Как Google использует машинное обучение для проверки логотипов и названий организаций перед показом в поисковой выдаче (включая рекламу)

Описание

Какую задачу решает

Патент решает проблему введения пользователей в заблуждение и снижения качества поисковой выдачи из-за показа неточных, неприемлемых или неавторизованных брендовых ассетов (логотипов/favicons и названий организаций). Он устраняет возможность для злоумышленников (bad actors) имитировать известные бренды (спуфинг), особенно в спонсируемом контенте (рекламе), чтобы обманом заставить пользователя кликнуть на их контент.

Что запатентовано

Запатентована система и метод контроля отображения изображения (Organization Image) и названия организации (Organization Name) в результатах поиска. Система использует машинное обучение для выполнения двух ключевых проверок: (1) Оценка приемлемости (Acceptability) изображения (проверка на нарушения и схожесть с другими брендами) и (2) Верификация (Verification) организации (проверка подлинности сущности). Для спонсируемого контента верификация обязательно включает анализ платежной информации.

Как это работает

Система работает как гейткипер для брендовых ассетов в SERP:

• Получение Ассетов: Система извлекает изображение и название организации с целевой страницы (landing page) или получает их от организации.
• Проверка Качества Изображения (QA): ML-модели определяют, является ли изображение приемлемым. Это включает сравнение с базой данных (Image Database) для выявления неприемлемого контента или изображений, слишком похожих на известные бренды. Эта проверка часто выполняется офлайн.
• Верификация Организации: Система подтверждает подлинность организации. Для спонсируемого контента это включает анализ платежной информации (Payment Information). Также используются данные органического ранжирования (Search Ranking Score) и сверка с базой верифицированных организаций (Verified Organization Database). Эта проверка может выполняться в реальном времени.
• Презентация: Если изображение приемлемо И организация верифицирована, контент отображается с логотипом и названием. В противном случае они скрываются или отображаются частично.

Актуальность для SEO

Высокая. Патент подан в конце 2022 и выдан в 2024 году. Он напрямую связан с недавними изменениями в дизайне поисковой выдачи Google (отображение favicons и названий сайтов) и усилиями по повышению прозрачности и верификации рекламодателей. Описанные техники критически важны для поддержания доверия пользователей и борьбы со спуфингом.

Важность для SEO

Влияние на SEO высокое (75/100), но специфическое. Патент не описывает алгоритмы ранжирования, но критически важен для SERP Presentation, Entity Validation и Brand SEO. Он определяет условия, при которых брендовые ассеты будут показаны в поиске. Для PPC это напрямую влияет на CTR и доступ к визуальным улучшениям. Для SEO это подтверждает важность построения авторитетной и верифицированной сущности (Entity) и технической корректности ассетов.

Детальный разбор

Термины и определения

Acceptable / Acceptability (Приемлемый / Приемлемость)

Статус, присваиваемый изображению после QA. Означает, что изображение не нарушает правила и не вводит пользователя в заблуждение (например, не имитирует другой бренд).

Content Serving System (Система подачи контента)

Система, отвечающая за представление результатов поиска (органических и спонсируемых).

Image Database (База данных изображений)

Хранилище изображений, просканированных или загруженных. Изображения могут быть размечены (labeled) как приемлемые или неприемлемые и использоваться для сравнения.

Organization Image (Изображение организации)

Графический ассет (логотип, favicon), предназначенный для публичной идентификации организации.

Organization Name (Название организации)

Текстовое название организации, предназначенное для отображения над ссылкой в SERP.

Payment Information (Платежная информация)

Данные для оплаты спонсируемого контента (например, данные кредитной карты, адрес). Используются как ключевой сигнал для верификации рекламодателя.

Search Ranking Score (Оценка поискового ранжирования)

Метрика органического рейтинга контента/домена. Может использоваться как сигнал доверия для верификации организации.

Similarity Score (Оценка схожести)

Метрика, вычисляемая ML-моделями, определяющая степень визуального сходства между двумя изображениями. Используется для предотвращения спуфинга.

Sponsored Content (Спонсируемый контент)

Реклама. Патент уделяет особое внимание верификации ассетов для этого типа контента.

Verified / Verification (Верифицированный / Верификация)

Статус, присваиваемый организации после подтверждения ее подлинности и надежности.

Verified Organization Database (База данных верифицированных организаций)

Внутренняя (first-party database) база данных, содержащая список организаций, прошедших проверку. Используется для быстрой верификации в реальном времени.

Ключевые утверждения (Анализ Claims)

Важно отметить, что хотя описание патента упоминает применение как к спонсируемому, так и к органическому контенту, ключевые независимые пункты формулы изобретения (Claims 1, 17, 18) ограничивают область защиты спонсируемым контентом и обязательным использованием платежной информации.

Claim 1 (Независимый пункт): Описывает метод представления спонсируемого контента.

1. Система получает запрос.
2. Выбирается элемент контента, который является sponsored content.
3. Система получает Payment Information от организации.
4. Используя ML-модель, система проверяет изображение на приемлемость (acceptable).
5. Используя ML-модель, система обрабатывает название организации ВМЕСТЕ с Payment Information, чтобы определить, верифицировано ли название (verified).
6. Система передает название для показа, если оно верифицировано.
7. Система передает контент и изображение для показа, если изображение приемлемо.

Использование платежной информации является обязательным компонентом для верификации названия организации в контексте спонсируемого контента, согласно защищенной формуле изобретения.

Claim 4, 5 и 6 (Зависимые): Детализируют пользовательский интерфейс.

Если оба элемента прошли проверку, они отображаются в определенном формате: изображение размещается слева от ссылки (URL), а название организации — над ссылкой.

Claim 7 (Зависимый): Описывает частичное отображение.

Система может показать результат с изображением (если оно приемлемо), но без названия организации (если оно не верифицировано).

Claim 8 и 9 (Зависимые): Детализируют механизм верификации.

Верификация названия может происходить в реальном времени (real-time) путем запроса к внутренней (first-party) базе данных верифицированных организаций.

Claim 13 и 14 (Зависимые): Детализируют механизм проверки изображения.

1. Система сравнивает изображение организации с множеством похожих изображений (plurality of similar images) из Image Database с помощью ML-модели для определения приемлемости.
2. Эта проверка может выполняться офлайн (offline), а результаты маркируются в базе данных.

Этот механизм направлен на выявление спуфинга или неприемлемого контента путем сравнения, и выполняется заранее для оптимизации скорости.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, от предварительной обработки данных до финальной презентации SERP.

CRAWLING и INDEXING – Сканирование, Индексирование и Извлечение признаков
На этих этапах происходят ключевые офлайн-процессы:

• Сбор данных: Извлечение потенциальных изображений (favicons) и названий организаций с веб-страниц.
• Анализ изображений (Offline): Извлеченные изображения обрабатываются ML-моделями для определения приемлемости (Acceptability Check). Рассчитывается Similarity Score. Результаты сохраняются в Image Database.
• Валидация сущностей: Оценка организаций для формирования Verified Organization Database. Расчет органических Search Ranking Scores.

RANKING – Ранжирование
Выбор контента (органического или рекламного) для показа в ответ на запрос.

METASEARCH / RERANKING (Презентационный слой)
Основное применение патента в реальном времени:

• Проверка статуса: Система проверяет предварительно рассчитанный статус изображения (Acceptable).
• Верификация в реальном времени: Система выполняет верификацию организации, используя Payment Information (для рекламы) и запросы к Verified Organization Database.
• Условное отображение: Принимается решение о включении Organization Image и Organization Name в финальный сниппет.

На что влияет

• Спонсируемый контент (Google Ads): Наибольшее влияние. Патент явно фокусируется на верификации рекламодателей с использованием платежной информации для предотвращения мошенничества в рекламных блоках.
• Органический контент: Также влияет на отображение favicons и названий сайтов, хотя механизмы верификации могут больше полагаться на Search Ranking Score, чем на платежную информацию.
• Брендовая безопасность и Спуфинг: Система защищает известные бренды от имитации, блокируя показ похожих логотипов от неавторизованных организаций.

Когда применяется

Алгоритм применяется при формировании сниппета для результата поиска.

• Триггеры активации: Наличие брендовых ассетов (изображение, название), связанных с контентом.
• Условия отображения (Gating): Ассеты отображаются, только если изображение признано Acceptable И Организация/Название признаны Verified. Возможно частичное отображение (Claim 7).
• Временные рамки: Комбинация офлайн-обработки (для изображений) и проверки в реальном времени (для верификации организации).

Пошаговый алгоритм

Процесс А: Оценка приемлемости изображения (Offline)

1. Получение изображения: Извлечение с веб-страницы или загрузка организацией.
2. Сохранение: Сохранение в Image Database.
3. Поиск похожих изображений: Система находит в базе данных похожие изображения (известные логотипы, неприемлемый контент).
4. Анализ схожести: ML-модель обрабатывает проверяемое изображение и похожие изображения для расчета Similarity Scores.
5. Определение приемлемости: Если Similarity Score с чужим брендом или неприемлемым контентом превышает порог, изображение помечается как НЕ приемлемое.
6. Сохранение статуса: Статус сохраняется в Image Database.

Процесс Б: Обработка контента для показа в SERP (Real-time)

1. Выбор контента: Система выбирает элемент контента для показа.
2. Проверка приемлемости изображения: Запрос к Image Database за предварительно рассчитанным статусом (из Процесса А).
3. Инициация верификации организации: Система запускает процесс верификации названия.
4. Сбор данных для верификации: Если контент спонсируемый, система получает Payment Information. Также может быть получена Search Ranking Score и данные из Verified Organization Database.
5. Выполнение верификации: ML-модель обрабатывает название вместе с собранными данными для определения статуса Verified. Могут учитываться дополнительные критерии (возраст аккаунта, история нарушений, отрасль).
6. Принятие решения о презентации:
   • Оба ДА: Показать полный брендинг (Название над ссылкой, логотип слева).
   • Изображение ДА, Название НЕТ: Показать логотип без названия (Claim 7).
   • Изображение НЕТ: Показать результат без логотипа.

Какие данные и как использует

Данные на входе

• Контентные/Мультимедиа факторы:
  • Organization Image (логотип, favicon): Анализируется содержимое пикселей.
  • Organization Name (текстовое название).
  • Контент целевой страницы (для проверки консистентности брендинга).
• Технические факторы: URL / Домен целевой страницы. Доступность ресурсов для сканирования.
• Финансовые/Бизнес факторы (для спонсируемого контента):
  • Payment Information (данные кредитной карты, адрес).
  • История расходов на рекламу (Budget spend).
  • Возраст аккаунта (например, старше 90 дней).
  • История нарушений правил (Policy violations).
• Системные данные:
  • Search Ranking Score (органический рейтинг).
  • Verified Organization Database (списки доверенных организаций).
  • Image Database (размеченные данные и известные бренды).

Какие метрики используются и как они считаются

• Verification Score (Оценка верификации): Вычисляется ML-моделью на основе агрегации сигналов доверия (платежная информация, органический рейтинг, история аккаунта и т.д.). Если оценка выше порога, организация считается Verified.
• Similarity Score (Оценка схожести): Вычисляется ML-моделью при сравнении двух изображений. Используется для выявления спуфинга или неприемлемого контента.
• Acceptability (Приемлемость): Бинарный статус (Приемлемо/Неприемлемо), присваиваемый изображению на основе Similarity Scores и правил QA.

Выводы

1. Валидация сущностей критична для отображения в SERP: Google использует механизмы верификации организаций (Entity Validation) как обязательное условие для отображения брендовых ассетов (логотипов, названий) в основной выдаче и рекламе.
2. Разделение проверки качества и подлинности: Система использует два независимых процесса: Acceptability для оценки качества самого изображения и Verification для подтверждения подлинности организации.
3. Особый контроль за спонсируемым контентом: Защищенная формула изобретения (Claims 1, 17, 18) явно фокусируется на рекламе и использует платежную информацию (Payment Information) как обязательный сигнал для верификации рекламодателей.
4. ML-модели для борьбы со спуфингом: Google использует сложные ML-модели сравнения изображений и расчет Similarity Score для автоматического выявления попыток имитации известных брендов (спуфинга логотипов).
5. Гибкая инфраструктура верификации: Система комбинирует офлайн-анализ (для оценки изображений) и обработку в реальном времени (для верификации организаций через внутренние базы данных), оптимизируя скорость и актуальность.
6. Органический авторитет как сигнал доверия: Search Ranking Score (органический рейтинг) может использоваться как сигнал доверия для верификации организации, подчеркивая синергию между SEO и PPC.

Практика

Best practices (это мы делаем)

• Обеспечить техническую доступность и корректность ассетов: Убедитесь, что название сайта и favicon корректно реализованы и доступны для сканирования Googlebot. Это базовое требование для запуска процесса валидации.
• Поддерживать уникальность бренда: Используйте уникальные логотипы. Если ваш логотип слишком похож на логотип другого известного бренда, система может классифицировать его как Not Acceptable из-за высокого Similarity Score.
• Пройти верификацию рекламодателя (для PPC): Критически важно для показа спонсируемого контента. Убедитесь, что аккаунт Google Ads полностью верифицирован, имеет проверенную Payment Information и хорошую историю (возраст аккаунта, отсутствие нарушений).
• Наращивать органический авторитет (Synergy SEO/PPC): Повышайте качество сайта. Высокий Search Ranking Score является сигналом доверия и помогает в процессе верификации организации, что положительно сказывается на отображении как органических, так и платных результатов.
• Консистентность сущности (Entity Consistency): Убедитесь, что название организации одинаково используется на сайте (landing page), в платежных документах и в структурированных данных. Это упростит ML-моделям задачу верификации.

Worst practices (это делать не надо)

• Имитация известных брендов (Спуфинг): Попытки использовать логотипы или названия, похожие на известные бренды, будут автоматически блокироваться системой на уровне показа ассетов с помощью анализа Similarity Score.
• Использование неприемлемых или общих изображений: Загрузка логотипов/favicons, нарушающих правила контента, или использование неуникальных стоковых изображений приведет к их классификации как Not Acceptable.
• Игнорирование проблем с верификацией аккаунта Ads: Наличие нарушений в аккаунте или использование непроверенных платежных методов приведет к тому, что организация не пройдет Verification, и реклама будет показываться без брендинга, что снизит CTR.
• Блокировка ресурсов от сканирования: Блокировка доступа Googlebot к файлам favicon помешает системе извлечь и проверить эти элементы.

Стратегическое значение

Этот патент подтверждает стратегию Google по превращению поисковой выдачи из набора ссылок в набор верифицированных ответов от подлинных сущностей (Entities). Для SEO это означает, что работа над авторитетностью и технической корректностью представления бренда (Entity SEO) напрямую влияет на визуальное представление сайта в SERP. Также патент демонстрирует глубокую интеграцию систем оценки качества и антифрод-механизмов между органическим поиском и рекламными продуктами.

Практические примеры

Сценарий 1: Предотвращение спуфинга в рекламе

1. Ситуация: Пользователь ищет «Delta Airlines». Мошеннический сайт «Delta-Tickets-Sale» пытается показать рекламу, используя официальный логотип Delta.
2. Действие системы: Система анализирует рекламодателя. Она проверяет Organization Name и Payment Information.
3. Верификация: Система определяет, что платежная информация не соответствует Delta Airlines. Организация не проходит Verification.
4. Проверка изображения: ML-модель определяет 100% Similarity Score с защищенным брендом Delta. Изображение помечается как Not Acceptable.
5. Результат: Реклама может быть показана, но она будет отображаться БЕЗ логотипа и БЕЗ названия организации, чтобы не вводить пользователя в заблуждение.

Сценарий 2: Частичное отображение брендинга (Claim 7)

1. Ситуация: Компания использует уникальный, приемлемый логотип, но ее название слишком общее (например, «Лучшие Кроссовки») и не может быть верифицировано как уникальное название бренда.
2. Действие системы: Изображение проходит проверку Acceptability. Однако название не проходит Verification.
3. Результат: Согласно Claim 7, система может отобразить результат с логотипом, но без названия организации над ссылкой.

Сценарий 3: Повышение доверия через SEO

1. Ситуация: Компания запускает рекламную кампанию. У нее еще нет долгой истории платежей.
2. Действие системы: Система анализирует Search Ranking Score домена. Сайт компании хорошо оптимизирован и имеет высокий органический рейтинг.
3. Результат: Высокий органический авторитет используется как сигнал доверия. Организация проходит Verification. Реклама показывается с логотипом и названием.

Вопросы и ответы