Как Google использует закладки, историю посещений и поведение пользователей для персонализации поиска и таргетинга рекламы

Термины и определения

Annotation (Аннотация)

Пользовательский комментарий или метка, связанная с URL. Используется как источник текста для поиска (user-specific anchor text).

Bookmark (Закладка)

URL, сохраненный как предпочтительный ресурс. Может быть создан явно пользователем или неявно системой на основе поведения.

General Search Object (GSO) (Общий объект поиска)

Основной индекс поисковой системы (глобальный веб-индекс).

Implicit Measure (Неявная метрика)

Поведенческие сигналы, используемые для оценки интереса пользователя без явного запроса. Примеры: Linger Time, частота повторных визитов, клики, печать, сохранение страницы, скроллинг.

Linger Time (Время пребывания)

Метрика, измеряющая продолжительность пребывания пользователя на сайте. Используется как неявный сигнал интереса.

Personalized Search Object (PSO) (Персонализированный объект поиска)

Набор данных, специфичных для пользователя, используемый для персонализации поиска и рекламы. Включает закладки, аннотации, рейтинги, историю посещений.

Rating (Рейтинг)

Оценка URL. Может быть явной (установленной пользователем) или неявной (рассчитанной системой на основе Implicit Measure).

Speed-dial (Быстрый набор)

Механизм, позволяющий пользователю связать короткую текстовую строку с URL для прямой навигации, минуя поиск.

Temporal decay (Временное затухание)

Механизм снижения рейтингов неиспользуемых или редко используемых закладок с течением времени.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод персонализированного поиска и его обязательную связь с рекламой.

1. Система получает поисковый запрос от пользователя.
2. Система получает запрос от пользователя на персонализацию результата.
3. В ответ на эти запросы: Генерируется персонализированный результат путем поиска в Personalized Search Object (PSO).
4. В ответ на запрос генерируется общий результат путем поиска в General Search Object (GSO).
5. Предоставляются оба результата для отображения.
6. Выбирается реклама, основанная как минимум частично на Personalized Search Object.
7. Реклама предоставляется для отображения.

Ядром изобретения является двойное использование персональных данных пользователя (PSO). Они используются одновременно для улучшения результатов поиска и для таргетинга рекламных объявлений.

Claim 12 (Зависимый от 1): Уточняет метод идентификации PSO.

• Идентификация Personalized Search Object основана, по крайней мере частично, на неявной метрике интереса пользователя (implicit measure of the user's interest).

Claim 13 и 14 (Зависимые от 12): Детализируют неявные метрики.

• Неявная метрика включает историю доступов пользователя (history of user accesses).
• История доступов включает: время пребывания (linger time), количество повторных визитов (quantity of repeat visits) или количество кликов (quantity of click-throughs).

Система способна автоматически определять интересы пользователя на основе его поведения (время на сайте, частота возвратов, клики) и использовать эти данные для персонализации поиска и рекламы, даже если пользователь не совершал явных действий (например, не добавлял закладки).

Где и как применяется

Изобретение затрагивает несколько ключевых этапов поисковой архитектуры.

CRAWLING & INDEXING – Сканирование, Индексирование и Извлечение признаков
Система должна собирать, хранить и индексировать Personalized Search Object. Это включает:

• Сбор явных сигналов (Закладки, Рейтинги, Аннотации) через Bookmark Manager или синхронизацию с браузером.
• Сбор неявных сигналов (История посещений, Linger Time, частота визитов), вероятно, через браузер или тулбары.
• Индексация контента персонально значимых страниц и пользовательских аннотаций.

QUNDERSTANDING – Понимание Запросов
Система определяет, активирована ли персонализация для данного пользователя. Также она должна распознавать запросы типа Speed-dial – когда введенный текст является ярлыком для прямой навигации, а не поисковым запросом.

RANKING, METASEARCH & RERANKING – Ранжирование, Метапоиск и Переранжирование
Основное применение патента:

• METASEARCH: Запрос выполняется параллельно по GSO и PSO.
• RANKING: Генерируются базовые оценки релевантности для обоих наборов.
• RERANKING (Смешивание и Переранжирование): Результаты объединяются. Система использует персональные данные (явные рейтинги, неявные оценки интереса) для корректировки порядка (повышения персонально значимых результатов) или для визуального выделения результатов в SERP.

Входные данные:

• Поисковый запрос.
• Идентификатор пользователя (ID, cookie).
• Personalized Search Object пользователя.
• General Search Object.

Выходные данные:

• Персонализированный набор результатов поиска.
• Таргетированная реклама, выбранная на основе Personalized Search Object.

На что влияет

• Все типы запросов и контента: Влияет на любые запросы, если у пользователя есть релевантные данные в его PSO.
• Навигационные запросы: Особенно сильно влияет на запросы, используемые для доступа к часто посещаемым сайтам.
• Лояльность к бренду: Система усиливает видимость сайтов, с которыми пользователь уже знаком и положительно взаимодействует.

Когда применяется

• Условия активации: Применяется, когда пользователь идентифицирован системой (залогинен или опознан через cookie) и у него активирована функция персонализации (упоминается необходимость согласия, "opt-in").
• Триггеры: Наличие релевантных данных в PSO пользователя для текущего запроса.

Пошаговый алгоритм

Процесс А: Обработка поискового запроса (Реальное время)

1. Получение запроса и идентификатора пользователя.
2. Проверка активации персонализации.
3. Параллельный поиск:
   1. Поиск в General Search Object (Глобальный индекс).
   2. Поиск в Personalized Search Object (например, поиск по URL закладок и поиск по тексту аннотаций).
4. Объединение результатов: Слияние результатов из обоих источников.
5. Ранжирование и Переранжирование: Корректировка позиций. Результаты из персонального набора могут быть повышены в ранге на основе явных или неявных рейтингов, или визуально выделены.
6. Выбор рекламы: Подбор рекламных объявлений на основе запроса и данных из Personalized Search Object.
7. Предоставление результатов и рекламы пользователю.

Процесс Б: Неявное выставление рейтинга и создание закладок (Фоновый процесс)

1. Фиксация посещения URL пользователем.
2. Проверка статуса закладки: Система проверяет, является ли URL уже закладкой. Если да, процесс может завершиться.
3. Определение новизны визита: Система определяет, является ли это первым визитом пользователя на URL.
4. Установка или корректировка рейтинга:
   • Если это первый визит, рейтинг устанавливается на базовый уровень (например, 0.5).
   • Если это повторный визит, к текущему рейтингу добавляется значение (например, 0.05). (Примечание: Linger time и другие факторы также могут влиять на это значение).
5. Проверка порога рейтинга: Система проверяет, превышает ли итоговый рейтинг установленный порог (например, 0.7).
6. Установка неявной закладки: Если порог превышен, URL автоматически помечается как закладка.

Какие данные и как использует

Данные на входе

Система использует широкий спектр пользовательских и поведенческих данных:

• Пользовательские факторы (Явные PSO):
  • Идентификация: User ID, cookie, IP address.
  • Закладки (Bookmarks): Сохраненные URL.
  • Рейтинги (Ratings): Явные оценки, присвоенные пользователем (например, шкала 0.0-1.0, вверх/вниз).
  • Аннотации (Annotations): Текстовые метки или комментарии к URL.
  • Ярлыки (Speed-dial): Ассоциации текста и URL для прямой навигации.
• Поведенческие факторы (Неявные PSO):
  • История посещений (History): Записи о посещенных URL.
  • Частота визитов (Quantity of repeat visits): Как часто пользователь возвращается на сайт.
  • Время пребывания (Linger Time): Продолжительность сессии на странице/сайте.
  • Клики (Click-throughs): Взаимодействие с элементами.
  • Другие действия: Печать страницы, сохранение страницы, میزان скроллинга страницы.

Какие метрики используются и как они считаются

• Implicit Rating (Неявный рейтинг): Рассчитывается на основе агрегации поведенческих факторов. В патенте приводится пример расчета:
  • Первый визит: Rating = 0.5.
  • Повторный визит: Rating = Rating + 0.05.
• Порог неявной закладки: Пороговое значение Implicit Rating (например, > 0.7), при превышении которого URL автоматически считается закладкой.
• Temporal Decay (Временное затухание): Рейтинги могут снижаться, если интерес к ресурсу падает (редкие визиты).
• User Clustering (Кластеризация пользователей): Метрики схожести интересов пользователей, основанные на пересечении их PSO. Используется для рекомендаций и улучшения таргетинга рекламы.

1. Персонализация как стандарт: Патент описывает фундаментальный механизм интеграции личных предпочтений в глобальный поиск. Выдача для идентифицированного пользователя часто отличается от нейтральной.
2. Критическая роль неявных сигналов: Google активно использует поведение пользователя (история, Linger Time, частота возвратов) для определения его интересов, даже без явных действий с его стороны. Это Implicit Measures.
3. Поведение напрямую влияет на ранжирование: Сайты, которые пользователь часто посещает или на которых проводит много времени, получают повышение в его персональной выдаче. Система может неявно классифицировать такие сайты как предпочтительные («неявные закладки»).
4. Персонализация Поиска и Рекламы неразделимы: Ключевым аспектом (Claim 1) является использование Personalized Search Object как для ранжирования, так и для таргетинга рекламных объявлений. Данные о поведении пользователя напрямую влияют на монетизацию.
5. Важность удержания (Retention) для SEO: В контексте персонализированного поиска удержание пользователя и стимулирование повторных визитов становятся критически важными факторами для поддержания видимости сайта для лояльной аудитории.
6. Кластеризация интересов: Система может кластеризовать пользователей по интересам на основе их PSO для улучшения рекомендаций и релевантности рекламы.

Best practices (это мы делаем)

• Фокус на удержании пользователей (Retention) и LTV: Разрабатывайте стратегии для стимулирования повторных визитов (email-маркетинг, подписки, программы лояльности). Чем чаще пользователь возвращается, тем выше Implicit Rating вашего домена для него, и тем выше сайт будет ранжироваться в его персональной выдаче.
• Улучшение качества взаимодействия (Engagement): Работайте над увеличением Linger Time и глубины просмотра. Создавайте контент, который вовлекает пользователя, стимулирует внутренние переходы, скроллинг и взаимодействие. Это повышает неявную оценку сайта системой.
• Стимулирование явных действий: Поощряйте действия, которые являются сильными сигналами интереса, такие как добавление в закладки, печать или сохранение контента. Патент предполагает возможность отслеживания этих действий.
• Построение бренда и лояльности: Инвестируйте в бренд. Лояльные пользователи, которые часто взаимодействуют с вашим сайтом, обеспечивают стабильность трафика за счет механизмов персонализации, даже если позиции в нейтральной выдаче колеблются.
• Анализ аудитории для Рекламы: Понимайте, что поведение пользователей на вашем сайте влияет на рекламу, которую они видят. Используйте данные о поведении вашей аудитории для создания точных сегментов в рекламных системах Google.

Worst practices (это делать не надо)

• Ориентация только на привлечение нового трафика: Игнорирование удержания существующих пользователей приведет к снижению видимости сайта для них из-за низких персональных сигналов.
• Создание контента для "одноразового" потребления (Clickbait): Сайты, которые привлекают клик, но не удерживают пользователя (низкий Linger Time) и не стимулируют повторные визиты, будут иметь низкий Implicit Rating и не получат преимуществ от персонализации.
• Использование "темных паттернов" для удержания: Попытки искусственно увеличить Linger Time без предоставления ценности (например, запутанная навигация) в долгосрочной перспективе навредят лояльности.
• Игнорирование поведенческих метрик в аналитике: Оценка успеха только по позициям в "стерильной" (неперсонализированной) выдаче не дает полной картины эффективности SEO.

Стратегическое значение

Этот патент подтверждает стратегический приоритет Google на персонализацию пользовательского опыта как в поиске, так и в рекламе. Для SEO это означает, что классические факторы ранжирования (ссылки, контент) могут быть значительно скорректированы индивидуальными поведенческими сигналами. Долгосрочная SEO-стратегия должна включать работу над качеством продукта, удержанием аудитории и формированием сильного бренда, который пользователи будут искать и посещать повторно.

Практические примеры

Сценарий: Повышение видимости интернет-магазина через персонализацию

1. Ситуация: Пользователь ищет "купить кофемашину". В глобальной (нейтральной) выдаче интернет-магазин А находится на 5 позиции.
2. Взаимодействие: Пользователь ранее уже посещал магазин А несколько раз, изучал обзоры и провел там суммарно 30 минут (высокий Linger Time и repeat visits).
3. Расчет Implicit Rating: Система Google рассчитала высокий неявный рейтинг для домена А для этого пользователя, возможно, классифицировав его как «неявную закладку».
4. Персонализация: При обработке запроса "купить кофемашину", система идентифицирует магазин А как персонально значимый ресурс.
5. Результат в Поиске: Система переранжирует выдачу для этого пользователя, поднимая магазин А с 5 на 1 позицию, или визуально выделяет его.
6. Результат в Рекламе: Система также может показать пользователю рекламу магазина А или рекламу кофемашин, основываясь на его предыдущем интересе (PSO).