Как Google использует социальные одобрения и рекомендации экспертов для ранжирования рекламы и компенсации авторам обзоров

Описание

Какую задачу решает

Патент решает проблему недоверия пользователей к онлайн-рекламе и надежности сторонних отзывов, которые могут быть предвзятыми. Он направлен на повышение эффективности рекламы за счет интеграции экспертных оценок (одобрений) и валидации этих экспертов через социальные сигналы (рекомендации от знакомых). Кроме того, патент предлагает модель монетизации для авторов этих одобрений.

Что запатентовано

Запатентована система управления рекламой, которая связывает рекламные объявления с одобрениями (endorsements) от экспертов (endorsers) и рекомендациями этих экспертов от пользователей. Система отображает эти данные вместе с рекламой, если зритель социально связан с рекомендателем. Ключевой фокус патента — модель оплаты, при которой эксперт получает компенсацию за взаимодействие (клик или конверсию) с одобренной им рекламой.

Как это работает

Система работает следующим образом:

• Сбор данных: Система собирает одобрения товаров от экспертов (Endorsers) и рекомендации этих экспертов от пользователей (User A).
• Обработка запроса: Когда другой пользователь (User B) инициирует запрос, система находит релевантную рекламу.
• Проверка связей: Система проверяет Social Graph, чтобы узнать, находятся ли User A и User B в одной социальной сети или имеют ли они прямые отношения знакомства (acquaintance relationship).
• Показ и Ранжирование: Если связь есть, реклама может быть показана User B вместе с одобрением и рекомендацией. Эти сигналы также могут повысить ранг рекламы в аукционе.
• Компенсация: Если User B кликает по рекламе или совершает конверсию, эксперт получает финансовую компенсацию (например, процент от CPC).

Актуальность для SEO

Низкая/Средняя. Патент подан в 2010 году, в период активного интереса к интеграции социальных сигналов (эпоха Google+). Конкретная реализация с прямой оплатой экспертам за клики, строго привязанная к социальным связям друзей, не стала доминирующей моделью. Однако базовые концепции использования экспертности и социального доказательства в рекламе (например, рейтинги продавцов) остаются актуальными.

Важность для SEO

Влияние на SEO минимальное (1/10). Патент полностью посвящен системе управления контекстной рекламой (Advertisement Management System), рекламным аукционам и моделям компенсации в рекламе. Он не описывает механизмы или факторы ранжирования органических результатов поиска. Практических выводов для SEO-стратегии извлечь нельзя.

Детальный разбор

Термины и определения

Acquaintance Relationship (Отношения знакомства)

Прямая, определенная связь между двумя пользователями в социальной сети, обычно требующая взаимного согласия (например, «друзья»).

Advertisement Management System (Система управления рекламой)

Система (например, Google Ads), управляющая рекламными услугами, проводящая аукционы и выбирающая рекламу для показа.

Advertisement Score (Рейтинг рекламы)

Оценка, используемая для ранжирования рекламы в аукционе. Может включать ставку, качество и дополнительные сигналы (веса одобрений/рекомендаций).

Conversion (Конверсия)

Целевое действие пользователя после взаимодействия с рекламой (например, покупка, регистрация).

Endorsement (Одобрение)

Поддержка или одобрение товара, услуги, самой рекламы или рекламодателя, предоставленное экспертом.

Endorser (Одобряющий эксперт / Индоссант)

Лицо или организация, обладающая признанной экспертизой в определенной категории, которая предоставляет одобрения (например, Zagat, NYT).

Recommendation (Рекомендация)

Мнение пользователя о надежности (credibility) эксперта (Endorser). Может быть в виде оценки, рейтинга или бинарного указания.

Social Graph (Социальный граф)

Структура данных, представляющая пользователей и связи между ними в социальной сети.

Social Network (Социальная сеть)

Онлайн-система для взаимодействия пользователей (упомянуты Facebook, Orkut, Twitter и др.).

Ключевые утверждения (Анализ Claims)

Патент фокусируется на модели оплаты (Compensation) для авторов одобрений.

Claim 1 (Независимый пункт): Описывает основной метод компенсации эксперта на основе кликов (selection).

1. Получение запроса на рекламу.
2. Идентификация релевантной рекламы, связанной с товаром/услугой, который(ая) имеет одобрение (endorsement) от эксперта (endorser).
3. Показ этой рекламы.
4. Получение индикации о выборе (клике) этой рекламы.
5. Предоставление компенсации эксперту после получения индикации о клике.

Claim 4 (Зависимый от 3): Уточняет условия показа рекламы, интегрируя социальный контекст. Показ рекламы происходит после того, как система определяет, что пользователь, запросивший рекламу (User 1), и пользователь, предоставивший рекомендацию эксперта (User 2), связаны через одну и ту же social network.

Claim 5 (Зависимый от 3): Уточняет строгие условия компенсации на основе типа социальной связи. Компенсация предоставляется только в том случае, если реклама была показана пользователю (User 1), у которого есть подтвержденные отношения знакомства (acquaintance relationship) в социальной сети с пользователем, предоставившим рекомендацию (User 2).

Claim 7 (Независимый пункт): Описывает альтернативный метод компенсации на основе конверсий (conversion), а не кликов.

1. Получение запроса и идентификация релевантной одобренной рекламы.
2. Показ рекламы.
3. Получение индикации о конверсии (conversion), связанной с этой рекламой.
4. Предоставление компенсации эксперту после получения индикации о конверсии.

Где и как применяется

Патент описывает внутренние процессы Advertisement Management System (например, Google Ads), а не органического поиска (SEO). Он не встраивается в этапы органического поиска.

Индексирование рекламы и признаков:
Endorsement Subsystem собирает и хранит данные об одобрениях (endorsements), экспертах (endorsers) и рекомендациях. Система также должна иметь доступ к данным Social Graph для определения связей между пользователями.

Ранжирование рекламы (Аукцион):
Основной этап применения. Одобрения и рекомендации используются как сигналы (signals) в рекламном аукционе. Они влияют на расчет итогового рейтинга рекламы (Advertisement score), что определяет позицию показа.

Отображение и Фильтрация:
Система использует данные о социальных связях для принятия решения о показе дополнительной информации (аннотаций одобрения). Показ может быть отфильтрован, если между зрителем и рекомендателем нет необходимой социальной связи.

Отслеживание и Компенсация:
Система отслеживает клики и conversions и управляет выплатой компенсаций экспертам на основе моделей CPC или CPA.

Входные данные:

• Запрос на рекламу (ключевые слова).
• Данные пользователя (ID, связи в Social Graph).
• База данных рекламы и ставок.
• База данных одобрений, экспертов и рекомендаций.

Выходные данные:

• Отранжированный список рекламных объявлений (с аннотациями или без).
• Данные для биллинга о начислении компенсации эксперту.

На что влияет

• Типы контента: Влияет исключительно на контекстную рекламу. Не влияет на органическую выдачу.
• Ранжирование рекламы: Влияет на Advertisement score в аукционе, повышая рейтинг рекламы с социальным или экспертным подтверждением.
• Специфические запросы: Наибольшее влияние на коммерческие и транзакционные запросы, где доверие играет ключевую роль (отели, рестораны, электроника).

Когда применяется

• Триггеры активации:
  • Наличие у релевантной рекламы одобрения (endorsement) от эксперта.
  • (Опционально) Наличие у этого эксперта рекомендации (recommendation) от другого пользователя.
• Условия показа аннотаций: Наличие социальной связи (принадлежность к одной social network или наличие acquaintance relationship) между зрителем и рекомендателем.
• Условия компенсации: Клик по рекламе или совершение конверсии. В некоторых вариантах компенсация происходит, только если была подтверждена acquaintance relationship.

Пошаговый алгоритм

Процесс показа рекламы и компенсации

1. Сбор данных (Офлайн/Предварительный этап):
   • Система получает одобрение товара от эксперта (Endorser) и ассоциирует его с рекламой.
   • Система получает рекомендацию этого эксперта от Первого пользователя (User A).
2. Обработка запроса (Онлайн):
   • Система получает запрос на показ рекламы от Второго пользователя (User B).
   • Система идентифицирует релевантные объявления.
3. Анализ одобрений и социальных связей:
   • Система определяет, что релевантная реклама имеет одобрение от эксперта, которого рекомендовал User A.
   • Система определяет, что User A и User B имеют социальную связь (например, acquaintance relationship).
4. Ранжирование (Аукцион):
   • Система рассчитывает Advertisement score, используя ставку (bid), показатель качества (quality score), а также веса за одобрение (endorsement weight) и социально значимую рекомендацию (recommendation weight).
5. Показ рекламы:
   • Система предоставляет рекламу User B вместе с данными об одобрении и рекомендации.
6. Обработка взаимодействия:
   • Система получает индикацию о взаимодействии (клике или конверсии) от User B.
7. Компенсация:
   • Система инициирует предоставление компенсации эксперту (например, процент от CPC), если выполнены условия (включая опциональные социальные условия из Claim 5).

Какие данные и как использует

Данные на входе

• Пользовательские факторы (Социальные): Критически важные данные. Используются данные Social Graph, принадлежность к Social Network, наличие прямых отношений знакомства (Acquaintance Relationship).
• Данные о контенте (Рекламном): Рекламные креативы, ключевые слова таргетинга, ставки (bids).
• Данные об экспертизе: Одобрения (Endorsements) товаров или услуг. Идентификаторы экспертов (Endorsers) и категории их экспертизы.
• Поведенческие факторы: Рекомендации (Recommendations) экспертов пользователями (оценки надежности). Данные о кликах и конверсиях.

Какие метрики используются и как они считаются

• Advertisement Score (Рейтинг рекламы): Метрика для ранжирования рекламы в аукционе. В патенте приводится пример формулы: Advertisement score = bid * quality score + endorsement weight + recommendation weight.
• Endorsement Weight (Вес одобрения): Сигнал ранжирования. Может представлять количество или качество одобрений, связанных с рекламой.
• Recommendation Weight (Вес рекомендации): Сигнал ранжирования. Этот вес увеличивается, если рекомендатель социально связан (особенно через acquaintance relationship) с пользователем, видящим рекламу.
• Компенсация: Финансовая метрика. Рассчитывается как процент от дохода с рекламы, например, процент от CPC (упоминаются примеры 10% или 20%) или на основе CPM, выплачиваемый при клике или конверсии.

Выводы

1. Фокус на рекламе, не на SEO: Этот патент описывает исключительно механизмы рекламной выдачи (Google Ads) и не содержит информации о ранжировании органических результатов. Практических выводов для SEO нет.
2. Интеграция социальных сигналов в рекламу: Патент демонстрирует намерение Google использовать Social Graph и отношения между пользователями (acquaintance relationship) как способ повышения доверия к рекламным сообщениям.
3. Роль экспертизы и многоуровневого доверия: Система использует многоуровневую модель доверия: Реклама > Одобрение эксперта > Рекомендация эксперта пользователем > Социальная связь между рекомендателем и зрителем.
4. Модель монетизации для экспертов: Ключевой аспект — создание экономической модели, стимулирующей экспертов (Endorsers) путем выплаты им части дохода от рекламы (CPC или CPA).
5. Влияние на рекламный аукцион: Одобрения и рекомендации используются как прямые сигналы ранжирования в рекламном аукционе (endorsement weight, recommendation weight), влияя на итоговый Advertisement score.

Практика

ВАЖНО: Патент является инфраструктурным для рекламных систем и не дает практических выводов для органического SEO.

Best practices (это мы делаем)

Информация для применения в SEO отсутствует. Патент не относится к органическому поиску.

Worst practices (это делать не надо)

Информация для применения в SEO отсутствует. Патент не относится к органическому поиску.

Стратегическое значение

Для SEO стратегическое значение минимально. Однако патент подтверждает общий долгосрочный тренд Google на использование сигналов доверия, экспертизы и социальных доказательств (Social Proof). Хотя в данном патенте эти концепции применены исключительно к рекламе, это коррелирует с важностью сигналов E-E-A-T в органическом поиске, показывая, что Google разрабатывал методы формализации экспертизы и доверия (хотя и в контексте рекламных продуктов).

Практические примеры

Практических примеров для SEO нет. Ниже приведен пример работы системы в контексте Рекламы.

Сценарий (Контекстная реклама):

1. Контекст: Пользователь Джефф ищет «отели Спокан». У Джеффа есть друг Дейв в социальной сети (acquaintance relationship). Дейв ранее рекомендовал Эксперта А как надежного обозревателя отелей. Эксперт А ранее одобрил Отель Спокан.
2. Запрос: Джефф вводит запрос.
3. Действие системы: Система находит рекламу Отеля Спокан. Она идентифицирует одобрение от Эксперта А и рекомендацию от Дейва. Система подтверждает социальную связь между Джеффом и Дейвом.
4. Аукцион: Реклама Отеля Спокан получает повышенный Advertisement score за счет recommendation weight от Дейва.
5. Результат: Реклама показывается Джеффу с аннотацией: «Одобрено Экспертом А (рекомендовано вашим другом Дейвом)».
6. Компенсация: Если Джефф кликает по рекламе (или бронирует номер), Эксперт А получает процент от стоимости клика (согласно Claim 5, так как связь подтверждена).

Вопросы и ответы