Как Google определяет популярность и ранжирует физические события (концерты, выставки) в локальной выдаче

Термины и определения

Diversity Demotion (Понижение за однообразие)

Понижающий коэффициент, применяемый к Popularity Score события, если в рейтинге выше него уже присутствует много событий той же категории. Обеспечивает разнообразие категорий в топе выдачи.

Entity Popularity Score (Оценка популярности сущности)

Сигнал, основанный на глобальной популярности сущностей (например, артистов, команд), связанных с событием. Популярность может определяться по количеству поисковых запросов, включающих сущность.

Event (Событие)

Происшествие, которое происходит в определенном физическом месте и в течение определенного периода времени (например, концерт, выставка, спортивное состязание).

Event Category Score (Оценка категории события)

Сигнал, основанный на ручной классификации категорий событий как продвигаемых (например, фестивали) или понижаемых (например, узкоспециализированные торговые выставки).

Event Ranking System (Система ранжирования событий)

Система, отвечающая за идентификацию, оценку популярности и ранжирование физических событий.

Modified Popularity Score (Модифицированная оценка популярности)

Итоговая оценка события после применения понижающих коэффициентов (Diversity Demotion, Similar Event Demotion) к базовой Popularity Score.

Official Page Selection Score (Оценка выбора официальной страницы)

Сигнал, основанный на частоте выбора пользователями поисковых результатов, ведущих на официальную веб-страницу события. Учитывает пиковое количество кликов за период и релевантность страницы событию.

Popularity Score (Оценка популярности)

Базовая оценка события, полученная путем комбинирования различных Signal Scores.

Ranking Score (Оценка ранжирования)

Сигнал, показывающий, насколько хорошо событие представлено в результатах поиска по общему запросу, указывающему на интерес к событиям в данном месте (например, "события в Сан-Франциско"). Учитывает позицию самого высокого результата, упоминающего событие, и частоту упоминаний.

Signal Scores (Оценки сигналов)

Набор индивидуальных метрик, используемых для расчета общей популярности события.

Similar Event Demotion (Понижение за схожесть)

Понижающий коэффициент, применяемый, если выше в рейтинге уже есть схожие события (например, повторные показы того же мероприятия или другое событие в том же месте в тот же день).

Ticketing Sites (Билетные сайты)

Сайты, классифицированные как продающие билеты на мероприятия. Используются для корректировки Unique Mentions Score.

Unique Mentions Score (Оценка уникальных упоминаний)

Сигнал, основанный на количестве интернет-сайтов, которые хотя бы раз упоминают событие. Эта оценка корректируется (понижается), если слишком большая доля упоминаний приходится на билетные сайты.

Venue Score (Оценка места проведения)

Сигнал, основанный на значимости места проведения события (например, вместимость, рейтинг в локальном поиске, популярность других событий в этом месте).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает метод ранжирования событий в физическом месте в течение определенного периода времени. Ядром изобретения является расчет одного из ключевых сигналов популярности (Ranking Score) на основе анализа выдачи по общему запросу.

1. Система получает данные о местоположении и времени.
2. Идентифицируется множество событий, соответствующих этим критериям.
3. Для каждого события вычисляется множество Signal Scores.
4. Расчет одного из сигналов (Ranking Score) включает:
   • Получение результатов поиска по запросу, включающему термин местоположения и термин, указывающий на интерес к событиям (например, "события в Москве").
   • Определение позиции самого высокоранжированного результата, упоминающего данное событие.
   • Определение частоты упоминания события в ресурсах, идентифицированных результатами поиска.
   • Вычисление Signal Score на основе этой позиции и частоты.
5. Вычисляется Popularity Score для каждого события путем объединения всех Signal Scores.
6. Генерируется рейтинг событий на основе Popularity Scores.

Claim 2 (Зависимый от 1): Уточняет процесс ранжирования, вводя этап переранжирования.

1. Генерируется первичное ранжирование на основе Popularity Scores.
2. Вычисляется Modified Popularity Score для каждого события на основе первичного ранжирования.
3. Генерируется финальный рейтинг на основе Modified Popularity Scores.

Claim 3 (Зависимый от 2): Детализирует расчет Modified Popularity Score через механизм диверсификации по категориям.

1. Определяется категория каждого события.
2. Для каждого события вычисляется понижающее значение (Diversity Demotion) на основе количества событий той же категории, которые ранжируются выше в первичном рейтинге.
3. Modified Popularity Score генерируется путем применения этого понижающего значения к Popularity Score.

Claim 4 (Зависимый от 3): Добавляет к понижающему значению учет схожих событий (Similar Event Demotion), а не только событий той же категории.

Claims 5-8, 10 (Зависимые от 1): Описывают другие Signal Scores, используемые для расчета Popularity Score:

• Claim 5: Расчет сигнала на основе количества упоминаний в интернете с учетом количества сайтов, классифицированных как билетные (Unique Mentions Score).
• Claim 6: Расчет сигнала на основе пикового количества пользовательских выборов (кликов) официальной веб-страницы и ее релевантности событию (Official Page Selection Score).
• Claim 7: Расчет сигнала на основе глобальной популярности сущностей, связанных с событием (Entity Popularity Score).
• Claim 8: Расчет сигнала на основе того, классифицирована ли категория события как продвигаемая или понижаемая (Event Category Score).
• Claim 10: Расчет сигнала на основе вместимости места проведения события (Venue Score).

Где и как применяется

Изобретение представляет собой специализированную систему ранжирования для вертикали "События". Оно затрагивает несколько этапов поиска.

CRAWLING & INDEXING – Сканирование, Индексирование и извлечение признаков
На этих этапах система собирает данные, необходимые для работы алгоритма:

• Индексирование веб-страниц для подсчета упоминаний событий (Unique Mentions).
• Классификация сайтов (например, идентификация Ticketing Sites).
• Извлечение и сохранение данных о событиях, местах проведения, категориях и связанных сущностях (Event Data).
• Ассоциация событий с их официальными страницами.

RANKING – Ранжирование (Вертикальный поиск)
Основное применение патента. Event Ranking System функционирует как специализированный движок ранжирования для событий.

1. Отбор кандидатов: Система отбирает события по критериям местоположения и времени.
2. Вычисление оценок: Система вычисляет Signal Scores и агрегирует их в Popularity Score. Для этого она может взаимодействовать с основной поисковой системой (Search Engine) для получения данных о кликах (для Official Page Selection Score) и для выполнения общих запросов (для Ranking Score).
3. Первичное ранжирование: Формирование списка на основе Popularity Score.

RERANKING – Переранжирование
На этом этапе применяются алгоритмы диверсификации.

• Система анализирует первичный рейтинг и применяет Diversity Demotion и Similar Event Demotion для расчета Modified Popularity Score.

METASEARCH – Метапоиск и Смешивание
Результаты работы Event Ranking System могут предоставляться основной поисковой системе для включения в универсальную выдачу (например, в виде блока "События" или ответов на соответствующие запросы).

Входные данные:

• Критерии события (местоположение, время, опционально категория/атрибуты).
• База данных событий (Event Data), включая категории, места проведения, связанные сущности, официальные страницы.
• Данные веб-индекса (для подсчета упоминаний).
• Данные о кликах на поисковой выдаче (для Official Page Selection Score).
• Результаты поиска по общим запросам о событиях в локации (для Ranking Score).

Выходные данные:

• Отранжированный список событий с их Modified Popularity Scores.

На что влияет

• Конкретные типы контента: Влияет на видимость страниц, посвященных физическим событиям — концертам, спортивным играм, фестивалям, выставкам, конференциям.
• Специфические запросы: Влияет на локальные запросы, связанные с поиском мероприятий (например, "концерты в Москве в эти выходные", "что делать в Санкт-Петербурге завтра").
• Конкретные ниши или тематики: Наибольшее влияние в нишах развлечений, спорта, культуры и искусства.

Когда применяется

• Условия работы: Алгоритм применяется, когда система идентифицирует потребность в ранжировании списка физических событий для заданного местоположения и периода времени.
• Триггеры активации: Запрос пользователя к Event Ranking System (напрямую или через основную поисковую систему), указывающий на интерес к событиям в определенной локации.
• Особые случаи (Переранжирование): Механизмы Diversity Demotion и Similar Event Demotion активируются после первичного ранжирования для корректировки списка, если в топе наблюдается недостаток разнообразия.

Пошаговый алгоритм

Этап 1: Инициализация и Отбор

1. Получение критериев события: Система получает запрос, определяющий физическое местоположение и период времени (или использует период по умолчанию, например, следующую неделю).
2. Отбор событий: Система выбирает из базы данных события, соответствующие критериям.

Этап 2: Расчет Оценки Популярности (для каждого события)

1. Вычисление набора Signal Scores:
   • Unique Mentions Score: Подсчет количества сайтов, упоминающих событие. Расчет понижения, если доля билетных сайтов высока.
   • Official Page Selection Score: Определение официальной страницы. Анализ пикового количества кликов на эту страницу из поиска и ее релевантности событию.
   • Entity Popularity Score: Идентификация связанных сущностей (артисты, команды) и оценка их глобальной популярности.
   • Event Category Score: Присвоение баллов в зависимости от того, является ли категория события продвигаемой или понижаемой.
   • Ranking Score: Выполнение общего запроса (например, "события в [Локация]"). Определение позиции и частоты упоминания события в этой выдаче.
   • Venue Score: Оценка значимости места проведения (вместимость, рейтинг).
2. Генерация Popularity Score: Комбинирование всех Signal Scores (например, суммирование или усреднение).

Этап 3: Ранжирование и Переранжирование

1. Первичное ранжирование: Сортировка отобранных событий в соответствии с их Popularity Score.
2. Вычисление понижающих коэффициентов (итеративно по списку):
   • Diversity Demotion: Для текущего события подсчитывается количество событий той же категории, находящихся выше в рейтинге. Чем больше таких событий, тем сильнее понижение.
   • Similar Event Demotion: Подсчитывается количество схожих событий (например, повторов или событий в том же месте в тот же день), находящихся выше в рейтинге. Чем больше таких событий, тем сильнее понижение.
3. Вычисление Modified Popularity Score: Применение понижающих коэффициентов к Popularity Score (например, перемножение).
4. Финальное ранжирование: Сортировка событий в соответствии с Modified Popularity Scores.
5. Предоставление результатов: Отправка отранжированного списка в ответ на запрос.

Какие данные и как использует

Данные на входе

Система использует разнообразные данные для оценки популярности событий.

• Контентные факторы: Текст веб-страниц в индексе (для поиска упоминаний события). Текстовое описание события (для идентификации связанных сущностей).
• Технические факторы: URL-адреса (для идентификации сайтов и определения официальной страницы; также для идентификации билетных сайтов по шаблонам URL, например, содержащим "ticket").
• Ссылочные факторы: Не упоминаются напрямую, но подразумевается использование веб-графа для определения границ сайтов при подсчете Unique Mentions.
• Поведенческие факторы: Данные о кликах (user selections) на результаты поиска, ведущие на официальную страницу события. История поисковых запросов (для определения глобальной популярности связанных сущностей).
• Структурные факторы (Данные о сущностях): База данных событий (Event Data), содержащая структурированную информацию: категория события, место проведения (Venue), время, связанные сущности (Entities). Данные о местах проведения (вместимость, рейтинг в локальном поиске).
• Географические факторы: Местоположение события является основным критерием отбора.

Какие метрики используются и как они считаются

Патент детально описывает расчет нескольких метрик (Signal Scores) и понижающих коэффициентов.

1. Unique Mentions Score (UM)

• Метрика: Количество уникальных сайтов (sc), упоминающих событие, скорректированное на долю билетных сайтов (dem).
• Формула: $UM = \ln(e + sc * dem)$
• Условие: Чем выше доля билетных сайтов среди упоминающих, тем меньше значение dem (т.е. сильнее понижение).

2. Official Page Selection Score (OP)

• Метрика: Пиковое количество кликов (ps) на официальную страницу за период времени, скорректированное на релевантность (rel) страницы событию.
• Формула: $OP = K_a * e^{(K_b * e^{(K_c * ps * rel)})} + K_d$
• Релевантность (rel): Может рассчитываться как косинусное расстояние между векторами терминов, связанных с официальной страницей, и векторами терминов, связанных с событием.

3. Ranking Score (RS)

• Метрика: Позиция лучшего результата (srp), упоминающего событие в выдаче по общему запросу, и количество упоминаний (nm) в топе этой выдачи.
• Формула: $RS = 1 + \frac{1}{srp} + \min(K_a, \frac{nm}{K_b})$

4. Diversity Demotion (DD)

• Метрика: Количество событий той же категории, ранжированных выше (x).
• Формула: $DD = K^x$ (где K - константа между 0 и 1).

5. Similar Event Demotion (SED)

• Метрика: Количество схожих событий, ранжированных выше (y).
• Формула: $SED = \frac{K}{y}$

Итоговый расчет: Modified Popularity Score может рассчитываться как произведение Popularity Score, Diversity Demotion и Similar Event Demotion.

1. Многофакторная оценка популярности: Google не полагается на один источник для определения популярности события. Система агрегирует сигналы из веба (упоминания), поведения пользователей (клики на официальный сайт), графа знаний (популярность артистов/мест) и даже ручной модерации (категории).
2. Важность официальной страницы: Наличие четко определенной официальной страницы (Official Page) и трафик на нее из поиска являются сильными сигналами популярности (Official Page Selection Score). Это подчеркивает важность SEO для лендингов мероприятий.
3. Скептицизм к билетным сайтам: Система явно корректирует оценку упоминаний (Unique Mentions Score), понижая ее, если большая часть упоминаний приходится на сайты по продаже билетов. Это указывает на то, что Google стремится измерять органический интерес, а не только коммерческое присутствие.
4. Сила сущностей (Entity-Based Signals): Популярность связанных сущностей (Entity Popularity Score) и значимость места проведения (Venue Score) играют важную роль. События с участием известных артистов или на престижных площадках получают преимущество.
5. Влияние общей выдачи (Ranking Score): Система проверяет, ранжируется ли событие по общим запросам о событиях в данной локации. Это создает петлю обратной связи: чтобы быть популярным событием, нужно быть видимым в общем поиске по событиям.
6. Диверсификация как ключевой этап: Ранжирование не заканчивается на оценке популярности. Система активно переранжирует список, применяя Diversity Demotion и Similar Event Demotion. Это означает, что даже очень популярное событие может быть понижено, если в топе уже есть много похожих мероприятий.

Best practices (это мы делаем)

• Создание и оптимизация официальной страницы события: Убедитесь, что у события есть одна каноническая страница (Official Page). Оптимизируйте ее под релевантные запросы, чтобы максимизировать трафик из поиска (Official Page Selection Score).
• Стимулирование органических упоминаний: Работайте над PR и контент-маркетингом для генерации упоминаний события на новостных сайтах, блогах и локальных порталах, а не только на билетных агрегаторах. Это повышает Unique Mentions Score и снижает негативное влияние фильтра Ticketing Sites.
• Оптимизация под общие локальные запросы: Убедитесь, что информация о событии присутствует на авторитетных сайтах-афишах, которые ранжируются по общим запросам (например, "события в [Город]"). Это напрямую влияет на Ranking Score.
• Полное структурирование данных о событии: Используйте разметку Schema.org (Event, Place, Person/Organization) для четкой передачи информации о категории, месте проведения и участниках. Это помогает системе корректно рассчитать Entity Popularity Score, Venue Score и Event Category Score.
• Акцент на уникальности для диверсификации: При продвижении серии схожих событий (например, ежедневных показов) учитывайте Similar Event Demotion. Фокусируйтесь на продвижении флагманского события или старайтесь позиционировать события в разных категориях, если это уместно, чтобы избежать Diversity Demotion.

Worst practices (это делать не надо)

• Фокус только на билетных агрегаторах: Размещение информации о событии исключительно на сайтах по продаже билетов может привести к понижению Unique Mentions Score, так как система пессимизирует упоминания с таких сайтов.
• Отсутствие единой официальной страницы: Распыление информации по множеству страниц или отсутствие четкого лендинга мероприятия не позволит системе корректно рассчитать Official Page Selection Score.
• Игнорирование места проведения: Организация события в месте с низкой репутацией или плохой представленностью в локальном поиске негативно скажется на Venue Score.
• Манипуляции с кликами: Попытки искусственно завысить количество кликов на официальную страницу, вероятно, будут обнаружены, так как система анализирует пиковые значения (peak number of user selections) и релевантность страницы.

Стратегическое значение

Этот патент подтверждает важность комплексного подхода к продвижению локальных событий, который выходит далеко за рамки простой публикации анонса. Стратегия должна включать элементы традиционного SEO (оптимизация официальной страницы), локального SEO (работа с местом проведения), Entity SEO (связь с участниками) и PR (генерация органических упоминаний). Также патент подчеркивает стремление Google к диверсификации выдачи, что важно учитывать при планировании сетки мероприятий и стратегии их продвижения.

Практические примеры

Сценарий 1: Повышение видимости концерта за счет Entity SEO и PR

1. Ситуация: Планируется концерт известной группы в крупном городе.
2. Действия по патенту:
   • PR: Организовать публикации анонсов и интервью в городских СМИ и музыкальных блогах (повышение Unique Mentions Score, минимизация влияния фильтра билетных сайтов).
   • SEO Официальной страницы: Создать оптимизированный лендинг концерта, аккумулирующий трафик (повышение Official Page Selection Score).
   • Entity/Venue: Убедиться, что и группа (Entity), и концертный зал (Venue) хорошо представлены в поиске и связаны с событием через разметку (повышение Entity Popularity Score и Venue Score).
3. Ожидаемый результат: Событие получает высокий Popularity Score и занимает топовые позиции в блоке событий по релевантным локальным запросам.

Сценарий 2: Управление серией выставок (борьба с дедупликацией)

1. Ситуация: Музей проводит одну и ту же выставку в течение месяца. В выдаче показывается только первый день.
2. Анализ по патенту: Система применяет Similar Event Demotion к последующим дням выставки, так как считает их схожими событиями.
3. Действия по патенту: Вместо создания отдельных событий на каждый день, продвигать выставку как единое событие с длительным периодом проведения. Если необходимо выделить отдельные дни (например, специальные лекции в рамках выставки), их нужно позиционировать в другой категории или с уникальными характеристиками, чтобы избежать понижения за схожесть и однообразие.
4. Ожидаемый результат: Выставка стабильно присутствует в выдаче в течение всего периода проведения.