Как Google использует геймифицированные сравнения изображений для сбора данных о предпочтениях пользователей и ранжирования мест

Описание

Какую задачу решает

Патент решает проблему сложности сбора рейтингов и отзывов о местах (ресторанах, магазинах и т.д.). Традиционные методы имеют недостатки: пользователи часто не оставляют отзывы после посещения, не имеют достаточно информации до посещения, а существующие интерфейсы могут быть слишком сложными или скучными. Изобретение предлагает геймифицированный, визуальный метод для эффективного сбора данных о предпочтениях пользователей до посещения места.

Что запатентовано

Запатентован метод итеративного выбора места из набора кандидатов посредством визуального сравнения. Система делит набор кандидатов на части (например, пополам), ассоциирует изображение с каждой частью и предлагает пользователю выбрать предпочтительное изображение. Этот выбор сужает набор кандидатов, и процесс повторяется до тех пор, пока не будет определен «победитель». Ключевым аспектом является то, что эти данные о предпочтениях затем используются для ранжирования результатов поиска.

Как это работает

Механизм работает как «игровое приложение»:

• Генерация кандидатов: Определяется набор мест, например, результаты локального поиска в определенной области.
• Разделение и визуализация: Набор делится на части. Для каждой части выбирается репрезентативное изображение (например, фото интерьера, логотип, продукт).
• Выбор пользователя: Изображения представляются пользователю (или группе пользователей) для выбора предпочтительного варианта.
• Итеративное сокращение: Набор кандидатов сокращается до той части, которая соответствует выбранному изображению.
• Повторение: Процесс повторяется до тех пор, пока не останется одно место (winning place).
• Использование данных: Статистика о том, какие места «побеждают», используется как сигнал для ранжирования будущих результатов поиска.

Актуальность для SEO

Средняя. Хотя интерфейс, описанный в патенте (игра «выбери победителя»), не является стандартной функцией основного поиска Google, лежащие в его основе принципы актуальны. Сбор пользовательских сигналов через взаимодействие с изображениями и геймификация (например, в программе Google Maps Local Guides) активно используются. Механизм сбора данных о визуальных предпочтениях для улучшения ранжирования сущностей остается актуальной задачей.

Важность для SEO

Влияние на SEO среднее (6/10), преимущественно в сфере Local SEO и ранжирования сущностей (Entities). Патент описывает не сам алгоритм ранжирования, а механизм сбора пользовательских данных, которые затем используются как сигнал для ранжирования. Он подчеркивает критическую важность визуальной привлекательности и качества изображений, связанных с бизнесом, поскольку они могут напрямую использоваться системой для краудсорсинговой оценки предпочтений.

Детальный разбор

Термины и определения

Set of candidate places (Набор мест-кандидатов)

Группа сущностей (рестораны, магазины, достопримечательности и т.д.), из которых производится выбор. Этот набор может формироваться на основе поискового запроса или географического положения пользователя.

Part (Часть набора)

Подмножество кандидатов, на которые делится исходный набор в процессе итерации (например, две половины).

Image (Изображение)

Визуальное представление, ассоциированное с частью набора кандидатов. Примеры включают внешний вид места, фотографию продукта, название, логотип или меню.

Characteristic (Характеристика)

Атрибут места, который представлен изображением. В одном раунде сравнения отображаемые изображения обычно представляют одну и ту же характеристику (например, сравнение интерьера с интерьером).

Winning place (Выигравшее место)

Место, оставшееся в единственном экземпляре после завершения итеративного процесса сужения выбора.

Score (Оценка пользователя)

Метрика, начисляемая пользователю за участие в процессе выбора. Может использоваться для геймификации и оценки надежности пользователя (например, если его выбор совпадает с выбором большинства).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной итеративный процесс выбора места пользователем.

1. Система генерирует набор мест-кандидатов.
2. Набор делится на несколько частей.
3. Пользователю отображаются изображения, каждое из которых ассоциировано с соответствующей частью набора.
4. Система получает индикацию выбора одного из изображений пользователем.
5. Набор кандидатов сокращается до той части, которая ассоциирована с выбранным изображением.
6. Шаги 2-5 повторяются до тех пор, пока в наборе не останется только одно место.
7. Это оставшееся место обозначается как winning place.

Claim 3 (Зависимый от 1 и 2): Уточняет применение результатов процесса. Это критически важный пункт для SEO.

Если набор кандидатов соответствует результатам поиска (Claim 2), то система использует сокращенный набор кандидатов (т.е. winning place) для ранжирования этих результатов поиска. Это прямо указывает на то, что собранные данные о предпочтениях являются сигналом ранжирования.

Claim 6 (Зависимый от 1): Уточняет правила отображения изображений.

Изображения, представленные в ходе одного раунда (одной итерации), представляют одну и ту же характеристику (same characteristic) для каждой части набора. Это обеспечивает корректность сравнения (например, фото блюда сравнивается с фото блюда).

Claim 23 (Независимый пункт): Описывает систему, ориентированную на многопользовательское взаимодействие.

1. Система отображает несколько изображений нескольким пользователям.
2. Система получает индикации выбора от этих пользователей.
3. Набор кандидатов сокращается на основе изображения, выбранного большинством пользователей.

Где и как применяется

Изобретение затрагивает несколько этапов работы поисковой системы, в первую очередь сбор данных и их использование при ранжировании.

CRAWLING – Сканирование и Сбор данных
Это основная функция, описанная в патенте. Система не просто сканирует контент, а активно собирает данные о предпочтениях пользователей (User Preference Data) относительно сущностей (Places). Это механизм краудсорсинга оценок в геймифицированном формате.

INDEXING – Индексирование и извлечение признаков
Для работы механизма необходимо, чтобы изображения, связанные с сущностями (местами), были проиндексированы и, что более важно, классифицированы по характеристикам (например, «интерьер», «продукт», «логотип», «меню»). Это позволяет системе выбирать релевантные пары изображений для сравнения.

RANKING / RERANKING – Ранжирование / Переранжирование
Как прямо указано в патенте (Claim 3), результаты этого процесса (идентификация winning places) используются для ранжирования результатов поиска. Собранные агрегированные данные о визуальных предпочтениях становятся сигналом ранжирования, вероятно, влияющим на оценку качества, популярности или релевантности сущности для определенных запросов.

Входные данные:

• Набор мест-кандидатов (например, результаты локального поиска).
• Репозиторий изображений, связанных с этими местами, с классификацией по характеристикам.
• Взаимодействия пользователей (выбор изображений).

Выходные данные:

• Идентифицированное winning place.
• Статистические данные о предпочтениях пользователей.
• Сигналы для ранжирования результатов поиска.
• Оценки пользователей (Scores).

На что влияет

• Конкретные типы контента/сущностей: В первую очередь влияет на сущности типа «Place» – рестораны, магазины, отели, достопримечательности. Это имеет прямое отношение к Local SEO.
• Специфические запросы: Наиболее релевантно для локальных запросов (например, «лучшая пиццерия рядом») или запросов, требующих субъективной оценки качества и атмосферы.
• Мультимедиа факторы: Напрямую влияет на важность качества, привлекательности и разнообразия изображений, связанных с бизнесом.

Когда применяется

• Условия работы алгоритма: Применяется для сбора данных о предпочтениях в отношении набора мест.
• Триггеры активации: Может активироваться, когда пользователь ищет место для посещения (например, в интерфейсе Google Maps) или когда система целенаправленно собирает данные для определенной категории или географической области. Патент описывает интерфейс как «game application».

Пошаговый алгоритм

1. Выбор кандидатов: Система определяет исходный набор мест-кандидатов. Это может быть основано на поисковом запросе пользователя или его текущем местоположении.
2. Доступ к данным: Система обращается к репозиторию данных, содержащему информацию о местах и связанных с ними изображениях.
3. Разделение набора: Текущий набор кандидатов делится на несколько частей (например, на две части примерно равного размера).
4. Выбор и отображение изображений: Система выбирает определенную характеристику для сравнения (например, «интерьер»). Затем она отображает по одному изображению для каждой части набора. Все отображаемые изображения представляют выбранную характеристику.
5. Получение выбора: Система получает индикацию выбора одного из изображений от пользователя. В многопользовательском варианте собираются ответы от нескольких пользователей.
6. Обновление оценки (Опционально): Может быть обновлен Score пользователя на основе его выбора.
7. Сокращение набора: Набор кандидатов сокращается до той части, которая ассоциирована с выбранным изображением. В многопользовательском режиме выбор определяется большинством голосов.
8. Проверка условия завершения: Система проверяет, осталось ли в наборе более одного места.
   • Если ДА: Процесс возвращается к шагу 3 (Разделение набора). При этом характеристика для сравнения на шаге 4 может быть изменена (например, с «интерьера» на «продукт»).
   • Если НЕТ: Переход к шагу 9.
9. Определение победителя и анализ: Оставшееся место объявляется winning place. Система выполняет статистический анализ результатов и может использовать эти данные для ранжирования результатов поиска.

Какие данные и как использует

Данные на входе

• Мультимедиа факторы (Ключевые): Изображения, связанные с местами. Патент явно упоминает: внешний вид места (appearance), изображение продукта (image of a product), название (name), логотип (logo), фото места (photo of the place), меню (menu), а также цвета, формы или узоры, напоминающие о месте.
• Географические факторы: Местоположение пользователя (включая данные GPS) и местоположение бизнесов используются для генерации исходного набора кандидатов.
• Пользовательские факторы: История взаимодействий и выборов пользователя может использоваться для расчета его Score.
• Контентные факторы: Категории мест (например, «вегетарианский ресторан», «суши») и другие атрибуты (например, ценовой диапазон) используются для фильтрации и генерации исходного набора кандидатов.

Какие метрики используются и как они считаются

• Количество кандидатов: Используется для управления итеративным процессом (повторять, пока количество > 1).
• User Score (Оценка пользователя): Метрика для геймификации и потенциальной оценки надежности источника данных. Рассчитывается, например, если выбор пользователя совпадает с выбором большинства или если выбранные им «победители» впоследствии получают положительные отзывы после реального посещения.
• Majority Vote (Большинство голосов): В многопользовательском режиме используется для определения предпочтительной части набора.
• Winning statistics (Статистика побед): Агрегированные данные о том, какие места чаще становятся winning place в сравнении с другими кандидатами. Эта статистика используется как сигнал для ранжирования результатов поиска.

Выводы

1. Сбор данных о субъективных предпочтениях: Патент описывает механизм краудсорсинга для сбора трудно формализуемых данных о предпочтениях пользователей через визуальные сравнения. Google стремится понять, что визуально привлекает пользователей в контексте выбора места (Local Search).
2. Визуальные сигналы как фактор ранжирования: В патенте прямо указано (Claim 3), что собранные через этот механизм данные (статистика «побед») используются для ранжирования результатов поиска. Это делает визуальное представление бизнеса важным потенциальным сигналом ранжирования.
3. Важность качества и разнообразия изображений: Для эффективной работы системы Google необходим доступ к разнообразным и качественным изображениям сущности. Эти изображения должны покрывать разные характеристики (продукт, интерьер, логотип и т.д.), так как любая из них может быть использована для сравнения.
4. Геймификация для сбора сигналов: Использование игрового формата решает проблему низкой мотивации пользователей оставлять отзывы традиционными способами и позволяет собрать большой объем данных о предпочтениях.
5. Фокус на Local SEO: Механизм явно нацелен на сущности типа «Place», что делает его наиболее релевантным для стратегий локального поиска и оптимизации Google Business Profile.

Практика

Best practices (это мы делаем)

• Комплексная оптимизация визуальных активов (Image Optimization): Необходимо обеспечить наличие высококачественных, привлекательных и актуальных изображений для бизнеса в Google Business Profile (GBP) и на официальном сайте. Визуальная привлекательность напрямую влияет на выбор пользователя в описанном механизме сравнения.
• Обеспечение разнообразия изображений: Критически важно загружать изображения, покрывающие все ключевые характеристики бизнеса: экстерьер, интерьер (атмосфера), продукты/блюда, меню, логотип, команда. Система может использовать любую из этих характеристик для генерации сравнений.
• Стимулирование загрузки качественного UGC: Поощрять клиентов загружать качественные фотографии в GBP. Большой и разнообразный пул изображений дает системе больше данных для анализа предпочтений пользователей.
• Мониторинг визуального представления конкурентов: Анализировать, какие изображения используют конкуренты в GBP. Убедиться, что ваши визуальные активы конкурентоспособны по качеству, информативности и привлекательности при прямом сравнении.

Worst practices (это делать не надо)

• Использование стоковых или нерелевантных фото: Использование изображений, которые не соответствуют реальности или вводят в заблуждение. Это приведет к плохому пользовательскому опыту и, вероятно, к низким показателям предпочтений в системах сравнения.
• Низкое качество изображений: Использование темных, размытых или плохо скадрированных фотографий. При прямом визуальном сравнении низкое качество почти гарантированно приведет к проигрышу более качественному изображению конкурента.
• Игнорирование ключевых характеристик: Отсутствие изображений важных аспектов бизнеса (например, нет фото интерьера у ресторана или фото товаров у магазина). Бизнес не сможет эффективно участвовать в сравнении по этим характеристикам.

Стратегическое значение

Патент подтверждает стратегию Google на использование краудсорсинга и анализа поведения пользователей для оценки качества сущностей, особенно в локальном поиске. Он подчеркивает важность визуального восприятия и пользовательского опыта как сигналов ранжирования. Для SEO это означает, что оптимизация должна выходить за рамки традиционных текстовых и ссылочных факторов и включать управление визуальной привлекательностью и репутацией бренда или бизнеса.

Практические примеры

Сценарий: Улучшение ранжирования ресторана через оптимизацию изображений

1. Ситуация: Ресторан имеет хорошие текстовые отзывы, но ранжируется ниже конкурентов по запросу «уютное кафе для работы».
2. Анализ (с учетом патента): Возможно, система собирает данные о предпочтениях, сравнивая атмосферу и интерьер. Изображения кафе в GBP некачественные, темные и не показывают наличие розеток или удобных столов.
3. Действия:
   • Провести профессиональную фотосессию интерьера, фокусируясь на освещении, уюте и элементах, важных для работы (удобные места, розетки, Wi-Fi).
   • Обновить основные фото и загрузить новые фото интерьера в GBP.
   • Загрузить качественные фото кофе и десертов.
4. Ожидаемый результат: Когда система (согласно патенту) будет сравнивать изображения интерьера или продуктов этого кафе с конкурентами, новые привлекательные и информативные изображения повысят вероятность выбора пользователями. Накопление статистики «побед» (winning statistics) станет сигналом для Google, что это кафе более предпочтительно для данного интента, что будет способствовать улучшению его ранжирования.

Вопросы и ответы