Как Google использует данные из личных переписок и поисковой активности для динамической персонализации выдачи на основе планируемых событий

Описание

Какую задачу решает

Патент решает задачу определения актуального контекста пользователя на основе его неструктурированных коммуникаций (почта, чаты) и использования этого контекста для улучшения работы других сервисов, включая поиск. Основная проблема — управление неопределенностью: как понять, насколько вероятно событие, обсуждаемое в переписке, и как адаптировать сервисы релевантно и своевременно, избегая ложных срабатываний или навязчивости, если планы предварительные.

Что запатентовано

Запатентована система для извлечения событий (Event) из сообщений пользователя (Message) и присвоения им динамического уровня достоверности (Confidence Level). Этот уровень обновляется на основе дополнительной информации (Additional Data), такой как ответы в переписке или действия пользователя (например, поисковые запросы). Ключевым является механизм определения и корректировки «влияния на распространение информации» (Effect on Dissemination of Information) — то есть того, как и в какой степени данные о событии будут влиять на персонализацию поисковой выдачи, поисковых подсказок и уведомлений.

Как это работает

Система работает по следующему принципу:

• Извлечение: Confidence Determination Engine анализирует сообщения пользователя для выявления признаков события (Event Properties: время, место, участники).
• Оценка достоверности: Событию присваивается начальный Confidence Level, основанный на количестве, четкости и заметности извлеченных признаков.
• Начальное влияние: Application System (например, Поиск) определяет первичное влияние. При низкой достоверности влияние может быть минимальным (например, только на подсказки).
• Мониторинг и обновление: Система отслеживает Additional Data — ответы в переписке или действия пользователя (например, поиск маршрута до места события).
• Корректировка: При появлении новых данных Confidence Level пересчитывается. Если достоверность возрастает, влияние корректируется: например, повышается ранг связанных с событием результатов в поиске или активируются уведомления.

Актуальность для SEO

Высокая. Патент описывает механизмы глубокой персонализации и контекстного понимания, которые являются ключевыми направлениями развития Google. Интеграция данных из различных источников (почта, поиск, карты) для формирования единого контекста пользователя и проактивного ассистирования является центральной стратегией экосистемы Google.

Важность для SEO

Влияние на SEO значительно (85/100). Патент описывает конкретный механизм, с помощью которого Google может агрессивно персонализировать поисковую выдачу и подсказки на основе личного контекста пользователя (планируемых событий). Это означает, что стандартная релевантность может уступать место персонализированной. Для SEO-специалистов это критически важно для понимания трафика, особенно в Local SEO и Travel, и подчеркивает важность оптимизации под сущности (Entity Optimization).

Детальный разбор

Термины и определения

Additional Data (Дополнительные данные)

Информация, поступающая после анализа исходного сообщения. Включает последующие сообщения в переписке или действия пользователя (computer-based actions), такие как поисковые запросы (search query action), навигация по документам или запросы маршрутов (locational query).

Application System (Система приложений)

Система, которая распространяет информацию пользователю. Включает поисковые системы, системы поисковых подсказок (Query Suggestion Engine), календари, системы рекомендаций и уведомлений.

Confidence Determination Engine (Механизм определения достоверности)

Компонент, отвечающий за анализ сообщений, извлечение событий и расчет Confidence Level.

Confidence Level / Event Confidence Level (Уровень достоверности события)

Динамическая метрика, указывающая на вероятность того, что событие представляет интерес для пользователя или действительно произойдет. Обновляется при поступлении Additional Data.

Dissemination of Information (Распространение информации)

Предоставление пользователю контента. Включает показ поисковых результатов (Search Results), поисковых подсказок (Query Suggestions) и уведомлений (Notifications).

Effect on Dissemination (Влияние на распространение)

Решение системы о том, использовать ли данные о событии для влияния на предоставляемую информацию. Включает определение степени влияния (например, вес сигнала ранжирования), формата и времени предоставления.

Event (Событие)

Планируемое мероприятие (встреча, ужин, поездка), извлеченное из коммуникаций пользователя.

Event Properties (Признаки события)

Атрибуты события: тип (type), место (location), время (time), дата (date), участники (attendees).

Message / Message Trail (Сообщение / Цепочка сообщений)

Электронная коммуникация (email, SMS, чат). Message Trail — группа связанных сообщений.

Ключевые утверждения (Анализ Claims)

Патент содержит несколько ключевых независимых пунктов, описывающих многоуровневую систему реагирования.

Claim 1 (Независимый пункт): Описывает метод динамической корректировки вывода информации на основе действий пользователя.

1. Идентификация сообщения и определение события.
2. Определение начального уровня достоверности (initial event confidence level).
3. Принятие решения на основе начального уровня: показать «определенный вывод» (certain output), но НЕ показывать «определенный дополнительный вывод» (certain additional output).
4. Последующее действие: Определение нового уровня достоверности (new event confidence level) на основе дополнительных компьютерных действий пользователя (additional computer-based actions), связанных с событием.
5. Принятие решения на основе нового уровня: показать ранее отложенный «определенный дополнительный вывод».

Это механизм многоуровневой активации. Низкая достоверность активирует базовые функции (например, влияние на подсказки), а высокая достоверность, подтвержденная действиями пользователя, активирует дополнительные (например, уведомления или сильную персонализацию поиска).

Claim 7 (Зависимый от 1): Уточняет, что additional computer-based actions включают поисковый запрос пользователя (user search query action), связанный с событием.

Это связывает контекст из почты и поисковое поведение. Поиск пользователя по теме события подтверждает его интерес и повышает Confidence Level.

Claim 11 (Независимый пункт): Аналогичен Claim 1, но вместо «компьютерных действий» триггером для обновления уровня достоверности служат «одно или несколько дополнительных сообщений» (one or more additional messages).

Здесь ответы в переписке (например, подтверждение встречи по email) служат основанием для повышения достоверности и активации дополнительных функций.

Claim 16 (Независимый пункт): Описывает метод определения характеристик уведомления на основе анализа цепочки сообщений.

1. Определение уровня достоверности на основе контента нескольких сообщений в цепочке (message trail).
2. На основе уровня достоверности определяется формат (format), контент (content) ИЛИ время (time) уведомления.
3. Предоставление уведомления с этими характеристиками.

Уровень достоверности определяет не только факт показа уведомления, но и его вид и время показа.

Где и как применяется

Изобретение охватывает несколько этапов, интегрируя данные из личных коммуникаций в работу поисковой системы и других приложений.

INDEXING – Индексирование (Личного корпуса данных)
Система индексирует личные данные пользователя (например, Gmail, Messages) в его Content Database. Confidence Determination Engine анализирует эти сообщения для извлечения событий. Это не веб-индексирование, а обработка личного контента.

QUNDERSTANDING – Понимание Запросов и Контекста
На этом этапе система использует контекст события для влияния на поисковые подсказки (Query Suggestions). Если Confidence Level достаточен, система может повышать подсказки, связанные со свойствами события. Также анализируются поисковые запросы пользователя как Additional Data для обновления Confidence Level.

RANKING / RERANKING – Ранжирование и Переранжирование (Персонализация)
Основное применение в поиске. Если Confidence Level достаточно высок, Application System (поисковая система) использует Event Properties как сигналы для персонализации и корректировки ранжирования (rank search results based on the event). Степень влияния (вес сигнала) зависит от уровня достоверности.

METASEARCH (и другие приложения)
Механизм применяется в других приложениях (календари, ассистенты) для генерации уведомлений (Notifications) — напоминаний или рекомендаций.

Входные данные:

• Сообщения пользователя (Emails, SMS, и т.д.).
• Действия пользователя (поисковые запросы, клики, запросы маршрутов).
• Базы данных сущностей (Knowledge Graph) для распознавания мест, дат, типов событий.

Выходные данные:

• Извлеченные события (Events) и их признаки (Event Properties).
• Динамический уровень достоверности (Confidence Level).
• Сигналы для персонализации ранжирования и подсказок.
• Уведомления для пользователя.

На что влияет

• Конкретные ниши и Сущности: Наибольшее влияние на Local SEO (рестораны, отели), Travel, Entertainment и E-commerce. Критически важно для сущностей, которые могут быть объектом планирования.
• Специфические запросы: Влияет на запросы, связанные с планированием, уточнением деталей, поиском локаций и транзакциями (бронирование, покупка билетов).

Когда применяется

• Триггеры активации: Обнаружение в коммуникациях пользователя терминов, указывающих на планирование события.
• Пороговые значения (Thresholds): Ключевой механизм. Система использует различные пороги Confidence Level для активации разных типов влияния. Пороги могут быть уникальными для каждого приложения (например, для влияния на поиск порог ниже, чем для отправки уведомления).
• Временные рамки: Применяется динамически в реальном времени по мере поступления новых сообщений или совершения пользователем действий.

Пошаговый алгоритм

Процесс А: Извлечение события и начальная оценка

1. Идентификация сообщения: Система идентифицирует новое сообщение пользователя.
2. Анализ текста: Confidence Determination Engine применяет NLP-методы (named entity taggers, text parsers, classifiers) для поиска терминов, связанных с Event Properties (время, место, участники, тип).
3. Определение события: Если обнаружены релевантные признаки, создается объект события.
4. Расчет начального Confidence Level: Оценивается достоверность события. Учитывается количество признаков, их четкость (Clarity) и заметность (Prominence).
5. Определение начального влияния (Effect on Dissemination): Система сравнивает Confidence Level с порогами для различных приложений и принимает решение о влиянии (например, активировать влияние на подсказки, но не на поиск).

Процесс Б: Мониторинг и динамическое обновление

1. Идентификация дополнительных данных (Additional Data): Система отслеживает поступление новой информации:
   1. Ответные сообщения в той же цепочке.
   2. Действия пользователя (computer-based actions), например, поисковые запросы о месте события.
2. Перерасчет Confidence Level: Уровень достоверности обновляется. Увеличивается при подтверждении (например, пользователь поискал маршрут) или уменьшается при появлении конфликтов/отмены.
3. Корректировка влияния (Adjusting the Effect): Система пересматривает решения на основе нового Confidence Level. Если порог для дополнительного действия превышен, оно активируется (например, начинается агрессивное повышение связанных результатов в поиске или отправляется напоминание).
4. Повторение: Процесс Б повторяется при поступлении любых новых данных.

Какие данные и как использует

Данные на входе

Система использует преимущественно личные данные пользователя и данные о его поведении.

• Контентные факторы (из сообщений): Текст тела сообщения, тема письма. Термины, указывающие на время, даты, места, типы событий.
• Структурные факторы (из сообщений): Поля To/From/CC (для идентификации участников). Структура переписки (Message Trail).
• Поведенческие факторы (Additional Data):
  • Поисковые запросы пользователя (user search query action).
  • Выбранные результаты поиска и навигация по документам (document navigation action).
  • Навигационные запросы (locational query, например, поиск маршрутов в картах).
• Внешние данные: Базы данных сущностей (Knowledge Graph) для идентификации и валидации мест, людей и типов событий.

Какие метрики используются и как они считаются

• Event Confidence Level: Центральная метрика. Факторы для расчета:
  • Количество признаков: Больше признаков (время, место, тип) — выше достоверность.
  • Заметность (Prominence): Признаки в теме письма или в начале текста имеют больший вес.
  • Четкость (Clarity): Отсутствие конфликтующих вариантов (например, выбор между двумя ресторанами) повышает достоверность.
• Confidence Levels для отдельных признаков: Система может рассчитывать достоверность для каждого признака отдельно (например, высокая уверенность в дате, но низкая в месте) и агрегировать их.
• Пороговые значения (Thresholds): Заранее определенные значения Confidence Level, при достижении которых активируются различные типы распространения информации. Пороги уникальны для разных приложений.

Выводы

1. Глубокая персонализация на основе личного контекста: Патент подтверждает, что Google активно использует данные из личных коммуникаций (например, Gmail) для понимания планов пользователя и использует эту информацию для модификации поисковой выдачи и подсказок.
2. Динамическая оценка намерений: Система не делает статических выводов. Confidence Level постоянно обновляется по мере развития переписки или совершения пользователем действий в других сервисах (поиск, карты).
3. Связь между сервисами (Ecosystem Synergy): Поисковое поведение пользователя используется как сигнал для подтверждения событий, извлеченных из почты, и наоборот. Это демонстрирует глубокую интеграцию данных внутри экосистемы Google.
4. Многоуровневое влияние (Tiered Activation): Влияние на сервисы не бинарно. Степень влияния (агрессивность бустинга в ранжировании) и тип влияния (показ результатов vs. отправка уведомлений) зависят от достигнутого Confidence Level и порогов конкретного приложения.
5. Приоритет сущностей и контекста: Механизм основан на извлечении сущностей (места, даты) и использовании их как контекста для персонализации, что снижает значимость универсального ранжирования для пользователя в данный момент.

Практика

Best practices (это мы делаем)

• Оптимизация под сущности (Entity Optimization): Критически важно, чтобы Google четко идентифицировал ваш бизнес как сущность. Если пользователи планируют событие, связанное с вашим бизнесом (например, ужин в вашем ресторане), система должна уметь связать упоминания в переписке с вашей сущностью. Используйте микроразметку Schema.org и активно работайте с Google Business Profile (GBP).
• Четкость коммуникаций с клиентами: При отправке подтверждений бронирования или билетов по электронной почте убедитесь, что ключевые детали (время, место) представлены ясно и, желательно, с использованием микроразметки Schema.org для событий. Это поможет Confidence Determination Engine корректно извлечь данные и установить высокий Confidence Level.
• Понимание пути пользователя при планировании (Event Planning Journey): Анализируйте, какие запросы генерируют пользователи на разных этапах планирования события. Создавайте контент, отвечающий этим интентам, чтобы ваш сайт появлялся в персонализированной выдаче в нужный момент.
• Локальное SEO: Для бизнесов с физическими локациями точность данных в GBP критична. Если система извлекает локацию из переписки, она должна точно соответствовать данным в Картах для корректной персонализации локального поиска.

Worst practices (это делать не надо)

• Игнорирование персонализации при анализе: Опираться только на анализ «чистой» выдачи опасно. Этот патент показывает, что для конкретного пользователя в конкретный момент времени выдача может радикально отличаться от стандартной, что делает стандартный мониторинг позиций менее точным.
• Неструктурированные данные в письмах клиентам: Отправка подтверждений событий в виде изображений или плохо отформатированного текста затрудняет извлечение Event Properties, снижая вероятность корректной персонализации для пользователя.
• Недооценка важности GBP и Knowledge Graph: Если Google не может распознать ваш бизнес как четкую сущность, вы не сможете воспользоваться преимуществами этой персонализации, даже если пользователи активно обсуждают вас в переписках.

Стратегическое значение

Патент подчеркивает стратегический переход Google от простого поиска информации к проактивному ассистированию на основе глубокого понимания контекста пользователя. Для SEO это означает, что фокус смещается с оптимизации страниц под ключевые слова на оптимизацию сущностей под контекст и намерения пользователя. Долгосрочная стратегия должна строиться вокруг создания сильных, распознаваемых сущностей (брендов, локаций) и интеграции в естественный путь пользователя.

Практические примеры

Сценарий: Персонализация поиска и подсказок для локального бизнеса

1. Контекст: Пользователь ведет переписку по email о планировании ужина в пятницу в ресторане «Ромашка».
2. Действие системы (Извлечение): Google извлекает событие: Место=Ресторан «Ромашка», Дата=Пятница. Присваивается начальный Confidence Level 40%.
3. Действие пользователя (Поиск): Пользователь открывает поиск и начинает вводить «Ре».
4. Действие системы (Персонализация Подсказок): Поскольку Confidence Level 40% превышает порог для влияния на подсказки, система повышает подсказку «Ресторан Ромашка» на первое место (как показано на FIG. 6B патента), опережая стандартные подсказки типа «Рецепты».
5. Действие пользователя (Подтверждение): Пользователь выбирает подсказку и ищет адрес. Это действие (search query action) является Additional Data.
6. Действие системы (Обновление): Confidence Level повышается до 80%. Теперь система может активировать более сильное влияние на ранжирование или отправить напоминание о событии.
7. Результат для SEO: Ресторан «Ромашка» получил приоритет в выдаче и высококонверсионный трафик благодаря тому, что система связала личный контекст пользователя с сущностью ресторана.

Вопросы и ответы