Как Google использует анализ аномалий в показах и кликах для выявления фейковых локальных бизнес-листингов (Map Spam)

Термины и определения

Anomaly Detection Threshold (Порог обнаружения аномалий)

Статистически рассчитанное пороговое значение активности. Активность выше этого порога считается аномальной и сигнализирует о потенциально ложных листингах. Может рассчитываться как среднее значение плюс несколько стандартных отклонений.

Business Listing (Бизнес-листинг)

Запись в базе данных, содержащая информацию о бизнесе (название, телефон, адрес, URL и т.д.). Эквивалент профиля в Google Business Profile.

Common Business (Общий бизнес)

Группа из нескольких бизнес-листингов, которые система идентифицировала как принадлежащие одной и той же организации или владельцу. Идентификация происходит по совпадению ключевых атрибутов (URL, телефон) или по принадлежности к одному аккаунту пользователя.

Impression Value (Значение показа/активности)

Метрика, отражающая активность, связанную с бизнес-листингом. Патент описывает два типа: 1) Показ листинга пользователю. 2) Выбор (клик) пользователем листинга. Важно: Claims (Формула изобретения) патента определяют Impression Value, используемое для сравнения с порогом, именно как *количество выборов (кликов)* пользователем после показа.

First Time Period (Первый период времени)

Базовый период, за который собирается статистика Impression Values для расчета Anomaly Detection Threshold.

Second Time Period (Второй период времени)

Период мониторинга, за который Impression Values сравниваются с порогом для выявления аномалий.

Spam Business Listings / Map Spam (Спамные бизнес-листинги)

Фейковые бизнес-листинги, созданные для манипуляции поисковой выдачей, часто с ложными адресами, но ведущие на реальный телефон или сайт владельца.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт) и Claim 14 (Независимый пункт): Описывают основной метод обнаружения потенциально ложных бизнес-листингов.

1. Определение Anomaly Detection Threshold для Common Business. Порог вычисляется на основе множества Impression Values для листингов этого бизнеса за первый период времени.
2. Критическое уточнение (из текста Claims 1, 14, 28): Impression Values в этих пунктах строго определяются как количество раз, когда соответствующий листинг был *выбран пользователем* (кликнут) после того, как был ему представлен для просмотра.
3. Сравнение этого порога с одним или несколькими Impression Values (кликами) за второй период времени.
4. Если значения за второй период превышают Anomaly Detection Threshold, система идентифицирует Common Business как имеющий потенциально ложные бизнес-листинги.

Claim 2 (Зависимый от 1) и Claim 15: Уточняют расчет порога.

Anomaly Detection Threshold может быть определен как два стандартных отклонения выше среднего количества показов/кликов (average number of impressions) для множества бизнес-листингов.

Claim 4 (Зависимый от 1) и Claim 17: Определяют механизм группировки.

Множество бизнес-листингов ассоциируется с Common Business, если каждый из листингов имеет "существенно одинаковое значение атрибута" (substantial same business listing attribute value) для определенного атрибута (например, одинаковый URL или номер телефона).

Claim 13 (Зависимый от 1) и Claim 26: Описывают действия после обнаружения.

Система может запросить верификацию (request verification) того, что идентифицированный Common Business действительно имеет потенциально ложные листинги. Это подразумевает возможность ручной модерации или дополнительной проверки.

Где и как применяется

Изобретение представляет собой систему мониторинга и контроля качества данных в базе локальных бизнес-листингов. Она взаимодействует с несколькими этапами поисковой архитектуры.

CRAWLING – Сканирование и Сбор данных (Data Acquisition)
Система постоянно собирает данные из логов сервера о взаимодействии пользователей с бизнес-листингами. Это включает фиксацию показов и кликов (Impression Values) для каждого листинга.

INDEXING – Индексирование и извлечение признаков
На этом этапе или в процессе предобработки данных система анализирует атрибуты листингов (телефоны, URL, названия) и данные владельцев аккаунтов для группировки связанных листингов в Common Business. Также происходит анализ исторических данных (Первый период) для вычисления Anomaly Detection Threshold.

RANKING / RERANKING (Влияние)
Сам механизм не участвует в ранжировании напрямую в реальном времени. Однако его результаты (идентификация фейковых листингов) используются для очистки индекса. В патенте упоминается, что ложные листинги могут быть удалены или понижены в релевантности (demoted). Это напрямую влияет на качество и состав локальной поисковой выдачи, которую видят пользователи.

Входные данные:

• База данных бизнес-листингов с атрибутами.
• База данных показов (Business Listing Impression Database), содержащая логи Impression Values (показы и клики) с временными метками.
• Параметры обнаружения аномалий (Anomaly Detection Parameters): определение периода, сегментации времени, статистического порога (например, количество стандартных отклонений).

Выходные данные:

• Идентификация групп листингов (Common Business), чья активность превысила порог.
• Запросы на верификацию (модерацию) подозрительных листингов.

На что влияет

• Конкретные типы контента: Влияет исключительно на локальные бизнес-листинги (Google Business Profiles), отображаемые в Google Maps и локальном блоке (Local Pack) основной выдачи.
• Специфические запросы: Влияет на все запросы с локальным интентом (например, "пицца рядом", "сантехник Москва").
• Конкретные ниши или тематики: Наибольшее влияние в нишах, подверженных Map Spam: услуги на дому (сантехники, электрики, слесари), эвакуаторы, ремонт техники, такси, доставка еды.

Когда применяется

• При каких условиях работает алгоритм: Алгоритм анализа логов и сравнения с порогом работает постоянно или периодически (например, ежедневный анализ активности за предыдущий день).
• Триггеры активации: Триггером для идентификации спама является событие, когда Impression Values (в частности, клики) для Common Business за Второй период превышают рассчитанный Anomaly Detection Threshold.

Пошаговый алгоритм

Процесс можно разделить на два основных этапа: подготовка и мониторинг.

Этап 1: Подготовка и Расчет Порога

1. Группировка листингов: Идентификация Common Business путем анализа базы данных листингов. Листинги группируются по совпадению ключевых атрибутов (URL, телефон) или по владельцу аккаунта.
2. Сбор данных (Первый период): Для выбранного Common Business извлекаются Impression Values (клики) за базовый период (например, последние 30 дней).
3. Сегментация времени: Данные агрегируются по временным сегментам (например, клики за каждый день).
4. Статистический анализ: Рассчитывается среднее количество кликов (Average) за сегмент и стандартное отклонение (Standard Deviation, σ) для этого набора данных.
5. Определение порога: Устанавливается Anomaly Detection Threshold. Согласно патенту (Claim 2), он может быть равен: $Average + 2 * \sigma$.

Этап 2: Мониторинг и Обнаружение (Второй период)

1. Сбор текущих данных: Собираются Impression Values (клики) для Common Business за период мониторинга (например, за последний день).
2. Сравнение с порогом: Текущая активность сравнивается с Anomaly Detection Threshold.
3. Принятие решения: Если текущая активность превышает порог, фиксируется аномалия.
4. Идентификация и Верификация: Common Business помечается как имеющий потенциально ложные листинги. Система может инициировать запрос на верификацию (ручную проверку).

Какие данные и как использует

Данные на входе

• Контентные/Структурные факторы (Атрибуты листинга):
  • Название бизнеса (Business listing title).
  • Номер телефона (Business listing phone number).
  • URL веб-сайта (Web site associated with the business listing).
  Эти данные используются для группировки листингов в Common Business.
• Поведенческие факторы: Impression Values. Хотя в описании упоминаются и показы, и клики, формула изобретения (Claims 1, 14, 28) для обнаружения аномалий фокусируется именно на кликах (выборе пользователем листинга после показа).
• Временные факторы: Временные метки для каждого Impression Value. Данные анализируются в рамках Первого (базового) и Второго (мониторингового) периодов.
• Пользовательские факторы (Данные владельца): Аккаунт пользователя, создавшего листинги. Используется как один из способов группировки в Common Business.

Какие метрики используются и как они считаются

• Статистические методы: Система использует базовые статистические методы для анализа распределения данных.
• Метрики:
  • Среднее количество кликов (Average number of impressions).
  • Стандартное отклонение (Standard Deviation, σ).
  • Anomaly Detection Threshold.
• Формулы и алгоритмы расчета: Конкретная формула порога не приводится, но Claim 2 указывает, что порог может быть установлен на уровне двух стандартных отклонений выше среднего.

  Формула: $Threshold = Average + N * \sigma$ (где N=2 в примере из патента).

• Кластеризация и классификация: Используется метод группировки (кластеризации) листингов на основе совпадения атрибутов для определения Common Business.

1. Борьба с Map Spam через анализ активности: Google использует статистический анализ поведенческих данных (показов и кликов) для автоматического обнаружения сетей фейковых локальных листингов.
2. Фокус на агрегированных данных (Common Business): Система отслеживает не столько отдельные листинги, сколько группы листингов, связанных общими атрибутами (сайт, телефон) или владельцем. Массовое создание спамных листингов приводит к аномальному росту суммарной активности группы.
3. Клики как ключевой сигнал в Claims: Несмотря на то, что в описании патента обсуждаются разные типы Impression Values, формула изобретения (Claims 1, 14, 28) определяет ключевой сигнал для обнаружения аномалий именно как количество *выборов* (кликов) пользователем, а не просто показов.
4. Статистический порог как триггер: Обнаружение основано на вычислении Anomaly Detection Threshold с использованием стандартных отклонений. Резкий всплеск активности выше этого порога является триггером для расследования.
5. Возможность ручной верификации: Патент предусматривает этап верификации (request verification) после автоматического обнаружения аномалии, что предполагает участие модераторов или асессоров для подтверждения того, что листинги действительно являются ложными.

Best practices (это мы делаем)

• Соблюдение принципа аутентичности: Вести Google Business Profile строго в соответствии с правилами: один реальный физический адрес = один листинг. Для Service Area Businesses (бизнес с зоной обслуживания без офиса) – один листинг на территорию обслуживания.
• Уникализация данных для многофилиальных сетей: Для каждого реального филиала необходимо использовать уникальный локальный номер телефона и уникальную посадочную страницу на сайте. Использование общих атрибутов должно быть логически обосновано и не вводить в заблуждение относительно местоположения.
• Обеспечение органического роста: Фокусироваться на естественном и постепенном росте активности в профиле (отзывы, клики, звонки). Резкий всплеск активности, особенно сразу после создания множества новых листингов, будет выглядеть подозрительно для статистической модели, описанной в патенте.
• Мониторинг конкурентов и борьба со спамом: Легитимным бизнесам следует отслеживать появление спамных листингов конкурентов (особенно с общими атрибутами) и сообщать о них Google (Redressal Complaints). Система, описанная в патенте, направлена на автоматизацию этого процесса, но участие сообщества помогает быстрее очищать выдачу.

Worst practices (это делать не надо)

• Создание сетей фейковых локаций (Map Spam): Создание множества листингов для одного бизнеса с использованием адресов виртуальных офисов, абонентских ящиков или фиктивных адресов. Эта тактика напрямую направлена на манипуляцию, против которой борется данный патент.
• Использование общих идентификаторов для псевдо-филиалов: Использование одного и того же номера телефона или URL сайта для множества листингов в разных городах или районах с целью симуляции широкого покрытия. Система легко сгруппирует их в Common Business и обнаружит манипуляцию.
• Массовое создание дубликатов: Быстрое создание большого количества идентичных или похожих листингов. Это приведет к резкому увеличению суммарных Impression Values для Common Business и срабатыванию Anomaly Detection Threshold.
• Накрутка поведенческих факторов (Клик-фрод): Генерация искусственных кликов по своим листингам. Так как система анализирует клики (согласно Claims), накрутка напрямую создает статистические аномалии, которые система предназначена обнаруживать.

Стратегическое значение

Патент подтверждает стратегический приоритет Google в обеспечении достоверности и качества данных в локальном поиске. Манипулятивные тактики в Local SEO, направленные на обман системы относительно географического присутствия бизнеса, несут высокие риски. Система способна автоматически выявлять попытки масштабирования таких тактик. Долгосрочная стратегия в локальном SEO должна базироваться на развитии реального присутствия, работе с репутацией и улучшении локальных сигналов для аутентичных точек.

Практические примеры

Сценарий: Обнаружение спам-сети службы по вскрытию замков

1. Действие спамера: Служба по вскрытию замков (реально один офис) хочет охватить весь город. Она создает 50 бизнес-листингов, используя фиктивные адреса в разных районах города. Все листинги используют один и тот же веб-сайт и один и тот же номер телефона.
2. Группировка: Система Google анализирует атрибуты и группирует все 50 листингов в один Common Business на основе общего URL и телефона.
3. Расчет порога: Система анализирует историческую активность и устанавливает Anomaly Detection Threshold (например, на уровне 50 кликов в день, исходя из среднего 30 и стандартного отклонения 10).
4. Обнаружение аномалии: После того как все 50 листингов проиндексированы и начинают ранжироваться, суммарное количество кликов (Impression Values) резко возрастает до 300 кликов в день.
5. Срабатывание триггера: 300 кликов значительно превышает порог в 50 кликов.
6. Результат: Система автоматически помечает все 50 листингов как потенциально ложные и отправляет запрос на верификацию. После проверки листинги блокируются.