Как Google использует поведенческие факторы, данные о трансляциях и внешние рейтинги для ранжирования видеоконтента

Описание

Какую задачу решает

Патент решает проблему неэффективного ранжирования видеоконтента, основанного исключительно на ключевых словах или метаданных файла (например, имени файла). Традиционные методы не учитывают специфику видеоформата, его популярность, авторитетность источника и вовлеченность аудитории. Изобретение предлагает методику оценки видео, которая учитывает широкий спектр сигналов, специфичных для видеоконтента, чтобы предоставлять пользователям более релевантные и качественные результаты поиска по видео.

Что запатентовано

Запатентована система и метод ранжирования видеоконтента (video articles), который использует video-oriented characteristic data. Суть изобретения заключается в вычислении rank score для видео не только на основе метаданных, но и на основе характеристик, связанных с распространением (например, трансляцией), популярностью и пользовательским взаимодействием с этим видео. Это позволяет комплексно оценивать значимость и качество видеоматериала.

Как это работает

Система работает путем сбора и анализа широкого спектра данных о видеоконтенте:

• Сбор характеристик: Для каждого видео система определяет video-oriented characteristics. Они включают данные об источнике и времени трансляции, сторонние рейтинги, финансовые показатели, текстовые данные (субтитры, транскрипт, внешние упоминания) и данные о поведении пользователей (клики, просмотры, взаимодействия с плеером).
• Вычисление оценки: Система вычисляет rank score для каждого видео, взвешивая эти характеристики в сочетании со стандартными факторами релевантности запросу и метаданными видео.
• Упорядочивание: Видеоконтент сортируется на основе полученного rank score, возможно, с учетом дополнительных факторов, таких как длина или качество видео.

Актуальность для SEO

Высокая. Хотя патент был первоначально подан в 2005 году (текущий патент является продолжением заявки от 2005 года), описанные в нем принципы лежат в основе современных систем ранжирования видео, включая YouTube и поиск Google по видео. Категории сигналов, такие как вовлеченность пользователей (user data), авторитетность источника (broadcast source data) и текстовая релевантность (textual data), являются критически важными для Video SEO в 2025 году. Конкретные реализации могли эволюционировать (например, меньший акцент на Nielsen, больший на времени просмотра), но общая методология остается крайне актуальной.

Важность для SEO

Патент имеет критическое значение (9/10) для специалистов по Video SEO. Он предоставляет четкую структуру факторов ранжирования видео, многие из которых отличаются от стандартного веб-поиска. Понимание того, что Google явно учитывает вовлеченность пользователей (клики, просмотры, лайки), авторитетность источника и внешние упоминания видео, напрямую влияет на стратегию оптимизации и продвижения видеоконтента.

Детальный разбор

Термины и определения

Video Article (Видео статья)

Обработанный и проиндексированный видеоконтент, сохраненный в системе. Включает само видео в различных форматах (MPEG, AVI, QuickTime и т.д.), а также связанные с ним данные (метаданные, субтитры, информацию из программы передач).

Video-Oriented Characteristics (Видео-ориентированные характеристики)

Специфические сигналы, используемые для ранжирования видео. Включают данные о трансляции, рейтинги, поведенческие факторы, финансовые данные и текстовую информацию.

Rank Score (Оценка ранжирования)

Числовое значение, определяющее позицию видео в результатах поиска. Рассчитывается на основе Video-Oriented Characteristics и метаданных.

Broadcast Source Data (Данные об источнике трансляции)

Информация о том, кто предоставил или транслировал видео (контент-провайдер).

Broadcast Time Period Data (Данные о периоде трансляции)

Информация о том, когда видео транслировалось (дата, время), транслировалось ли оно в прайм-тайм, данные о ротации и приоритете.

Third-Party Ratings Data (Данные сторонних рейтингов)

Оценки популярности видео от внешних организаций (например, Nielsen ratings) или данные о просмотре аудиторией.

User Data (Пользовательские данные)

Данные о взаимодействии пользователей с видео. Включают clickthrough data, связанные запросы, количество кликов, а также действия в плеере/DVR (упомянутые в описании патента): лайки/дизлайки (thumbs up/down), повторные просмотры (replay), запись (record), перемотка вперед/назад (fast forward/review).

Textual Data (Текстовые данные)

Текст, связанный с видео: диалоги, закрытые субтитры (closed captioning text), результат преобразования речи в текст, а также текст во внешних документах или статьях, ссылающихся на это видео.

Third-Party Data (Сторонние данные)

В контексте ранжирования (помимо рейтингов) это финансовые данные: стоимость производства (production costs) и стоимость рекламы (advertising costs).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод ранжирования множества видео статей.

1. Для каждой видео статьи на сервере выполняются следующие шаги:
   1. Определение video-oriented characteristic data видео статьи. Эти данные описывают одну или более характеристик как минимум одной трансляции (broadcast) этой видео статьи. (Указывается, что каждая статья также имеет метаданные).
   2. Определение rank score, основанного частично на video-oriented characteristic data И частично на метаданных видео статьи.
2. Определение порядка передачи множества видео статей клиенту, основанного на rank score каждой статьи.

Ядром изобретения является комбинирование двух типов данных для ранжирования видео: стандартных метаданных И специфических характеристик, связанных с тем, как видео распространялось или транслировалось.

Claim 2 (Зависимый): Уточняет, что video-oriented characteristic data могут быть данными о периоде трансляции (broadcast time period data), описывающими, когда видео транслировалось.

Claim 3 (Зависимый): Уточняет, что данные могут быть рейтинговыми (rating data), описывающими оценку видео на основе критерия.

Claim 4 (Зависимый): Уточняет, что данные могут быть сторонними (third-party data), описывающими оценку стоимости (cost estimation) видео.

Claim 5 (Зависимый): Уточняет, что данные могут быть пользовательскими (user data), описывающими одно или более действий пользователя (user actions) в отношении видео статьи.

Claims 6-8 (Зависимые): Уточняют, что метаданные могут включать название (name), подзаголовок (subtitle) или связанный текст (associated text).

Где и как применяется

Изобретение применяется в системе поиска по видеоконтенту (например, Google Video Search или YouTube) и затрагивает несколько этапов поиска.

CRAWLING – Сканирование и Сбор данных
Система собирает видеоконтент и связанные с ним данные от Broadcast Systems/Content Providers. Это включает получение самого видео, а также информации о трансляциях, рейтингах и т.д.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит основная обработка данных для ранжирования. Система обрабатывает видеоконтент, превращая его в video articles. Извлекаются и индексируются video-oriented characteristics:

• Обработка Textual Data (субтитры, транскрипты).
• Ассоциация Broadcast Data и Third-Party Ratings Data с соответствующими видео.
• Анализ внешних ссылок и упоминаний (часть Textual Data).
• Агрегация и обработка User Data (поведенческих сигналов).

RANKING – Ранжирование
Это основной этап применения патента. При получении запроса Search Engine определяет релевантные video articles и вычисляет для них rank score.

• Входные данные: Запрос пользователя, проиндексированные video articles, сохраненные video-oriented characteristics (включая накопленные User Data).
• Процесс: Алгоритм ранжирования взвешивает метаданные и различные категории video-oriented characteristics для определения итоговой оценки.
• Выходные данные: Отсортированный список видеорезультатов.

На что влияет

• Конкретные типы контента: В первую очередь влияет на ранжирование видеоконтента (новости, телепередачи, фильмы, пользовательские видео).
• Специфические запросы: Влияет на все типы запросов, где ожидается видео ответ. Для информационных и развлекательных запросов влияние сигналов вовлеченности и рейтингов может быть особенно сильным.
• Конкретные ниши или тематики: Сильное влияние в высококонкурентных нишах (развлечения, новости, обзоры), где необходимо отличать качественный контент от низкопробного, используя сигналы популярности и авторитетности.

Когда применяется

Алгоритм применяется при каждом поиске видеоконтента. Система постоянно собирает и обновляет video-oriented characteristics (особенно User Data и данные о свежих трансляциях) и использует их для расчета rank score в реальном времени или при обновлении индекса.

Пошаговый алгоритм

Процесс А: Сбор и индексирование данных (Офлайн/Фоновый режим)

1. Получение контента: Система получает видео и связанные данные от контент-провайдеров.
2. Обработка видео: Видео обрабатывается, создается video article, извлекаются метаданные (название, описание).
3. Извлечение текстовых данных: Обрабатываются субтитры, выполняется распознавание речи для создания транскрипта.
4. Сбор внешних характеристик: Собираются данные о трансляциях (время, источник, частота), сторонние рейтинги (Nielsen), финансовые данные.
5. Сбор внешних упоминаний: Индексируются веб-документы, ссылающиеся на видео.
6. Индексирование: Все извлеченные video-oriented characteristics и метаданные индексируются и ассоциируются с video article.
7. Сбор пользовательских данных: Непрерывно собираются данные о взаимодействии пользователей с видео (клики в поиске, просмотры, лайки, перемотки).

Процесс Б: Ранжирование (В ответ на запрос)

1. Получение запроса: Пользователь вводит поисковый запрос.
2. Идентификация кандидатов: Система находит video articles, соответствующие запросу (например, по метаданным или транскрипту).
3. Определение характеристик: Для каждого кандидата извлекаются его video-oriented characteristics.
4. Вычисление Rank Score: Система рассчитывает оценку ранжирования. Алгоритм взвешивает различные факторы:
   1. Релевантность метаданных запросу.
   2. Релевантность текстовых данных (транскрипта) запросу.
   3. Показатели User Data (вовлеченность, кликабельность).
   4. Показатели авторитетности (Broadcast Source, Third-Party Ratings).
   5. Показатели свежести/значимости (Broadcast Time Period).
5. Упорядочивание результатов: Кандидаты сортируются на основе вычисленного rank score. В описании патента упоминается, что также могут учитываться длина видео, качество видео и звука.
6. Отображение: Результаты предоставляются пользователю.

Какие данные и как использует

Данные на входе

Патент детально описывает широкий спектр факторов, используемых для ранжирования видео, объединенных термином video-oriented characteristics.

Контентные и Текстовые факторы (Textual Data, Metadata):

• Название видео (Name).
• Подзаголовок или описание (Subtitle).
• Диалоги (Dialogue).
• Закрытые субтитры (Closed captioning text).
• Текст, полученный путем преобразования речи в текст (Speech-to-text conversion).

Ссылочные и Внешние факторы:

• Текст, связанный со статьями или документами, ссылающимися на видео (Text associated with articles/documents referencing the video article).

Поведенческие факторы (User Data):

• Кликабельность в поиске (Clickthrough data).
• Количество кликов по видео по тому же запросу.
• Количество кликов по видео по разным запросам.
• Запросы, связанные с видео (Queries associated with the video article).
• Данные о «лайках» («thumbs up» viewer data).
• Данные о «дизлайках» («thumbs down» viewer data).
• Данные о повторных просмотрах («replay» viewer data).
• Данные о перемотке вперед («fast forward» viewer data).
• Данные о перемотке назад/обзоре («review» viewer data).
• Данные о записи видео пользователем («record» viewer data).

Временные и Трансляционные факторы (Broadcast Time Period Data):

• Дата трансляции (Broadcast date).
• Время трансляции (Broadcast time).
• Трансляция в прайм-тайм или нет (prime time or non-prime time).
• Данные о ротации видео у провайдера (Rotation data).
• Количество трансляций видео (Number of times the video article has been broadcast).

Факторы Авторитетности и Дистрибуции:

• Источник трансляции / Контент-провайдер (Broadcast source, Content provider).
• Количество провайдеров, транслирующих видео в определенный период.
• Сторонние рейтинги (Third-party ratings data, Nielsen ratings).
• Данные о просмотре аудиторией (Third-party audience viewing data).

Финансовые факторы (Third-Party Data):

• Стоимость производства (Production costs).
• Стоимость рекламы (Advertising costs).

Географические факторы:

• Географическое местоположение трансляции (Particular geographical location a video article has been broadcast).

Технические факторы (упомянуты в описании):

• Длина видео (length).
• Качество видео (quality).
• Качество звука (sound quality).

Какие метрики используются и как они считаются

Патент не предоставляет конкретных формул, но описывает методологию расчета Rank Score.

• Методы вычислений и расчета оценок: Rank score определяется на основе video-oriented characteristic data и метаданных. Используется алгоритм ранжирования, который взвешивает (weights) эти данные и другие факторы. Разные типы данных могут иметь разные веса, и эти веса могут отличаться для разных приложений.
• Комбинирование факторов: Система может комбинировать rank score с другими факторами для финального упорядочивания, такими как длина видео, качество видео и звука, доступность видео для воспроизведения.

Выводы

1. Ранжирование видео — это не только метаданные: Патент четко демонстрирует переход от ранжирования видео только по названию и описанию к комплексной оценке. Video-oriented characteristics играют ключевую роль наравне с метаданными.
2. Вовлеченность пользователей (User Engagement) — прямой фактор ранжирования: User Data, включающие не только клики в поиске (CTR), но и действия внутри плеера (лайки, повторные просмотры, перемотка), напрямую используются для расчета Rank Score. Это подтверждает критическую важность удержания аудитории для Video SEO.
3. Авторитетность и Популярность имеют значение: Система использует прокси для оценки качества и значимости видео. К ним относятся авторитетность источника (Broadcast Source), сторонние рейтинги (Nielsen) и даже финансовые показатели (Production costs).
4. Текстовая оптимизация шире метатегов: В качестве Textual Data учитываются субтитры, транскрипты и даже текст во внешних документах, ссылающихся на видео. Полная текстовая информация о содержании видео критична для релевантности.
5. Дистрибуция как сигнал значимости: Данные о том, как широко и часто распространяется видео (количество трансляций, количество провайдеров, прайм-тайм), используются как сигналы его важности.

Практика

Best practices (это мы делаем)

• Максимизация сигналов вовлеченности: Создавать контент, который стимулирует положительные User Data. Это означает оптимизацию под удержание аудитории, поощрение лайков (thumbs up) и повторных просмотров (replay). Структурируйте видео так, чтобы минимизировать негативные сигналы, такие как быстрая перемотка вперед (fast forward) ключевых сегментов или ранний уход.
• Полная текстовая оптимизация: Обеспечивать видео качественными метаданными (название, описание) и обязательно добавлять точные субтитры (closed captioning) или транскрипты. Это позволяет поисковой системе точно понимать содержание видео (Textual Data).
• Стимулирование внешних упоминаний (Off-page Video SEO): Работать над тем, чтобы авторитетные сайты и статьи ссылались на ваше видео или встраивали его. Текст этих внешних документов (часть Textual Data) используется как сигнал для ранжирования видео.
• Построение авторитетности канала/источника: Развивать канал или сайт как авторитетный источник видеоконтента. Хотя патент использует термин Broadcast Source, в современном контексте это применимо к авторитетности YouTube-канала или бренда.
• Оптимизация под кликабельность (CTR): Создавать привлекательные заголовки и значки видео для максимизации clickthrough data из результатов поиска, так как это является частью User Data.
• Инвестиции в качество: Загружать видео в высоком качестве. Качество видео и звука упомянуты в патенте как факторы, влияющие на ранжирование.

Worst practices (это делать не надо)

• Игнорирование субтитров и транскриптов: Загрузка видео без текстового сопровождения значительно ограничивает способность системы оценить его релевантность по широкому спектру запросов.
• Фокус только на метаданных при плохом удержании: Оптимизация заголовков и описаний не компенсирует низкое качество контента, если пользователи быстро закрывают видео. Негативные User Data снизят Rank Score.
• Кликбейт без соответствия содержанию: Привлечение кликов обманным путем приведет к негативным поведенческим сигналам (быстрый уход, дизлайки), что ухудшит ранжирование.
• Накрутка поведенческих факторов: Искусственное завышение просмотров или лайков, скорее всего, будет обнаружено системами Google и не даст долгосрочного эффекта, а также может привести к пессимизации.

Стратегическое значение

Этот патент подтверждает, что стратегия Video SEO должна быть комплексной и ориентированной на пользователя. Для Google качество видео неразрывно связано с тем, как аудитория его воспринимает и взаимодействует с ним. Долгосрочная стратегия должна фокусироваться на создании высококачественного контента, который естественным образом генерирует положительные сигналы вовлеченности, и на обеспечении полной технической и текстовой оптимизации для поисковых систем.

Практические примеры

Сценарий: Оптимизация обучающего видео по ремонту

1. Действие (Textual Data): Вместо автоматических субтитров вручную создаются и загружаются точные субтитры, включающие специфические термины и названия инструментов.
2. Действие (User Data — Replay/Review): В видео добавляются четкие временные метки для разных этапов ремонта, а структура видео делается модульной. Это побуждает пользователей пересматривать нужные сегменты (положительный сигнал Replay/Review), а не проматывать все видео.
3. Действие (User Data — Thumbs Up): В конце видео добавляется призыв к действию с просьбой оценить полезность материала.
4. Действие (External References): Видео встраивается в подробную текстовую статью на сайте по той же теме. Статья оптимизируется и продвигается в веб-поиске.
5. Ожидаемый результат: Видео получает более высокий Rank Score за счет лучшей текстовой релевантности, положительных сигналов вовлеченности и наличия внешних упоминаний, что приводит к лучшим позициям в поиске по видео.

Вопросы и ответы