Как Google дифференцирует и взвешивает поведенческие сигналы для персонализации рекомендаций контента

Термины и определения

Behavior-Based Learning (Обучение на основе поведения)

Механизм, при котором система обновляет профиль пользователя на основе его взаимодействий с рекомендованным контентом.

Corpus (Корпус документов)

Определенная коллекция документов (например, статьи, технические презентации, события календаря).

Cosine Similarity (Косинусное сходство)

Метрика для расчета сходства между двумя векторами. В патенте используется для сравнения вектора профиля пользователя и вектора характеристик документа.

Document Features (Характеристики документа)

Набор терминов (слова и фразы, n-граммы), представляющих концепции документа, каждый из которых имеет связанный вес.

Interaction Aging/Decay (Старение/Затухание взаимодействия)

Механизм, при котором влияние взаимодействия пользователя на его профиль уменьшается с течением времени по мере старения этого взаимодействия (age increases).

Profile Features (Характеристики профиля)

Набор терминов с весами, представляющих области интересов пользователя.

TF-IDF (Term-Frequency/Inverse Document Frequency)

Алгоритм взвешивания терминов, используемый для определения важности слова в контексте документа и корпуса.

User Profile (Профиль пользователя)

Набор данных, описывающий интересы пользователя, используемый для персонализации рекомендаций.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод персонализированной рекомендации с обучением.

1. Система определяет набор взвешенных характеристик (weighted features) для каждого документа и генерирует первую оценку.
2. Система получает профиль пользователя, включающий явно указанные пользователем термины интереса.
3. Первая оценка корректируется на основе корреляции между характеристиками документа и профилем пользователя.
4. Рекомендации представляются пользователю.
5. Система определяет различные взаимодействия пользователя (different user interactions) с документами.
6. Профиль пользователя обновляется на основе этих взаимодействий. Здесь раскрываются два ключевых механизма:
7. Механизм дифференциации: Первое взаимодействие (конкретно упоминаются: печать, сохранение, email, лайк или дизлайк), указывающее на первый уровень интереса, обновляет значение в профиле на величину, отличную от той, которую вызывает второе взаимодействие, указывающее на второй уровень интереса.
8. Механизм затухания (Decay): Влияние взаимодействия на корректировку значения в профиле уменьшается с течением времени по мере увеличения возраста взаимодействия (age increases).
9. Генерируется вторая оценка (рекомендация) на основе обновленного профиля.

Ядро изобретения — это сложный механизм обратной связи. Система не просто учитывает факт взаимодействия, а оценивает его качество (тип действия) и актуальность (возраст действия) для динамического обновления профиля интересов пользователя.

Claim 2, 3, 5, 6 (Зависимые): Детализируют источники данных для профиля пользователя. Профиль может быть определен из областей интересов, явно указанных интересов, интересов, выведенных из предыдущих выборов пользователя (или других пользователей), а также из связанных документов (резюме, бизнес-планы).

Claim 10 (Зависимый): Указывает на корректировку оценки на основе взвешивания времени между датой документа и заданной датой (механизм учета свежести).

Где и как применяется

Изобретение применяется в системах рекомендаций контента (например, Google Discover, Google News), а не в основном движке веб-поиска.

INDEXING – Индексирование и извлечение признаков
На этом этапе система анализирует документы корпуса и извлекает Document Features. В патенте для этого предлагается использовать TF-IDF для создания взвешенных векторов терминов для каждого документа. Эти данные сохраняются в репозитории характеристик документов.

QUNDERSTANDING – Понимание Запросов (и Профилей)
Система выполняет функцию понимания пользователя — построение и поддержание User Profile. Это происходит путем анализа исходных данных (явные интересы, демография) и постоянного обновления профиля на основе поведенческих данных (Behavior-Based Learning).

RANKING – Ранжирование / RERANKING – Переранжирование
Основное применение патента. Система рассчитывает Document Scores для пользователя.

1. Расчет базовой релевантности: Вычисляется корреляция (например, Cosine Similarity) между вектором профиля пользователя и векторами документов.
2. Корректировка оценок: Применяются правила для корректировки базовых оценок (например, повышение свежести, бустинг определенных типов документов).
3. Финальное ранжирование: Документы сортируются по итоговым оценкам для предоставления рекомендаций.

Входные данные:

• Векторы характеристик документов (Document Features).
• Профиль пользователя (User Profile).
• Данные о взаимодействиях пользователя (тип взаимодействия, время).
• Правила корректировки оценок (например, параметры свежести).

Выходные данные:

• Отсортированный список рекомендованных документов.
• Обновленный профиль пользователя.

На что влияет

• Типы контента и платформы: Наибольшее влияние оказывается на платформы, ориентированные на рекомендации и персонализацию (например, Google Discover, ленты новостей), а не на стандартное веб-ранжирование по явному запросу. Влияет на все типы контента, которые могут быть рекомендованы (статьи, видео, события).

Когда применяется

• Условия применения: Алгоритм применяется, когда доступен профиль пользователя и система настроена на предоставление персонализированных рекомендаций.
• Триггеры активации: Процесс рекомендации активируется при запросе пользователя (например, открытие ленты). Процесс обучения активируется при любом взаимодействии пользователя с контентом.
• Временные рамки: Обучение происходит непрерывно. Механизм затухания (Signal Decay) гарантирует, что система адаптируется к изменяющимся интересам пользователя.

Пошаговый алгоритм

Фаза А: Генерация рекомендаций

1. Получение профиля пользователя: Система загружает текущий User Profile (вектор интересов).
2. Извлечение кандидатов: Отбираются документы из корпуса для оценки.
3. Расчет базовой оценки (Scoring): Для каждого документа рассчитывается сходство между его вектором характеристик (TF-IDF) и профилем пользователя (например, с помощью Cosine Similarity).
4. Корректировка оценок (Adjustment): Базовые оценки корректируются на основе заданных правил. Например, применяется бустинг за свежесть (упоминается возможность использования экспоненциального затухания exponential decay и периода полураспада документа document half-life) или бустинг за тип документа.
5. Ранжирование и представление: Документы сортируются по итоговой оценке и представляются пользователю.

Фаза Б: Обучение на основе поведения (Learning Loop)

1. Мониторинг взаимодействий: Система фиксирует действия пользователя с рекомендованным контентом.
2. Классификация взаимодействия: Определяется тип действия (просмотр, печать, сохранение, email, лайк, дизлайк).
3. Определение веса взаимодействия (Дифференциация): Каждому типу действия присваивается предопределенный вес (например, вес сохранения > веса просмотра).
4. Обновление профиля пользователя: Характеристики (термины) из просмотренного документа добавляются в профиль пользователя или их вес увеличивается пропорционально весу взаимодействия.
5. Применение затухания (Decay): Вес существующих характеристик в профиле пользователя, основанных на прошлых взаимодействиях, уменьшается с течением времени (Interaction Aging). Это гарантирует, что недавние взаимодействия имеют большее влияние.
6. Обработка негативных сигналов: В случае явного неодобрения (дизлайк) вес соответствующих характеристик в профиле может быть уменьшен, а сам документ может быть исключен из будущих рекомендаций.

Какие данные и как использует

Данные на входе

• Контентные факторы: Полный текст документов. Используется для извлечения терминов (n-грамм) и расчета весов TF-IDF. Также используются метаданные, такие как теги.
• Технические факторы: Дата создания или модификации документа (для учета свежести). Тип документа (может использоваться для специфического бустинга).
• Поведенческие факторы: Ключевые данные для обучения. Система отслеживает различные типы взаимодействий: просмотр (viewing), печать (printing), сохранение (saving), отправка по email (emailing), явное одобрение (marking as favored) и явное неодобрение (marking as disfavored). Также фиксируется время взаимодействия.
• Пользовательские факторы: Явно указанные интересы (ключевые слова). Документы, связанные с пользователем (например, резюме). Организационные данные (например, LDAP, отдел, должность) могут использоваться для инициализации профиля.

Какие метрики используются и как они считаются

• TF-IDF: Стандартный расчет для определения веса характеристик документа.
• Cosine Similarity: Стандартный расчет для определения сходства между профилем пользователя и документом.
• Interaction Weights (Веса взаимодействий): Предопределенные значения, присваиваемые разным типам поведенческих сигналов. Патент утверждает, что разные действия имеют разный вес.
• Signal Decay / Interaction Aging (Затухание сигнала / Старение взаимодействия): Функция, которая уменьшает влияние прошлых взаимодействий на текущий профиль пользователя с течением времени.
• Recency Adjustment (Корректировка свежести): Функция для повышения оценок более новых документов, возможно с использованием экспоненциального затухания (exponential decay).

1. Дифференциация поведенческих сигналов: Ключевой вывод заключается в том, что не все взаимодействия пользователя с контентом оцениваются одинаково. Система явно различает действия, указывающие на высокий уровень интереса (печать, сохранение, лайк), и действия с низким уровнем интереса (просмотр). Это критически важно для понимания качества вовлеченности.
2. Затухание сигналов (Signal Decay): Влияние поведенческих сигналов на персонализацию не является постоянным. Патент четко описывает механизм Interaction Aging, при котором старые взаимодействия теряют свою значимость. Это означает, что для поддержания видимости в персонализированных рекомендациях необходимо постоянное вовлечение.
3. Динамические профили пользователей: Профили интересов постоянно обновляются на основе поведения с учетом дифференциации и затухания, что позволяет системе адаптироваться к изменениям в интересах пользователя.
4. Многофакторное построение профиля: Система использует не только поведение, но и явные интересы, а также связанные данные (например, резюме, демографию) для построения профиля.
5. Важность свежести контента: Патент предусматривает механизмы корректировки оценок для повышения более нового контента (Recency Adjustment).
6. Концептуальная значимость устаревших методов: Хотя использование TF-IDF и Cosine Similarity устарело, базовая концепция сопоставления вектора контента с вектором профиля пользователя остается актуальной и сейчас реализуется с помощью нейросетевых эмбеддингов.

Best practices (это мы делаем)

• Стимулирование глубокого вовлечения: Фокусируйтесь на качестве контента, который удовлетворяет интент пользователя настолько, чтобы стимулировать действия высокого уровня интереса (сохранение в закладки, шеринг, положительная обратная связь). Согласно патенту, эти действия имеют больший вес при обновлении профиля пользователя, чем простые просмотры.
• Поддержание постоянной вовлеченности: Из-за механизма затухания сигналов (Signal Decay) нельзя полагаться на прошлые успехи. Необходимо регулярно публиковать контент и поддерживать вовлеченность аудитории, чтобы оставаться релевантными для их текущих профилей интересов.
• Оптимизация свежести контента: Регулярно обновляйте контент. Патент явно упоминает механизмы корректировки оценок в пользу более свежих документов.
• Оптимизация под Google Discover и персонализацию: Создавайте контент с четкой тематической направленностью. Это увеличивает вероятность совпадения характеристик контента с профилями интересов пользователей, что является основой для рекомендаций в этом патенте.

Worst practices (это делать не надо)

• Кликбейт и оптимизация под просмотры: Стратегии, направленные только на получение клика (просмотра) без последующего вовлечения, менее эффективны. Система дифференцирует "просмотр" от более значимых взаимодействий.
• Игнорирование негативной обратной связи: Патент учитывает явное неодобрение (marking as disfavored). Получение таких сигналов (например, "Не показывать контент с этого сайта" в Discover) может привести к исключению контента из рекомендаций пользователя.
• Ставка на "вечнозеленый" контент без обновлений: Хотя вечнозеленый контент важен, игнорирование фактора свежести может привести к понижению в рекомендациях из-за Recency Adjustments и exponential decay.

Стратегическое значение

Патент подтверждает, что Google обладает сложными механизмами для интерпретации и взвешивания поведенческих данных для целей персонализации. Он демонстрирует переход от простых метрик (как CTR) к более глубокому пониманию качества взаимодействия. Для долгосрочной SEO-стратегии это означает, что построение лояльной аудитории и обеспечение устойчивого, высококачественного вовлечения являются ключевыми факторами успеха в персонализированных сервисах Google. Несмотря на устаревшие алгоритмы (TF-IDF), заложенные принципы дифференциации и затухания сигналов остаются критически важными.

Практические примеры

Сценарий: Оптимизация статьи для Google Discover

1. Действие: SEO-специалист публикует глубокий анализ новой технологии. В статью добавляются элементы, стимулирующие сохранение (например, шпаргалки, ключевые выводы для скачивания) и шеринг.
2. Взаимодействие пользователя: Пользователь находит статью в Discover, проводит на ней значительное время (учитывается как просмотр), а затем сохраняет шпаргалку (учитывается как сохранение).
3. Работа системы (согласно патенту): Система фиксирует оба действия. "Сохранение" получает значительно больший вес, чем "Просмотр" (Дифференциация).
4. Обновление профиля: Профиль интересов пользователя обновляется. Вес терминов, связанных с этой технологией и этим сайтом, значительно увеличивается.
5. Затухание сигнала: В течение следующих недель влияние этого конкретного взаимодействия будет уменьшаться (Signal Decay). Если пользователь не будет продолжать взаимодействовать с подобным контентом, его профиль интересов изменится.
6. Результат: В краткосрочной перспективе пользователь с большей вероятностью увидит контент с этого сайта по этой теме. В долгосрочной перспективе сайту необходимо продолжать публиковать вовлекающий контент, чтобы компенсировать затухание сигнала.