Как Google оптимизирует размещение рекламы на странице, анализируя поведение пользователя и релевантность контента запросу

Описание

Какую задачу решает

Патент решает проблему неоптимального размещения рекламы (Content Items) на веб-странице (Resource). Традиционно самая дорогая реклама размещается в фиксированных позициях (например, вверху). Однако пользователи, особенно приходящие по специфическим запросам (long-tail), могут быстро прокрутить страницу до интересующего их фрагмента контента, игнорируя верхние блоки. Изобретение направлено на максимизацию видимости (Viewability) и эффективности рекламы путем адаптации ее размещения к прогнозируемому и реальному поведению пользователя.

Что запатентовано

Запатентована система для определения приоритетности рекламных слотов (Content Item Slots). Приоритет определяется на основе анализа исторических данных о взаимодействии (Interaction Data) и/или анализа запроса, который привел пользователя на страницу (Referral Query). Система использует предиктивные модели и метрики для размещения наиболее ценной рекламы в самых просматриваемых слотах, а также может использовать динамический скрипт для корректировки размещения в реальном времени.

Как это работает

Система работает в несколько этапов:

• Сбор данных и анализ: Система собирает исторические данные о взаимодействии пользователей со страницей (скроллинг, видимость слотов). Она также может определить Referral Query и найти соответствующий контент на странице (Referral Query Location).
• Приоритизация слотов: Определяется приоритет (Priority) рекламных слотов. Это делается на основе исторических метрик просмотров (Metrics) или с помощью Predictive Model, учитывающей Referral Query Location.
• Размещение рекламы: Самая ценная (например, дорогая) реклама помещается в слот с наивысшим приоритетом, даже если он физически не находится вверху страницы.
• Динамическая адаптация: На устройство пользователя отправляется скрипт (Script). Он отслеживает направление скроллинга в реальном времени и может динамически поменять рекламу местами между слотами, чтобы самая ценная реклама оставалась в зоне видимости.

Актуальность для SEO

Высокая (для систем монетизации). Патент напрямую связан с оптимизацией видимости рекламы (Viewability) и доходности (Yield) в системах типа Google Ads (AdSense/Ad Manager). Учитывая фокус индустрии на эффективности рекламы и адаптации к поведению пользователей, описанные механизмы крайне актуальны.

Важность для SEO

Минимальное влияние на органическое ранжирование (1/10). Патент описывает исключительно механизмы работы контекстной рекламы (Google Ads), а не алгоритмы органического поиска (Google Search). Он не вводит новых факторов ранжирования для SEO. Однако он имеет значение для SEO-специалистов, работающих над контентными проектами (Publisher SEO), так как дает понимание того, как глубоко Google анализирует контент страницы и поведение пользователей для целей монетизации.

Детальный разбор

Термины и определения

Aggregate Historical Data of Interactions (Агрегированные исторические данные о взаимодействиях)

Накопленные данные о том, как пользователи взаимодействовали с ресурсом в прошлом. Включают данные о видимости слотов, направлении скроллинга, времени просмотра.

Content Item (Элемент контента)

Рекламное объявление, предоставляемое третьей стороной.

Content Item Slot (Слот для элемента контента)

Область на веб-странице, предназначенная для отображения Content Item.

Interaction Data (Данные о взаимодействии)

Данные, собираемые с клиентских устройств в реальном времени (например, скроллинг, просмотры).

Metric (Метрика)

Показатель для слота, рассчитываемый на основе исторических Interaction Data (например, частота просмотров слота).

Predictive Model (Предиктивная модель)

Модель (упоминается в описании), использующая исторические данные для прогнозирования вероятности просмотра слота.

Priority (Приоритет)

Ранг слота, определяемый на основе его Metric или выхода Predictive Model. Используется для назначения рекламы.

Proximity (Близость)

Физическое расстояние между Content Item Slot и Referral Query Location.

Referral Query (Реферальный запрос)

Поисковый запрос, который привел пользователя на текущий ресурс.

Referral Query Location (Местоположение реферального запроса)

Область на ресурсе, содержащая контент, который наиболее точно отвечает на Referral Query.

Script (Скрипт)

Исполняемый код (например, JavaScript). В патенте упоминаются два: первый для сбора Interaction Data, второй для динамического изменения Priority и перестановки рекламы на основе скроллинга.

Ключевые утверждения (Анализ Claims)

Патент US11232119B2 является продолжением (Continuation) более ранней заявки. Существует различие между тем, что описано в основной части патента (Description), и тем, что защищено в финальной формуле изобретения (Claims).

Механизм 1: Приоритизация на основе Referral Query Location (Описан в Description)

Описание патента фокусируется на определении приоритета слотов путем анализа контента:

1. Система определяет Referral Query.
2. Система находит Referral Query Location на странице.
3. Приоритет слотов определяется либо по близости (Proximity) к этой локации, либо с помощью Predictive Model, которая использует эту локацию как входной параметр.
4. Самая ценная реклама помещается в слот с наивысшим приоритетом.

Механизм 2: Приоритизация на основе метрик и динамическая адаптация (Защищен в Claims 1-14)

Финальная формула изобретения фокусируется на исторических данных и динамической корректировке.

Claim 1 (Независимый пункт):

1. Система получает Interaction Data с клиентских устройств (собранные через первый скрипт).
2. На основе этих данных рассчитываются и поддерживаются Метрика 1 для Слота 1 и Метрика 2 для Слота 2 (например, частота просмотра).
3. Определяется Приоритет 1 и Приоритет 2 на основе сравнения этих Метрик.
4. Генерируется второй скрипт. Этот скрипт может изменять Приоритеты на клиентском устройстве в зависимости от направления скроллинга (direction of scrolling) пользователя.
5. При получении запроса система выбирает Рекламу А и Рекламу Б.
6. Реклама А назначается в Слот 1, Реклама Б – в Слот 2 (на основе Приоритетов).
7. Система отправляет клиенту данные для показа рекламы И второй скрипт. Этот скрипт позволяет динамически поменять рекламу местами (Реклама А в Слот 2, Реклама Б в Слот 1).

Интерпретация: Изобретение охватывает комплексный подход. Приоритет слотов может определяться на сервере до загрузки страницы (используя Механизм 1 или исторические Метрики из Механизма 2). После загрузки активируется динамический скрипт (Механизм 2), который корректирует размещение в реальном времени, если поведение пользователя отличается от прогнозируемого.

Где и как применяется

Этот патент не относится к архитектуре органического поиска Google (Crawling, Ranking и т.д.). Он относится к системе выбора и размещения рекламы (Content Item Selection System), например, Google AdSense или Ad Manager.

Этапы применения в рекламной сети:

1. Офлайн-обработка (Offline Processing):
   • Сбор Aggregate Historical Data и Interaction Data с помощью скриптов на сайтах издателей.
   • Расчет исторических Metrics для слотов и генерация Predictive Model.
2. Обработка запроса на рекламу (Real-time Ad Serving):
   • Система получает запрос, включающий информацию о ресурсе и, если доступно, Referral Query.
   • Определение приоритетов слотов (используя Metrics, Predictive Model и/или Referral Query Location).
   • Проведение аукциона и назначение рекламы в слоты в соответствии с их приоритетом.
   • Генерация динамического скрипта (второй скрипт) для корректировки размещения.
3. Исполнение на стороне клиента (Client-Side Execution):
   • Динамический скрипт отслеживает направление скроллинга и может инициировать перестановку рекламы между слотами.

Входные данные:

• Контент и структура ресурса (расположение слотов).
• Referral Query.
• Исторические Interaction Data / Aggregate Historical Data.
• Данные о клиентском устройстве (размер экрана, браузер).

Выходные данные:

• Набор рекламных объявлений (Content Items), назначенных в конкретные слоты.
• Скрипт (второй скрипт) для динамического изменения размещения рекламы на клиенте.

На что влияет

• Конкретные типы контента: Наибольшее влияние оказывается на длинные страницы (лонгриды, статьи), где основной контент и ответ на запрос пользователя могут находиться далеко от начала страницы.
• Специфические запросы: Влияет на обработку информационных запросов, особенно сложных (long-tail), когда пользователь ищет конкретный фрагмент информации.
• Монетизация: Напрямую влияет на доходность рекламы для издателей и эффективность для рекламодателей за счет повышения видимости (Viewability).

Когда применяется

• Условия работы: Алгоритм применяется при загрузке страницы, на которой установлены рекламные блоки Google (AdSense/Ad Manager).
• Триггеры активации (Сервер): Запрос на показ рекламы. Использование Referral Query Location активируется, если пользователь перешел из поиска.
• Триггеры активации (Клиент): Динамический скрипт активируется при взаимодействии пользователя со страницей (скроллинг).

Пошаговый алгоритм

Процесс А: Офлайн-подготовка

1. Сбор данных: Сбор агрегированных исторических данных о взаимодействиях (видимость слотов, скроллинг).
2. Анализ и Моделирование: Расчет исторических Metrics для слотов и создание Predictive Model для прогнозирования ценности слотов.

Процесс Б: Обработка запроса на рекламу (Сервер)

1. Получение запроса: Система получает запрос на показ рекламы, включая данные о ресурсе и Referral Query.
2. Определение локации интента (Опционально): Анализ контента для определения Referral Query Location.
3. Приоритизация слотов: Определение приоритета (Priority) рекламных слотов. Это может быть сделано путем:
   • Сравнения исторических Metrics (Claim 1).
   • Использования Predictive Model (Description).
   • Оценки близости (Proximity) к Referral Query Location (Description).
4. Аукцион и Назначение: Проведение аукциона. Реклама с наивысшей ценностью назначается в слот с наивысшим приоритетом.
5. Генерация скрипта: Создание второго скрипта для динамической корректировки на основе скроллинга.
6. Отправка ответа: Передача выбранной рекламы и второго скрипта в браузер пользователя.

Процесс В: Динамическая адаптация (Клиент)

1. Мониторинг поведения: Загруженный второй скрипт отслеживает направление скроллинга пользователя.
2. Корректировка размещения: Если скроллинг меняет видимость слотов, скрипт модифицирует Priorities и может динамически поменять рекламу местами между слотами, чтобы переместить более ценную рекламу в зону видимости.

Какие данные и как использует

Данные на входе

• Поведенческие факторы (Interaction Data / Historical Data): Критически важные данные. Включают данные о скроллинге (направление), данные о видимости (viewability) слотов, время нахождения разных частей страницы в зоне видимости (viewable area).
• Контентные факторы: Полный текст и структура контента ресурса. Используются для определения Referral Query Location (в описании).
• Технические и Структурные факторы: Структура страницы (DOM), физическое расположение рекламных слотов.
• Пользовательские факторы: Характеристики устройства и браузера (тип устройства, разрешение экрана, размер окна, настройки шрифта, масштаб). Используются для точного расчета видимости.
• Системные данные: Referral Query.

Какие метрики используются и как они считаются

• Metric (Метрика слота): Вычисляется на основе исторических Interaction Data. Отражает частоту просмотров или взаимодействий со слотом (используется в Claim 1).
• Priority (Приоритет слота): Ранг слота, определяемый путем сравнения Metrics или на основе Predictive Model Score.
• Referral Query Location: Вычисляется путем семантического анализа Referral Query и сопоставления его с контентом ресурса (используется в Description).
• Proximity Score: Метрика близости слота к Referral Query Location (используется в Description).
• Predictive Model Score: Оценка, выданная Predictive Model, прогнозирующая ценность слота в данном контексте (используется в Description).

Выводы

1. Патент относится к Google Ads, а не к органическому поиску: Основной вывод для SEO-специалистов – этот патент описывает оптимизацию размещения контекстной рекламы и не влияет напрямую на алгоритмы ранжирования в Google Search.
2. Приоритет видимости над физическим расположением: Система стремится максимизировать видимость самой дорогой рекламы. Верхний слот на странице не всегда считается самым ценным. Приоритет определяется динамически на основе прогнозируемого или реального поведения пользователя.
3. Использование исторических поведенческих данных: Google активно собирает и использует данные о том, как пользователи взаимодействуют с конкретными страницами (скроллинг, просмотры), для расчета Metrics и обучения Predictive Model.
4. Глубокий анализ интента и контента (в Description): Описание патента демонстрирует способность Google точно определять конкретное место на странице (Referral Query Location), где находится ответ на интент пользователя (Referral Query).
5. Динамическая адаптация на клиенте (в Claims): Ключевым защищенным механизмом является использование скрипта для отслеживания скроллинга в реальном времени и динамической смены рекламы местами между слотами для улучшения видимости.

Практика

ВАЖНО: Патент описывает внутренние механизмы Google Ads. Практические рекомендации касаются понимания работы монетизации, UX и технической оптимизации сайтов издателей (Publisher SEO), а не влияния на органический поиск.

Best practices (это мы делаем)

• Мониторинг Core Web Vitals (CLS): Механизм динамической перестановки рекламы (второй скрипт) потенциально может вызывать сдвиги макета (Cumulative Layout Shift). Необходимо тщательно отслеживать CLS на страницах с рекламой.
• Резервирование пространства для слотов: Для минимизации CLS критически важно резервировать фиксированное пространство для рекламных слотов с помощью CSS (например, min-height). Это обеспечивает стабильность макета, даже если реклама динамически меняется.
• Обеспечение четкого соответствия контента запросу: Помогает системам Google точно определить Referral Query Location. Это позволяет системе рекламы лучше оптимизировать размещение блоков рядом с релевантным контентом.
• Создание вовлекающего контента: Если пользователи долго изучают контент, это генерирует положительные исторические данные (Interaction Data), что улучшает расчет Metrics и повышает эффективность рекламы на сайте.

Worst practices (это делать не надо)

• Использование адаптивных размеров рекламы без фиксированных контейнеров: Это почти гарантированно вызовет сдвиг макета при динамической смене рекламы, ухудшит CLS и негативно повлияет на UX и SEO.
• Игнорирование технических метрик производительности: Внедрение сложных рекламных технологий без анализа их влияния на скорость загрузки и Core Web Vitals может привести к снижению органического ранжирования сайта.
• Использование кликбейта: Привлечение трафика по запросам, на которые страница не отвечает, формирует негативные исторические данные о взаимодействии (быстрые отказы, хаотичный скроллинг) и может ухудшить эффективность рекламных моделей.

Стратегическое значение

Патент подтверждает высокий уровень развития технологий Google в области анализа поведения пользователей на сайте (User Experience) и структуры контента. Хотя эти технологии здесь применяются для рекламы, способность отслеживать скроллинг, видимую область и находить конкретные ответы внутри страниц подчеркивает стратегическую важность качественного UX и логичной структуры контента для общего успеха сайта.

Практические примеры

Сценарий: Оптимизация рекламы в длинной статье с динамической сменой

1. Ситуация: Длинная статья имеет Слот А (вверху) и Слот Б (внизу). Исторические данные показывают, что пользователи часто читают статью целиком. Metric для Слота Б выше, чем для Слота А. Приоритет: Слот Б > Слот А.
2. Загрузка страницы: Система выбрала Рекламу 1 (дорогая) и Рекламу 2 (дешевая). Реклама 1 назначается Слоту Б. Реклама 2 назначается Слоту А. Загружается динамический скрипт.
3. Взаимодействие: Пользователь прочитал статью до конца (увидел Рекламу 1 в Слоте Б) и начинает быстро скроллить обратно вверх.
4. Динамическая смена (Действие скрипта): Скрипт обнаруживает скроллинг вверх. Он модифицирует приоритеты на лету и меняет Рекламу 1 и Рекламу 2 местами.
5. Результат: Дорогая Реклама 1 теперь отображается в Слоте А, который находится в зоне внимания пользователя при скроллинге вверх.

Вопросы и ответы