Как Google использует данные социальных сетей, интересы и членство в сообществах для персонализации и расширения поисковых запросов

Термины и определения

Social Network (Социальная сеть)

Сеть, соединяющая людей или организации посредством набора отношений (дружба, работа, обмен информацией). Включает профили участников.

Member Profile / User Profile (Профиль участника)

Набор данных, представляющий участника социальной сети. Содержит личную информацию, интересы, контактные данные, профессиональные данные, а также связи с другими профилями и членство в сообществах.

Communities (Сообщества)

Ассоциации внутри социальной сети, объединяющие участников по интересам (например, “Computer Science community”).

Personalization Information (Информация для персонализации)

Любая информация, связанная с участником, используемая для адаптации поиска. Включает данные профиля участника, данные профилей связанных участников, а также данные из cookies (например, поведение пользователя).

Associations (Ассоциации/Связи)

Связи между профилями в социальной сети (дружба, бизнес). Могут быть типизированными и иметь разные уровни.

Degree of Separation (Степень разделения)

Мера близости между двумя профилями, определяемая наименьшим количеством связей между ними. Может быть общей или специфичной для типа связи (type-specific degree of separation).

Query Expansion (Расширение запроса)

Метод персонализации, при котором к исходному запросу пользователя добавляются дополнительные термины (search terms или search phrases), полученные из информации для персонализации.

Required Terms / Optional Terms (Обязательные / Опциональные термины)

Термины, заранее определенные сообществом, которые добавляются к запросу пользователя при персонализации на основе этого сообщества.

Preferred Sites (Предпочтительные сайты)

Сайты, заранее определенные сообществом, на которых может фокусироваться персонализированный поиск.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод предоставления персонализированных результатов поиска.

1. Система поддерживает социальную сеть с сообществами и профилями пользователей.
2. Система получает поисковый запрос от первого пользователя, направленный на индекс контента, независимый от социальной сети (content index that is independent of the social network).
3. Определяется информация для персонализации, включающая два типа поисковых терминов:
   • Первый поисковый термин (First search term): Определяется на основе профиля первого пользователя И данных из профиля второго пользователя, который имеет определенную степень разделения (degree of separation) от первого пользователя в социальной сети.
   • Второй поисковый термин (Second search term): Основан на членстве первого пользователя в сообществах И на уровне персонализации (level of personalization), выбранном пользователем. Этот уровень определяет общее количество сообществ, из которых извлекается термин.
4. Исходный запрос объединяется с первым и вторым поисковыми терминами для формирования персонализированного поискового запроса (personalized search query).
5. Выполняется поиск по индексу контента с использованием персонализированного запроса.

Claim 3 и 4 (Зависимые от 1): Уточняют, что влияние данных из профиля связанного (второго) пользователя может зависеть от типа связи (type of social relationship) или специфичной для типа степени разделения (type-specific degree of separation).

Claim 5 (Зависимый от 1): Уточняет, что определение первого поискового термина может включать историю посещения веб-страниц пользователем (history of user web page access).

Claim 10 (Зависимый от 1): Уточняет, что определение поисковых терминов включает идентификацию термина, явно определенного сообществом.

Claim 16 (Зависимый от 15): Уточняет, что обратная связь от участников сообщества, используемая для определения терминов сообщества, может основываться на показателях кликабельности (click-through rates, CTR) результатов поиска.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные, собранные из социальной сети, и влияя на формирование запроса и ранжирование.

INDEXING – Индексирование и извлечение признаков
Система предполагает наличие стандартного индекса контента (content index). Параллельно происходит индексирование и хранение данных социальной сети (Social Network Database): профилей, связей и определений сообществ (включая заданные термины и preferred sites).

QUNDERSTANDING – Понимание Запросов
Это ключевой этап применения патента. Система модифицирует исходный запрос пользователя до того, как произойдет основное ранжирование.

1. Получение контекста пользователя: Система обращается к социальной сети для получения personalization information.
2. Генерация терминов для персонализации: Извлекаются термины на основе профиля пользователя, его связей и членства в сообществах (с учетом выбранного уровня персонализации).
3. Расширение запроса (Query Expansion): Исходный запрос объединяется с этими терминами для формирования personalized search query.

RANKING – Ранжирование
Поисковая система выполняет поиск по content index, используя модифицированный personalized search query. Это напрямую влияет на отбор документов и их сортировку.

RERANKING – Переранжирование
В патенте также упоминается альтернативный подход, где personalization information может использоваться не для расширения запроса, а для ранжирования или упорядочивания (ranking or ordering) результатов поиска, полученных по исходному запросу.

Входные данные:

• Исходный поисковый запрос пользователя.
• Идентификатор пользователя в социальной сети.
• (Опционально) Явно выбранные пользователем сообщества или level of personalization.
• Данные социальной сети (профили, связи, определения сообществ).
• (Опционально) Данные о поведении пользователя (cookies, история посещений).

Выходные данные:

• Персонализированный поисковый запрос (personalized search query).
• Набор результатов поиска, релевантный персонализированному запросу.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на многозначные или широкие запросы, где контекст пользователя критически важен для определения намерения (например, запрос “Jaguar” для автолюбителя и программиста).
• Конкретные типы контента: Влияет на все типы контента. Механизм preferred sites позволяет сообществам фокусировать поиск на определенных источниках, повышая их видимость для участников сообщества.

Когда применяется

• Триггеры активации: Активируется, когда пользователь идентифицирован как участник социальной сети и инициирует поиск через интерфейс, поддерживающий персонализацию.
• Условия применения: Персонализация может быть активирована:
  • Явно пользователем: путем выбора конкретных сообществ или установки уровня персонализации.
  • Контекстно: при инициировании поиска со страницы определенного сообщества.
  • Неявно системой: автоматическое применение на основе анализа профиля и активности пользователя.

Пошаговый алгоритм

Процесс А: Явная персонализация по выбору сообществ

1. Инициация поиска: Пользователь обращается к поисковому интерфейсу, связанному с социальной сетью.
2. Выбор уровня персонализации: Пользователь выбирает, какие сообщества использовать для персонализации, или выбирает уровень интенсивности персонализации.
3. Отправка запроса: Пользователь вводит запрос и отправляет его вместе с выбором персонализации.
4. Извлечение информации о сообществах: Поисковая система запрашивает у социальной сети информацию, связанную с выбранными сообществами (например, required terms, optional terms, preferred sites).
5. Выполнение персонализированного поиска: Поисковая система проводит поиск. Это может включать расширение исходного запроса полученными терминами или выполнение стандартного поиска с последующим переранжированием результатов.
6. Возврат результатов: Поисковая система возвращает персонализированный набор результатов.

Процесс Б: Неявная персонализация

1. Инициация поиска и отправка запроса: Пользователь обращается к поисковому интерфейсу и выбирает опцию персонализированного поиска (без явного указания сообществ).
2. Анализ профиля пользователя: Поисковая система анализирует профиль пользователя в социальной сети для определения неявных предпочтений (например, наиболее активные сообщества, интересы связанных пользователей, потребительское поведение).
3. Выбор источников персонализации: Система определяет наиболее релевантные источники информации для персонализации.
4. Выполнение персонализированного поиска: Поисковая система проводит поиск, используя неявно определенную информацию для расширения запроса или переранжирования результатов.
5. Возврат результатов: Поисковая система возвращает персонализированный набор результатов.

Какие данные и как использует

Данные на входе

Патент описывает использование широкого спектра данных, преимущественно извлекаемых из социальной сети:

• Данные профиля пользователя:
  • Личная информация (возраст, местоположение, демография).
  • Интересы и предпочтения (хобби, любимые книги, музыка, спорт).
  • Профессиональные и образовательные данные.
• Данные о связях (Social Graph):
  • Связи с другими профилями (друзья, коллеги).
  • Тип и уровень связи (type of social relationship).
  • Данные из профилей связанных пользователей.
• Данные о сообществах:
  • Членство пользователя в сообществах.
  • Определения сообществ: Required terms, Optional terms, Preferred sites.
  • Текст сообщений в сообществе (для автоматического извлечения терминов).
• Поведенческие факторы (Membership Information):
  • Частота входа и активность внутри социальной сети.
  • История посещения веб-страниц (history of user web page access), в том числе через cookies.
• Потребительские факторы (Consumer Information):
  • Частота и типы покупок.
  • Взаимодействие с рекламодателями.

Какие метрики используются и как они считаются

• Degree of Separation (Степень разделения): Рассчитывается как наименьшее количество связей между двумя профилями. Может быть специфичной для типа связи (Type-Specific).
• Weighting Factor (Весовой коэффициент): Упоминается возможность взвешивания связей (сильные связи весят больше). Высокий вес может уменьшать эффективную степень разделения.
• Level of Personalization (Уровень персонализации): Метрика, определяемая пользователем, которая указывает, сколько источников информации (сообществ) использовать для персонализации.
• Рейтинги и CTR для терминов сообщества: Члены сообщества могут оценивать результаты поиска. Рейтинги и click-through rates (CTRs) используются для корректировки весов предложенных терминов или сайтов. Высокий CTR увеличивает вес термина.

1. Персонализация через расширение запроса: Основной механизм патента — это модификация запроса пользователя (query expansion) путем добавления терминов, основанных на его социальном контексте, для повышения релевантности.
2. Многогранность социального контекста: Система учитывает не только прямые данные пользователя, но и его членство в сообществах (communities), а также данные связанных с ним пользователей (associated users) через анализ степени разделения (degree of separation).
3. Явная и неявная персонализация: Патент описывает гибкий подход, позволяя пользователям явно контролировать уровень и источники персонализации или полагаться на автоматический анализ их профиля и активности.
4. Сообщества как источники контекста: Сообщества играют ключевую роль, предоставляя контекст для запросов. Они могут явно определять важные термины и предпочтительные сайты, причем эти определения могут формироваться коллективно.
5. Использование обратной связи (CTR) для улучшения: Система использует поведенческие сигналы (CTR) по результатам персонализированного поиска для корректировки весов терминов, связанных с сообществами.
6. Приоритет контекста над буквальным запросом: Система готова изменить интерпретацию запроса (например, “Jaguar”), если социальный или поведенческий контекст пользователя сильно указывает на конкретное намерение.

Best practices (это мы делаем)

Хотя прямая интеграция с социальными сетями Google в описанном виде не существует, принципы патента применимы к современному пониманию аудиторий и имплицитных сообществ.

• Построение Topical Authority и ориентация на “сообщества”: Создавайте контент, который резонирует с конкретными группами интересов (имплицитными сообществами). Понимание того, к каким “сообществам” принадлежит ваша аудитория, позволяет создавать контент, соответствующий их контексту и интересам.
• Использование языка целевой аудитории: Анализируйте язык, терминологию и сущности, популярные в нишевых сообществах (форумы, Reddit, современные соцсети). Патент предполагает, что система может извлекать термины из обсуждений сообщества. Использование этого языка в контенте повышает вероятность соответствия персонализированным запросам.
• Оптимизация под расширенные запросы: Учитывайте, что Google может неявно расширять запросы пользователей на основе их интересов. При оптимизации под многозначный запрос (например, “Jaguar”), убедитесь, что контекст (автомобильный или технологический) четко определен и соответствует интересу целевой аудитории.
• Создание авторитета в нише (Preferred Sites): Стремитесь стать “предпочтительным сайтом” (preferred site) для определенных тем. В современном SEO это достигается через построение E-E-A-T и получение признания в своей нише, что делает ваш сайт авторитетным источником для пользователей с соответствующими интересами.

Worst practices (это делать не надо)

• Игнорирование контекста пользователя: Создание контента, оптимизированного только под буквальное значение ключевого слова без учета различных интентов и контекстов пользователей. Это становится менее эффективным в условиях персонализации.
• Поверхностный контент без ориентации на интересы: Контент, который не соответствует глубоким интересам какой-либо группы пользователей, с меньшей вероятностью выиграет от механизмов персонализации.
• Изолированный подход к SEO: Рассмотрение SEO в отрыве от общего маркетинга и понимания аудитории. Данный патент подчеркивает связь между интересами пользователя, его поведением и результатами поиска.

Стратегическое значение

Этот патент является одним из фундаментальных документов, описывающих интеграцию данных об интересах пользователя в процесс поиска. Он подтверждает долгосрочную стратегию Google по переходу от универсальной выдачи к персонализированной. Для SEO это означает, что невозможно гарантировать позицию №1 для всех пользователей по одному и тому же запросу. Стратегия должна фокусироваться на максимальном охвате целевой аудитории путем глубокого понимания ее интересов, контекста и языка, что позволяет контенту появляться в персонализированной выдаче для релевантных “сообществ”.

Практические примеры

Сценарий: Персонализация многозначного запроса

1. Пользователь А (Программист): Активен в сообществах, связанных с технологиями и Apple. Его история поиска и поведение подтверждают этот интерес (имплицитная personalization information).
2. Пользователь Б (Автолюбитель): Активен в автомобильных сообществах, интересуется классическими автомобилями.
3. Запрос: Оба пользователя вводят запрос “Jaguar”.
4. Обработка запроса А: Система определяет контекст “технологии”. Происходит неявное расширение запроса (query expansion) терминами, связанными с ОС Apple (например, “OS X 10.2”).
5. Обработка запроса Б: Система определяет контекст “автомобили”. Происходит расширение запроса терминами, связанными с маркой машины (например, “car”, “E-type”).
6. Результат: Пользователь А видит результаты об операционной системе Jaguar. Пользователь Б видит результаты об автомобилях Jaguar.