Как Google позволяет пользователям создавать персонализированные и субъективные оценки влияния для других людей в социальных сетях

Описание

Какую задачу решает

Патент решает проблему ограничений существующих систем ранжирования пользователей социальных сетей (таких как Klout или Peerindex). Эти системы полагаются на машинный анализ и предоставляют глобальную, объективную оценку влияния (Public Influence Score), которая не учитывает персональный контекст, личные отношения пользователя или офлайн-знания. Существующие системы не могут точно отразить, кому конкретный пользователь действительно доверяет в определенной теме.

Что запатентовано

Запатентована система и метод для определения персонализированных и субъективных оценок влияния (Personalized Influence Score) пользователей социальных сетей. Система позволяет первому пользователю определить критерии (фильтры по темам, источникам, времени) для оценки второго пользователя. На основе этих критериев рассчитывается контекстуальная оценка влияния. Кроме того, первый пользователь может вручную скорректировать эту оценку (Adjusted Influence Score), основываясь на личном мнении или офлайн-информации.

Как это работает

Система работает следующим образом:

• Расчет публичной оценки: Сначала рассчитывается общая оценка влияния пользователя на основе всех доступных социальных данных (аналогично Klout).
• Определение критериев пользователем: Пользователь задает фильтры (например, «только Twitter», «только тема SEO», «за последнюю неделю»).
• Расчет персонализированной оценки: Система пересчитывает оценку влияния, используя только тот набор данных, который соответствует фильтрам пользователя.
• Ручная корректировка: Пользователь может вручную повысить или понизить рассчитанную оценку, основываясь на личном доверии или сравнивая ее с оценками других людей.
• Использование: Итоговая субъективная оценка используется для персонализации опыта этого пользователя (например, для приоритизации контента).

Актуальность для SEO

Средняя. Концепции контекстуального и персонализированного влияния крайне актуальны для систем персонализации поиска и новостей. Однако описанная реализация сильно зависит от данных социальных сетей (упоминаются Google+, Twitter, Facebook) и предполагает активное участие пользователя в настройке рейтингов. Учитывая закрытие Google+ и тенденцию к автоматизированной оценке авторитетности (E-E-A-T), маловероятно, что этот конкретный механизм с ручной корректировкой широко используется в основном поиске Google, но он может применяться в персонализированных сервисах.

Важность для SEO

Влияние на стандартные стратегии органического SEO низкое (4/10). Патент не описывает глобальные алгоритмы ранжирования или факторы E-E-A-T. Он фокусируется исключительно на том, как один пользователь воспринимает влияние другого для целей персонализации. Для SEO-специалистов этот патент важен для понимания механизмов персонализации поиска и того, как Google концептуализирует влияние как контекстное и субъективное явление, а не только как глобальную метрику.

Детальный разбор

Термины и определения

Adjusted Influence Score (Скорректированная оценка влияния)

Итоговая оценка влияния второго пользователя, которая была рассчитана как Personalized Influence Score и затем вручную изменена первым пользователем.

Criteria (Критерии)

Набор фильтров или правил, заданных первым пользователем для определения контекста оценки влияния. Могут включать темы, источники данных, временные рамки, местоположение.

First Party / First User (Первая сторона / Первый пользователь)

Пользователь, который выполняет оценку и персонализирует оценку влияния для собственных нужд.

Influence Score (Оценка влияния)

Значение, основанное на активности пользователя в социальных сетях, указывающее на степень, в которой мнения этого пользователя влияют на других.

Personalized Influence Score (Персонализированная оценка влияния)

Оценка влияния второго пользователя, рассчитанная с использованием только подмножества данных, выбранных на основе критериев, заданных первым пользователем. Является контекстуальной и субъективной.

Public Influence Score (Публичная оценка влияния)

Исходная, глобальная оценка влияния, рассчитанная машинным способом на основе всех доступных данных (аналог Klout Score).

Second Party / Second User (Вторая сторона / Второй пользователь)

Пользователь, чье влияние оценивается.

Social-networking data (Данные социальных сетей)

Набор данных об активности пользователя в социальных сетях (например, количество подписчиков, ретвиты, лайки, комментарии, членство в группах).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод определения оценки влияния второго пользователя для использования первой стороной.

1. Система получает набор критериев, указанных первой стороной.
2. Система получает набор данных, включающий информацию о взаимодействиях второго пользователя в социальных сетях (действия самого пользователя, реакции других на его действия, свойства сети, профиль).
3. Система выбирает из набора данных только те данные, которые соответствуют критериям первой стороны.
4. Система определяет функцию от выбранных данных, тем самым предоставляя Influence Score для второго пользователя.

Ядро изобретения — это фильтрация данных о социальном влиянии на основе пользовательских критериев для расчета контекстно-зависимой оценки влияния.

Claim 3 (Зависимый от 1): Уточняет типы критериев, которые может указать первая сторона.

Критерии могут включать: выбор данных только по определенной теме, только из определенного источника данных, только данных, предопределенных первой или третьей стороной, или только данных, относящихся к определенному периоду времени.

Claim 7 (Независимый пункт): Описывает метод ручной корректировки оценки влияния на основе сравнения.

1. Система получает исходную оценку влияния для второго пользователя.
2. Система получает исходную оценку влияния для третьего пользователя.
3. Обе оценки отображаются первой стороне.
4. Первая сторона сравнивает оценки.
5. На основе сравнения первая сторона изменяет исходную оценку влияния второго пользователя, тем самым создавая итоговую (скорректированную) оценку.

Это защищает механизм, позволяющий пользователю вручную изменять оценки влияния на основе относительного сравнения между двумя людьми (например, «Я доверяю А больше, чем Б, поэтому я повышу оценку А»).

Claim 16 (Независимый пункт): Описывает метод агрегации персонализированных оценок от разных пользователей.

1. Система получает множество исходных оценок влияния для второго пользователя.
2. Система рассчитывает функцию от этих исходных оценок, создавая итоговую оценку.
3. При этом каждая из исходных оценок была предварительно рассчитана на основе критериев, указанных соответствующей *другой* стороной (не первой и не второй).

Это описывает механизм создания сводной оценки влияния путем агрегации субъективных мнений множества разных людей (например, расчет средней оценки влияния пользователя на основе того, как его оценили все его друзья).

Где и как применяется

Изобретение в первую очередь применяется на финальных этапах поисковой архитектуры для целей персонализации.

CRAWLING – Сканирование и Сбор данных
Система должна собирать Social-networking data из различных источников (упоминаются Google+, Twitter, Facebook).

INDEXING – Индексирование и извлечение признаков
На этом этапе могут предварительно рассчитываться Public Influence Scores для пользователей на основе собранных данных. Данные индексируются таким образом, чтобы их можно было фильтровать по контексту (темы, время, источник).

RERANKING – Переранжирование (Персонализация)
Основное применение патента. Когда система готовит результаты для конкретного пользователя (Первая сторона), она может использовать Personalized или Adjusted Influence Scores, которые этот пользователь создал для других людей (Вторая сторона).

1. Определение релевантных авторов/источников: Идентификация людей, связанных с контентом (авторы, поделившиеся).
2. Получение персонализированных оценок: Запрос оценок влияния этих людей, сохраненных Первой стороной.
3. Переранжирование контента: Приоритизация контента, связанного с людьми, которым Первая сторона присвоила высокие персонализированные оценки влияния в данном контексте.

Входные данные:

• Social-networking data (подписчики, лайки, репосты и т.д.).
• Public Influence Scores (рассчитанные системой или полученные от третьих сторон, например, Klout).
• Пользовательские критерии (фильтры).
• Ручные корректировки оценок пользователем.

Выходные данные:

• Personalized Influence Scores.
• Adjusted Influence Scores.
• Сигналы для персонализированного переранжирования контента.

На что влияет

• Конкретные типы контента: В первую очередь влияет на контент, связанный с социальными взаимодействиями — посты в социальных сетях, статьи, которыми поделились, комментарии. Влияет на приоритизацию контента от конкретных авторов или источников в персонализированной выдаче.
• Специфические запросы: Наибольшее влияние на запросы, где важна авторитетность и доверие, и где у пользователя есть сильные предпочтения относительно источников информации.

Когда применяется

• Триггеры активации: Алгоритм активируется в двух случаях:
  1. Когда пользователь активно настраивает персонализированные оценки (создает фильтры или вручную корректирует баллы).
  2. Когда система генерирует персонализированную выдачу для пользователя и использует сохраненные им оценки для приоритизации контента.
• Условия работы: Требует наличия данных о социальных связях пользователя и активности оцениваемых людей в социальных сетях.

Пошаговый алгоритм

Процесс А: Расчет и корректировка персонализированной оценки

1. Сбор данных: Система собирает Social-networking data для Второго пользователя (например, из Twitter, Facebook, Google+).
2. Расчет публичной оценки: Вычисляется Public Influence Score на основе всех собранных данных (используя стандартный алгоритм, например, Klout).
3. Отображение публичной оценки: Оценка показывается Первому пользователю.
4. Определение критериев (Фильтрация): Первый пользователь указывает критерии для персонализации (например, фильтр по теме «Спорт» и источнику «Twitter»).
5. Выборка данных: Система отбирает подмножество социальных данных Второго пользователя, соответствующих критериям.
6. Расчет персонализированной оценки: Вычисляется Personalized Influence Score, используя только отобранное подмножество данных. Эта оценка отражает влияние Второго пользователя в контексте «Спорт в Twitter».
7. Отображение персонализированной оценки: Оценка показывается Первому пользователю.
8. Ручная корректировка (Опционально): Первый пользователь может вручную изменить оценку (например, повысить ее из-за личного знакомства или понизить из-за недоверия), создавая Adjusted Influence Score. Это может происходить путем сравнения с оценками других пользователей.
9. Сохранение: Персонализированная или скорректированная оценка сохраняется вместе с критериями, по которым она была создана.
10. Уведомление (Опционально): Второй пользователь или другие системы могут быть уведомлены о значении этой персонализированной оценки.

Процесс Б: Агрегация оценок (Альтернативный вариант, Claim 16)

1. Сбор персонализированных оценок: Система собирает Personalized Influence Scores для Второго пользователя, которые были созданы множеством других пользователей.
2. Агрегация: Система рассчитывает функцию от этих оценок (например, среднее взвешенное).
3. Использование: Итоговая агрегированная оценка используется как более надежный показатель влияния.

Какие данные и как использует

Данные на входе

Патент явно упоминает следующие типы данных:

• Ссылочные факторы (Социальные связи): Количество подписчиков (follower count), количество подписок (following count), количество друзей (Facebook friends), членство в группах/кругах (Google+ circles).
• Поведенческие факторы (Взаимодействия):
  • Ретвиты (re-tweets).
  • Добавления в избранное (favorites).
  • Ответы (replies).
  • Комментарии (comments).
  • Лайки (likes).
  • Уникальные упоминания (unique mentions).
  • Инициирование или участие в видеочатах (Google+ video chats).
• Контентные факторы: Ключевые слова и хэштеги, используемые пользователем; контент постов.
• Технические/Контекстные факторы: Местоположение, откуда был отправлен пост; приложения, используемые для постинга.
• Пользовательские факторы (Профиль): Пол, местоположение, занятость, интересы.
• Данные, вводимые пользователем (Ключевой аспект патента):
  • Критерии фильтрации (темы, источники, время).
  • Ручные корректировки оценок (повышение/понижение).
  • Данные из офлайн-источников (например, информация из личных бесед или email, введенная пользователем вручную).

Какие метрики используются и как они считаются

• Public Influence Score: Рассчитывается на основе всех доступных Social-networking data. Патент не предлагает конкретную формулу, но ссылается на существующие алгоритмы, такие как Klout или Peerindex.
• Personalized Influence Score: Рассчитывается с использованием того же алгоритма, что и публичная оценка, но применяется только к подмножеству данных, отфильтрованных по критериям пользователя.
• Adjusted Influence Score: Получается путем ручного изменения (увеличения или уменьшения значения) Personalized Influence Score пользователем.
• Агрегированная оценка (Claim 16): Рассчитывается как функция от множества персонализированных оценок, например, взвешенная сумма (weighted sum), где веса могут быть указаны пользователем.

Выводы

1. Влияние контекстуально и субъективно: Ключевой вывод патента заключается в том, что глобальная оценка влияния недостаточна. Влияние зависит от контекста (темы, платформы, времени) и является субъективным (зависит от того, кто оценивает).
2. Признание ценности пользовательского ввода и офлайн-знаний: Патент явно признает, что машинные алгоритмы не могут учесть все факторы (например, личные отношения, офлайн-беседы, локальный авторитет). Система предоставляет пользователям инструменты для внесения этих знаний через фильтры и ручные корректировки.
3. Механизм для глубокой персонализации: Описанная система предназначена не для глобального ранжирования (как PageRank или E-E-A-T), а для глубокой персонализации пользовательского опыта. Она позволяет приоритизировать контент на основе явного доверия пользователя к источнику.
4. Многогранность оценок влияния: Система позволяет хранить несколько оценок влияния для одного и того же человека, каждая из которых связана с разными критериями (например, одна оценка для «Политики», другая для «Спорта»).
5. Агрегация субъективных мнений: Патент также предусматривает возможность агрегации множества субъективных персонализированных оценок для получения более надежного общего показателя влияния (Claim 16).

Практика

Best practices (это мы делаем)

Хотя патент описывает систему персонализации, а не глобального ранжирования, он дает стратегические инсайты для работы над авторитетностью (E-E-A-T) и социальными сигналами.

• Развитие тематической экспертизы: Пользователи могут фильтровать оценки влияния по конкретным темам. Необходимо фокусироваться на создании глубокого контента и активном участии в обсуждениях в рамках своей ниши, чтобы добиться высокого Personalized Influence Score у целевой аудитории именно в этой тематике.
• Построение реального вовлечения в социальных сетях: Метрики вовлечения (ретвиты, комментарии, лайки, упоминания) являются базовыми данными для расчета оценок влияния. Необходимо стимулировать реальные обсуждения и распространение контента, а не просто наращивать количество подписчиков.
• Кросс-платформенное присутствие: Поскольку пользователи могут фильтровать данные по источникам (Twitter, Facebook и т.д.), важно поддерживать авторитетное присутствие на платформах, где находится ваша целевая аудитория.
• Построение доверия и офлайн-репутации: Патент явно позволяет пользователям вручную корректировать оценки на основе офлайн-знаний и личного доверия. Работа над репутацией бренда и экспертов за пределами интернета может напрямую влиять на персонализированные оценки влияния.

Worst practices (это делать не надо)

• Накрутка глобальных метрик влияния: Покупка подписчиков или лайков для повышения глобальных показателей (например, Klout Score) может оказаться неэффективной. Если контент не соответствует интересам пользователя или пользователь не доверяет источнику, он может применить фильтры или вручную понизить Personalized Influence Score, нейтрализуя накрученные метрики.
• Игнорирование контекста и ниши: Попытка быть «влиятельным во всем» менее эффективна, чем построение глубокого авторитета в конкретной нише, так как система позволяет оценивать влияние контекстуально.
• Манипуляции социальными сигналами: Агрессивный спам или манипуляции могут привести к тому, что пользователи вручную понизят оценку влияния источника из-за недоверия, даже если формальные метрики высоки.

Стратегическое значение

Патент подтверждает важность персонализации в стратегиях поисковых систем. Он подчеркивает разницу между глобальной авторитетностью (E-E-A-T для глобального ранжирования) и персонализированным влиянием. Для SEO-специалистов это означает, что необходимо работать над построением универсальных сигналов E-E-A-T, но также понимать, что в персонализированной выдаче результаты могут сильно отличаться в зависимости от того, насколько пользователь доверяет конкретному бренду или автору. Долгосрочная стратегия должна включать построение прямого доверия с аудиторией.

Практические примеры

Сценарий: Персонализация выдачи по запросу о ремонте автомобиля

1. Пользовательский контекст: Пользователь (Первая сторона) ищет советы по ремонту редкой модели автомобиля.
2. Глобальная выдача: В стандартной выдаче доминируют крупные автопорталы и форумы.
3. Персонализация оценок: Ранее пользователь настроил свои оценки влияния. Он отфильтровал данные по теме «Ремонт ретро-автомобилей». Он также вручную повысил Adjusted Influence Score своего знакомого механика (Вторая сторона), который ведет небольшой блог и активен в Facebook-группе, так как доверяет его опыту (офлайн-знание).
4. Применение механизма: При формировании персонализированной выдачи система учитывает высокие оценки влияния, присвоенные механику.
5. Результат: Блог и посты механика в Facebook ранжируются выше крупных автопорталов в выдаче этого конкретного пользователя, даже если у механика меньше подписчиков и ниже глобальные метрики авторитетности.

Вопросы и ответы