Как Google классифицирует физические локации на основе поведения пользователей для таргетинга рекламы

Описание

Какую задачу решает

Патент решает задачу повышения релевантности и эффективности показа рекламы (content items или ads) за счет понимания контекста физического местоположения пользователя. Цель — автоматически определить характеристики и доминирующие интересы, свойственные конкретной географической локации, чтобы показывать рекламу, которая с большей вероятностью соответствует контексту этого места.

Что запатентовано

Запатентована система и метод для автоматической классификации географических локаций на основе агрегированного поведения пользователей в этих местах. Система анализирует данные, в первую очередь поисковые запросы (search data), чтобы вывести тематическую категорию (category) для локации. Это соответствие между локацией и категорией используется для повышения (boost) оценок релевантной рекламы при ее показе пользователям, находящимся в этой зоне.

Как это работает

Система работает в два этапа: офлайн-классификация и применение в реальном времени.

• Офлайн-классификация: Система собирает агрегированные данные (например, поисковые запросы) от пользователей в определенной локации. Анализируется частота различных категорий интересов в этих данных. Эта частота сравнивается с базовым распределением (baseline distribution) по всем локациям. Если категория встречается в данной локации значительно чаще (выше порога), чем в среднем, локация аннотируется этой категорией.
• Применение в реальном времени: Когда поступает запрос на показ рекламы, система определяет текущую локацию пользователя. Если для этой локации назначена значимая категория, то рекламные объявления, соответствующие этой категории, получают бустинг (повышение оценки) в рекламном аукционе.

Актуальность для SEO

Высокая для рекламных технологий (AdTech). Локальный таргетинг, особенно на мобильных устройствах, является критически важным компонентом современных рекламных систем. Описанный механизм позволяет автоматически адаптировать показ рекламы к специфике места (например, финансовый район vs. туристическая зона).

Важность для SEO

Влияние на SEO минимальное (1/10). Важно: Патент описывает исключительно работу системы управления рекламой (Advertising Management System), а не алгоритмы органического поиска. Он не содержит информации о факторах ранжирования сайтов в SEO. Патент демонстрирует, как Google использует данные из органического поиска (поисковые запросы) для улучшения своих рекламных продуктов, но прямых рекомендаций для SEO-специалистов не предоставляет.

Детальный разбор

Термины и определения

Ad / Content Item (Рекламное объявление / Единица контента)

В контексте патента это рекламные материалы, предназначенные для показа пользователям.

Baseline Distribution / Baseline Frequency (Базовое распределение / Базовая частота)

Средняя частота встречаемости определенной категории в пользовательских данных по всем локациям. Используется как эталон для сравнения.

Boosting (Бустинг / Повышение)

Процесс увеличения оценки (score) рекламного объявления, например, путем применения веса (weight), чтобы повысить его шансы на показ в аукционе.

Category (Категория)

Классификация интересов. Присваивается как локациям (на основе поведения пользователей), так и рекламным объявлениям (рекламодателями или автоматически).

Location (Локация)

Географический регион или зона. Может быть определена через GPS coordinates, адрес или семантическое описание (semantic location, например, торговый центр, парк).

Location Classifier (Классификатор локаций)

Компонент рекламной системы, который анализирует агрегированные пользовательские данные и присваивает категории локациям.

Location-Category Mapping (Соответствие Локация-Категория)

База данных, хранящая связи между географическими локациями и присвоенными им значимыми категориями.

Search Data / Search Logs (Поисковые данные / Журналы поиска)

Данные, получаемые от поисковой системы, включающие поисковые запросы пользователей и информацию об их местоположении в момент запроса.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод классификации локаций и использования этой классификации для показа контента.

1. Система получает поисковые данные (search data) от множества пользователей в географическом регионе, связанном с локацией.
2. Анализирует полученные данные для вывода одной или нескольких категорий для этой локации. Ключевое условие: эти категории определены как значимые (significant categories) для локации.
3. Использует эти категории для бустинга (boost) кандидатов контента (рекламы) для доставки пользователям в этом географическом регионе в ответ на будущие запросы.

Claim 2 (Зависимый от 1): Детализирует процесс анализа и определяет критерий «значимости».

1. Анализ включает оценку поисковых данных для определения кандидатов в категории.
2. Для каждого кандидата определяется базовая частота встречаемости (baseline frequency of occurrence) — средняя частота по всем данным.
3. Категория признается значимой, когда частота ее встречаемости в данной локации превышает базовую частоту на определенное пороговое значение (threshold amount). Это статистический метод выявления уникальных характеристик локации.

Claim 5 (Зависимый от 1): Детализирует процесс использования категорий для бустинга.

1. Идентификация кандидатов контента в ответ на запрос показа пользователю в данной локации.
2. Определение, связаны ли какие-либо из кандидатов с категориями этой локации.
3. Применение веса (weight) к оценке (score) каждого кандидата, связанного с категорией локации.

Где и как применяется

Патент описывает работу Системы управления рекламой (Advertising Management System), а не пайплайн органического поиска. Он не применяется на этапах CRAWLING, INDEXING или RANKING органических результатов.

Сбор данных (Взаимодействие с Search System)
Рекламная система использует данные из Search logs (журналы поисковых запросов), которые генерируются поисковой системой. Эти логи содержат информацию о запросах пользователей и их локациях.

Офлайн-анализ и классификация (Ad System)
Компонент Location Classifier периодически анализирует агрегированные поисковые данные. На этом этапе происходит классификация локаций и создается или обновляется Location-Category Mapping.

Ранжирование и Показ Рекламы (Ad System — Real Time)
Основное применение патента. В момент получения запроса на показ рекламы система:

1. Определяет текущую локацию пользователя.
2. Обращается к Location-Category Mapping для получения категории этой локации.
3. Использует полученную категорию как сигнал в процессе рекламного аукциона, применяя Boosting к релевантным объявлениям.

Входные данные:

• Агрегированные поисковые запросы пользователей и их локации (например, GPS).
• Запрос на показ рекламы в реальном времени и локация пользователя.
• База данных рекламных объявлений с их категориями.

Выходные данные:

• Location-Category Mapping (результат офлайн-процесса).
• Выбранное рекламное объявление с пересчитанной оценкой (результат процесса в реальном времени).

На что влияет

• Типы контента: Влияет исключительно на показ и ранжирование рекламных объявлений (Ads). Не влияет на органические результаты поиска.
• Устройства: Наибольшее влияние оказывается на мобильные устройства, так как они предоставляют точные данные о местоположении (упоминаются GPS и mobile application).
• Конкретные ниши и тематики: Наибольшее влияние в нишах, где физическое местоположение пользователя сильно коррелирует с его намерениями — локальные бизнесы, ритейл, развлечения. Эффективен для локаций с четкими паттернами поведения (финансовые районы, университеты, туристические места).

Когда применяется

• Условия работы: Алгоритм применяется при каждом запросе на показ рекламы.
• Триггеры активации бустинга: 1) Известна локация пользователя; 2) Для этой локации в Location-Category Mapping определена одна или несколько значимых категорий; 3) Есть рекламные объявления, таргетированные на эти категории.
• Временные рамки: Патент упоминает, что классификация может зависеть от времени (например, разные категории днем и вечером).

Пошаговый алгоритм

Процесс А: Офлайн классификация локаций

1. Определение набора категорий: Идентификация коллекции категорий для классификации.
2. Сбор данных: Получение пользовательских данных (Search logs), включающих поисковые запросы и связанные с ними локации.
3. Генерация базового распределения: Анализ данных по всем локациям для определения базовой частоты (baseline frequency) встречаемости каждой категории.
4. Генерация локального распределения: Для конкретной локации анализируются данные, поступившие из нее, и определяется локальная частота встречаемости каждой категории.
5. Сравнение и идентификация значимости: Локальная частота сравнивается с базовой. Категории, чья локальная частота превышает базовую на установленное пороговое значение (threshold amount), помечаются как значимые (significant categories).
6. Аннотирование локации: Значимые категории сохраняются в Location-Category Mapping в привязке к данной локации (возможно, с учетом времени).

Процесс Б: Показ рекламы в реальном времени

1. Получение запроса: Система получает запрос на показ рекламы.
2. Идентификация локации пользователя: Определяется текущее местоположение пользователя (например, по GPS или IP).
3. Идентификация кандидатов: Определяются рекламные объявления, подходящие для показа.
4. Идентификация категории локации: Система ищет локацию пользователя в Location-Category Mapping и извлекает связанные с ней категории.
5. Бустинг кандидатов: Если категория локации совпадает с категорией рекламного объявления-кандидата, к оценке (score) этого объявления применяется дополнительный вес (weight).
6. Выбор рекламы: Проводится рекламный аукцион с учетом обновленных оценок. Выбирается победитель.
7. Показ рекламы: Выбранное объявление отправляется пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании следующих типов данных:

• Поведенческие факторы (Агрегированные): Поисковые запросы (search queries) являются основным источником данных для определения интересов. Также упоминается возможность использования кликов по результатам, уточнений запросов (query refinements).
• Географические факторы: Информация о местоположении (Location information). Критически важные данные для привязки поведения к локации. Упоминаются GPS coordinates, IP-адреса, семантические локации.
• Временные факторы: Временные метки запросов используются для создания категорий, зависящих от времени суток или даты.
• Рекламные данные (AdTech): Категории, присвоенные рекламным объявлениям (указанные рекламодателем или определенные по ключевым словам); ставки рекламодателей.

Какие метрики используются и как они считаются

• Frequency of occurrence at the location (Локальная частота): Частота, с которой категория встречается в поисковых данных, поступивших из конкретной локации.
• Baseline frequency of occurrence (Базовая частота): Средняя частота встречаемости категории по всем данным (без учета локации).
• Threshold amount (Пороговое значение): Величина, на которую локальная частота должна превышать базовую, чтобы категория считалась значимой.
• Ad Score (Оценка рекламы): Метрика для ранжирования кандидатов рекламы в аукционе.
• Weight (Вес бустинга): Дополнительный вес, применяемый к Ad Score в случае совпадения категории объявления и категории локации. Размер веса может варьироваться в зависимости от категории.

Выводы

1. Патент относится к Google Ads, а не к органическому SEO: Основной вывод заключается в том, что патент описывает внутренние механизмы системы управления рекламой. Он не описывает алгоритмы ранжирования органического поиска и не дает прямых практических выводов для SEO-специалистов.
2. Использование данных органического поиска для рекламы: Google использует данные, генерируемые пользователями в органическом поиске (их запросы и локации), для улучшения эффективности и таргетинга своих рекламных продуктов.
3. Локации имеют профили интересов: Система способна автоматически определять доминирующие интересы, характерные для определенной географической зоны (например, финансовый район, университетский кампус), анализируя, что люди ищут, находясь там.
4. Выделение уникальности через сравнение с базой: Ключевым механизмом является сравнение локального поведения с глобальным (baseline frequency). Это позволяет идентифицировать темы, которые уникальны или особенно характерны именно для этой локации.
5. Автоматизация контекстного геотаргетинга: Этот механизм позволяет рекламодателям таргетироваться не просто на географию, а на семантический тип локации и контекст местоположения пользователя.

Практика

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

Best practices (это мы делаем)

Практических рекомендаций для SEO, напрямую следующих из механизмов этого патента, нет.

Для общего понимания работы систем Google можно отметить, что патент подтверждает способность Google глубоко анализировать локальный контекст на основе поведения пользователей.

Worst practices (это делать не надо)

Тактик SEO, которые этот патент делает неэффективными или опасными, нет, так как он не связан с органическим ранжированием.

Стратегическое значение

Стратегическое значение для SEO минимально. Патент демонстрирует высокий уровень развития технологий Google в области анализа гео-поведенческих данных. Он показывает, насколько детально Google может профилировать интересы пользователей в привязке к их физическому местоположению. Хотя здесь это применяется к рекламе, это подчеркивает общую важность понимания интента пользователей в конкретных локациях.

Практические примеры

Практических примеров применения для SEO нет. Ниже приведен пример работы механизма в контексте Google Ads (PPC).

Сценарий (Google Ads): Классификация финансового района

1. Сбор данных: В рабочее время пользователи в определенном районе города часто вводят запросы, связанные с курсами акций, банками и бизнес-услугами.
2. Анализ и сравнение: Система определяет, что частота запросов категории «Финансы» в этом районе значительно превышает базовую частоту этих запросов по городу в целом.
3. Классификация: Этот географический район аннотируется категорией «Финансовый район» в Location-Category Mapping (возможно, с привязкой к рабочему времени).
4. Применение: Когда новый пользователь, находящийся в этом районе, открывает сайт с рекламой, система активирует бустинг.
5. Результат: Рекламодатели, предлагающие финансовые услуги или элитные товары, таргетированные на эту категорию локации, получают приоритет в показе рекламы этому пользователю.

Вопросы и ответы