Как Google динамически меняет рекламу на странице, отслеживая взаимодействие пользователя с контентом в реальном времени

Описание

Какую задачу решает

Патент решает проблему неоптимального таргетинга рекламы, когда документ (веб-страница, результаты поиска, электронное письмо) охватывает несколько различных тем. Стандартный показ рекламы может не соответствовать той части контента, на которой пользователь сосредоточен в данный момент. Изобретение направлено на разрешение этой неоднозначности путем определения сиюминутного тематического интереса пользователя для повышения релевантности рекламы.

Важно: Патент не устраняет SEO-манипуляции и не улучшает органический поиск; он сосредоточен исключительно на оптимизации показа рекламы (AdTech).

Что запатентовано

Запатентована система для динамической оптимизации показа рекламы, работающая преимущественно на стороне клиента. Система анализирует документ, разделяя его на тематические области (Document Regions), и отслеживает поведение пользователя (User Behavior) в реальном времени (например, с помощью JavaScript). На основе выявленного интереса к конкретной теме система корректирует оценки рекламных объявлений (Ad Interest Scores) и динамически обновляет отображаемую рекламу.

Как это работает

Система сочетает серверную подготовку и клиентское исполнение:

• Подготовка (Сервер): Документ анализируется для определения регионов и тем. Создается маппинг между регионами, темами и релевантными объявлениями с начальными оценками.
• Доставка (Сервер): Документ вместе с маппингом и кодом мониторинга отправляется пользователю (Optimizable Document).
• Мониторинг (Клиент): На устройстве пользователя отслеживаются действия (наведение курсора, клики, время задержки, копирование текста) в различных регионах документа.
• Определение интереса (Клиент): На основе поведения определяется текущий тематический интерес пользователя.
• Корректировка оценок (Клиент): Ad Interest Scores для рекламы, связанной с этой темой, увеличиваются. Вес корректировки зависит от типа действия (например, клик весит больше, чем наведение).
• Динамическое обновление (Клиент): Система переоценивает объявления на основе новых оценок и динамически обновляет рекламные блоки на странице.

Актуальность для SEO

Средняя (для AdTech), Низкая (для SEO). Концепция динамического таргетинга рекламы на основе поведения пользователя в реальном времени является фундаментальной для современной рекламной индустрии (AdTech). Однако для органического SEO актуальность низкая, поскольку патент описывает механизмы рекламной системы, а не органического ранжирования.

Важность для SEO

(1/10). Влияние на SEO минимальное. Этот патент явно касается оптимизации рекламных объявлений (Google Ads/AdSense), а не ранжирования органического поиска. Он дает представление о технических возможностях Google по сегментации страницы на темы (Topics) и отслеживанию детального поведения пользователей (User Behavior), но эти механизмы применяются исключительно к рекламной системе, согласно тексту патента.

Детальный разбор

Термины и определения

Ad Interest Score (Оценка интереса к рекламе)

Числовая метрика, используемая для определения того, какие рекламные объявления следует отображать и в каком порядке. Динамически корректируется на стороне клиента на основе поведения пользователя.

Client-Side Optimization (Оптимизация на стороне клиента)

Процесс мониторинга поведения и корректировки отображаемого контента (в данном случае рекламы), выполняемый на устройстве пользователя (например, в браузере с помощью JavaScript).

Document Region (Регион документа)

Часть документа, связанная с определенной темой. Это может быть пространственная область (абзац, колонка, изображение), временной сегмент (аудио/видео) или структурный элемент (гиперссылка).

Optimizable Document (Оптимизируемый документ)

Документ (например, веб-страница), который содержит контент, данные маппинга (сопоставления регионов/тем/рекламы) и код (например, JavaScript) для мониторинга поведения и динамического обновления рекламы.

Topic (Тема)

Концепция или предмет, связанный с содержимым Document Region.

User Behavior (Поведение пользователя)

Любое наблюдаемое взаимодействие пользователя с документом. Примеры: позиционирование курсора, время задержки курсора (cursor dwell time), клики, копирование текста, направление взгляда пользователя.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод динамического показа рекламы на основе интереса пользователя.

1. Система определяет тему для каждого из множества регионов документа (который является одной веб-страницей).
2. Система определяет конкретную тему, которой интересуется пользователь, используя отслеживаемые действия пользователя в отношении этих регионов.
3. Система корректирует оценки (scores) кандидатов в рекламные объявления, используя определенную тему интереса.
4. Критический элемент: Величина корректировки оценки зависит от типа отслеживаемого действия пользователя (например, клик дает большую корректировку, чем наведение курсора).
5. Система контролирует показ рекламы в связи с документом, используя скорректированные оценки.

Claim 11 (Независимый пункт): Описывает процесс динамической замены набора рекламы.

1. Показ начального подмножества (initial subset) рекламных объявлений с документом (каждое с начальной оценкой).
2. Мониторинг действий пользователя и определение региона и темы интереса.
3. Корректировка начальных оценок для создания скорректированных оценок (adjusted score).
4. Выбор нового подмножества (new subset) рекламных объявлений для отображения с документом на основе скорректированных оценок.

Claim 15 (Независимый пункт): Описывает процесс изменения атрибутов отображения рекламы.

1. Показ множества рекламных объявлений с начальным набором относительных атрибутов отображения (initial set of relative presentation attributes), например, порядком показа.
2. Мониторинг действий пользователя и определение темы интереса.
3. Корректировка оценок.
4. Определение нового набора относительных атрибутов отображения (например, изменение порядка или добавление улучшенных функций – enhanced feature) на основе скорректированных оценок.

Где и как применяется

Патент описывает систему, которая функционирует в контексте показа рекламы (AdTech), а не органического поиска (SEO). Применение в рамках архитектуры можно интерпретировать следующим образом:

INDEXING – Индексирование и извлечение признаков (Косвенно)
На этом этапе (или в аналогичном процессе в рекламной системе) контент документа должен быть проанализирован для определения Document Regions и связанных с ними Topics. Это необходимо для подготовки данных.

RANKING – Ранжирование (Рекламное ранжирование)
Рекламная система определяет начальный набор рекламных объявлений и их начальные Ad Interest Scores. Создаются сопоставления (Region -> Topic -> Ads).

RERANKING – Переранжирование (Клиентское переранжирование рекламы)
Здесь происходит основное действие патента. Сервер отправляет Optimizable Document клиенту. Механизмы на стороне клиента (Client-Side) отслеживают User Behavior в реальном времени. Это поведение запускает корректировку Ad Interest Scores и динамическое переранжирование и обновление рекламы непосредственно в браузере пользователя.

Входные данные:

• Контент и структура документа.
• Начальные Ad Interest Scores и маппинги (Регион/Тема/Реклама).
• Данные о поведении пользователя в реальном времени (клики, движения курсора и т.д.).

Выходные данные:

• Скорректированные Ad Interest Scores (хранятся на клиенте, возможно в cookies).
• Динамически обновленный набор рекламных объявлений на устройстве пользователя.

На что влияет

• Типы контента: Влияет исключительно на показ контекстной рекламы. Не влияет на ранжирование органического контента. Наибольшее влияние на документы, содержащие разнообразные темы на одной странице (новостные порталы, агрегаторы).
• Специфические запросы: Влияет на отображение рекламы на странице результатов поиска (SERP) при неоднозначных запросах (например, запрос «Ягуар», который может относиться к автомобилю, животному или спортивной команде).

Когда применяется

• Условия работы: Алгоритм применяется, когда пользователю предоставляется Optimizable Document, содержащий код мониторинга и данные для сопоставления рекламы.
• Триггеры активации: Конкретные действия пользователя в пределах определенных Document Regions: наведение курсора, клик по ссылке, выделение и копирование текста, длительное пребывание курсора в области (cursor dwell time).

Пошаговый алгоритм

Фаза 1: Подготовка (Преимущественно серверная сторона)

1. Анализ документа: Получение документа (например, веб-страницы).
2. Определение регионов и тем: Идентификация Document Regions (ссылки, разделы) и определение связанных с ними Topics.
3. Выбор рекламы и расчет оценок: Для каждой темы выбирается набор релевантных объявлений с начальными Ad Interest Scores.
4. Создание сопоставлений: Генерация структур данных (маппингов), связывающих регионы, темы и рекламу (например, Region-Ad Table или Region-Topic Table и Topic-Ad Table).
5. Формирование и отправка: Создание Optimizable Document путем встраивания контента, маппингов и кода мониторинга (например, JavaScript) для отправки клиенту.

Фаза 2: Оптимизация (Клиентская сторона)

1. Загрузка и начальное отображение: Клиент загружает документ и отображает начальный набор рекламы.
2. Мониторинг активности: Код мониторинга отслеживает User Behavior в реальном времени.
3. Обнаружение триггера: Идентификация значимого действия пользователя в определенном регионе.
4. Определение интереса: Определение Topic, связанного с этим регионом. Система также может интерпретировать быстрый возврат после клика как отсутствие интереса (disinterest).
5. Корректировка оценок: Увеличение Ad Interest Scores для рекламы, связанной с этой темой. Величина увеличения зависит от типа действия (Клик > Копирование > Длительное наведение).
6. Применение политики обновления: Определение, достаточно ли изменились оценки, чтобы оправдать обновление отображаемой рекламы.
7. Переранжирование и обновление: Если обновление необходимо, система выбирает новый набор рекламы (или изменяет порядок/атрибуты) и динамически обновляет отображение на странице.

Какие данные и как использует

Данные на входе

• Контентные факторы: Текстовое содержание Document Regions. Также может использоваться контент документов, на которые ведут ссылки из этих регионов, для определения темы региона (используется на Фазе 1).
• Структурные факторы: Структура HTML (теги разделов, ссылки) используется для определения границ Document Regions (используется на Фазе 1).
• Поведенческие факторы: Ключевые данные для Фазы 2. Включают: позиционирование курсора, время задержки курсора (cursor dwell time), клики/выбор элементов, копирование текста. Патент также упоминает возможность использования направления взгляда пользователя.

Какие метрики используются и как они считаются

• Ad Interest Score / Topic Interest Score: Основная метрика, которая динамически корректируется.
• Веса корректировки (Adjustment Weights): Система использует разные веса для разных типов действий пользователя, отражающие разную степень уверенности в интересе. В патенте приведены примеры (гипотетические значения): Наведение курсора = 1 балл; Клик = 5 баллов; Длительное время в регионе = 3 балла; Копирование текста = 10 баллов.
• Политика обновления: Пороги, определяющие, когда изменение в Ad Interest Scores достаточно значительно, чтобы инициировать изменение отображаемой рекламы.

Выводы

1. Это патент об AdTech, а не о SEO: Все описанные механизмы направлены на оптимизацию релевантности и эффективности рекламных объявлений. В патенте нет утверждений о влиянии этих механизмов на ранжирование органического поиска.
2. Гранулярный анализ контента: Патент демонстрирует техническую возможность разделения одной страницы на несколько Document Regions и определения отдельной Topic для каждого региона.
3. Мониторинг поведения на стороне клиента: Система использует клиентские технологии (например, JavaScript) для отслеживания детального взаимодействия пользователя со страницей (включая движения курсора и время задержки) в реальном времени.
4. Дифференцированный вес поведенческих сигналов: Система различает типы взаимодействий, придавая больший вес явным действиям (клик, копирование текста), чем пассивным (наведение курсора), при определении интереса пользователя.
5. Динамическая адаптация контента: Система способна динамически изменять отображаемую рекламу в ответ на поведение пользователя без перезагрузки страницы.

Практика

ВАЖНО: Патент является инфраструктурным для рекламной системы и не дает прямых практических выводов для SEO.

Best practices (это мы делаем)

Патент описывает внутренние процессы рекламной системы Google без прямых рекомендаций для SEO. Однако можно сделать косвенные выводы о возможностях Google:

• Четкая структура документа: Патент подтверждает способность анализировать страницу по частям (Document Regions). Для SEO это косвенно подчеркивает важность использования логичной семантической структуры. Это помогает системам (как поисковым, так и рекламным) четко понимать тему каждого раздела страницы.
• Понимание возможностей мониторинга: SEO-специалисты должны знать, что Google имеет технические возможности для мониторинга гранулярного поведения пользователей на странице (включая движения курсора и время задержки), как минимум, в рамках своих рекламных продуктов.

Worst practices (это делать не надо)

• Интерпретация патента как фактора органического ранжирования: Самая большая ошибка — предположить, что описанные здесь механизмы мониторинга поведения напрямую влияют на органическое ранжирование. Патент этого не утверждает и ограничен контекстом рекламы.

Стратегическое значение

Стратегическое значение этого патента для SEO минимально. Он важен для специалистов по контекстной рекламе (PPC) и издателей (AdSense). Для SEO он служит напоминанием о том, что Google анализирует контент не только на уровне всей страницы, но и на уровне отдельных ее сегментов, и что поведение пользователей активно отслеживается в экосистеме Google.

Практические примеры

Практических примеров для SEO нет, так как патент описывает работу рекламной системы. Ниже приведен пример работы описанного механизма.

Сценарий: Оптимизация рекламы на странице результатов поиска (SERP)

1. Запрос: Пользователь вводит неоднозначный запрос «Ягуар».
2. Исходная страница (SERP): Google возвращает результаты, относящиеся к трем темам: Автомобиль, Животное, Спортивная команда. Рядом отображается начальный набор рекламы (например, автодилеров).
3. Взаимодействие пользователя: Пользователь наводит курсор и задерживается (cursor dwell time) на органических результатах, связанных с животным.
4. Реакция системы (Клиентская сторона): Система обнаруживает это поведение. Ad Interest Score для рекламы, связанной с животными (например, зоопарки), увеличивается.
5. Обновление: Поскольку оценки изменились, система динамически заменяет рекламу автодилеров на рекламу зоопарка.
6. Дальнейшее взаимодействие: Затем пользователь кликает на ссылку о спортивной команде.
7. Реакция системы: Ad Interest Score для спортивной рекламы значительно увеличивается (клик весит больше, чем наведение). При возврате пользователя на страницу SERP, система отобразит рекламу спортивной атрибутики.

Вопросы и ответы