Как Google индексирует печатные издания (книги, журналы) и модифицирует рекламу в них для показа в поиске

Термины и определения

Characterization (Характеристика / Сниппет)

Представление результата поиска в SERP. Может включать резюме, выдержку (snippet), заголовок или другое описание источника (как веб-страницы, так и печатного материала).

Data Set (Набор данных)

Электронная версия печатного материала, хранящаяся в базе данных. Может представлять собой страницу, статью или целую публикацию. Включает текст, графику и информацию о верстке.

Electronic Path (Электронный путь)

Механизм (например, гиперссылка), сопровождающий Characterization и ведущий к более полному электронному представлению материала.

Layout (Верстка, макет)

Расположение контента и рекламы в исходном печатном издании. Система стремится сохранить этот макет при отображении модифицированного документа.

OCR (Optical Character Recognition)

Оптическое распознавание символов. Технология, используемая для извлечения текста из отсканированных изображений печатных материалов.

Permission Protocol (Протокол разрешений)

Механизм, позволяющий правообладателям (издателям) контролировать отображение защищенных авторским правом материалов. Позволяет разрешать или блокировать отображение всего документа или его частей.

Printed Item (Печатный материал)

Традиционные медиа (книги, журналы, газеты), которые оцифровываются для включения в базу данных.

Updated Advertisement Information (Обновленная рекламная информация)

Новая цифровая реклама или ссылки, которые система вставляет в оцифрованный документ вместо оригинальной печатной рекламы при отображении пользователю.

Ключевые утверждения (Анализ Claims)

Важно отметить, что данная версия патента (US9684676B1), выданная в 2017 году, является продолжением более ранних заявок. Её Claims (Формула изобретения) узко сфокусированы на механизмах модификации рекламы внутри оцифрованного контента.

Claim 1 (Независимый пункт): Описывает метод модификации отображения оцифрованного печатного материала путем замены рекламы.

1. Получение изображения печатного материала.
2. Хранение документа, представляющего изображение. Документ разделен на данные контента (Область 1) и данные рекламы (Область 2).
3. Идентификация ссылок на Updated Advertisement Information на основе данных оригинальной рекламы.
4. Модификация документа.
5. При отображении в браузере показывается оригинальный контент (Область 1) и Updated Advertisement Information (Область 2). Оригинальная реклама при этом не видна.

Ядро изобретения — технология цифровой замены статической печатной рекламы на динамическую или обновленную рекламу в момент отображения.

Claim 9 (Независимый пункт): Описывает систему, реализующую замену рекламы с акцентом на сохранение верстки (layout).

1. Система хранит данные контента, данные рекламы и информацию о верстке (layout).
2. Система идентифицирует Updated Advertisement Information (которой не было в оригинале).
3. Система представляет (отображает) документ, включающий оригинальный контент и обновленную рекламу (скрывая оригинальную).
4. Форматирование контента и обновленной рекламы соответствует оригинальной верстке печатного издания.

Этот пункт защищает метод поддержания внешнего вида оригинала при динамической вставке новых рекламных объявлений.

Claim 25 (Независимый пункт): Описывает систему для создания интерактивной рекламы (добавление ссылок).

1. Хранение данных контента, рекламы и верстки.
2. Идентификация веб-страницы, связанной с продуктом/услугой из рекламы.
3. Модификация рекламы путем добавления ссылки на эту веб-страницу (создание modified advertisement).
4. Отображение документа согласно оригинальной верстке. Выбор (клик) модифицированной рекламы приводит к открытию связанной веб-страницы.

Этот пункт защищает механизм превращения статических объявлений в интерактивные элементы, ведущие на релевантные онлайн-ресурсы.

Где и как применяется

Изобретение описывает создание и функционирование специализированной поисковой системы (например, Google Books/Scholar) и ее интеграцию с основным поиском.

CRAWLING – Сканирование и Сбор данных
Происходит не веб-краулинг, а сбор данных из печатных источников: физическое сканирование (Scanning/Digitizing) и OCR, или прямая загрузка цифровых копий от издателей.

INDEXING – Индексирование и извлечение признаков
Ключевой этап обработки:

• Сегментация макета: Анализ верстки (layout), идентификация областей контента и рекламных областей.
• Извлечение текста: OCR для индексации.
• Анализ рекламы: Извлечение информации о продукте/рекламодателе для последующей модификации.
• Управление правами: Запись статуса Permission Protocol (авторизовано/заблокировано) для различных частей контента.

RANKING – Ранжирование
Поисковый движок ищет релевантные Data Sets в базе оцифрованных материалов параллельно с веб-индексом. В патенте упоминается возможность интегрального ранжирования (веб-страницы и печатные материалы ранжируются вместе).

METASEARCH – Метапоиск и Смешивание
Результаты из веб-индекса и базы печатных материалов объединяются в единую выдачу (Universal Search) или отображаются в специализированных вертикалях.

RERANKING – Переранжирование (и Презентация)
На этапе отображения контента пользователю система реализует логику Claims: происходит проверка Permission Protocol и модификация отображения для вставки Updated Advertisement Information или ссылок вместо/поверх оригинальной рекламы.

На что влияет

• Конкретные типы контента: Книги, журналы, научные журналы, газеты, архивные материалы.
• Специфические запросы: Информационные, исследовательские, академические запросы, поиск цитат.
• Конкретные ниши или тематики: Академические исследования, история, литература, издательский бизнес.

Когда применяется

• Триггеры активации (Поиск): Когда пользователь выполняет поиск, и система находит релевантный контент в базе оцифрованных печатных материалов.
• Триггеры активации (Модификация Рекламы): Когда пользователь просматривает оцифрованную страницу, содержащую рекламные блоки, и система имеет возможность заменить или дополнить их.
• Условия применения (Доступ): Когда Permission Protocol разрешает отображение контента или его части пользователю.

Пошаговый алгоритм

Процесс А: Сбор и Индексирование (Офлайн)

1. Сбор данных: Сканирование печатного материала или загрузка цифровой копии.
2. Обработка и Сегментация: Применение OCR для извлечения текста. Анализ верстки (layout analysis). Разделение страницы на блоки контента и блоки рекламы.
3. Анализ рекламы: Анализ содержания рекламных блоков для определения продукта/услуги.
4. Идентификация обновлений: Поиск соответствующей Updated Advertisement Information или релевантных веб-страниц для ссылок.
5. Хранение: Сохранение Data Set, включающего текст, изображения, информацию о верстке и метаданные рекламы/обновлений.
6. Управление разрешениями: Запись статуса доступа согласно Permission Protocol.

Процесс Б: Поиск и Отображение (Онлайн)

1. Обработка запроса и Поиск: Поиск в веб-индексе и базе оцифрованных материалов.
2. Формирование выдачи: Генерация Characterizations (сниппетов), смешивание и ранжирование результатов.
3. Запрос на отображение: Пользователь кликает по ссылке на оцифрованный материал.
4. Проверка разрешений: Система проверяет Permission Protocol. Неавторизованные части блокируются.
5. Модификация рекламы: Система применяет логику модификации к рекламным блокам (замена согласно Claims 1, 9 или добавление ссылок согласно Claim 25).
6. Рендеринг и Отображение: Система генерирует финальное представление страницы, сохраняя оригинальную верстку, но с модифицированной рекламой и только разрешенным контентом.

Какие данные и как использует

Данные на входе

• Контентные факторы: Текст, извлеченный с помощью OCR; изображения и фотографии из отсканированных копий.
• Структурные факторы: Информация о верстке (layout) оригинального печатного издания (расположение текста, изображений, рекламных блоков).
• Метаданные публикации: Дата публикации, название издания, издатель, автор.
• Рекламные данные: Информация о продукте, услуге или рекламодателе из оригинальной печатной рекламы. Внешние данные для Updated Advertisement Information.
• Данные о разрешениях: Авторизации от правообладателей, полученные через Permission Protocol.

Какие метрики используются и как они считаются

Патент не детализирует алгоритмы ранжирования, упоминая лишь ранжирование по релевантности. Основные механизмы касаются обработки и отображения контента:

• Optical Character Recognition (OCR): Используется для конвертации изображений в текст.
• Анализ макета (Layout Analysis): Критически важен для сегментации страницы на контент и рекламу, а также для сохранения оригинального вида при модификации рекламы (Claims 1, 9, 25).
• Статус авторизации (Permission Status): Оценка, определяющая видимость контента для пользователя на основе Permission Protocol.
• Соответствие рекламы (Ad Matching): Механизм для подбора Updated Advertisement Information или ссылок на основе данных оригинальной рекламы.

1. Фундамент Google Books/Scholar: Патент описывает инфраструктуру, необходимую для включения оцифрованных печатных изданий в поисковую систему. Это ключевой элемент стратегии Универсального Поиска Google по организации всей мировой информации.
2. Центральная роль управления авторскими правами: Permission Protocol является критически важным компонентом, позволяющим Google индексировать защищенный контент, предоставляя правообладателям гранулярный контроль над его отображением.
3. Монетизация через модификацию рекламы: Выданные Claims сфокусированы на механизмах монетизации оцифрованного контента. Google запатентовал методы замены статической печатной рекламы на динамическую (Updated Advertisement Information) или превращения её в интерактивную (добавление гиперссылок).
4. Важность сохранения оригинальной верстки (Replica View): Система разработана так, чтобы максимально точно воспроизводить внешний вид (layout) оригинала, даже при модификации рекламных блоков. Это важно для сохранения контекста и удобства чтения.
5. Конкуренция контента: Оцифрованные печатные материалы становятся полноценными участниками поисковой выдачи, конкурируя с веб-страницами за внимание пользователя, особенно по исследовательским и информационным запросам.

Best practices (это мы делаем)

Патент имеет ограниченное применение для стандартного SEO веб-сайтов, но критически важен для издателей, авторов и исследователей.

Для издателей и авторов:

• Участие в программах оцифровки: Активно участвуйте в Google Books Partner Program. Это основной способ сделать печатный контент видимым в поиске и создать дополнительный канал трафика.
• Обеспечение точности метаданных: Предоставляйте полные и точные метаданные (ISBN, ISSN, авторы, даты). Это напрямую влияет на индексацию и ранжирование вашего контента в этих вертикалях.
• Стратегическое использование Permission Protocol: Используйте инструменты управления доступом (реализацию Permission Protocol), чтобы определить объем предварительного просмотра. Это позволяет сбалансировать видимость в поиске и защиту контента для стимулирования продаж.

Для всех SEO-специалистов:

• Учет авторитетности офлайн-источников (E-E-A-T): Ссылки и цитирования из проиндексированных книг и научных статей (Google Scholar) служат сильным сигналом авторитетности. Стремитесь к тому, чтобы ваши эксперты или бренд упоминались в авторитетных печатных источниках.
• Анализ конкурентной среды: При анализе SERP учитывайте результаты из Google Books. Понимание того, какой печатный контент Google считает релевантным, может дать инсайты для контент-стратегии.

Worst practices (это делать не надо)

• Игнорирование каналов оцифровки: Для издателей отказ от участия в Google Books означает потерю видимости по информационным и исследовательским запросам, где печатный контент часто доминирует.
• Предоставление некачественных данных: Ошибки в метаданных или низкое качество сканирования могут привести к ошибкам OCR, плохой индексации и снижению видимости контента.
• Применение стандартных SEO-тактик к Google Books: Попытки манипулировать ранжированием в Google Books с помощью стандартных веб-SEO методов неэффективны, так как сбор данных и факторы ранжирования отличаются.

Стратегическое значение

Патент подтверждает долгосрочную стратегию Google по организации всей мировой информации, а не только веб-страниц. Он демонстрирует технические и юридические подходы к интеграции защищенного авторским правом контента. Для SEO-специалистов это подчеркивает необходимость учитывать в анализе конкурентной среды результаты из специализированных индексов (Вертикалей), которые имеют уникальные конвейеры обработки данных и принципы ранжирования.

Практические примеры

Сценарий 1: Замена рекламы в оцифрованном журнале (Claim 1 и 9)

1. Исходный материал: Оцифрованный выпуск журнала о технологиях за 2010 год с рекламой смартфона Модель А.
2. Обработка: Google индексирует журнал, выделяет контент и рекламу (advertisement data). Система определяет, что Модель А устарела, и находит актуальную рекламу Модели Z того же бренда (Updated Advertisement Information).
3. Отображение (2025 год): Пользователь просматривает страницу в Google Books. Система отображает оригинальную статью, но в рекламном блоке вместо Модели А показывает рекламу Модели Z, сохраняя верстку журнала (layout).

Сценарий 2: Добавление интерактивности к рекламе (Claim 25)

1. Исходный материал: Оцифрованный кулинарный справочник с рекламой кухонного комбайна.
2. Обработка: Система идентифицирует рекламу и находит официальную страницу этого комбайна у ритейлера.
3. Модификация: Система создает modified advertisement, добавляя интерактивную ссылку к изображению.
4. Отображение: Пользователь видит рекламу как в оригинале, но при клике на нее перенаправляется на веб-страницу для покупки комбайна.

Сценарий 3: Управление доступом (Permission Protocol)

1. Действие: Издатель загружает книгу в Google Books Partner Program.
2. Настройка: Используя инструменты программы (реализация Permission Protocol), издатель устанавливает, что только 20% книги доступно для предварительного просмотра.
3. Результат: Пользователь, нашедший книгу через поиск, может прочитать только разрешенные 20%. Остальные страницы блокируются или содержат уведомление "Предварительный просмотр недоступен".