Как Google создает персональный индекс контактов пользователя и использует его для прямых ответов в поиске

Описание

Какую задачу решает

Патент решает проблему сложности и фрагментации поиска информации о людях, которых знает пользователь. Данные (адреса, дни рождения, места работы) часто разбросаны по разным сервисам (почта, календарь, контакты телефона, социальные сети). Изобретение направлено на создание унифицированного доступа к этой информации через естественные поисковые запросы (natural language, people-related question).

Что запатентовано

Запатентована система для ответов на вопросы, связанные с людьми, путем использования персонализированной структуры данных (data structure), которая хранит информацию о контактах пользователя. Система определяет, является ли запрос вопросом о человеке, ищет ответ в этой структуре данных и выборочно предоставляет персонализированный ответ, ранжируя его на основе множества сигналов, включая историю взаимодействия и авторитетность контакта.

Как это работает

Система работает в двух основных фазах:

1. Создание индекса (Офлайн): Система собирает данные из различных источников пользователя (почта, соцсети, календарь и т.д.) и создает унифицированную структуру данных (персонализированный индекс контактов).
2. Обработка запроса (Онлайн):
• Система получает запрос на естественном языке.
• Определяет, что это people-related question.
• Преобразует запрос в структурированный формат (например, Имя: Боб, Атрибут: Адрес).
• Ищет совпадения в персонализированном индексе.
• Ранжирует найденные контакты, используя различные метрики (частота общения, географическая близость, публичная авторитетность).
• При достижении порога уверенности система смешивает персонализированный ответ с общими результатами поиска.

Актуальность для SEO

Высокая. Описанные механизмы лежат в основе функций «Персональные результаты» в поиске Google и работы Google Assistant. Интеграция персональных данных для предоставления прямых ответов и персонализированного опыта является ключевым направлением развития поисковых систем.

Важность для SEO

Прямое влияние на традиционное органическое SEO низкое (Оценка 3/10). Патент описывает ранжирование персональных данных пользователя, а не публичных веб-страниц. Однако он имеет важное стратегическое значение: он демонстрирует сложные механизмы понимания сущностей (людей) и их атрибутов, включая расчет публичной авторитетности (Authority Score), что перекликается с принципами E-E-A-T. Кроме того, такие персонализированные ответы занимают место на SERP, потенциально снижая видимость стандартных органических результатов.

Детальный разбор

Термины и определения

Authority Score (Оценка авторитетности)

Метрика для ранжирования контакта, основанная на публичном профиле человека (public profile), таком как профиль в социальной сети или упоминания в новостных документах.

Data structure (Структура данных / Персонализированный индекс)

База данных (индекс), ассоциированная с конкретным пользователем, хранящая данные о людях, с которыми он связан. Содержит поля Name, Attribute, Type, Value.

General search results (Общие результаты поиска)

Стандартные результаты поиска (веб, картинки, новости и т.д.), полученные в ответ на запрос, в отличие от персонализированных результатов.

Interaction Score (Оценка взаимодействия)

Метрика для ранжирования контакта, основанная на количестве взаимодействий пользователя с этим человеком (количество писем, звонков, упоминаний в календаре, связей в разных сервисах).

Location Score (Оценка местоположения)

Метрика для ранжирования контакта, основанная на географическом расстоянии между текущим местоположением пользователя и местоположением (текущим, домашним или рабочим адресом) контакта.

People-related question (Вопрос, связанный с людьми)

Запрос, который система идентифицирует как попытку найти информацию о контактах пользователя (например, «Где живет Боб?»).

Restructured search query (Реструктурированный поисковый запрос)

Преобразование запроса на естественном языке в структурированный формат, соответствующий полям индекса (например, {name:»john doe» attribute: «address» type: «home»}).

Tag Score (Оценка тега/категории)

Метрика для ранжирования контакта, основанная на категории отношений, присвоенной пользователем (например, семья, друг, коллега). Члены семьи получают более высокий балл.

Temporal Score (Временная оценка)

Метрика для ранжирования контакта, основанная на давности взаимодействия пользователя с этим человеком (недавние поиски, звонки, письма, события в календаре).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод обработки запроса.

1. Система получает поисковый запрос от пользователя.
2. Определяет, что запрос является people-related question.
3. Используя персонализированную data structure (индекс контактов пользователя), идентифицирует набор людей, релевантных запросу.
4. Определяет, следует ли предоставлять информацию об этом наборе людей.
5. Выборочно предоставляет пользователю либо первый документ (содержащий ответ на вопрос и идентифицирующий как минимум одного человека из набора), либо второй документ (исключающий эту информацию).

Claim 3 и 4 (Зависимые): Детализируют механизм ранжирования и выбора контакта, если найдено несколько релевантных людей (например, несколько людей с именем Боб).

Система генерирует оценки (scores) для каждого человека в наборе и выбирает по крайней мере одного человека на основе этих оценок. Генерация оценки (Claim 4) базируется как минимум на одном из следующих факторов:

• Категория, указанная пользователем (Tag Score).
• Географическое расстояние (Location Score).
• Давность взаимодействия (Temporal Score).
• Количество взаимодействий (Interaction Score).
• Оценка авторитетности (Authority Score).
• Наличие фотографии человека в структуре данных (Photo Score).

Claim 5 и 6 (Зависимые): Детализируют процесс принятия решения о показе персонализированного ответа.

Claim 5: Система генерирует оценку для каждого человека, сравнивает наивысшую оценку с пороговым значением (threshold) и решает предоставить информацию, если порог превышен.

Claim 6: Система также выполняет общий поиск (general search). Решение о предоставлении персонализированной информации принимается на основе как сгенерированных оценок контактов, так и информации, относящейся к общим результатам поиска.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные из персонализированного индекса для предоставления прямых ответов.

INDEXING – Индексирование (Персонализированное)
На этом этапе происходит создание и обновление data structure. Система получает информацию о контактах пользователя из различных сетевых источников (network-based sources), таких как контакты телефона, аккаунт электронной почты, календарь, социальные сети, записи голосовых коммуникаций (Claim 16, 17).

QUNDERSTANDING – Понимание Запросов
Система анализирует входящий запрос, чтобы определить, является ли он people-related question (используя обученную модель). Если да, запрос преобразуется (restructuring the search query) в структурированный формат для поиска по персонализированному индексу.

RANKING – Ранжирование (Персонализированное)
Система ищет совпадения в data structure и ранжирует найденные контакты. Ранжирование использует сложную модель оценки, включающую Tag Score, Location Score, Temporal Score, Interaction Score, Authority Score и Photo Score.

METASEARCH – Метапоиск и Смешивание
Основной этап применения. Система сравнивает оценки персонализированных результатов с порогом и/или с оценками общих результатов поиска (general search results). Принимается решение о показе персонализированного блока. Происходит смешивание (Blending) персонализированного ответа с общей выдачей.

Входные данные:

• Поисковый запрос пользователя (часто на естественном языке).
• Персонализированная структура данных (индекс контактов).
• Данные о текущем контексте пользователя (например, местоположение для расчета Location Score).
• Публичные данные о контактах (для расчета Authority Score).

Выходные данные:

• Документ с результатами поиска, который может включать специальный блок с персонализированным ответом (имя контакта и запрошенная информация) или исключать его.

На что влияет

• Специфические запросы: Влияет на информационные запросы о конкретных людях или группах людей, известных пользователю («адрес Боба», «кто из моих знакомых работает в Google»).
• Конкретные типы контента: Влияет на отображение персональных данных (контакты, адреса, события) в результатах поиска.
• Языковые и географические ограничения: Работает в рамках языков, для которых обучена модель распознавания people-related questions.

Когда применяется

• Триггеры активации: Активируется, когда система с высокой вероятностью определяет, что запрос направлен на получение информации о контактах пользователя.
• Условия применения: Пользователь должен быть авторизован и дать разрешение на сбор и использование своих персональных данных для создания data structure.
• Пороговые значения: Применяется, только если наивысшая оценка персонализированного результата превышает установленный порог уверенности (Claim 5), и/или если этот результат конкурентоспособен по сравнению с общими результатами поиска (Claim 6).

Пошаговый алгоритм

Процесс А: Генерация персонализированного индекса (Офлайн)

1. Идентификация источников: Определение источников данных пользователя (Email, Calendar, Social Network и т.д.).
2. Сбор данных: Извлечение информации о людях из этих источников.
3. Нормализация и Ассоциация: Сопоставление данных о людях и сохранение их в data structure в формате Атрибут/Тип/Значение.
4. Ассоциация с пользователем: Привязка созданной структуры данных к аккаунту пользователя.

Процесс Б: Обработка запроса (Онлайн)

1. Получение запроса: Система получает запрос от пользователя.
2. Классификация запроса: Определение, является ли запрос people-related question. Если нет, выполняется стандартный поиск.
3. Реструктуризация запроса: Преобразование запроса на естественном языке в структурированный формат (Restructured search query).
4. Поиск по индексу: Сравнение реструктурированного запроса с данными в персонализированном индексе пользователя. Идентификация набора релевантных людей.
5. Параллельный поиск: Выполнение общего поиска для получения general search results.
6. Ранжирование контактов: Расчет оценок для каждого найденного человека на основе комбинации сигналов:
   • Tag Score (отношения)
   • Location Score (расстояние)
   • Temporal Score (давность общения)
   • Interaction Score (частота общения)
   • Authority Score (публичная авторитетность)
   • Photo Score (наличие фото)
7. Выбор лучшего результата: Выбор контакта(ов) с наивысшей оценкой.
8. Принятие решения (Thresholding): Сравнение наивысшей оценки с порогом и/или с оценками general search results. Определение, нужно ли показывать персонализированный ответ.
9. Формирование ответа: Если решено показывать, формируется документ, включающий персонализированный ответ и общие результаты. В ответ может включаться вычисленная информация (например, возраст контакта).
10. Предоставление результатов: Отправка документа пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании персональных данных пользователя и контекстных сигналов для ранжирования.

• Пользовательские данные (Private Data): Это основные данные для индекса. Включают данные из: аккаунта электронной почты (контакты, содержание писем), аккаунта текстовых сообщений, контактов телефона, календаря, записей голосовых коммуникаций, социальных сетей (списки друзей, содержание постов).
• Контентные факторы (Персональные): Имена, никнеймы, адреса, номера телефонов, email, места работы, учебные заведения, дни рождения контактов.
• Поведенческие факторы: История взаимодействия пользователя с контактом (частота и давность коммуникаций, поисков, совместных событий).
• Географические факторы: Текущее местоположение пользователя и текущее или сохраненное местоположение контакта.
• Внешние факторы (Public Data): Публичные профили контактов в социальных сетях, новостные документы, связанные с контактом (используются для расчета Authority Score).

Какие метрики используются и как они считаются

Система использует взвешенную комбинацию нескольких метрик для расчета итоговой оценки (Total Score) для каждого контакта:

• Tag Score: Основан на типе отношений. Более близкие отношения (семья) получают более высокий балл, чем дальние (бывший коллега).
• Location Score: Обратно пропорционален географическому расстоянию между пользователем и контактом.
• Temporal Score: Основан на давности взаимодействия. Недавние взаимодействия повышают оценку.
• Interaction Score: Основан на общем количестве взаимодействий и количестве платформ, через которые пользователь связан с контактом.
• Authority Score: Основан на анализе публичного профиля человека. Более известные и уважаемые публично люди получают более высокий балл.
• Photo Score: Повышает оценку, если в индексе сохранена фотография контакта.
• Threshold (Порог): Минимальное значение Total Score, необходимое для показа персонализированного результата.

Выводы

1. Персонализация через интеграцию данных: Патент демонстрирует способность Google создавать глубоко персонализированный индекс (Personal Knowledge Graph), интегрируя данные из разрозненных источников пользователя (почта, календарь, соцсети) в единую структуру.
2. Сложное ранжирование персональных сущностей: Ранжирование контактов не ограничивается простым совпадением имени. Используется сложная модель, учитывающая силу отношений (Tag Score), контекст (Location Score) и историю взаимодействия (Temporal и Interaction Scores).
3. Использование публичной авторитетности (Authority Score): Критически важный вывод для SEO. Google рассчитывает Authority Score для людей на основе их публичных профилей и упоминаний в новостях, и использует эту оценку даже при ранжировании персональных контактов. Это подтверждает важность публичной авторитетности экспертов (E-E-A-T).
4. Понимание естественного языка и реструктуризация запросов: Система активно преобразует естественный язык в структурированные запросы к базе данных, что подчеркивает важность NLP в современном поиске.
5. Конкуренция за пространство на SERP: Персонализированные ответы являются формой прямого ответа (Direct Answer) и конкурируют с традиционными органическими результатами за видимость на странице выдачи.

Практика

Best practices (это мы делаем)

Хотя патент описывает работу с персональными данными, из него можно извлечь стратегические уроки, особенно касающиеся Authority Score.

• Развитие публичной авторитетности ключевых сотрудников (E-E-A-T): Поскольку система использует Authority Score, основанный на публичных профилях и новостных документах, для оценки важности людей, необходимо работать над публичной репутацией экспертов компании. Это включает ведение профессиональных социальных сетей и публикации в авторитетных изданиях.
• Учет персонализации при анализе SERP: SEO-специалисты должны понимать, что для авторизованных пользователей выдача может содержать персонализированные блоки, смещающие органические результаты. Анализ трафика и позиций должен учитывать этот фактор.
• Фокус на сущностях (Entities): Патент подтверждает фокус Google на понимании сущностей (в данном случае – людей) и связей между ними. Стратегия должна быть направлена на четкое представление ключевых сущностей компании (включая авторов и руководство) в публичном пространстве.

Worst practices (это делать не надо)

• Попытки оптимизации под персональные результаты: Бесполезно пытаться оптимизировать контент для попадания в этот блок, так как он формируется исключительно из приватных данных пользователя (data structure), к которым у SEO-специалиста нет доступа.
• Игнорирование авторитетности авторов: Недооценка важности публичного профиля авторов и экспертов. Authority Score показывает, что Google активно оценивает и использует эти сигналы.

Стратегическое значение

Патент подчеркивает стратегический сдвиг поиска в сторону ассистивного и гипер-персонализированного опыта. Для Google пользователь и его личный граф контактов являются важной частью общего информационного пространства. Стратегическое значение для SEO заключается в подтверждении того, что оценка авторитетности людей (Authority Score) является реально вычисляемой метрикой, основанной на публичных данных. Это напрямую поддерживает стратегии, основанные на развитии E-E-A-T.

Практические примеры

Сценарий: Повышение ранжирования контакта за счет Authority Score

Этот пример демонстрирует, как работа над публичным профилем может повлиять даже на персональный поиск.

1. Ситуация: Пользователь ищет контакт своего знакомого: «телефон Джона». У пользователя есть два знакомых Джона: Джон А (коллега) и Джон Б (эксперт в индустрии).
2. Действия SEO/PR: Компания Джона Б активно работала над его E-E-A-T: он ведет авторитетный блог, часто упоминается в новостях и имеет сильный профессиональный профиль в соцсетях.
3. Обработка в Google: Система рассчитывает метрики для обоих Джонов.
   • Джон А имеет более высокий Interaction Score (общаются чаще).
   • Джон Б имеет значительно более высокий Authority Score (из-за публичной деятельности).
4. Результат: В зависимости от весовых коэффициентов в алгоритме, Джон Б может быть показан выше Джона А, так как его высокая публичная авторитетность компенсирует меньшую частоту личного общения. Система предполагает, что пользователь с большей вероятностью ищет контакт более авторитетного человека.

Вопросы и ответы