Как Google позволяет пользователям совместно организовывать контент и использует эти данные для таргетинга рекламы

Описание

Какую задачу решает

Патент решает задачу организации пользователями найденного контента и обеспечения возможности совместной работы над сбором информации. С точки зрения Google, патент решает задачу улучшения таргетинга рекламы (Ad Targeting) путем анализа контента, который пользователи сочли достаточно важным, чтобы его сохранить и классифицировать с помощью меток. Патент не направлен на улучшение органического ранжирования.

Что запатентовано

Запатентована система для создания, применения и совместного использования меток (labels) для результатов поиска и другого контента. Ключевой механизм — возможность поделиться изначально приватной меткой с другим пользователем, что позволяет ему использовать эту же метку для добавления нового контента в общую коллекцию. Также описано использование этих коллекций для извлечения концепций (concepts) с целью таргетинга рекламы.

Как это работает

Система работает следующим образом:

• Создание и применение: Пользователь создает метку (например, «Проект X») и применяет ее к релевантным результатам поиска, документам или рекламе.
• Совместное использование: Пользователь (владелец метки, Owner) может пригласить другого пользователя и предоставить разрешение (granting permission) совместно использовать эту метку.
• Коллаборация: После принятия приглашения второй пользователь может применять ту же метку к своим результатам поиска, становясь автором связи (Writer) и пополняя общую коллекцию.
• Анализ для рекламы: Система анализирует весь контент, собранный под меткой, для извлечения concepts. Эти концепции используются для определения рекламных категорий (ad categories) и таргетинга рекламы на пользователей, использующих метку.

Актуальность для SEO

Средняя. Описанная функциональность напоминает Google Bookmarks (закрыт в 2021 году) или современные функции Google Collections / «Сохраненное». Хотя система, описанная в патенте (подан в 2009 г.), может не использоваться в точности как описано, базовые идеи организации контента пользователями и использования этих данных для персонализации рекламы остаются высокоактуальными для Google.

Важность для SEO

Минимальное (1/10). Патент не описывает алгоритмы органического ранжирования, индексирования или сканирования. Он полностью сосредоточен на пользовательских функциях (User Features) для организации контента после того, как он был найден, и на внутренних механизмах Google для монетизации этих данных через Ad Targeting. Прямых рекомендаций для оптимизации сайтов под органический поиск из этого патента извлечь нельзя.

Детальный разбор

Термины и определения

Ad Categories (Рекламные категории)

Категории или вертикали, используемые рекламной системой для таргетинга рекламы на пользователя. Определяются на основе извлеченных concepts.

Association (Ассоциация/Связь)

Связь, создаваемая между меткой и элементом контента (например, результатом поиска).

Concepts (Концепции)

Темы, идеи или сущности, автоматически извлеченные путем анализа агрегированного контента, связанного с определенной меткой.

Concept Extraction Engine (Механизм извлечения концепций)

Система, используемая для анализа контента, связанного с метками, с целью извлечения concepts.

Label (Метка)

Текстовая строка (и/или изображение), создаваемая пользователем для маркировки и организации контента.

Label Server (Сервер меток)

Серверное устройство, отвечающее за поддержание репозитория меток и управление ассоциациями меток и разрешениями на совместное использование.

Owner (Владелец метки)

Пользователь, который изначально создал метку.

Search Result (Результат поиска)

Контент, возвращаемый поисковой системой в ответ на запрос. Включает веб-страницы, изображения, видео, новости, документы и рекламу (advertisements).

Writer (Автор связи)

Пользователь, который применил метку к конкретному элементу контента. Это может быть владелец метки или пользователь, с которым меткой поделились.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной механизм совместного использования меток.

1. Система создает первую метку от имени первого пользователя и вторую метку от имени второго пользователя.
2. Получается ассоциация первой метки с первым результатом поиска, созданная первым пользователем. (Второй пользователь не видит эту ассоциацию – она приватна).
3. Получается ассоциация второй метки со вторым результатом поиска, созданная вторым пользователем. (Первый пользователь не видит эту ассоциацию).
4. Предоставляется разрешение (granting permission) от имени первого пользователя, позволяющее второму пользователю совместно использовать первую метку.
5. После предоставления разрешения получается ассоциация первой метки с третьим результатом поиска, созданная вторым пользователем.

Ядро изобретения — механизм контролируемого совместного использования приватных пользовательских меток для коллективной маркировки результатов поиска.

Claim 4 (Зависимый): Детализирует использование данных для анализа.

Система извлекает одну или несколько concepts путем анализа контента результатов поиска, связанных с первой меткой.

Claim 5 (Зависимый от 4): Описывает применение извлеченных данных для рекламы.

Система связывает одну или несколько ad categories с первым пользователем на основе извлеченных concepts.

Claim 6 (Зависимый от 4): Описывает таргетинг.

Система таргетирует рекламу (targeting advertising) на первого пользователя на основе извлеченных concepts.

Claims 4-6 определяют цель анализа данных: использование пользовательской активности по организации контента для улучшения рекламного таргетинга.

Claim 8 (Зависимый): Описывает хранение данных.

Получение ассоциации включает сохранение части (storing a portion) результата поиска (например, сниппета или изображения) как части этой ассоциации.

Где и как применяется

Этот патент не описывает механизмы, встроенные в стандартную архитектуру органического поиска (такие как CRAWLING, INDEXING или RANKING). Он описывает отдельную инфраструктуру (упоминается Label Server и Label Repository), которая взаимодействует с поисковой системой и системой управления рекламой (Ad Management System).

Взаимодействие с поиском:

• Система меток получает данные от Search Engine уже после того, как ранжирование завершено.
• Пользователи взаимодействуют с интерфейсом поисковой выдачи (SERP) или интерфейсом управления метками для создания ассоциаций.

Взаимодействие с рекламной системой:

• Система (например, Label Ad Engine, упомянутый на схемах) анализирует контент, помеченный пользователями.
• Извлеченные concepts и определенные ad categories передаются в систему управления рекламой для уточнения профиля пользователя и улучшения таргетинга.

Входные данные:

• Результаты поиска (URL, сниппеты, контент страниц).
• Действия пользователя (создание метки, ассоциация контента с меткой, запрос на совместное использование, принятие приглашения).

Выходные данные:

• База данных ассоциаций меток (Label Repository), включающая данные об Owner и Writer.
• Извлеченные concepts.
• Обновленные профили пользователей для рекламного таргетинга.

На что влияет

• Конкретные типы контента: Патент явно указывает, что метки могут применяться к широкому спектру контента: веб-страницы, изображения, видео, новостные статьи, продукты, документы (например, word processing и spreadsheet) и даже сама реклама (advertisements).
• Персонализация рекламы: Основное влияние оказывается на точность таргетинга рекламы для пользователей, использующих эту систему.

Когда применяется

Алгоритм применяется при следующих условиях:

• Триггеры активации (Пользовательские): Когда пользователь вручную решает создать метку, пометить результат поиска или поделиться меткой с другим пользователем.
• Триггеры активации (Системные): Когда система анализирует помеченный контент для извлечения concepts. Это может происходить периодически или в ответ на обновление метки.

Пошаговый алгоритм

Процесс А: Совместное использование метки

1. Независимое создание меток: Пользователь 1 и Пользователь 2 создают свои приватные метки.
2. Независимая ассоциация: Пользователи помечают результаты поиска своими метками. Label Server сохраняет эти ассоциации, указывая владельца (Owner) и автора связи (Writer).
3. Инициация совместного использования: Пользователь 1 отправляет приглашение Пользователю 2 на совместное использование своей метки.
4. Принятие и предоставление разрешения: Пользователь 2 принимает приглашение. Система обновляет права доступа к метке Пользователя 1.
5. Совместная ассоциация: Пользователь 2 находит новый результат поиска и применяет к нему метку Пользователя 1.
6. Обновление репозитория: Label Server сохраняет новую ассоциацию, указывая Пользователя 1 как Owner и Пользователя 2 как Writer.

Процесс Б: Извлечение концепций и таргетинг рекламы

1. Агрегация контента: Система собирает весь контент (или сохраненные части/сниппеты), связанный с определенной меткой пользователя.
2. Извлечение концепций: Агрегированный контент может обрабатываться как единый документ. Concept Extraction Engine анализирует его для извлечения ключевых тем и идей (concepts).
3. Определение категорий: Извлеченные concepts используются для определения релевантных рекламных категорий (ad categories).
4. Профилирование пользователя: Рекламные категории или концепции связываются с профилем пользователя.
5. Таргетинг рекламы: При последующих запросах пользователя рекламная система использует обновленный профиль для выбора и показа релевантной рекламы.

Какие данные и как использует

Данные на входе

• Контентные факторы: Основные данные для анализа. Система использует контент результатов поиска, которые были помечены пользователями. Это включает текст, изображения и другие медиафайлы на этих страницах. Патент упоминает, что может сохраняться и использоваться только часть результата (portion of the search result), например, сниппет.
• Пользовательские факторы: Идентификаторы пользователей (Owner, Writer), их действия по созданию меток, ассоциации контента и настройки совместного доступа. Структура организации контента пользователем.
• Поведенческие факторы: Сам факт сохранения и маркировки контента используется как сильный сигнал интереса пользователя.

Какие метрики используются и как они считаются

Патент не описывает метрики, связанные с ранжированием поиска.

• Извлечение концепций (Concept Extraction): Это ключевой аналитический процесс. Патент не детализирует конкретные алгоритмы, но указывает, что контент под меткой анализируется для выявления concepts. В описании патент ссылается на внешние методы (US7231393 и US7383258), которые описывают вероятностные генеративные модели для текста и характеризацию документов на основе кластеров связанных слов.
• Связывание с Ad Categories: Процесс сопоставления извлеченных concepts с предопределенными рекламными категориями для таргетинга.

Выводы

1. Фокус на пользовательской организации контента, а не на ранжировании: Патент описывает инфраструктуру, позволяющую пользователям сохранять, классифицировать и совместно работать над результатами поиска. Это система уровня пользовательских функций (User Features), а не алгоритм органического ранжирования.
2. Использование пользовательских данных для рекламы: Основная техническая цель Google, раскрытая в патенте (помимо самой функции меток), — это использование данных о том, какой контент пользователи сохраняют и как его организуют, для улучшения рекламного таргетинга.
3. Извлечение интересов через Concept Extraction: Система использует анализ контента, сохраненного пользователем (Concept Extraction), как способ понять его глубокие интересы и намерения, что позволяет более точно таргетировать рекламу.
4. Приватность и совместная работа: Система обеспечивает приватность меток по умолчанию и предоставляет контролируемый механизм совместного использования с четким разделением ролей (Owner и Writer).
5. Отсутствие влияния на SEO: В патенте нет механизмов, которые бы использовали эти метки или частоту их применения как сигнал для органического ранжирования веб-страниц. Практических выводов для SEO-специалистов по улучшению позиций сайта в этом патенте нет.

Практика

ВАЖНО: Патент является инфраструктурным и описывает пользовательские функции и внутренние механизмы таргетинга рекламы Google. Он не дает практических выводов или рекомендаций для органического SEO продвижения сайтов.

Best practices (это мы делаем)

Не применимо для SEO. Патент не предлагает действий для улучшения органического ранжирования.

Worst practices (это делать не надо)

Не применимо для SEO. Патент не направлен против каких-либо SEO-тактик и не описывает механизмов борьбы с манипуляциями.

Стратегическое значение

Стратегическое значение для SEO отсутствует. Однако патент подтверждает, что Google активно разрабатывает и использует методы анализа пользовательского поведения и данных (в данном случае, явной организации контента пользователями) для улучшения своих рекламных продуктов и персонализации. Это часть общей стратегии Google по пониманию интересов пользователей за пределами конкретного поискового запроса.

Практические примеры

Практических примеров применения для SEO нет.

Пример использования функции пользователем (не SEO):

Сценарий: Планирование проекта

1. Пользователь 1 (Менеджер) создает метку «AI Research».
2. Он ищет научные статьи и помечает несколько релевантных результатов меткой «AI Research».
3. Анализ Google: Система анализирует эти статьи и извлекает concepts: «Machine Learning», «NLP», «Neural Networks». Google начинает показывать ему рекламу, связанную с ПО для анализа данных.
4. Совместное использование: Менеджер делится меткой «AI Research» с Пользователем 2 (Аналитиком).
5. Пользователь 2 (Аналитик) ищет наборы данных и помечает найденные ресурсы той же меткой «AI Research».
6. Обновленный анализ Google: Система видит новый контент и добавляет concepts, связанные с «Data Mining». Таргетинг рекламы для обоих пользователей уточняется.

Вопросы и ответы