссылки на страницы авторов и их идентификаторы должны быть постоянными. Если используется структурированная разметка (например, author.url или sameAs), эти URL не должны часто меняться.
• Четкое разделение основного контента и динамических элементов: Структурируйте страницы так, чтобы системы могли легко отличить основного автора статьи от авторов комментариев или связанных материалов. Это минимизирует риск ошибочной идентификации и последующей нестабильности.

Worst practices (это делать не надо)

• Динамическое изменение атрибутированного автора: Нельзя динамически подставлять разных авторов для одной и той же статьи (например, указывать в качестве автора текущего редактора, а не оригинального автора). Это будет зафиксировано как Qualifying Authorship-Data Change.
• Частое изменение идентификаторов авторов или URL их профилей: Изменение структуры URL профилей авторов или их внутренних идентификаторов может быть воспринято как изменение авторства, что приведет к повышению reputation for instability.
• Использование вводящих в заблуждение сигналов авторства: Размещение байлайнов или разметки авторства на страницах, которые не являются авторским контентом (например, на страницах категорий или главной странице). Система выявит нестабильность, так как контент и предполагаемые авторы будут постоянно меняться.

Стратегическое значение

Патент подтверждает важность темпорального анализа (анализа данных во времени) в алгоритмах Google. Стабильность и консистентность сигналов, особенно связанных с E-E-A-T и идентификацией сущностей, критически важны для корректной классификации контента и формирования доверия. Нестабильность этих сигналов может привести к тому, что Google будет игнорировать авторство или неправильно классифицировать тип страницы, что сведет на нет усилия по продвижению экспертности авторов.

Практические примеры

Сценарий 1: Фильтрация главной страницы новостного сайта

1. Ситуация: Главная страница новостного сайта (site.com) содержит анонсы последних статей с подписями авторов. Authorship Identification Engine ошибочно индексирует site.com в Authored-Content Database.
2. Мониторинг (День 1): Система фиксирует Authorship Data для site.com: Авторы А, Б, В.
3. Мониторинг (День 2): Контент на главной странице обновился. Система фиксирует Authorship Data: Авторы Г, Д, Е.
4. Детекция изменений: Система фиксирует Qualifying Authorship-Data Change.
5. Последующие дни: Изменения продолжают фиксироваться ежедневно.
6. Результат: Количество изменений превышает Set Threshold (например, 3). Система определяет, что site.com является нестабильным resemblance document, и удаляет его из Authored-Content Database.

Сценарий 2: Риск при частых изменениях авторства статьи

1. Публикация: Опубликована статья автора "Иван Петров". Google начинает вести Authorship History.
2. Изменение 1: Через месяц автор меняется на "Анна Сидорова" (при обновлении материала). Google фиксирует 1 изменение.
3. Изменение 2: Через неделю по ошибке CMS автор меняется на "Отдел Новостей". Google фиксирует 2 изменения.
4. Изменение 3: Через день ошибка исправляется, автор снова "Анна Сидорова". Google фиксирует 3 изменения.
5. Результат: Порог достигнут (3 изменения за короткий период). Система может классифицировать страницу как нестабильную. В современных реалиях это может негативно сказаться на оценке E-E-A-T этой страницы.