Как Google персонализирует Панели знаний на основе интересов пользователя и важности контента на странице-источнике

Описание

Какую задачу решает

Патент решает проблему предоставления статичной, универсальной информации в Панелях знаний (Knowledge Panels), которая может не соответствовать специфическим интересам конкретного пользователя. Цель изобретения — повысить релевантность Панели знаний путем кастомизации ее содержимого на основе известных интересов пользователя (Topics of Interest), тем самым улучшая пользовательский опыт и потенциально удовлетворяя информационную потребность без необходимости кликать по результатам поиска.

Что запатентовано

Запатентована система персонализации контента в Knowledge Panels. Система использует Historical Data (историю взаимодействия пользователя) для определения Topic of Interest. При генерации Панели знаний для сущности (Entity) система ранжирует Eligible Content Items (подходящие элементы контента), учитывая их соответствие выявленным интересам пользователя, а также важность этого контента на странице-источнике (Resource Score).

Как это работает

Система работает следующим образом:

• Определение интересов: Анализируются исторические данные пользователя (поиски, посещения сайтов, настройки) для вычисления Interest Score (сила интереса на основе неявных сигналов) и Confidence Score (уверенность в интересе на основе явных сигналов) для различных тем.
• Триггер Панели знаний: Пользователь вводит запрос, который система связывает с конкретной сущностью (Entity).
• Отбор и Ранжирование Контента: Система идентифицирует потенциальные элементы контента для панели. Они ранжируются с учетом интересов пользователя и Resource Score (метрики, показывающей, насколько важен этот контент на исходной странице).
• Персонализация: Контент, соответствующий интересам пользователя, получает повышение в рейтинге.
• Отображение: В Панели знаний отображаются наиболее релевантные и персонализированные элементы. Система также может визуально выделять контент, добавленный благодаря персонализации.

Актуальность для SEO

Высокая. Персонализация и развитие функций, основанных на Графе знаний, остаются центральными элементами стратегии Google. Описанный в патенте подход к оценке важности контента на странице-источнике (Resource Score) крайне актуален для оптимизации под извлечение сниппетов (Featured Snippets) и попадание в Граф знаний в 2025 году.

Важность для SEO

Патент имеет высокое значение для Entity SEO и стратегий оптимизации под Граф знаний. Он не влияет напрямую на ранжирование «синих ссылок», но определяет, какая информация о сущности будет показана в высокозаметной Панели знаний. Ключевой инсайт для SEO — это введение метрики Resource Score, которая подчеркивает важность того, как контент представлен на странице (визуальная и структурная значимость), для его извлечения и отображения в SERP.

Детальный разбор

Термины и определения

Confidence Score (Оценка уверенности)

Метрика, указывающая на уверенность системы в том, что пользователь заинтересован в определенной теме. Определяется на основе Explicit User Indications.

Eligible Content Items (Подходящие элементы контента)

Дискретные единицы контента (текст, изображения, видео, факты, сниппеты), полученные из различных ресурсов (веб-страниц) и рассматриваемые для включения в Панель знаний.

Entity (Сущность)

Человек, место, организация, событие и т.д., к которому относится Панель знаний.

Explicit User Indications (Явные указания пользователя)

Действия пользователя, прямо указывающие на интерес к теме (например, заполнение формы предпочтений, подписка).

Historical Data (Исторические данные)

Данные о прошлых взаимодействиях пользователя с системой (запросы, клики, посещения сайтов, предпочтения).

Implicit User Indications (Неявные указания пользователя)

Действия пользователя, косвенно указывающие на интерес к теме (например, частота посещения тематических сайтов, история запросов, добавление в закладки).

Interest Score (Оценка интереса)

Метрика, указывающая на силу интереса пользователя к определенной теме относительно других тем. Определяется на основе Implicit User Indications.

Knowledge Panel (Панель знаний)

Элемент пользовательского интерфейса, который предоставляет информацию о конкретной сущности, релевантной запросу.

Knowledge Panel Apparatus (Аппарат Панели знаний)

Система, ответственная за генерацию, ранжирование и выбор контента для Панели знаний.

Resource Score (Оценка ресурса/контента)

Метрика, указывающая на важность контента в контексте ресурса (веб-страницы), из которого он был получен. Учитывает расположение, размер и визуальную значимость контента на исходной странице.

Topic of Interest (Тема интереса)

Тема (например, «бейсбол», «путешествия»), которой интересуется пользователь, определенная на основе исторических данных.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод персонализации Панели знаний.

1. Система получает ввод (например, запрос) от пользовательского устройства.
2. На основе Historical Data идентифицируется Topic of Interest пользователя.
3. Идентифицируется Entity, релевантная вводу.
4. Идентифицируются Eligible Content Items из разных источников для Панели знаний этой сущности.
5. Происходит ранжирование этих элементов контента, основанное частично на Topic of Interest. Процесс ранжирования включает:
   • Определение Interest Score (сила интереса, основанная на неявных сигналах).
   • Определение Resource Score для каждого элемента (важность контента на странице-источнике).
   • Ранжирование на основе Interest Score и Resource Scores.
6. Выбор одного или нескольких элементов контента на основе ранжирования.
7. Предоставление данных для отображения выбранных элементов в Панели знаний.

Ядром изобретения является механизм ранжирования контента для Панели знаний, который учитывает два специфических фактора: силу предполагаемого интереса пользователя к теме (Interest Score) и структурную/визуальную важность этого контента на исходной веб-странице (Resource Score).

Claim 3 (Зависимый от 1): Дополняет механизм ранжирования.

1. Определение Confidence Score (уверенность в интересе, основанная на явных сигналах пользователя).
2. Ранжирование теперь основывается на Interest Score, Confidence Score и Resource Scores.

Этот пункт добавляет учет явных предпочтений пользователя для более точной персонализации.

Claim 4 (Зависимый от 1): Описывает функцию визуального выделения.

1. Определение того, что часть (subset) контента в выбранном элементе соответствует Topic of Interest.
2. Предоставление данных, которые заставляют эту часть контента быть визуально выделенной (distinguished) от остального контента при отображении в Панели знаний (например, подчеркивание или подсветка).

Где и как применяется

Изобретение применяется на финальных этапах формирования поисковой выдачи, используя данные, собранные и обработанные на более ранних этапах.

INDEXING – Индексирование и извлечение признаков
На этом этапе система извлекает Eligible Content Items из веб-ресурсов. Критически важно, что на этом этапе (или в процессе анализа рендеринга) вычисляется Resource Score для каждого элемента, оценивая его важность (расположение, размер) в контексте исходной страницы. Эти данные индексируются.

QUNDERSTANDING – Понимание Запросов
Система интерпретирует запрос и идентифицирует основную сущность (Entity). Параллельно система анализирует Historical Data пользователя для определения его Topics of Interest и вычисления Interest Score и Confidence Score.

METASEARCH – Метапоиск и Смешивание (Universal Search & Blending)
Основное применение патента происходит здесь, в рамках работы Knowledge Panel Apparatus. Это не ранжирование веб-документов, а ранжирование контента внутри SERP-функции.

1. Отбор кандидатов: Для идентифицированной сущности извлекаются Eligible Content Items с их Resource Scores.
2. Персонализированное ранжирование: Элементы контента ранжируются с использованием комбинации Interest Score, Confidence Score и Resource Score. Элементы, соответствующие интересам пользователя, повышаются.
3. Сборка Панели: Выбираются топовые элементы для заполнения шаблона Панели знаний (Knowledge Panel Template).
4. Форматирование: Определяется необходимость визуального выделения персонализированного контента.

Входные данные:

• Запрос пользователя и идентификатор устройства.
• Historical Data пользователя.
• Индекс сущностей и Content Items Store.
• Предварительно рассчитанные Resource Scores для контента.

Выходные данные:

• Персонализированная Панель знаний (Knowledge Panel), готовая к отображению в SERP.

На что влияет

• Конкретные типы контента: Влияет на факты, изображения, сниппеты, новости, события и другие элементы, отображаемые в Панели знаний.
• Специфические запросы: Влияет на запросы, которые четко идентифицируются как относящиеся к сущности (имена людей, названия мест, организаций).
• Пользовательские факторы: Механизм активируется только для пользователей, у которых накоплено достаточно исторических данных для определения явных или неявных интересов.

Когда применяется

• Триггеры активации: Когда поисковая система определяет, что для данного запроса следует показать Панель знаний, И когда для данного пользователя идентифицированы Topics of Interest.
• Условия применения: Применяется, если существуют Eligible Content Items, которые одновременно релевантны сущности и соответствуют интересам пользователя.

Пошаговый алгоритм

1. Получение ввода: Система получает поисковый запрос и идентификатор устройства от пользователя.
2. Анализ исторических данных: Извлекаются Historical Data, связанные с устройством.
3. Идентификация интересов: На основе исторических данных определяются Topics of Interest. Вычисляются:
   • Interest Score (на основе неявных сигналов, например, частоты поиска по теме).
   • Confidence Score (на основе явных сигналов, например, указанных предпочтений).
4. Идентификация сущности: Определяется Entity, релевантная запросу (например, запрос «Атланта» связывается с сущностью «Город Атланта»).
5. Идентификация контента: Система (Knowledge Panel Apparatus) идентифицирует Eligible Content Items для этой сущности.
6. Ранжирование контента: Каждый элемент контента оценивается. Ранжирование основывается на комбинации факторов, включая:
   • Resource Score (важность элемента на исходной странице).
   • Персонализация: повышение оценки на основе соответствия Topic of Interest, используя Interest Score и Confidence Score.
7. Выбор контента: Выбираются элементы с наивысшим рейтингом для заполнения шаблона Панели знаний.
8. Форматирование и выделение: Система определяет, содержит ли выбранный контент подстроки, соответствующие Topic of Interest. Если да, эти подстроки помечаются для визуального выделения.
9. Предоставление ответа: Персонализированная Панель знаний предоставляется пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании исторических данных пользователя и характеристиках контента на странице-источнике.

• Пользовательские и Поведенческие факторы (Historical Data):
  • Неявные сигналы (Implicit User Indications): История поисковых запросов, история посещений (browsing history), частота посещения тематических сайтов, подписки на RSS-каналы, добавление в избранное.
  • Явные сигналы (Explicit User Indications): Темы, указанные пользователем в настройках профиля или через формы обратной связи.
  • Социальные сигналы: Упоминается возможность использования данных социальных сетей (например, определение связи контактов с сущностью).
• Структурные и Визуальные факторы (для Resource Score):
  • Расположение контента на исходной странице (например, вверху по центру).
  • Размер контента (например, размер изображения или шрифта текста относительно другого контента на странице).
  • Количество аналогичного контента на странице (например, единственное изображение ценится выше, чем одно из многих).

Какие метрики используются и как они считаются

• Interest Score: Оценка силы интереса к теме. Рассчитывается на основе анализа частоты и типа неявных взаимодействий пользователя с контентом по этой теме.
• Confidence Score: Оценка уверенности в наличии интереса. Рассчитывается в первую очередь на основе явных указаний пользователя.
• Resource Score: Оценка важности элемента контента в контексте исходной страницы. Рассчитывается путем анализа визуальных и структурных характеристик верстки страницы-источника (layout analysis).
• Итоговый рейтинг контента: Агрегированная оценка для ранжирования элементов в Панели знаний. Патент предполагает использование формулы, комбинирующей стандартную оценку релевантности (которая может включать авторитетность источника, упомянутую в патенте как authority score) с Interest Score, Confidence Score и Resource Score.

Выводы

1. Панель знаний динамична и персонализирована: Содержимое Панели знаний не является статичным. Оно активно адаптируется на основе предполагаемых интересов пользователя (Topics of Interest), определенных по его истории поиска и поведения в сети.
2. Введение Resource Score — Ключевой инсайт для SEO: Патент вводит понятие Resource Score — метрики, оценивающей важность контента в контексте исходной страницы. Это означает, что Google анализирует не только сам факт, но и то, как он представлен на сайте (расположение, размер, визуальная заметность). Это критически важно для оптимизации контента под извлечение в Панели знаний и сниппеты.
3. Разделение сигналов интереса: Система различает силу интереса (Interest Score, основанную на неявном поведении) и уверенность в интересе (Confidence Score, основанную на явных предпочтениях). Оба типа сигналов используются для ранжирования контента.
4. Визуальное подтверждение персонализации: Система может визуально выделять (например, подчеркивать) контент, который был выбран благодаря персонализации, чтобы показать пользователю релевантность информации его интересам.
5. Контент из разных источников: Подтверждается, что Панель знаний агрегирует контент (Content Items) из множества различных источников, и каждый элемент оценивается независимо.

Практика

Best practices (это мы делаем)

• Оптимизация представления ключевой информации (Resource Score): Размещайте наиболее важные факты, определения и изображения о сущности на видном месте страницы (например, вверху страницы, в основном контенте). Используйте четкую структуру и визуальное выделение. Google предпочитает контент, который является структурно и визуально важным на странице.
• Создание авторитетного контента по связанным темам: Чтобы увеличить вероятность показа вашего контента в персонализированных Панелях знаний, создавайте глубокий контент, связывающий основную сущность с релевантными темами интересов вашей аудитории (Topical Authority). Если вы пишете о городе, убедитесь, что информация о его спортивных командах, музеях и событиях представлена авторитетно и структурировано.
• Оптимизация изображений для извлечения: Убедитесь, что основное изображение сущности является доминирующим элементом на странице. Согласно патенту, изображение, которое является единственным, расположено вверху по центру и занимает большую часть страницы, имеет более высокий Resource Score.
• Структурирование данных о сущностях: Используйте структурированные данные (Schema.org) для четкого определения сущностей и их свойств. Это помогает системе легче извлекать Eligible Content Items и связывать их с сущностями и темами интересов.

Worst practices (это делать не надо)

• Сокрытие ключевой информации: Размещение важных фактов внизу страницы, мелким шрифтом или в боковых колонках снижает их Resource Score и уменьшает вероятность попадания в Панель знаний.
• Перегрузка страницы медиафайлами: Размещение множества равнозначных изображений или видео без выделения основного снижает Resource Score каждого отдельного элемента. Система может не определить, какой из них является главным.
• Игнорирование связи между сущностями: Создание изолированного контента об одной сущности без связи с другими сущностями или темами снижает потенциал для показа в персонализированных панелях, где учитываются интересы пользователя.

Стратегическое значение

Патент подтверждает важность Entity SEO и необходимость не только предоставлять точные факты, но и делать это в правильном формате. Стратегически важно понимать, что извлечение контента в SERP-функции (Панели знаний, Featured Snippets) зависит от анализа верстки и структуры страницы (Resource Score). Это требует тесного взаимодействия SEO-специалистов с командами дизайна и UX для обеспечения того, чтобы ключевая информация была представлена как визуально, так и структурно значимая.

Практические примеры

Сценарий 1: Оптимизация страницы биографии актера для повышения Resource Score

1. Анализ текущей страницы: Страница содержит биографию, но основное фото маленькое и смещено вправо, а ключевые факты (дата рождения, награды) спрятаны в табах.
2. Действия по оптимизации (на основе патента):
   • Изображение: Заменить основное фото на качественное, крупное изображение, разместив его в верхней части страницы как доминирующий визуальный элемент.
   • Факты: Вынести ключевые биографические факты в отдельный, хорошо видимый блок в основном контенте, используя четкую структуру (например, список или таблицу).
3. Ожидаемый результат: Увеличение Resource Score для изображения и ключевых фактов, что повышает вероятность их выбора системой для отображения в Панели знаний актера.

Сценарий 2: Персонализация Панели знаний города

1. Контекст: Пользователь часто ищет информацию о путешествиях и отелях (высокий Interest Score для темы «Путешествия»).
2. Запрос: Пользователь ищет «Лондон».
3. Стандартная панель: Может показать Биг Бен, население, карту.
4. Персонализированная панель (на основе патента): Система идентифицирует элементы контента о Лондоне, связанные с путешествиями (например, «Лучшие отели», «Транспорт для туристов»). Эти элементы получают буст в ранжировании.
5. Результат: В Панели знаний Лондона для этого пользователя будут показаны факты, более релевантные путешествиям, возможно, с визуальным выделением слова «путешествия» или «отели».

Вопросы и ответы