Как Google планировал использовать социальные связи, сети доверия и экспертизу для персонализации и переранжирования поисковой выдачи

Термины и определения

Article (Статья/Документ)

Любой тип контента, который может быть найден поисковой системой (веб-страницы, PDF, файлы приложений и т.д.).

Association (Ассоциация/Связь)

Связь между профилями в социальной сети. Может быть явной (Explicit) или неявной (Implicit). Связи могут иметь разные типы (дружба, бизнес) и уровни (вес).

Degree of Separation (Степень разделения)

Метрика, определяющая дистанцию между двумя профилями на основе наименьшего количества связей между ними. Может быть специфичной для типа связи.

Endorsement (Одобрение/Рекомендация)

Явное действие пользователя по оценке документа. Может быть бинарным (да/нет), масштабируемым (оценка от 1 до 5) или включать текстовый комментарий.

Explicit Association (Явная связь)

Прямая связь, установленная пользователями (друзья, коллеги, семья).

Implicit Association (Неявная связь)

Связь, выведенная системой автоматически на основе общих характеристик (общие интересы, география) или на основе экспертизы пользователя в определенной теме.

Member Network (Социальная сеть участников)

Компьютерная сеть или приложение, соединяющее сущности социальными отношениями (например, Orkut, Friendster).

Profile (Профиль)

Набор данных, представляющий участника сети. Содержит личную/профессиональную информацию, список связей и сохраненные одобрения (search endorsement entries).

Ключевые утверждения (Анализ Claims)

Анализ фокусируется на Claim 1 (выданном в 2014 году), который определяет ядро изобретения и вводит концепцию использования экспертизы для неявных связей.

Claim 1 (Независимый пункт): Описывает метод сбора и селективного отображения рейтингов на основе экспертизы, даже без явной связи.

1. Система получает профили Участника 1 (M1) и Участника 2 (M2) в социальной сети.
2. M1 и M2 выполняют поиск, получают результаты и используют предоставленные ссылки для ввода рейтинга (одобрения) Документа X. Их рейтинги сохраняются.
3. Система получает третий запрос от Участника 3 (M3). Важное условие: M3 не имеет явной связи (not explicitly associated) с M1 в сети.
4. Система определяет результаты для M3 (включая Документ X).
5. Ключевой шаг (Идентификация экспертизы): Система идентифицирует, что профиль M1 связан с третьим запросом, поскольку профиль описывает, что M1 обладает экспертизой (has expertise) в области, связанной с запросом. Это пример неявной связи (Implicit Association).
6. Система предоставляет M3 результаты поиска И информацию о рейтинге Документа X, данном M1 (экспертом). При этом информация о рейтинге от M2 исключается (подразумевается, что у M2 нет релевантной экспертизы или связи).

Ядром изобретения является не просто показ одобрений от друзей, а селективный показ одобрений от пользователей, которые признаны экспертами в теме запроса, даже если они не связаны с ищущим напрямую.

Claim 7 (Зависимый): Детализирует механизм ранжирования.

Система определяет тип или степень связи между M3 и M1 и ранжирует результаты для M3 на основе этого типа или степени связи. Это означает, что сила связи (явной или неявной) влияет на то, насколько сильно одобрение повлияет на ранжирование.

Claim 10 (Зависимый от 7): Уточняет, что ранжирование также зависит от уровня (силы) связи.

Система определяет уровень (level), указывающий на относительную силу (relative strength) связи. Ранжирование основывается на этом уровне. (Например, одобрение от "лучшего друга" весомее, чем от "знакомого").

Где и как применяется

Изобретение затрагивает несколько этапов поиска, интегрируя данные из социальной сети в процесс ранжирования.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна обрабатывать и индексировать данные социальной сети: профили пользователей, их связи (associations) и сохраненные одобрения (endorsements). Система также должна анализировать профили для выявления сигналов экспертизы.

RANKING – Ранжирование
На этом этапе генерируется первый, стандартный набор результатов (first search result set) на основе запроса.

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование
Основное применение патента происходит здесь.

1. Запрос к социальной сети: Поисковая система обращается к Member Network Database для поиска релевантных одобрений.
2. Идентификация связей: Система идентифицирует пользователей, связанных с ищущим (явно или неявно, включая экспертов по теме запроса).
3. Получение одобрений: Извлекаются одобрения от этих связанных пользователей (second search result set).
4. Смешивание и Переранжирование: Два набора результатов объединяются (merging). Ранжирование корректируется (re-rank) на основе наличия одобрений и силы/типа связи между ищущим и автором одобрения.
5. Аннотирование: В выдачу добавляются аннотации, указывающие, кто и как одобрил результат.

Входные данные:

• Поисковый запрос и Идентификатор пользователя.
• Стандартный набор результатов поиска.
• База данных социальной сети (профили, связи, одобрения, сигналы экспертизы).

Выходные данные:

• Персонализированная, аннотированная и переранжированная страница результатов (SERP).

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на запросы, где важна субъективная оценка, рекомендации или доверие (например, поиск ресторанов, товаров, услуг, мнений).
• Конкретные ниши или тематики: Влияет на ниши, где существуют активные сообщества или четко выраженная экспертиза (например, хобби, профессиональные области, YMYL-тематики).
• Локальный поиск: Патент упоминает возможность использования неявных связей на основе географии (например, рекомендации от людей, живущих в том же районе).

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Наличие сети: Существует активная социальная сеть (member network), интегрированная с поиском.
• Участие пользователя: Пользователь является участником сети (залогинен) для явных связей, или система может установить неявные связи (для показа одобрений от экспертов).
• Наличие данных: Связанные пользователи ранее оставили одобрения для документов, релевантных текущему запросу.

Пошаговый алгоритм

Фаза 1: Сбор одобрений (Endorsement Collection)

1. Создание профиля: Пользователь создает профиль в социальной сети.
2. Отправка запроса: Пользователь отправляет запрос в поисковую систему.
3. Отображение результатов: Поисковая система возвращает набор результатов, каждый из которых сопровождается ссылкой «endorse».
4. Ввод данных: Пользователь активирует ссылку и вводит одобрение (бинарное, оценку или комментарий). Патент описывает как query-dependent (привязанные к запросу), так и query-independent (общие одобрения URL) режимы.
5. Сохранение: Одобрение сохраняется в профиле пользователя в Member Network Database.

Фаза 2: Использование одобрений (Endorsement Utilization)

1. Отправка запроса: Второй пользователь отправляет запрос.
2. Генерация стандартных результатов: Поисковая система генерирует первый набор результатов (first search result set).
3. Поиск одобрений: Параллельно поисковая система обращается к Member Network Database.
4. Идентификация связей: Система идентифицирует участников сети, связанных со вторым пользователем (явные и неявные связи).
5. Идентификация экспертизы (Claim 1): Для неявных связей система может определить, является ли автор одобрения экспертом в теме запроса на основе его профиля.
6. Извлечение релевантных одобрений: Система находит одобрения от связанных участников. Это формирует второй набор результатов (second search result set).
7. Смешивание (Merging): Первый и второй наборы объединяются.
8. Переранжирование и Аннотирование: Финальный набор результатов переранжируется с учетом одобрений. Вес одобрения модулируется типом, степенью и силой связи (Claims 7, 10). Добавляются аннотации.
9. Отображение: Финальный персонализированный SERP отображается пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании социальных данных для персонализации.

• Пользовательские и Социальные факторы (Ключевые данные):
  • Данные профиля (Member Profile Information): Вся информация в профиле (возраст, местоположение, интересы, хобби, профессия, навыки, образование). Критически важны для определения неявных связей и экспертизы (expertise).
  • Явные связи (Explicit Associations): Списки друзей, коллег, семьи. Уровни связей (например, «знакомый», «друг», «лучший друг»).
  • Членство в сообществах: Участие в группах по интересам внутри сети.
• Поведенческие факторы:
  • Одобрения (Endorsements): Сохраненные оценки и комментарии к документам (URL).
  • Активность в сети: Частота входа в систему, частота добавления новых связей.
  • Рейтинговое поведение: Рейтинги других пользователей (например, оценка «trustworthiness»).
  • Потребительская информация: Упоминается возможность учета частоты и типов покупок или взаимодействия с рекламодателями.
• Географические факторы:
  • Местоположение пользователя (из профиля или текущее) используется для определения неявных связей в локальном поиске.

Какие метрики используются и как они считаются

• Тип связи (Association Type): Разные типы (дружба, бизнес, общая характеристика) могут иметь разный приоритет или вес.
• Уровень/Вес связи (Association Level/Weight): Сила связи внутри типа (например, «лучший друг» весит больше, чем «знакомый»).
• Степень разделения (Degree of Separation): Рассчитывается как наименьшее количество рёбер между двумя профилями в графе сети. Может быть специфичной для типа связи (Type-specific degree of separation). Патент предлагает использовать весовые коэффициенты для связей: более сильная связь может уменьшать эффективную степень разделения.
• Экспертиза (Expertise): Метрика, выводимая из данных профиля (навыки, профессия, образование), которая позволяет системе идентифицировать экспертов по теме запроса для установления неявной связи (как описано в Claim 1).

1. Интеграция социального контекста в поиск: Патент демонстрирует механизм использования социальных сетей (member networks) для добавления слоя доверия (layer of trust) к стандартным результатам поиска. Google стремился персонализировать выдачу на основе рекомендаций из доверенного круга пользователя.
2. Модуляция веса через социальные связи: Ценность одобрения не абсолютна. Она модулируется силой, типом и дистанцией (Degree of Separation) социальной связи между автором одобрения и ищущим пользователем.
3. Явные и неявные связи: Система использует не только прямые связи (друзья), но и неявные ассоциации, основанные на общих интересах, географии или членстве в сообществах.
4. Критическая роль экспертизы (Предвестник E-E-A-T): Ключевой аспект (Claim 1) — это способность системы идентифицировать экспертов на основе их профилей и показывать их одобрения пользователям, даже если они не связаны напрямую. Это ранняя концептуализация использования экспертизы автора для оценки контента.
5. Персонализированное переранжирование: Конечной целью является переранжирование стандартной выдачи, чтобы продвинуть документы, одобренные доверенными или авторитетными источниками в контексте пользователя.

Best practices (это мы делаем)

Хотя описанная в патенте конкретная реализация (интеграция с Google+, кнопка «Endorse» в SERP) устарела, стратегические выводы остаются актуальными для E-E-A-T.

• Построение авторитета и экспертизы (E-E-A-T): Патент подчеркивает (Claim 1), что Google ценит рекомендации от идентифицированных экспертов. Необходимо фокусироваться на создании четких публичных профилей авторов и экспертов компании (на сайте, в профессиональных соцсетях), демонстрирующих их квалификацию. Это помогает поисковым системам распознавать экспертизу.
• Стимулирование реальной адвокации и рекомендаций: Необходимо создавать контент и продукты такого качества, чтобы пользователи естественным образом рекомендовали их в своих социальных кругах и профессиональных сообществах. Хотя Google может не отслеживать это как прямые «endorsements» по патенту, такая активность генерирует сигналы доверия (отзывы, упоминания, качественные ссылки).
• Развитие сообщества вокруг бренда: Построение активного и вовлеченного сообщества увеличивает вероятность положительных упоминаний и рекомендаций, создавая положительный репутационный фон.

Worst practices (это делать не надо)

• Имитация социальных одобрений (AstroTurfing): Создание фейковых профилей или покупка лайков для массового одобрения своего контента. Система, описанная в патенте, учитывает силу и тип связей, а также реальную экспертизу; слабые или фейковые связи имеют минимальный вес и несут риски санкций.
• Игнорирование репутации и экспертизы: Фокусировка исключительно на технической оптимизации контента без работы над узнаваемостью бренда и авторитетностью авторов. Патент показывает, что источник рекомендации (КТО рекомендует) критически важен.

Стратегическое значение

Этот патент является важной частью истории развития персонализированного и социального поиска Google. Он подтверждает долгосрочную стратегию Google по интеграции сигналов доверия и экспертизы в ранжирование. Несмотря на неудачу Google+ как продукта, принципы, заложенные в этом патенте (особенно идентификация экспертов), нашли отражение в современных алгоритмах, оценивающих E-E-A-T. Стратегически, это подчеркивает необходимость перехода от манипулирования техническими факторами к построению реального авторитета и доверия в своей нише.

Практические примеры

Сценарий: Использование экспертизы для локального поиска (Основано на Claim 1)

Пример основан на механизме, описанном в патенте, если бы он был реализован.

1. Контекст: В социальной сети (Member Network) есть Пользователь M1, который в своем профиле указал профессию «Ресторанный критик» и часто оставляет одобрения (endorsements) для ресторанов в Лондоне. Система идентифицирует его как эксперта.
2. Действие M1: M1 посещает новый суши-бар «Суши Х» и одобряет его страницу с комментарием «Лучшая Филадельфия в городе».
3. Действие M3: Пользователь M3 (не связанный с M1) ищет «лучшие суши Лондон».
4. Обработка запроса: Поисковая система генерирует стандартные результаты. Параллельно она ищет одобрения.
5. Применение алгоритма (Claim 1): Система идентифицирует M1 как эксперта по теме запроса на основе его профиля (expertise). Несмотря на отсутствие явной связи, система решает использовать его одобрение (неявная связь на основе экспертизы).
6. Результат: В выдаче M3 страница «Суши Х» поднимается выше и сопровождается аннотацией: «Одобрено ресторанным критиком M1: Лучшая Филадельфия в городе».