
Патент Google, описывающий интерфейс для просмотра рекомендаций видео. Система отображает центральное видео и связанные с ним ролики, расположенные вокруг него. Расстояние между видео зависит от их "оценки рекомендации", основанной на том, как часто пользователи смотрят эти видео одно за другим (взвешенная совместная посещаемость), и их корреляции друг с другом.
Патент решает проблему представления длинных списков рекомендаций видео в удобном для пользователя формате. Вместо стандартного списка ссылок или миниатюр, изобретение предлагает интуитивно понятный визуальный интерфейс, который позволяет пользователям быстро оценить связи и корреляцию между рекомендованными видео. Это улучшает пользовательский опыт (UX) навигации по видеоконтенту.
Запатентована система и метод для визуального просмотра нескольких групп рекомендаций видео. Интерфейс отображает Central Video (текущий фокус интереса) и набор связанных Orbiting Videos. Расположение орбитальных видео определяется двумя ключевыми факторами: их Recommendation Score по отношению к центральному видео (на основе Weighted Covisitation Measure) и их корреляцией друг с другом (моделируемой через силы притяжения и отталкивания).
Система работает следующим образом:
Central Video система вычисляет Recommendation Scores для связанных видео. Эта оценка основана на Weighted Covisitation Measure — вероятности того, что пользователь посмотрит связанное видео следующим.Pulling Force (притяжение) сближает похожие видео (пропорционально их оценкам), а Repelling Force (отталкивание) предотвращает их наложение. Это создает визуальную кластеризацию.Средняя (для платформ видеохостинга). Хотя конкретный интерфейс, описанный в патенте (с орбитальным расположением), может не использоваться в текущих продуктах Google (YouTube сейчас предпочитает сетки и списки), базовые принципы, лежащие в основе генерации рекомендаций, остаются фундаментальными. Использование Covisitation (совместной посещаемости) является ключевым элементом современных рекомендательных систем.
Влияние на традиционное SEO минимальное (2/10). Патент описывает в первую очередь UI/UX для платформ видеохостинга (например, YouTube) и механизм генерации рекомендаций на основе поведения пользователей, а не алгоритмы ранжирования веб-поиска. Однако он имеет значение для YouTube SEO (оптимизации видео), поскольку раскрывает важность Covisitation как сигнала для получения рекомендательного трафика.
Central Video. В интерфейсе они отображаются вокруг центрального видео.Scaling Factor для учета масштаба (популярности) видео.Central Video. Определяет расстояние от центра в интерфейсе.Recommendation Scores этих видео.Weighted Covisitation Measure для нормализации влияния популярности видео. В патенте предлагается значение 0.6.Claim 1 (Независимый пункт): Описывает основной метод визуального просмотра рекомендаций.
Central Video.Recommendation Score.Central Video. Ключевое условие: каждое видео отображается на расстоянии от центра, основанном на его Recommendation Score относительно центрального видео, И отображается относительно других видео в группе на основе его Recommendation Score относительно оценок других видео в группе.Ядро изобретения — это способ визуализации, где позиция элемента на экране определяется не только его связью с центром, но и его связями с соседними элементами, что позволяет визуализировать кластеры.
Claim 4 (Зависимый): Уточняет, что генерация второй группы включает определение корреляции между видео, которая определяется силами притяжения (pulling forces) и отталкивания (repelling forces) между ними.
Claim 5 (Зависимый): Определяет, что Pulling Force измеряет относительную связанность между видео и пропорциональна Recommendation Score видео.
Claim 7 (Зависимый): Уточняет, что генерация рекомендаций включает:
Central Video с использованием Weighted Covisitation Measure.Recommendation Score на основе этой меры.Claim 9 (Зависимый от 8): Определяет формулу для Recommendation Score (вероятности следующего просмотра):
Weighted Covisitation Measure лежит в основе рекомендаций. То, что пользователи смотрят после вашего видео, напрямую влияет на то, кому и когда оно будет рекомендовано.Scaling Factor (α < 1) в формуле показывает, что Google стремится сбалансировать популярность и релевантность. Это предотвращает ситуацию, когда сверхпопулярные видео полностью доминируют в рекомендациях, и дает шанс менее известному, но сильно связанному контенту.ВАЖНО: Патент описывает механизмы для платформ видеохостинга (например, YouTube). Приведенные ниже рекомендации относятся к YouTube SEO, а не к традиционному SEO для веб-сайтов.
Covisitation.Covisitation между этими видео, увеличивая их Recommendation Scores.Covisitation, снижая вероятность попадания в рекомендации.Covisitation.Патент подтверждает, что рекомендательные системы Google (как YouTube) в значительной степени опираются на анализ поведенческих паттернов (что смотрят вместе) и метрики вовлеченности (как долго смотрят), а не только на метаданные и ключевые слова. Для успеха на видеоплатформах долгосрочная стратегия должна быть направлена на максимизацию общего времени просмотра сессии и управление навигацией пользователя по контенту.
Сценарий: Оптимизация серии обучающих видео по веб-дизайну для YouTube.
Covisitation) между Видео 1 ("Основы HTML") и Видео 2 ("Основы CSS").Recommendation Engine фиксирует высокую Weighted Covisitation Measure между ними. Это увеличивает Recommendation Score Видео 2 по отношению к Видео 1, повышая вероятность его показа в блоке рекомендаций.Имеет ли этот патент отношение к ранжированию сайтов в Google Поиске?
Нет, этот патент не имеет прямого отношения к традиционному веб-поиску. Он описывает пользовательский интерфейс (UI) для визуализации рекомендаций на видеохостинге (например, YouTube) и базовый алгоритм генерации этих рекомендаций, основанный на поведении пользователей при просмотре видео.
Что такое "Covisitation" (Совместная посещаемость) и почему это важно для YouTube SEO?
Covisitation — это событие, когда пользователь смотрит одно видео, а затем другое. Это критически важный сигнал для рекомендательных систем. Если многие пользователи после Видео А смотрят Видео Б, система считает их сильно связанными. Оптимизация под Covisitation (например, через плейлисты и конечные заставки) увеличивает вероятность попадания вашего контента в рекомендации.
Что означает "Weighted Covisitation Measure" и как используется Scaling Factor (α)?
Это способ расчета силы связи между видео, который нормализует влияние популярности. Формула делит количество совместных просмотров на количество просмотров первого видео, возведенное в степень α (Scaling Factor). Если α < 1 (в патенте предложено 0.6), это уменьшает "штраф" за популярность первого видео, позволяя рекомендовать сильно связанные, но менее известные видео.
Учитывает ли система, сколько времени пользователь смотрел видео?
Да, в патенте прямо упоминается возможность генерации Recommendation Scores на основе "длины фактически просмотренного фрагмента" (length of the video actually watched). Это подчеркивает важность высокого удержания аудитории для эффективной работы рекомендательных механизмов.
Используется ли сейчас интерфейс с "орбитальными видео", описанный в патенте?
Конкретный интерфейс с видео, вращающимися вокруг центра и перемещающимися под действием сил притяжения/отталкивания, в настоящее время не является стандартным для YouTube. Однако базовые алгоритмы расчета рекомендаций на основе Covisitation, описанные в патенте, остаются актуальными для современных интерфейсов (сеток, списков рекомендаций).
Как я могу улучшить Covisitation для моих видео?
Создавайте серийный контент, объединяйте видео в тематические плейлисты, используйте интерактивные элементы (конечные заставки, подсказки) для направления пользователя к следующему видео и давайте четкие вербальные призывы к действию. Главное — мотивировать пользователя продолжить просмотр связанного контента.
Влияет ли название или описание видео на Covisitation?
Напрямую нет, так как Covisitation — это поведенческий сигнал. Однако метаданные влияют на то, как пользователи находят ваше видео изначально (через поиск или первичные рекомендации). Если метаданные не соответствуют контенту (кликбейт), удержание будет низким, что негативно скажется на сигналах, используемых для расчета рекомендаций.
Что такое силы притяжения (Pulling Force) и отталкивания (Repelling Force) в этом патенте?
Это концепции, используемые исключительно для визуализации в интерфейсе. Pulling Force сближает видео с похожими паттернами просмотра (визуально кластеризует их), а Repelling Force гарантирует, что иконки видео не накладываются друг на друга. Они не являются факторами ранжирования, а служат для расчета координат на экране.
Может ли этот механизм рекомендовать видео с других каналов?
Да, безусловно. Система анализирует поведение всех пользователей платформы. Если после просмотра вашего видео пользователи часто переходят на контент другого канала, система установит связь Covisitation между вашим видео и видео того канала, что приведет к взаимным рекомендациям.
Какая главная мысль этого патента для создателя контента на YouTube?
Главная мысль заключается в том, что для максимизации охвата через рекомендации необходимо сосредоточиться на создании качественного контента, который удерживает внимание зрителя и стимулирует его к дальнейшему просмотру связанных видео (ваших или чужих). Поведение аудитории определяет рекомендации.

Поведенческие сигналы
Мультимедиа
Персонализация

Поведенческие сигналы
Персонализация

Мультимедиа
Поведенческие сигналы

Мультимедиа
SERP
Семантика и интент

Мультимедиа
Индексация
Семантика и интент

Local SEO
Поведенческие сигналы

EEAT и качество
Техническое SEO
Ссылки

Ссылки
Индексация
Поведенческие сигналы

Мультимедиа
Поведенческие сигналы
SERP

Персонализация
EEAT и качество
Поведенческие сигналы

EEAT и качество
SERP
Ссылки

Индексация
Поведенческие сигналы

Поведенческие сигналы
Семантика и интент
Мультимедиа

Поведенческие сигналы
Мультимедиа
Семантика и интент

Поведенческие сигналы
SERP
Семантика и интент
