Как Google использует историю поиска, поведение и многофакторные профили пользователей для персонализации поисковой выдачи

Термины и определения

User Profile (Профиль пользователя)

Структура данных, характеризующая интересы и предпочтения пользователя. Создается на основе анализа его прошлых поисковых активностей и взаимодействия с контентом.

Term-based Profile (Профиль на основе терминов)

Компонент профиля, состоящий из списка терминов (n-грамм), важных для пользователя, с соответствующими весами (могут быть отрицательными).

Category-based Profile (Профиль на основе категорий)

Компонент профиля, связывающий интересы пользователя с набором категорий (например, иерархией тем, форматов документов или типов источников), с соответствующими весами.

Link-based Profile (Профиль на основе ссылок)

Компонент профиля, содержащий список предпочитаемых URL, хостов или доменов с весами, основанными на частоте посещений и взаимодействии.

Generic Score/Rank (Генерическая оценка/Ранг)

Стандартная оценка релевантности документа запросу, не зависящая от профиля пользователя (например, на основе PageRank и текстовой релевантности).

Profile Rank (Ранг профиля)

Оценка, показывающая релевантность документа профилю пользователя (например, TermScore, CategoryScore, LinkScore).

Personalized Rank/Score (Персонализированный ранг/Оценка)

Оценка, полученная путем объединения Generic Score и Profile Rank.

Paragraph Sampling (Выборка по абзацам)

Метод извлечения значимого контента из документа путем анализа длинных абзацев и игнорирования короткого или шаблонного текста (boilerplate).

Context Analysis (Анализ контекста)

Двухфазный процесс (обучение и операция) для выявления контекстных шаблонов (префиксов/постфиксов), которые предсказывают важные термины в документе.

ProfileConfidence / Confidence Score (Уровень уверенности в профиле)

Метрика, определяющая степень доверия системы к профилю пользователя. Учитывает объем собранных данных, возраст профиля и соответствие текущего запроса профилю. Используется для взвешивания влияния персонализации и определения пропорции смешивания результатов.

Final Score (Итоговая оценка)

Конечная оценка документа, используемая для ранжирования. Является функцией Personalized Score, Generic Score и Confidence Score.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод персонализированного поиска с учетом уверенности.

1. Доступ к профилю пользователя.
2. Получение запроса.
3. Получение результатов поиска с Generic Score (независимыми от профиля).
4. Определение Personalized Score для документов на основе профиля.
5. Определение Final Score для каждого документа как функции Personalized Score, Generic Score и Confidence Score. Confidence Score учитывает объем информации о пользователе, соответствие запроса профилю и/или возраст профиля.
6. Предоставление результатов в соответствии с Final Scores.
7. Обновление профиля на основе запросов и выбранных пользователем документов.

Ключевой аспект Claim 1 (последняя часть): Предоставление результатов включает показ части результатов на основе Personalized Score и другой части на основе Generic Scores (независимо от профиля). Соотношение (ratio) между количеством персонализированных и генерических результатов определяется на основе Confidence Score.

Claim 2 (Зависимый от 1): Уточняет расчет Final Score. Определение Final Score включает взвешивание как Personalized Score, так и Generic Score в соответствии с Confidence Score.

Claims 3, 4, 5 (Зависимые от 1): Определяют состав профиля пользователя. Он может включать взвешенные термины (Claim 3), взвешенные категории (Claim 4) или взвешенные ссылки (Claim 5).

Claim 6 (Зависимый от 1): Уточняет механизм обновления профиля. Обновление включает идентификацию контекста важных терминов в выбранных пользователем документах путем применения context patterns (контекстных шаблонов), что соответствует методу Context Analysis.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, интегрируя данные о пользователе в процесс ранжирования.

INDEXING / QUNDERSTANDING (Генерация профилей)
Система постоянно или периодически обрабатывает логи поведения пользователей для построения и обновления User Profiles. На этом этапе применяются методы Paragraph Sampling и Context Analysis к контенту, с которым взаимодействовал пользователь.

QUNDERSTANDING – Понимание Запросов (Альтернативный вариант)
В одном из вариантов реализации (FIG. 9B) профиль пользователя используется для модификации исходного запроса и создания Personalized Query Strategy (например, путем добавления взвешенных терминов из профиля) до выполнения поиска.

RANKING – Ранжирование
На этом этапе вычисляются стандартные Generic Scores, не зависящие от пользователя.

RERANKING – Переранживание / METASEARCH – Смешивание
Основной этап применения патента (FIG. 9A и Claim 1). Система извлекает User Profile и вычисляет Confidence Score. Затем для набора кандидатов рассчитываются Profile Ranks и Personalized Score. Система вычисляет Final Score, используя Confidence Score для взвешивания. На этом же этапе происходит смешивание (Interleaving) персонализированных и генерических результатов в пропорции, зависящей от Confidence Score.

Входные данные:

• Запрос пользователя и его идентификатор.
• User Profile (Term, Category, Link-based).
• Набор документов-кандидатов с их Generic Scores.

Выходные данные:

• Отсортированный список результатов поиска, где порядок основан на Final Scores, включающий смесь персонализированных и генерических результатов.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на неоднозначные запросы (например, "apple", "jaguar", "blackberry"), где профиль пользователя помогает уточнить интент. Также влияет на широкие информационные запросы, где профиль помогает выделить интересующие пользователя аспекты темы.
• Конкретные типы контента: Влияет на все типы контента. Патент упоминает возможность профилирования по форматам (HTML, PDF) и типам документов (домашняя страница, статья).
• Географические факторы: Географическая информация (явно предоставленная или выведенная) может быть частью профиля и использоваться для интерпретации локальных запросов.

Когда применяется

• Условия применения: Алгоритм применяется, когда система может идентифицировать пользователя и получить доступ к его профилю.
• Триггеры активации и пороговые значения: Интенсивность применения персонализации регулируется Confidence Score. Если уверенность низкая (например, мало данных о пользователе, профиль устарел или запрос не соответствует профилю), влияние Personalized Score снижается, а влияние Generic Score увеличивается. Также увеличивается доля генерических результатов в выдаче.

Пошаговый алгоритм

Процесс А: Персонализированное ранжирование (на основе FIG. 9A и Claim 1)

1. Получение запроса и идентификация пользователя: Система получает запрос и определяет пользователя.
2. Генерация генерических результатов: Выполняется стандартный поиск, идентифицируются документы и рассчитываются их Generic Scores.
3. Получение профиля и расчет уверенности: Извлекается User Profile и рассчитывается Confidence Score.
4. Расчет оценок профиля: Для каждого документа-кандидата определяется его соответствие профилю (TermScore, CategoryScore, LinkScore) и рассчитывается Personalized Score.
5. Расчет итоговой оценки (Final Score): Вычисляется итоговая оценка с учетом уверенности. Например, по формуле: $FinalScore = PersonalizedScore * ProfileConfidence + GenericScore * (1 - ProfileConfidence)$.
6. Формирование выдачи и смешивание: Документы сортируются по Final Score. Система также может чередовать (interleave) персонализированные и генерические результаты, причем пропорция смешивания определяется Confidence Score (Claim 1).
7. Мониторинг и обновление: Отслеживается взаимодействие пользователя с результатами для последующего обновления профиля.

Процесс Б: Построение профиля (Фоновый/Непрерывный)

1. Сбор данных о взаимодействии: Фиксация запросов, посещенных URL и метрик взаимодействия (время, скроллинг, сохранение, печать).
2. Извлечение контента (Paragraph Sampling): Из посещенных документов удаляется шум (скрипты, стили). Извлекается текст из абзацев, превышающих пороговую длину (MinParagraphLength). При недостатке контента добавляются заголовки, ALT-теги, мета-теги.
3. Идентификация терминов (Context Analysis): К извлеченному контенту применяются заранее обученные контекстные шаблоны (префиксы/постфиксы) для выявления важных терминов и их весов.
4. Классификация: Термины и контент используются для определения релевантных категорий и ссылок (URL/хосты/домены).
5. Обновление профиля: Новые данные объединяются с существующим профилем. Веса старых данных могут понижаться (устаревание). Происходит прунинг (удаление) элементов с низким весом.

Какие данные и как использует

Данные на входе

Система использует широкий спектр данных для построения профиля (FIG. 2):

• Поведенческие факторы: Предыдущие поисковые запросы (201). URL, идентифицированные и посещенные в предыдущих поисках (203). Активности пользователя на посещенных документах (209): время просмотра (Dwell Time), активность скроллинга, печать, сохранение, добавление в закладки.
• Контентные факторы: Выборочный контент из посещенных документов (211), извлеченный с помощью Paragraph Sampling. Заголовки (Title), мета-теги, ALT-теги.
• Ссылочные факторы: Анкорный текст ссылок, ведущих на посещенные документы (205). Сами URL, хосты и домены посещенных страниц. Ссылки на/из посещенных документов.
• Структурные и Технические факторы: Общая информация о документах (207), такая как формат (HTML, PDF, Word) и тип документа.
• Пользовательские и Географические факторы: Личная информация (215) – демография, геолокация (адрес, zip-код), языковые предпочтения (явно указанные или выведенные).

Какие метрики используются и как они считаются

• Веса терминов/категорий/ссылок в профиле: Определяются на основе частоты появления в истории пользователя и метрик взаимодействия. Веса могут быть отрицательными.
• Веса контекстных шаблонов (Context Analysis): Рассчитываются на этапе обучения. Вес шаблона увеличивается, если он часто встречается рядом с предопределенными важными терминами, и уменьшается, если рядом с неважными. Пример формулы: $Weight = Log(ImportantCount+1) - Log(UnimportantCount+1)$.
• Profile Ranks (TermScore, CategoryScore, LinkScore): Метрики, показывающие соответствие документа конкретному компоненту профиля.
• Generic Score: Стандартная оценка. Пример формулы: $GenericScore = QueryScore * PageRank$.
• Personalized Score: Комбинация генерической оценки и оценок профиля. Пример формулы: $PersonalizedScore = GenericScore * (TermScore + CategoryScore + LinkScore)$.
• ProfileConfidence: Оценка от 0 до 1, регулирующая влияние персонализации и соотношение смешивания результатов.

1. Поиск по своей сути персонализирован: Патент устанавливает фреймворк, в котором стандартное ранжирование (Generic Score) является лишь базой, которая корректируется под индивидуальные интересы пользователя. Не существует единой объективной выдачи.
2. Поведенческие факторы как основа профилирования: Ключевым источником данных для персонализации являются не столько сами запросы, сколько взаимодействие пользователя с результатами (клики, время просмотра, скроллинг). Это подчеркивает критическую важность метрик вовлеченности (Engagement Metrics) в SEO.
3. Многомерное моделирование интересов: Google не просто отслеживает ключевые слова. Система строит сложную модель интересов пользователя, включающую конкретные термины (Term-based), широкие категории (Category-based) и предпочитаемые источники (Link-based).
4. Важность структуры контента (Paragraph Sampling): Механизм Paragraph Sampling показывает, что для понимания контента (и, следовательно, для профилирования) Google приоритизирует текст в длинных, содержательных абзацах основного контента, игнорируя короткий текст и шаблонные блоки (навигация, футер).
5. Адаптивная персонализация и Confidence Score: Система не применяет персонализацию слепо. Confidence Score является механизмом защиты от чрезмерной или некорректной персонализации. Если уверенность низкая, выдача будет ближе к стандартной.
6. Смешивание результатов (Interleaving): Итоговая выдача является смесью персонализированных и генерических результатов (согласно Claim 1), пропорция которой зависит от Confidence Score. Это обеспечивает разнообразие и доступ к новому контенту.

Best practices (это мы делаем)

• Оптимизация под долгосрочное взаимодействие (User Journey): Стратегия должна быть направлена на привлечение и удержание целевой аудитории. Необходимо стремиться к тому, чтобы пользователь регулярно возвращался на сайт по тематическим запросам, тем самым обучая Google ассоциировать его профиль интересов с вашим сайтом (усиление Link-based и Category-based профилей).
• Максимизация вовлеченности и Dwell Time: Создавайте контент, который полностью отвечает на интент пользователя и стимулирует глубокое изучение (длительное время просмотра, активный скроллинг). Согласно патенту (209), эти сигналы используются для определения веса контента при построении профиля.
• Структурирование контента для Paragraph Sampling: Размещайте ключевую информацию в основном контенте, используя четкие, содержательные и достаточно длинные абзацы. Избегайте размещения важной информации только в коротких фрагментах или шаблонных блоках, которые могут быть проигнорированы.
• Развитие тематического авторитета (Topical Authority): Полное покрытие тематики помогает сайту стать предпочтительным источником для пользователей, интересующихся данной категорией. Это напрямую влияет на Category-based profile пользователя и повышает шансы сайта ранжироваться для этого сегмента аудитории.
• Использование четкого контекста (Context Analysis): Используйте естественные языковые конструкции, которые подчеркивают важность ключевых сущностей и терминов на странице. Система учится распознавать важные термины по окружающему их контексту.

Worst practices (это делать не надо)

• Кликбейт и высокий показатель отказов (Bounce Rate): Привлечение трафика, который немедленно покидает сайт, сигнализирует о нерелевантности. Это может привести к формированию негативных весов в профилях пользователей относительно вашего сайта или тематики.
• Игнорирование анализа аудитории: Оптимизация только под генерические высокочастотные запросы без учета специфических интересов, истории поиска и демографии целевой аудитории становится неэффективной.
• Чрезмерное использование шаблонного контента или "рваного" текста: Страницы, состоящие преимущественно из коротких параграфов или большого количества шаблонного текста (boilerplate), могут быть плохо обработаны Paragraph Sampling, что снизит их ценность для профилирования.
• Размытие тематики сайта: Попытка охватить слишком много несвязанных тем может затруднить ассоциацию сайта с конкретными категориями в профилях пользователей.

Стратегическое значение

Этот патент подтверждает стратегический сдвиг фокуса SEO с технической оптимизации и ссылочного профиля на развитие аудитории (Audience Development) и управление пользовательским опытом (UX). Долгосрочный успех зависит от способности бренда стать неотъемлемой частью информационного потребления своей целевой аудитории. Понимание того, кто является вашим пользователем, каковы его долгосрочные интересы и как он ищет информацию, является ключом к обеспечению видимости в персонализированной выдаче.

Практические примеры

Сценарий 1: Разрешение неоднозначности запроса (Высокий Confidence Score)

1. Запрос: Пользователь вводит неоднозначный запрос "Blackberry".
2. Анализ профилей:
   • Пользователь А (Фермер): Его Term-based Profile содержит "органические удобрения", "рецепты ягод". Category-based Profile имеет высокий вес в категории "Кулинария". Confidence Score высокий.
   • Пользователь Б (IT-специалист): Его Link-based Profile включает частые посещения techcrunch.com. Term-based Profile содержит "смартфоны", "безопасность данных". Confidence Score высокий.
3. Ранжирование:
   • Система рассчитывает Generic Scores (например, официальный сайт компании Blackberry имеет высокий ранг).
   • Для Пользователя А: Документы о ягодах получают высокий Profile Rank. Их Final Score повышается.
   • Для Пользователя Б: Документы о смартфонах и компании получают высокий Profile Rank. Их Final Score повышается.
4. Результат: Пользователь А видит в ТОПе рецепты и информацию о выращивании ежевики. Пользователь Б видит новости о компании Blackberry и обзоры устройств.

Сценарий 2: Новый интерес пользователя (Низкий Confidence Score)

1. Профиль пользователя: Пользователь А (Фермер) из Сценария 1.
2. Запрос: Пользователь вводит запрос "Курсы программирования Python".
3. Анализ профиля: Система видит, что запрос не соответствует существующему профилю (Кулинария, Сельское хозяйство). Confidence Score определяется как низкий.
4. Результат: Final Score будет почти полностью основан на Generic Score. Система покажет стандартную выдачу по курсам Python, возможно, подмешав минимальное количество персонализированных результатов (согласно Claim 1 о смешивании).