Как Google использует социальные связи и анализ контекста рекомендаций (Endorsements) для персонализации поисковой выдачи

Термины и определения

Affinity (Близость, Аффинити)

Метрика, определяющая степень близости или силы связи между пользователем и членом его Social Graph. Учитывает частоту и тип взаимодействия (клики, комментарии), количество общих друзей, источник связи. Используется для взвешивания социальных сигналов при ранжировании.

Endorsement (Подтверждение, Рекомендация)

Ссылка на онлайн-контент, сделанная пользователем. Может быть положительной, отрицательной или нейтральной. Ключевой аспект: подтверждение идентифицируется не только по наличию ссылки, но и по анализу контекста (ключевых слов, например, в посте микроблога), в котором эта ссылка размещена.

Endorsement Annotation (Аннотация подтверждения)

Текстовая или визуальная информация, отображаемая вместе с результатом поиска, указывающая, что этот результат был подтвержден контактом пользователя. Обычно включает имя контакта и сервис.

Endorsement Index (Индекс подтверждений)

Структура данных, хранящая информацию о подтвержденном контенте. Содержит записи, связывающие ищущего пользователя, подтвержденный документ и подтверждающее лицо (Endorser).

Social Graph (Социальный граф)

Коллекция связей (пользователи, ресурсы), идентифицированных как имеющие отношение к пользователю в пределах определенной степени разделения (друзья, друзья друзей, подписки). Может охватывать множество сетей и сервисов.

Social Restricts (Социальные ограничения)

Механизм индексирования, используемый для пометки веб-ресурсов в основном индексе, которые связаны с социальным графом. Позволяет быстро извлекать или фильтровать социально релевантный контент.

Social Signals (Социальные сигналы)

Данные, накладываемые поверх Social Graph (например, веса ребер), отражающие частоту или тип взаимодействия. Используются для расчета Affinity.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод идентификации и отображения социальных подтверждений, с акцентом на контент из микроблогов.

1. Система идентифицирует контент социальных сетей (в частности, посты в микроблогах), созданный членами Social Graph пользователя на сервисе, на который пользователь подписан.
2. В конкретном посте микроблога, созданном конкретным контактом, система идентифицирует ключевые слова (one or more keywords) и веб-ссылку (web-based link).
3. Определяется веб-ресурс и элемент контента, на который ведет ссылка.
4. Ключевой шаг (NLP): Система определяет, содержит ли пост микроблога Endorsement со стороны контакта, основываясь на анализе идентифицированных ключевых слов.
5. Если подтверждение обнаружено, система ассоциирует элемент контента с этим подтверждением.
6. При получении поискового запроса система получает результат поиска, связанный с этим элементом контента, и связанное с ним подтверждение.
7. Система передает инструкции для отображения результата поиска с Endorsement Annotation.

Ядро изобретения заключается не просто в показе того, чем поделились друзья, а в применении анализа текста (NLP) поста в микроблоге, содержащего ссылку, чтобы определить намерение (intent) этого действия как "подтверждение" связанного контента.

Claim 8 (Зависимый от 1): Уточняет условия фильтрации отображения аннотаций.

1. Система определяет, что результат поиска связан с дополнительным подтверждением от другого пользователя.
2. Система определяет, что этот другой пользователь НЕ является членом Social Graph ищущего пользователя.
3. Инструкции предписывают отображать результат поиска БЕЗ аннотации, связанной с этим дополнительным подтверждением.

Это подтверждает, что механизм строго персонализирован и фильтрует социальные сигналы от пользователей вне круга общения ищущего.

Где и как применяется

Изобретение затрагивает несколько этапов поисковой архитектуры, обеспечивая слой персонализации на основе социальных данных.

CRAWLING – Сканирование и Сбор данных
Система должна активно сканировать или получать доступ к контенту, генерируемому пользователями на внешних платформах (социальные сети, микроблоги, блоги), чтобы собирать потенциальные Endorsements.

INDEXING – Индексирование и извлечение признаков
Это ключевой этап для данного патента:

• Построение Social Graph: Агрегация контактов из разных источников (email, чат, внешние социальные сети).
• Обработка социального контента: Анализ постов/блогов на наличие ссылок.
• Идентификация Endorsement (NLP): Применение анализа текста (как указано в Claim 1) для анализа ключевых слов вокруг ссылок, чтобы классифицировать упоминание как подтверждение и определить его тональность (sentiment).
• Расчет Affinity: Вычисление метрик близости между пользователями на основе взаимодействия и структуры графа.
• Создание Endorsement Index: Индексирование подтверждений для быстрого доступа во время поиска.

RANKING / RERANKING – Ранжирование и Переранжирование
Механизмы патента применяются для корректировки и аннотирования результатов:

• Повышение (Boosting): Результаты, подтвержденные контактами, могут быть повышены в ранжировании. Степень повышения зависит от Affinity пользователя к подтверждающему лицу, количества подтверждений и тональности подтверждения (положительные повышаются, отрицательные могут понижаться).
• Аннотирование (METASEARCH): Система проверяет наличие записей в Endorsement Index для топовых результатов и добавляет Endorsement Annotation, если подтверждающее лицо находится в Social Graph пользователя.

Входные данные:

• Идентификатор пользователя и его Social Graph (Contact Index).
• Поисковый запрос.
• Стандартные результаты поиска.
• Endorsement Index.

Выходные данные:

• Персонализированный набор результатов поиска с аннотациями о социальных подтверждениях и потенциально измененным порядком ранжирования.

На что влияет

• Персонализация: Влияет исключительно на персонализированную выдачу для идентифицированных (залогиненных) пользователей.
• Конкретные типы контента: Влияет на любой контент, на который можно сослаться и который обсуждается в социальных сетях или блогах (статьи, товары, видео, локальные объекты).
• Специфические запросы: Наибольшее влияние на информационные и коммерческие запросы, где мнения и рекомендации имеют значение для пользователя.

Когда применяется

• Триггеры активации: Алгоритм активируется при выполнении трех условий:
  1. Пользователь идентифицирован (залогинен).
  2. Результат поиска был подтвержден (Endorsement) кем-то (факт подтверждения определен через анализ ключевых слов).
  3. Автор подтверждения находится в Social Graph ищущего пользователя.
• Исключения: Если подтверждение исходит от пользователя, не входящего в Social Graph ищущего, аннотация не отображается (Claim 8).

Пошаговый алгоритм

Процесс А: Офлайн-обработка и Индексирование

1. Построение Social Graph: Идентификация пользователей и определение их социальных связей из различных источников.
2. Расчет Affinity: Вычисление весов связей в Social Graph на основе частоты и типа взаимодействий.
3. Сбор социального контента: Сбор контента (блоги, микроблоги, посты), созданного пользователями.
4. Идентификация подтверждений (Endorsement Identification):
   • Анализ контента на наличие ссылок на веб-ресурсы.
   • Анализ текста (ключевых слов) вокруг ссылки для определения, является ли это Endorsement и какова его тональность (сентимент).
5. Генерация Endorsement Index: Создание индекса, который отображает подтвержденные URL на информацию о подтверждении (кто, когда, через какой сервис).

Процесс Б: Обработка запроса в реальном времени

1. Идентификация пользователя: Определение ID ищущего пользователя.
2. Получение Social Graph: Извлечение индекса контактов пользователя.
3. Получение запроса и генерация результатов: Получение поискового запроса и генерация базового набора результатов.
4. Проверка на наличие подтверждений: Определение, связаны ли какие-либо из результатов поиска с Endorsements (используя Endorsement Index).
5. Фильтрация по Social Graph: Для каждого найденного подтверждения проверяется, принадлежит ли автор подтверждения к Social Graph пользователя.
   • Если НЕТ: Аннотация не добавляется.
   • Если ДА: Перейти к шагу 6.
6. Применение аннотаций: Добавление Endorsement Annotation к соответствующему результату поиска (например, указание имени контакта и сервиса).
7. Переранжирование (Boosting): Корректировка Ranking Scores подтвержденных результатов на основе социальных сигналов (например, Affinity пользователя к автору подтверждения, сентимент подтверждения).
8. Отображение результатов: Предоставление пользователю персонализированной и аннотированной выдачи.

Какие данные и как использует

Данные на входе

• Пользовательские и Социальные факторы (Ключевые):
  • Идентификатор пользователя и данные профиля.
  • Contact Index: Список контактов из разных источников (электронная почта, чат, социальные сети, подписки).
  • История взаимодействия между пользователем и контактами (частота коммуникации, клики по постам контактов, комментарии) – используется для расчета Affinity.
• Контентные факторы (User-Generated Content):
  • Контент, созданный контактами: посты в микроблогах (особо выделены в Claim 1), блоги, обзоры, комментарии.
  • Ключевые слова и текст в этом контенте (критически важны для идентификации Endorsement и сентимента).
• Ссылочные факторы:
  • Ссылки (URLs), встроенные в пользовательский контент, указывающие на внешние веб-ресурсы.
• Временные факторы:
  • Дата подтверждения (патент упоминает обработку fresh endorsements).

Какие метрики используются и как они считаются

• Affinity (Близость): Ключевая метрика для ранжирования. Рассчитывается на основе:
  • Структуры графа (количество общих друзей, степень разделения, источник связи).
  • Взаимодействий (частота и тип: клики, комментарии). Более активное взаимодействие повышает Affinity.
• Endorsement Identification (Идентификация подтверждения): Классификация (с использованием NLP), определяющая, является ли ссылка в контексте пользовательского контента подтверждением. Основывается строго на анализе ключевых слов в посте (Claim 1).
• Sentiment (Тональность): Оценка тональности подтверждения (положительный, отрицательный, нейтральный). Влияет на ранжирование (положительные могут давать бустинг, отрицательные – дебустинг).
• Boosting Factor (Фактор повышения): Коэффициент, применяемый к Ranking Score результата. Зависит от Affinity, количества подтверждений и Sentiment.

1. Персонализация через социальный контекст: Патент описывает механизм интеграции социальных сигналов в поиск. Видимость контента может значительно отличаться для разных пользователей в зависимости от активности их Social Graph. Это персонализированный слой, а не общий фактор ранжирования.
2. Идентификация намерения подтверждения (NLP): Ключевым аспектом (Claim 1) является то, что система не просто отслеживает ссылки, которыми делятся контакты. Она анализирует контекст (ключевые слова в микроблоге), чтобы определить, является ли это действие Endorsement. Простое размещение ссылки может не считаться подтверждением.
3. Affinity как фактор ранжирования: Близость (Affinity) между ищущим пользователем и автором подтверждения является ключевым фактором для определения веса социального сигнала. Подтверждения от близких контактов (с высоким Affinity) оказывают большее влияние на ранжирование.
4. Кросс-платформенный сбор данных: Система предназначена для агрегации социальных графов и контента из множества источников (блоги, микроблоги, различные социальные сети).
5. Ограничение на персонализацию: Система строго ограничивает отображение аннотаций только теми подтверждениями, которые исходят от членов Social Graph пользователя (Claim 8), обеспечивая релевантность социального контекста и фильтруя шум.
6. Важность авторства и идентификации: Механизм полагается на точную идентификацию автора подтверждения для сопоставления его с социальным графом пользователя, что связано с концепциями E-E-A-T.

Best practices (это мы делаем)

Хотя патент описывает персонализированную систему, понимание ее механизмов позволяет оптимизировать стратегию социального взаимодействия и контент-маркетинга.

• Стимулирование органических подтверждений с контекстом: Создавайте контент, которым пользователи захотят делиться с комментарием. Поскольку система анализирует текст вокруг ссылки (Claim 1), важно, чтобы пользователи не просто делились ссылкой, но и добавляли контекст, который может быть классифицирован как положительный Endorsement (например, "Отличная статья о X: [link]").
• Построение авторитета на релевантных платформах: Развивайте авторитетные аккаунты и сообщества на платформах, которые система может анализировать (микроблоги, блоги, тематические соцсети). Чем шире и сильнее социальный граф автора, тем больше охват его подтверждений.
• Фокус на качестве взаимодействия (Affinity): Поощряйте реальное взаимодействие с контентом (комментарии, обсуждения). Высокий уровень взаимодействия между пользователями может повысить их взаимный Affinity, что увеличит вес их подтверждений при ранжировании друг для друга.
• Усиление сигналов авторства (E-E-A-T): Обеспечивайте четкие сигналы авторства на сайте и связывайте их с профилями в авторитетных источниках. Это помогает Google идентифицировать авторов и их социальные графы.

Worst practices (это делать не надо)

• Массовый спам и накрутка социальных сигналов: Создание искусственных подтверждений через ботов или фейковые аккаунты неэффективно. Система требует наличия реальной социальной связи (Social Graph) между автором подтверждения и ищущим пользователем для отображения аннотации (Claim 8).
• Игнорирование контекста шаринга: Полагаться только на количество шейров без учета того, как именно пользователи делятся контентом. Негативные комментарии при шаринге также являются Endorsements, но могут привести к понижению результата в выдаче.
• Фокус только на SEO без социальной стратегии: Игнорирование социальных платформ снижает потенциальный охват, который может быть получен через механизмы персонализированного социального поиска и рекомендаций.

Стратегическое значение

Патент подтверждает стратегическую важность социального контекста как слоя персонализации и доверия в поиске. Для SEO-стратегии это означает, что видимость контента зависит не только от глобального ранжирования, но и от того, как контент распространяется и обсуждается в социальных кругах целевой аудитории. Это подчеркивает синергию между SEO и SMM: активность в социальных сетях может напрямую влиять на видимость в поиске для связанных пользователей. Хотя прямые реализации меняются, идея использования подтверждений от авторитетных и связанных лиц остается фундаментальной.

Практические примеры

Сценарий: Повышение видимости статьи через социальное подтверждение (Микроблог)

1. Ситуация: Пользователь А и Пользователь Б связаны в сервисе микроблогов (например, X/Twitter или LinkedIn) и часто взаимодействуют (высокий Affinity).
2. Действие: Пользователь А публикует пост: "Наконец-то нашел лучший гайд по настройке GA4: [link на ваш сайт]".
3. Обработка системой (по патенту):
   • Google индексирует этот пост.
   • Анализируя ключевые слова ("лучший гайд"), система классифицирует это как положительный Endorsement (Claim 1) для вашего сайта.
   • Информация добавляется в Endorsement Index.
4. Поиск: Пользователь Б ищет в Google "как настроить GA4".
5. Результат: Ваша статья появляется в выдаче Пользователя Б. К ней добавлена аннотация: "Пользователь А поделился этим на [Сервис Микроблогов]". Из-за высокого Affinity между А и Б, статья также может получить повышение (Boost) в ранжировании для Пользователя Б.