Как Google динамически персонализирует и оптимизирует рекламные объявления с помощью фидов данных и контекста пользователя

Описание

Какую задачу решает

Патент решает проблему масштабирования и управления персонализированными рекламными кампаниями. Создание вручную отдельных объявлений для каждого сегмента аудитории (например, по разным городам, устройствам или демографии) и контекстов показа трудоемко. Изобретение автоматизирует создание кастомизированных объявлений в реальном времени, позволяя использовать единый шаблон и внешний источник данных (фид) для генерации множества персонализированных вариантов.

Что запатентовано

Запатентована система (включающая Content Item Modifier) для динамического создания кастомизированных элементов контента (в первую очередь, рекламных объявлений) в момент запроса. Система использует шаблоны объявлений (Customizable Advertisement) с переменными (variables) и заполняет их данными из фида (Feed Data). Выбор конкретных данных определяется на основе контекста пользователя (User Context Data), правил соответствия (Matching Functions) и показателей эффективности (Performance Measures).

Как это работает

Система работает следующим образом:

• Получение запроса: Поступает запрос на показ рекламы, содержащий User Context Data (например, местоположение, тип устройства, время, история посещений).
• Выбор шаблона: Идентифицируется подходящее кастомизируемое объявление (шаблон).
• Анализ правил и фида: Система оценивает Matching Functions рекламодателя, чтобы определить, какая часть Feed Data соответствует текущему контексту пользователя.
• Оптимизация выбора: Если контексту соответствует несколько вариантов данных, система предпочитает вариант с лучшими историческими Performance Measures (например, Conversion Rate) для данного контекста или наиболее специфичное правило.
• Модификация и Показ: Переменные в шаблоне заполняются выбранными данными, и/или добавляются расширения (Advertisement Extenders).
• Корректировка ставок: Система также может динамически корректировать ставку (bid) за показ объявления на основе контекста пользователя (Bid Change Condition).

Актуальность для SEO

Высокая для сферы платной рекламы (PPC) и рекламных технологий (Ad Tech). Принципы динамической оптимизации креативов (DCO) и рекламы на основе фидов лежат в основе ключевых продуктов Google Ads, таких как Google Shopping, динамический ремаркетинг и кампании Performance Max. Это фундаментальная технология для персонализации рекламы в 2025 году.

Важность для SEO

Минимальное влияние (1/10). Этот патент описывает инфраструктуру и механизмы персонализации исключительно в рамках Платного Поиска (PPC/Google Ads). Он не описывает алгоритмы, связанные со сканированием, индексированием или ранжированием результатов органического поиска. Хотя он дает представление о возможностях Google в области персонализации и использования структурированных данных (фидов), он не предлагает прямых действий для улучшения органического ранжирования.

Детальный разбор

Термины и определения

Advertisement Extender (Расширение объявления)

Дополнительный контент (например, Sitelinks, адреса, телефоны), который добавляется к объявлению при выполнении определенных условий (extender condition).

Bid Change Condition (Условие изменения ставки)

Правило, которое запускает корректировку ставки (bid) за показ объявления при наличии определенных атрибутов в контексте пользователя.

Content Item Modifier (Модификатор элемента контента)

Ядро системы, отвечающее за анализ контекста, применение правил и модификацию шаблонов объявлений.

Customizable Advertisement (Кастомизируемое объявление)

Шаблон объявления, содержащий одну или несколько переменных (variables), которые заполняются динамически.

Feed Data (Данные фида)

Набор структурированного контента, предоставленный рекламодателем (например, таблица с ценами, наличием товаров, сроками доставки), используемый для заполнения переменных в объявлениях.

Matching Function (MF) (Функция соответствия)

Правила, определенные рекламодателем, которые связывают User Context Data с конкретными строками или подмножествами Feed Data.

Modifying Data (Модифицирующие данные)

Конкретное подмножество Feed Data, выбранное системой для заполнения переменных в шаблоне.

Performance Measures (Показатели эффективности)

Исторические данные (например, CTR, коэффициент конверсии), используемые для оптимизации выбора Modifying Data. Могут рассчитываться для конкретного контекста (per-user-context performance measures).

User Context Data (Данные контекста пользователя)

Атрибуты пользователя или запроса: местоположение, тип устройства, пол, время суток, данные cookie (история посещений), поисковый запрос.

Variable (Переменная)

Плейсхолдер в шаблоне объявления, который заменяется конкретным контентом из Feed Data.

Ключевые утверждения (Анализ Claims)

Примечание: В публикации US20140108145A1 пункты 1-20 отменены (canceled). Анализ основан на действующих пунктах 21-40.

Claim 21 (Независимый пункт): Описывает процесс динамического расширения контента (рекламы) на основе геолокации.

1. Система получает запрос на контент, включающий географическое местоположение устройства пользователя.
2. Идентифицируется элемент контента (объявление) для показа.
3. Система определяет, выполняется ли условие расширения (extender condition) на основе этой геолокации.
4. Если условие выполнено, система идентифицирует дополнительный контент из фида (content feed), основываясь на геолокации.
5. Этот дополнительный контент предоставляется для показа в расширенной части (extended portion) элемента контента.

Это механизм, позволяющий динамически добавлять локализованную информацию (например, адрес ближайшего магазина или локальные Sitelinks) к стандартному объявлению.

Claim 24 (Зависимый): Описывает процесс заполнения переменных и оптимизации выбора данных (механизм Dynamic Creative Optimization — DCO).

1. Определяется, что объявление содержит переменные (variables), которые должны быть разрешены на основе атрибутов пользователя.
2. Выбирается часть данных фида (portion of feed data) для разрешения этих переменных.
3. Ключевой аспект: выбор основан на показателях эффективности (performance measures) для частей данных фида, которые ранее использовались в ответ на предыдущие запросы с совпадающими атрибутами пользователя.

Система предпочитает тот вариант контента (например, текст акции или конкретный товар), который исторически показывал лучшие результаты (например, конверсии) для данного сегмента пользователей.

Claim 26 и 27 (Зависимые): Описывают механизм динамического управления ставками (контекстуальный биддинг).

1. Система определяет ставку (bid) для объявления на основе атрибутов пользователя.
2. Это происходит путем определения того, что хотя бы один атрибут пользователя соответствует условию изменения ставки (bid change condition).
3. Ставка устанавливается в значение, соответствующее этому атрибуту (например, повышается, если пользователь находится рядом с магазином).

Где и как применяется

Это изобретение функционирует исключительно в рамках инфраструктуры показа рекламы (Content Distribution System / Google Ads) и не является частью процесса органического поиска.

В контексте архитектуры поиска Google, этот механизм активируется на этапах, аналогичных RANKING, METASEARCH и RERANKING, но исключительно для вертикали Рекламы (Ads), когда система выбирает, формирует, определяет ставки и проводит аукцион рекламных объявлений.

Компоненты взаимодействия:

• Content Item Modifier: Ядро системы, выполняющее логику модификации.
• Feed Data Storage: Хранилище структурированных данных рекламодателей.
• Content Distribution System (Ad Server): Система управления рекламой, которая инициирует запрос на модификацию и управляет аукционом.

Входные данные:

• Запрос на рекламу (Ad request).
• User Context Data.
• Feed Data, предоставленные рекламодателем.
• Matching Functions и Bid Change Conditions.
• Исторические Performance Measures.

Выходные данные:

• Customized Advertisement (готовое к показу персонализированное объявление).
• Скорректированная ставка (Adjusted Bid) для участия в аукционе.

На что влияет

• Типы контента: Влияет исключительно на платные рекламные объявления (текстовые, товарные, медийные).
• Ниши и тематики: Наибольшее влияние в нишах, зависящих от актуальности данных и локации:
  • E-commerce: Динамическое отображение цен, наличия товара, сроков доставки.
  • Travel: Актуальная стоимость номеров, доступность рейсов.
  • Local Businesses: Добавление адреса ближайшего филиала, номера телефона (Click-to-Call).
• Устройства: Позволяет адаптировать контент и призывы к действию (CTA) в зависимости от типа устройства (например, ссылка на сайт для десктопа, карта проезда для планшета, звонок для смартфона).

Когда применяется

• Условия применения: Алгоритм применяется в реальном времени, когда рекламодатель настроил Customizable Advertisements и предоставил соответствующие Feed Data и Matching Functions.
• Триггеры активации: Активируется в момент получения запроса на показ рекламы.
• Специфические условия: Модификация происходит, если User Context Data удовлетворяют хотя бы одной Matching Function или Extender Condition.

Пошаговый алгоритм

Процесс динамического создания объявления:

1. Получение запроса и контекста: Система получает запрос на рекламу, который включает User Context Data.
2. Идентификация шаблона: Идентифицируется Customizable Advertisement (шаблон), критерии дистрибуции которого соответствуют контексту.
3. (Опционально) Корректировка ставки: Система проверяет Bid Change Conditions. Если контекст соответствует условию, ставка для объявления корректируется.
4. Выбор модифицирующих данных:
   • Система оценивает Matching Functions, связанные с шаблоном и фидами данных.
   • Идентифицируются все подмножества в Feed Data, которые соответствуют текущему User Context Data.
   • Если найдено несколько соответствий (конфликт), система разрешает его. Выбор может происходить путем использования наиболее специфичной функции (требующей большего числа совпадений атрибутов) или путем выбора варианта с наивысшим историческим Performance Measure (например, Conversion Rate) для данного контекста.
5. Модификация объявления: Выбранные Modifying Data вставляются в шаблон вместо переменных (variables). Также проверяются Extender Conditions (например, по геолокации, Claim 21), и при их выполнении добавляются расширения.
6. (Опционально) Валидация: Система может проводить проверку качества (data quality and compliance operations) для сгенерированного объявления, чтобы предотвратить показ некорректных или запрещенных комбинаций контента.
7. Предоставление объявления: Готовое кастомизированное объявление предоставляется в ответ на запрос для показа пользователю.

Какие данные и как использует

Данные на входе

Система использует несколько категорий данных, сфокусированных на контексте пользователя и данных рекламодателя. Факторы органического ранжирования (ссылочные, контентные, технические) здесь не применяются.

• Географические факторы: Местоположение пользователя (IP, GPS, ZIP-код). Используется для выбора локализованного контента (ближайшие магазины, сроки доставки) и корректировки ставок.
• Пользовательские факторы:
  • Тип устройства (мобильный, планшет, десктоп). Используется для выбора соответствующего контента и CTA.
  • Демография (пол, если известен и разрешен к использованию).
• Поведенческие факторы: История посещений сайта рекламодателя (Cookie data). Используется для ремаркетинга (например, предложение скидки, если пользователь бросил корзину).
• Временные факторы: Время суток, день недели. Используется для показа актуальных предложений (часы работы, срочные акции, расчет даты доставки).
• Данные рекламодателя (Feed Data): Структурированная информация: инвентарь, цены, атрибуты продуктов, адреса. Фиды могут обновляться из внешних источников (например, систем управления запасами).

Какие метрики используются и как они считаются

• Performance Measures (Показатели эффективности): Ключевая метрика для оптимизации (CTR, Conversion Rate). Рассчитывается на основе presentation summary data (история показов).
• Per-user-context performance measures: Детализированные показатели эффективности, рассчитанные для каждой комбинации «набор модифицирующих данных + контекст пользователя». Используется для выбора наилучшего варианта контента.
• Специфичность функции соответствия (Specificity): Метрика для приоритизации правил. Функция, требующая совпадения большего числа атрибутов контекста, считается более специфичной и может иметь приоритет при разрешении конфликтов.
• Корректировка ставки (Bid Adjustment): Значение, на которое изменяется базовая ставка при выполнении Bid Change Condition. Может рассчитываться по формуле (например, пропорционально расстоянию).

Выводы

1. Патент описывает систему Динамической Оптимизации Креативов (DCO) для PPC: Изобретение относится исключительно к системам платной рекламы (Google Ads). Оно не описывает механизмы ранжирования органического поиска и не дает практических рекомендаций для SEO.
2. Персонализация на основе контекста и фидов: Система обеспечивает высокую гранулярность персонализации, комбинируя контекст пользователя в реальном времени (User Context Data) и динамические данные рекламодателя (Feed Data) с помощью правил (Matching Functions).
3. Оптимизация на основе эффективности: Выбор креатива оптимизируется не только правилами, но и историческими данными (Performance Measures). Система обучается тому, какой контент лучше работает (CTR, конверсии) для конкретного сегмента пользователей в конкретном контексте.
4. Интеграция креативов и ставок: Патент описывает интеграцию кастомизации креативов со стратегией назначения ставок (Bid Change Condition), позволяя одновременно адаптировать сообщение и ставку под контекст пользователя.
5. Автоматизация и масштабирование: Основная цель – позволить рекламодателям управлять тысячами вариантов персонализированных креативов через централизованные фиды и шаблоны, минимизируя ручную работу.

Практика

ВАЖНО: Этот патент описывает инфраструктуру и механизмы платной рекламы (PPC) и не дает практических рекомендаций для органического SEO.

Best practices (это мы делаем)

Патент не содержит информации, применимой для улучшения органического ранжирования (SEO).

Worst practices (это делать не надо)

Патент не содержит информации, позволяющей выделить неэффективные или опасные SEO-тактики.

Стратегическое значение

Хотя патент не имеет прямого отношения к SEO, он демонстрирует технологические возможности Google в области использования структурированных данных (фидов) и глубокой персонализации в реальном времени на основе множества контекстных сигналов (гео, устройство, время, поведение). Это подчеркивает общую важность, которую Google придает структурированным данным и предоставлению контекстуально релевантного опыта пользователям во всех своих продуктах.

Практические примеры

Практических примеров для SEO нет.

Пример применения в PPC (для иллюстрации механизма):

Сценарий: Реклама интернет-магазина с разными сроками доставки в разные города.

1. Настройка рекламодателя: Загружается Feed Data, содержащий сроки доставки для разных городов (Атланта — 3 дня, Нью-Йорк — 2 дня). Создается шаблон: «Закажите сегодня, доставим в [День]».
2. Запрос пользователя: Пользователь из Атланты ищет товар во вторник.
3. Обработка системы:
   • User Context Data: Город=Атланта, День=Вторник.
   • Система применяет Matching Function и находит в фиде, что доставка в Атланту займет 3 дня (Пятница).
4. Результат: Пользователь видит объявление: «Закажите сегодня, доставим в Пятницу». Если бы пользователь был из Нью-Йорка, он увидел бы: «Закажите сегодня, доставим в Четверг».

Вопросы и ответы