Как Google автоматически таргетирует рекламу и динамически генерирует объявления на основе характеристик продукта и контекста запроса

Описание

Какую задачу решает

Патент решает проблему неэффективности и трудоемкости таргетинга рекламы, основанного исключительно на ручном подборе ключевых слов рекламодателями. Это особенно обременительно для компаний с большими каталогами. Изобретение устраняет эту зависимость, позволяя системе автоматически таргетировать рекламу, используя полный контекст и структурированные характеристики продукта или услуги (например, из товарного фида). Кроме того, система стремится максимизировать доход, интегрируя экономические факторы (Fixed Costs и Variable Costs) в процесс ранжирования.

Что запатентовано

Запатентована система автоматического таргетинга и генерации рекламы. Система сопоставляет запрос пользователя со структурированными записями о товарах/услугах (Advertising Excerpts). Она оценивает релевантность, ранжирует результаты с учетом экономических факторов (ставок) и динамически генерирует отображаемое объявление (Ad Creative). Ключевой элемент изобретения (Claim 1) — использование терминов из запроса пользователя для резюмирования характеристик продукта при создании объявления.

Как это работает

Система работает в несколько этапов:

• Получение запроса: Система получает запрос с терминами и классификацией (например, гео, язык).
• Поиск и Оценка: Indexer ищет соответствия в базе структурированных данных (Advertising Excerpts). Scorer оценивает релевантность на основе контента (Content Match) или категорий (Categorical Match).
• Фильтрация: Filter отсеивает результаты по порогам релевантности и классификации запроса (гео, язык, бюджет).
• Ранжирование (Аукцион): Ranker сортирует результаты, учитывая как релевантность, так и экономические факторы (Fixed/Variable Costs).
• Генерация объявления: Ad Creative Generation динамически создает текст и формат объявления, резюмируя информацию о продукте с использованием терминов из запроса пользователя.

Актуальность для SEO

Высокая (для контекстной и товарной рекламы). Описанные принципы лежат в основе современных систем, таких как Google Shopping (Product Listing Ads), Динамические поисковые объявления (DSA) и Performance Max. Хотя конкретные алгоритмы с 2003 года значительно усложнились (например, за счет ML), фундаментальный подход к таргетингу на основе структурированных фидов данных и динамической генерации креативов остается стандартом индустрии.

Важность для SEO

Влияние на органическое SEO низкое (3/10). Патент описывает исключительно систему ранжирования Рекламы (Google Ads), а не органических результатов. Однако он имеет значительную косвенную ценность для SEO-специалистов в E-commerce. Патент демонстрирует, как Google обрабатывает, интерпретирует и резюмирует структурированные данные о товарах (фиды, микроразметка). Понимание этих механизмов критически важно для оптимизации данных в Google Merchant Center и на сайте.

Детальный разбор

Термины и определения

Ad Creative (Рекламное объявление/Креатив)

Фактический контент (текст, HTML), отображаемый пользователю. В данной системе генерируется динамически.

Ad Creative Generation Component (Компонент генерации рекламных объявлений)

Модуль, который динамически создает Ad Creative. Он использует характеристики товара из Advertising Excerpt и термины из запроса пользователя для резюмирования предложения.

Advertising Excerpts (Рекламные выдержки/Записи о продукте)

Структурированные записи в базе данных, содержащие подробные характеристики товара или услуги (Merchant, Name, URL, Price, Description, Category). Это аналог записи в товарном фиде (Merchant Center).

Categorical Match (Категориальное соответствие)

Метод оценки релевантности, основанный на близости между терминами в запросе и названиями категорий (Category Names), к которым относится продукт.

Content Match (Соответствие контенту)

Метод оценки релевантности, основанный на прямом совпадении терминов запроса с контентом в Advertising Excerpt (например, названием или описанием).

Fixed Costs / Variable Costs (Фиксированные / Переменные затраты)

Экономические факторы, используемые при ранжировании. Fixed Costs могут относиться к плате за пространство/формат или ставке. Variable Costs связаны с частотой показов или кликов (например, прогнозируемый CTR).

Targeting Component (Компонент таргетинга)

Основной модуль, включающий Indexer, Scorer, Filter и Ranker, отвечающий за подбор и ранжирование рекламы.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод автоматического таргетинга и генерации рекламы.

1. Идентификация рекламы, соответствующей запросу, на основе характеристик (characteristics) продукта или услуги.
2. Оценка (scoring) рекламы по степени соответствия между запросом и этими характеристиками.
3. Динамическое создание (dynamically creating) рекламного креатива (advertising creative) с использованием характеристик идентифицированной рекламы.
4. Ключевой элемент: Процесс динамического создания креатива также использует термины из запроса (uses terms from the query) для резюмирования (summarize) продукта или услуги, описанного в рекламе.
5. Предоставление этой рекламы как веб-контента.

Ядро изобретения — это комбинация автоматического таргетинга на основе структурированных данных и динамической генерации текста объявления, который адаптируется под контекст запроса пользователя путем резюмирования.

Claim 2 (Зависимый): Уточняет механизм оценки релевантности. Оценка может базироваться на соответствии контенту (content match) или на категориальном соответствии (categorical match).

Claim 5 (Зависимый): Добавляет этап фильтрации на основе классификации запроса: страна, регион, язык или дневной бюджет.

Claim 7 (Зависимый от 6): Детализирует механизм ранжирования и отбора.

1. Выбор рекламы осуществляется относительно порога ранжирования (ranking cutoff).
2. Этот порог является произведением фиксированной стоимости (fixed cost) и переменной стоимости (variable cost).

Это подтверждает, что ранжирование является аукционом, где экономические факторы (ожидаемый доход) играют ключевую роль в определении позиций (основа Ad Rank).

Где и как применяется

Важно понимать, что этот патент описывает исключительно систему показа Рекламы (Google Ads / Ad Server), а не систему органического поиска. Он функционирует параллельно основному поисковому конвейеру.

Рекламный Индекс (Аналог INDEXING для Рекламы)
Система поддерживает и индексирует базу данных Advertisements, содержащую структурированные Advertising Excerpts (товарные фиды). Происходит обработка, классификация и категоризация этих данных.

Обработка Запроса и Ранжирование Рекламы (Аналог RANKING для Рекламы)
Основное применение патента. При получении запроса активируется Targeting Component:

1. Indexer и Scorer ищут и оценивают релевантные предложения в рекламном индексе.
2. Filter применяет ограничения (гео, бюджет).
3. Ranker проводит аукцион, учитывая релевантность и экономические факторы (Costs).

Генерация и Интеграция в Выдачу (Аналог METASEARCH / RERANKING)
На финальном этапе Ad Creative Generator динамически формирует объявления, используя данные о продукте и контекст запроса для резюмирования. Сгенерированные Advertisement Sets передаются для интеграции в финальную страницу результатов (SERP).

Входные данные:

• Запрос пользователя (Query) с терминами и классификацией (гео, язык).
• База структурированных данных о продуктах (Advertising Excerpts).
• Данные о стоимости/ставках (Fixed Costs, Variable Costs).

Выходные данные:

• Набор ранжированных рекламных объявлений (Advertisement Sets) с динамически сгенерированными Ad Creatives (HTML).

На что влияет

• Типы контента и форматы: Влияет исключительно на рекламные блоки в выдаче. Наиболее вероятно, описывает работу товарных объявлений (Google Shopping/PLA) или динамических поисковых объявлений (DSA).
• Специфические запросы и Ниши: Наибольшее влияние на коммерческие и транзакционные запросы в E-commerce и других нишах со структурированными каталогами.
• Контекстная реклама: В патенте упоминается, что вместо запроса может использоваться концепция или тема документа (веб-страницы), что относится к контекстной рекламе (например, AdSense).

Когда применяется

• Условия работы: Применяется рекламным сервером при обработке запросов (или анализе контента страницы), для которых в базе данных существуют релевантные Advertising Excerpts, удовлетворяющие порогам релевантности и экономическим требованиям (ставкам).

Пошаговый алгоритм

Процесс таргетинга и генерации рекламы:

1. Обработка запроса: Получение запроса, выделение терминов и определение классификации (гео, язык).
2. Поиск кандидатов (Indexing): Indexer ищет релевантные продукты в базе Advertising Excerpts.
3. Скоринг (Scoring): Scorer оценивает кандидатов по степени соответствия запросу (Content Match или Categorical Match).
4. Фильтрация (Pruning/Filtering): Кандидаты фильтруются по порогу релевантности и на основе классификации запроса (гео, язык, бюджет).
5. Учет экономических факторов: Для оставшихся кандидатов извлекаются Fixed Cost и Variable Cost. Если стоимости слишком низкие, кандидат отбрасывается.
6. Ранжирование (Ranking): Кандидаты ранжируются с использованием критерия выбора. В патенте указан пример критерия: произведение Fixed Cost и Variable Cost (возможно, с элементом рандомизации).
7. Отбор Топ-N: Выбирается Топ-N лучших результатов.
8. Генерация объявлений (Ad Creative Generation): Для Топ-N результатов динамически создается Ad Creative. Генератор использует структурированные данные из Advertising Excerpt и комбинирует их с терминами из запроса для создания резюме предложения.
9. Вывод: Сформированные Advertisement Sets передаются на Ad Server.

Какие данные и как использует

Данные на входе

Патент сфокусирован на данных, используемых в рекламной системе. Он не описывает стандартные SEO-факторы (ссылки, поведенческие факторы для органики).

• Структурные и Контентные факторы (Ключевые): Система полагается на структурированные данные из Advertising Excerpts (товарного фида):
  • Merchant (Продавец)
  • Name (Название товара/услуги)
  • URL
  • Price (Цена)
  • Description (Описание; предпочтительно полные предложения или фразы)
  • Category (Категория, назначенная продавцом)
  • Classified Category (Категория, определенная системой)
  • Confidence (Уверенность в классификации)
• Экономические факторы (Не SEO): Fixed Costs, Variable Costs (ставки, бюджеты). Критичны для ранжирования рекламы.
• Географические и Пользовательские факторы: Классификация запроса (country, locale, language) используется на этапе фильтрации.

Какие метрики используются и как они считаются

• Numerical Score (Оценка релевантности): Метрика соответствия между запросом и Advertising Excerpt. Рассчитывается на основе content match или categorical match.
• Predefined Threshold (Порог релевантности): Минимальное значение Numerical Score для прохождения фильтрации.
• Ranking Cutoff / Selection Criteria (Критерий ранжирования / Ad Rank): Метрика для финального ранжирования. В патенте приводится формула расчета как произведение Fixed Cost * Variable Cost.

Выводы

1. Патент относится к Google Ads, а не к органическому поиску: Описанные механизмы, особенно учет экономических факторов (Fixed/Variable Costs), относятся исключительно к ранжированию рекламы. Прямых выводов для алгоритмов органического ранжирования сделать нельзя.
2. Автоматизация и уход от ключевых слов: Патент демонстрирует стремление Google минимизировать ручное управление ключевыми словами, предпочитая автоматический анализ структурированных данных о продукте (фидов).
3. Критичность структурированных данных: Эффективность системы напрямую зависит от качества и полноты Advertising Excerpts. Это подчеркивает важность оптимизации товарных фидов и микроразметки для E-commerce.
4. Динамическая генерация и резюмирование (Dynamic Summarization): Запатентован (Claim 1) метод динамического формирования объявления, при котором характеристики товара резюмируются с использованием терминов из запроса пользователя. Этот механизм функционально схож с генерацией сниппетов в органическом поиске (Query-based Summarization).
5. Важность категоризации: Использование Categorical Match и наличие системной Classified Category показывает, что система может определять релевантность на уровне категорий, а не только прямых текстовых совпадений.

Практика

ВАЖНО: Патент описывает инфраструктуру Google Ads. Практическая польза для SEO-специалистов заключается в понимании того, как Google обрабатывает структурированные данные о товарах и генерирует контент на основе запроса.

Best practices (это мы делаем)

• Оптимизация товарных фидов (Google Merchant Center): SEO-специалисты в E-commerce должны обеспечивать максимальное качество и полноту данных в фидах (особенно Name, Description, Category). Патент подтверждает, что эти данные (Advertising Excerpts) являются основой для таргетинга и генерации объявлений.
• Детальные и естественные описания продуктов: Пишите полные, информативные описания. Механизм динамической генерации креатива использует поле Description и резюмирует его на основе запроса. Чем лучше описание покрывает различные аспекты продукта, тем точнее система сможет выделить релевантные части под конкретный запрос пользователя (аналогично генерации сниппетов).
• Использование структурированных данных (Schema.org/Product): Внедрение качественной микроразметки подтверждает данные из фида и помогает Google лучше понимать характеристики товара как в рекламе, так и в органическом поиске.
• Четкая таксономия и категоризация: Система использует Categorical Match. Наличие логичной и детальной иерархии категорий на сайте и в фиде помогает системе точнее классифицировать предложения.

Worst practices (это делать не надо)

• Предоставление скудных или неструктурированных данных: Игнорирование оптимизации фидов или микроразметки снижает способность Google корректно интерпретировать и отображать предложение.
• Переспам ключевыми словами в описаниях: Поскольку система стремится динамически резюмировать описание на основе контекста запроса, переспам контрпродуктивен и ухудшает читаемость для алгоритмов резюмирования.
• Неточная категоризация: Ошибочная классификация продуктов приведет к плохому Categorical Match и нерелевантным показам.

Стратегическое значение

Патент подтверждает долгосрочную стратегию Google на использование структурированных данных как основного источника информации о товарах. Для E-commerce проектов стратегически важно выстраивать инфраструктуру управления данными о продуктах (PIM), обеспечивающую единый и качественный источник данных для сайта (SEO) и фидов (Google Ads). Также патент демонстрирует ранние наработки Google в области NLP и динамической генерации контента (резюмирования), что актуально для понимания работы сниппетов и SGE.

Практические примеры

Сценарий: Оптимизация описания продукта для динамического резюмирования

Задача: Оптимизировать описание товара для лучшей генерации сниппетов (в органике) и креативов (в рекламе).

1. Анализ: Имеется описание: «Компактный робот-пылесос Acme Proton Y2K Pro-Series оснащен улучшенной турбощеткой для сбора шерсти животных и HEPA-фильтром для аллергиков.»
2. Механизм (на основе патента): Система динамически генерирует резюме, используя термины запроса (Claim 1).
   • Запрос А: «робот пылесос для шерсти животных». Система выделит: «…Acme Proton Y2K Pro-Series оснащен улучшенной турбощеткой для сбора шерсти животных…».
   • Запрос Б: «пылесос Acme для аллергиков». Система выделит: «…Acme Proton Y2K Pro-Series… и HEPA-фильтром для аллергиков.»
3. Действие (SEO): Убедиться, что описание содержит четкие формулировки ключевых характеристик и преимуществ на естественном языке. Избегать переспама.
4. Ожидаемый результат: Повышение релевантности динамически сгенерированных сниппетов для широкого спектра запросов, что улучшает CTR.

Вопросы и ответы