Как Google использует социальный граф и активность друзей для персонализации и переранжирования результатов поиска

Термины и определения

Context Signaler (Сигнализатор контекста)

Компоненты (Video Context Signaler и Social Context Signaler), которые генерируют сигналы для изменения ранжирования результатов поиска на основе видеоинформации и социальной информации соответственно.

Modification Engine (Механизм модификации)

Компонент, который изменяет ранжирование результатов поиска, используя сигналы от Context Signalers. Учитывает социальный контекст и свежесть (timing или freshness) взаимодействий.

Social Annotation (Социальная аннотация)

Представление социальной информации рядом с результатом поиска, объясняющее его релевантность пользователю (например, "User6 поделился этим 10 минут назад").

Social Attachments (Социальные вложения)

Социальные данные (Social Attachment для веба и Social Video Attachment для видео), которые добавляются непосредственно в соответствующие индексы (Web Index, Video Index). Это позволяет идентифицировать и извлекать документы, социально релевантные для конкретного пользователя.

Social Graph (Социальный граф)

База данных, хранящая информацию о социальных связях между пользователями (внутренних и внешних, например, подписчики в микроблогах).

Social/Video Pipeline (Конвейер обработки социального/видео контента)

Процесс обработки информации из Social Graph и Social Content. Производит Social Attachments и сигналы, используемые для извлечения, ранжирования и представления социальных результатов.

Social Web/Video Content (Социальный веб/видео контент)

Данные о контенте, созданном, загруженном или одобренном (лайк, комментарий, добавление в плейлист, упоминание в блоге) пользователями социальных сетей.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод работы системы поиска с использованием социального контекста.

1. Система получает запрос от пользователя.
2. Система получает информацию о социальном контексте (social context information), касающуюся взаимодействий пользователя, из социального графа (social graph).
3. Система получает результат поиска, используя запрос.
4. Система модифицирует ранжирование результата поиска на основе его ассоциации с определенным источником и его отношения к пользователю.
5. Система генерирует аннотацию (annotation) для результата, которая указывает на эту ассоциацию и отношение.
6. Система предоставляет модифицированный результат и аннотацию для отображения пользователю.

Ядром изобретения является персонализация ранжирования на основе данных из социального графа пользователя и явное указание причины этой персонализации через аннотации.

Claim 5 (Зависимый от 1): Уточняет, что social context information включает данные о взаимодействии пользователя с другими пользователями.

Это подтверждает, что действия контактов пользователя напрямую влияют на его поисковую выдачу.

Claim 6 (Зависимый от 1): Уточняет, что social context information включает информацию о времени (timing), когда пользователь взаимодействовал с одним из источников.

Свежесть (freshness) социального взаимодействия является фактором ранжирования в этой системе.

Claim 10 (Зависимый от 1): Описывает отправку разделителя разделов (section divider), который является кликабельной ссылкой для получения дополнительных результатов, ранжирование которых было изменено на основе социальной контекстной информации.

Система может группировать социально релевантные результаты в отдельный блок выдачи.

Где и как применяется

Изобретение затрагивает несколько ключевых этапов поисковой архитектуры, интегрируя социальные данные в инфраструктуру поиска.

CRAWLING – Сканирование и Сбор данных
Система активно собирает данные из внешних и внутренних источников для построения Social Graph и сбора Social Web/Video Content (активность пользователей, лайки, репосты, плейлисты).

INDEXING – Индексирование и извлечение признаков
Критический этап интеграции. Собранные социальные данные обрабатываются через Social/Video Pipeline. Результатом являются Social Attachments — данные о социальной релевантности, которые физически добавляются к Web Index и Video Index. Это позволяет индексировать социальную релевантность контента для конкретных пользователей.

QUNDERSTANDING – Понимание Запросов
Система должна идентифицировать пользователя (например, через аккаунт), чтобы получить доступ к его уникальному социальному контексту и применить соответствующие персонализированные данные из индекса.

RANKING / RERANKING – Ранжирование и Переранжирование
Ranking Engine извлекает первичные результаты. Затем Modification Engine использует сигналы от Video Context Signaler и Social Context Signaler для модификации ранжирования. Результаты, с которыми взаимодействовали друзья пользователя, повышаются с учетом свежести этих взаимодействий.

METASEARCH – Метапоиск и Смешивание / PRESENTATION
Presentation Engine отвечает за финальное представление. Он добавляет Social Annotations, объясняющие причину повышения, и может добавлять section dividers, отделяя общие результаты от социально релевантных.

Входные данные:

• Запрос пользователя и идентификатор пользователя.
• Social Graph (связи пользователя).
• Social Web/Video Content (активность пользователя и его окружения).
• Веб и видео индексы с интегрированными Social Attachments.

Выходные данные:

• Персонализированный набор результатов поиска с модифицированным ранжированием.
• Social Annotations, прикрепленные к соответствующим результатам.
• Возможные разделители разделов (section dividers).

На что влияет

• Типы контента: Патент явно фокусируется на интеграции веб-контента и видео-контента в единую выдачу с социальным контекстом.
• Специфические запросы: Наибольшее влияние на запросы, по которым существует значительная социальная активность в кругу пользователя (обзоры, новости, развлекательный контент).
• Персонализация: Алгоритм напрямую влияет на персонализацию выдачи. Два пользователя с разными социальными графами увидят разные результаты по одному и тому же запросу.

Когда применяется

• Условия работы: Алгоритм применяется, когда система может идентифицировать пользователя (например, пользователь залогинен) и имеет доступ к его Social Graph и данным об активности.
• Триггеры активации: Активируется, когда в результатах поиска обнаруживается контент, с которым взаимодействовал сам пользователь или его социальное окружение.
• Свежесть: Патент подчеркивает, что время (timing) или свежесть (freshness) социальных взаимодействий используется как сигнал для повышения ранжирования и отображения в аннотации (например, "10 минут назад").

Пошаговый алгоритм

Процесс А: Предварительная обработка и Индексирование (Офлайн/Фоновый режим)

1. Сбор социальных данных: Система получает данные из Social Graph, Social Web Content и Social Video Content.
2. Обработка конвейером: Social/Video Pipeline обрабатывает собранные данные.
3. Генерация вложений для индекса: Конвейер создает Social Attachments и Social Video Attachments.
4. Индексирование: Социальные вложения добавляются к соответствующим Web Index и Video Index.
5. Генерация сигналов ранжирования: Данные обрабатываются для создания базовых сигналов, которые будут использоваться Video Context Signaler и Social Context Signaler.

Процесс Б: Обработка запроса (Онлайн)

1. Получение запроса: Система получает запрос и идентифицирует пользователя.
2. Поиск по индексам: Система выполняет поиск по нескольким индексам (веб и видео), используя в том числе Social Attachments для извлечения социально релевантных результатов.
3. Первичное ранжирование: Ranking Engine выполняет ранжирование полученных результатов.
4. Модификация ранжирования: Modification Engine получает ранжированные результаты и применяет сигналы от Context Signalers. Ранжирование изменяется на основе социального контекста и свежести взаимодействий.
5. Организация выдачи: Система определяет порядок результатов и может добавлять разделители разделов (section dividers), например, отделяя общие видео от "Видео от вас и ваших друзей".
6. Генерация аннотаций: Social Annotation Presentation Module создает социальные аннотации для модифицированных результатов, указывая источник и отношение к пользователю.
7. Отправка и отображение: Финальная выдача с аннотациями и разделителями отправляется клиенту.

Какие данные и как использует

Данные на входе

Система использует следующие типы данных:

• Социальные факторы (Social Factors):
  • Social Graph: Связи между пользователями (друзья, подписчики), включая внутренние и внешние контакты (например, микроблоги).
  • Social Web/Video Content: Контент, созданный или одобренный пользователями. Включает посты, комментарии, лайки, дизлайки, голосования (votes), рекомендации, репосты (sharing, re-sharing).
  • Специфичные для видео действия: добавление в публичные плейлисты.
• Временные факторы (Temporal Factors):
  • Timing/Freshness: Время совершения социального действия. Используется как сигнал для ранжирования (повышение недавно одобренного контента) и для отображения в аннотациях.
• Пользовательские факторы (User Factors):
  • Идентификация пользователя (аккаунт) необходима для доступа к его персонализированному социальному графу и контексту.

Какие метрики используются и как они считаются

Патент не предоставляет конкретных формул, но описывает качественные характеристики используемых сигналов:

• Сигналы социального контекста: Генерируются Social Context Signaler. Основаны на наличии связи между пользователем и автором/эндорсером контента в Social Graph, а также на типе взаимодействия.
• Сигналы видео контекста: Генерируются Video Context Signaler. Основаны на взаимодействиях, специфичных для видео (например, плейлисты).
• Сигнал свежести (Timing): Учитывается актуальность социального взаимодействия. Недавние действия приводят к более высокому ранжированию.

Modification Engine использует эти сигналы для переранжирования результатов, чтобы социально значимый контент отображался выше.

1. Глубокая интеграция социальных данных в индекс: Ключевой особенностью является не просто использование социальных сигналов для ранжирования, но и прямая интеграция социальных данных в основные индексы через Social Attachments. Это позволяет эффективно извлекать социально релевантный контент на ранних этапах поиска.
2. Персонализация через социальный граф: Система использует Social Graph как основу для определения значимости контента. Действия друзей (лайки, репосты, комментарии) служат сильными сигналами одобрения, которые могут перевесить стандартные факторы релевантности для конкретного пользователя.
3. Свежесть социальных действий как фактор ранжирования: Патент явно указывает на важность времени (timing) социального взаимодействия. Недавняя активность в социальном кругу пользователя является триггером для повышения ранжирования контента.
4. Мультимодальный поиск с социальным контекстом: Система разработана для работы с различными типами контента (веб-страницы и видео), объединяя их в выдаче и применяя к ним социальный контекст.
5. Прозрачность персонализации через аннотации: Использование Social Annotations служит для объяснения пользователю, почему тот или иной результат показан выше (например, потому что им поделился друг).

Best practices (это мы делаем)

• Стимулирование органического социального распространения: Создавайте контент (особенно видео и статьи), которым пользователи захотят делиться и который будут комментировать. Патент подтверждает, что такое распространение (endorsements) может напрямую влиять на видимость в персонализированном поиске.
• Построение авторитета и социального доказательства (E-E-A-T): Работайте над узнаваемостью бренда и экспертов компании в социальных сетях. Если авторитетные пользователи (с сильным Social Graph) взаимодействуют с вашим контентом, это может служить сигналом качества для системы.
• Актуальность и свежесть контента: Регулярно публикуйте и активно распространяйте контент сразу после публикации. Свежесть социальных взаимодействий (timing/freshness) является важным сигналом ранжирования в этой системе.
• Оптимизация видеоконтента для вовлечения: При создании видео стимулируйте действия, которые явно упоминаются как источники данных: добавление в публичные плейлисты и получение лайков на видеохостингах.

Worst practices (это делать не надо)

• Накрутка социальных сигналов: Использование ботов или фейковых аккаунтов для имитации социальной активности. Система полагается на аутентичный Social Graph пользователя. Манипулятивные сигналы от аккаунтов, не входящих в доверенный социальный граф пользователей, будут неэффективны.
• Игнорирование дистрибуции контента: Фокус исключительно на on-page SEO без стратегии распространения контента в социальных медиа. Этот патент показывает, что отсутствие социального следа может привести к потере видимости в персонализированной выдаче.
• Фокус только на традиционном SEO без учета персонализации: Оптимизация только под тематическую релевантность без учета того, как контент воспринимается и распространяется пользователями, игнорирует важный аспект современного поиска.

Стратегическое значение

Патент демонстрирует долгосрочное намерение Google использовать социальный контекст и поведенческие сигналы для улучшения качества поиска через персонализацию. Для SEO это означает, что оценка эффективности продвижения усложняется, так как ранжирование сильно зависит от индивидуального профиля пользователя. Стратегически важно смещать фокус с абстрактных "позиций по ключам" на построение авторитетного бренда, который генерирует лояльную аудиторию и естественное социальное взаимодействие.

Практические примеры

Сценарий: Повышение ранжирования обзора благодаря активности инфлюенсера

1. Ситуация: SEO-специалист опубликовал подробный видео-обзор нового инструмента.
2. Действие: Специалист делится этим видео в профессиональной социальной сети. Авторитетный инфлюенсер в этой нише ставит лайк и делает репост этого видео.
3. Обработка системой Google (по патенту): Social/Video Pipeline индексирует эту активность (Social Video Content) и обновляет данные о связях в Social Graph пользователей, которые подписаны на этого инфлюенсера.
4. Результат поиска: Когда подписчик инфлюенсера ищет обзор этого инструмента, Modification Engine использует сигнал о недавнем взаимодействии инфлюенсера. Видео специалиста получает значительное повышение в ранжировании.
5. Отображение: Результат появляется в топе выдачи подписчика с аннотацией: "[Имя Инфлюенсера] поделился этим видео – 2 часа назад".