Как Google извлекает структурированные данные об отзывах и рейтингах, встроенные в код страницы, и использует их для ранжирования

Описание

Какую задачу решает

Патент решает проблему ограниченности традиционных гиперссылок (link tags), которые передают только местоположение (URL), но не содержат структурированной, машиночитаемой информации о мнении автора (обзоров или рейтингов) относительно контента или сущности, на которую они ссылаются. Изобретение предоставляет стандартизированный механизм для авторов по встраиванию оценочной информации непосредственно в документы, позволяя поисковым системам эффективно ее извлекать и интерпретировать.

Что запатентовано

Запатентована система и метод для встраивания и обработки структурированных оценок в документах (например, веб-страницах). Система определяет два ключевых элемента: Identifier Tag (содержащий текст обзора и идентификатор оцениваемой сущности) и Rating Tag (содержащий числовое значение рейтинга). Изобретение охватывает как инструменты для создания этих тегов (Authoring Tools), так и процесс их извлечения поисковыми краулерами, агрегации данных и использования для расчета ранжирования документа.

Как это работает

Система работает в несколько этапов:

• Встраивание: Авторы используют Authoring Tool (например, плагин CMS) для добавления Identifier Tag и Rating Tag в свои документы при написании обзора на сущность (Entity).
• Сканирование и Извлечение: Поисковые роботы (Search Engine Crawler) идентифицируют и импортируют данные из этих тегов при обходе страницы.
• Агрегация: Извлеченные данные собираются в централизованном репозитории (Evaluation Database).
• Использование в ранжировании: Поисковая система использует эти структурированные данные для корректировки Weight (веса), связанного с тегами, и вычисления итоговых показателей ранжирования документа (Document Ranking Values).

Актуальность для SEO

Критически высокая. Этот патент, поданный в 2005 году, описывает фундаментальные принципы сбора структурированных данных о рейтингах и обзорах. Сегодня эта концепция полностью реализована через стандарты Schema.org (типы Review, AggregateRating) и формат JSON-LD. Это механизм, обеспечивающий работу расширенных сниппетов (Rich Snippets) с рейтингами и лежащий в основе систем оценки качества контента.

Важность для SEO

Влияние на SEO критическое (90/100). Патент прямо и недвусмысленно утверждает (в Claims 1, 17, 19), что извлеченные данные о рейтингах и обзорах используются для корректировки Weight и вычисления Document Ranking Values. Это подтверждает, что корректное внедрение структурированных данных (Schema.org), основанных на принципах этого патента, является не только способом получения Rich Snippets, но и прямым сигналом ранжирования для страниц, содержащих обзоры.

Детальный разбор

Термины и определения

Authoring Tool (Инструмент для авторинга)

Программное обеспечение (например, встроенное в веб-страницу, CMS или приложение), помогающее пользователю генерировать и встраивать Identifier Tag и Rating Tag в документ.

Document Ranking Values (Значения ранжирования документа)

Метрики, используемые для определения позиции документа в поисковой выдаче. Согласно патенту, они вычисляются с учетом Weight, связанного с тегами обзора и рейтинга.

Entity (Сущность)

Объект, который является предметом обзора (продукт, бизнес, услуга, ресторан, медиа и т.д.). В патенте подчеркивается, что сущность отлична (distinct) от самого документа, содержащего обзор.

Evaluation Database (База данных оценок)

Репозиторий, в котором поисковая система агрегирует извлеченные данные (сущность, идентификатор, обзор, рейтинг, метаданные) из различных источников.

Identifier Tag (Тег идентификатора)

Структурированный тег в документе, который включает текстовый обзор (Review) и идентификатор (Identifier) сущности, о которой идет речь.

Metadata (Метаданные)

Дополнительная информация, которая может быть включена в теги. Примеры: идентификатор пользователя, категория, временные метки (покупки, посещения, создания обзора), информация о местоположении и т.д.

Rating Tag (Тег рейтинга)

Структурированный тег в документе, который включает значение рейтинга (Rating Value), соответствующее выбранной пользователем оценке сущности.

Search Engine Crawler (Поисковый краулер)

Компонент поисковой системы, который получает документы и специально настроен на распознавание и импорт данных из Identifier Tag и Rating Tag.

Weight (Вес)

Значение, связанное с Identifier Tag и/или Rating Tag. Система может корректировать этот вес и использовать его при расчете Document Ranking Values.

Ключевые утверждения (Анализ Claims)

Патент содержит две ключевые независимые формулы, описывающие процесс на стороне клиента и сервера.

Claim 1 (Независимый пункт): Описывает метод на стороне клиента и влияние на ранжирование.

1. Клиентское устройство получает документ и Authoring Tool от сервера.
2. Пользователь модифицирует документ:
   • Встраивает Identifier Tag (обзор и ID сущности, отличной от документа).
   • Встраивает Rating Tag (значение рейтинга).
3. Модифицированный документ отправляется на сервер.
4. Клиент отправляет поисковый запрос и получает упорядоченный список результатов.

Ключевой вывод: Позиция документа в этом списке определяется, по крайней мере частично, значением ранжирования (ranking value), которое рассчитывается на основе обзора в Identifier Tag и значения в Rating Tag. Это прямое подтверждение использования структурированных отзывов как фактора ранжирования.

Claim 17 (Независимый пункт): Описывает метод на стороне сервера (поисковой системы).

1. Search Engine Crawler получает документ, содержащий Identifier Tag и Rating Tag.
2. Система импортирует (извлекает) обзор, идентификатор и значение рейтинга.
3. Система агрегирует эти данные в репозитории (Evaluation Database).
4. В ответ на поисковый запрос система возвращает упорядоченный список результатов, где позиция документа определяется значением ранжирования, рассчитанным на основе извлеченного обзора и рейтинга.

Claim 18 и 19 (Зависимые от 17): Детализируют механизм влияния на ранжирование.

Система корректирует вес (adjusting a weight), связанный с Identifier Tag и/или Rating Tag (Claim 18). Затем система вычисляет значения ранжирования документа (Document Ranking Values) в соответствии с этим скорректированным весом (Claim 19). Это описывает технический механизм использования структурированных данных в алгоритме ранжирования.

Где и как применяется

Изобретение охватывает весь конвейер обработки структурированных отзывов.

CRAWLING – Сканирование и Сбор данных
Search Engine Crawler специально адаптирован для обнаружения и получения документов, содержащих Identifier Tags и Rating Tags.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит основная обработка. Система извлекает (импортирует) данные из тегов. Извлеченные данные агрегируются в Evaluation Database. Также на этом этапе система рассчитывает и корректирует Weight, связанный с этими тегами и документом.

RANKING – Ранжирование
На этапе ранжирования система использует агрегированные данные и рассчитанные веса (Weight) для вычисления финальных Document Ranking Values. Это влияет на позицию документа в выдаче.

Входные данные:

• Документ (HTML/XML).
• Встроенные Identifier Tags (текст обзора, ID объекта) и Rating Tags (значение рейтинга).
• Метаданные, встроенные в теги.

Выходные данные:

• Агрегированные данные в Evaluation Database.
• Скорректированные значения Weight.
• Итоговые Document Ranking Values.

На что влияет

• Конкретные типы контента: Влияет на любой контент, содержащий обзоры: страницы товаров в e-commerce, сайты-отзовики, статьи с рецензиями, блоги.
• Конкретные ниши или тематики: Имеет критическое значение в E-commerce, локальном поиске (Local Search), туризме, медиа и любых тематиках, где отзывы играют ключевую роль.
• Ранжирование: Влияет на ранжирование документа, содержащего обзор.

Когда применяется

• Триггеры активации: Наличие в документе корректно сформированных Identifier Tag и Rating Tag при сканировании этого документа поисковым краулером.
• Частота применения: Процесс извлечения данных происходит при каждом сканировании/индексировании страницы. Использование данных происходит при расчете ранжирования для релевантных запросов.

Пошаговый алгоритм

Процесс А: Создание контента (на стороне клиента)

1. Инициализация: Пользователь получает доступ к Authoring Tool (например, редактор в CMS или блог-платформе).
2. Ввод данных: Пользователь вводит текст обзора, идентифицирует сущность (Entity) и выбирает рейтинг (Rating Value).
3. Генерация тегов: Authoring Tool генерирует Identifier Tag и Rating Tag на основе ввода пользователя.
4. Встраивание: Теги встраиваются в код документа (HTML/XML). (Опционально: данные могут быть зашифрованы).
5. Публикация: Документ сохраняется на сервере и становится доступным для краулеров.

Процесс Б: Обработка данных (на стороне поисковой системы)

1. Сканирование и Получение: Search Engine Crawler получает документ.
2. Парсинг и Импорт: Система парсит документ, обнаруживает Identifier Tag и Rating Tag и импортирует данные.
3. (Опционально) Расшифровка: Если данные зашифрованы (патент предусматривает такую возможность), система получает ключ и расшифровывает контент.
4. Агрегация: Извлеченные данные добавляются в Evaluation Database, обновляя информацию о сущности и документе.
5. Корректировка веса: Система корректирует Weight, ассоциированный с этими тегами.
6. Вычисление ранга: Система вычисляет Document Ranking Values для документа, учитывая скорректированный Weight, содержание обзора и значение рейтинга.
7. Вывод результатов: При получении запроса система генерирует выдачу, используя вычисленные Document Ranking Values.

Какие данные и как использует

Данные на входе

Патент фокусируется на данных, предоставляемых в структурированном виде через специальные теги разметки.

• Структурные факторы: Наличие и корректность реализации Identifier Tag и Rating Tag. Совместимость с HTML и/или XML.
• Контентные факторы (внутри тегов):
  • Review: Текстовое содержание обзора.
  • Identifier: Идентификатор сущности, которая оценивается.
  • Rating Value: Числовое значение рейтинга (например, от 1 до 5).
• Метаданные (Metadata, явно перечислены в патенте): Теги могут включать дополнительную информацию:
  • Идентификатор пользователя (user identifier).
  • Идентификатор категории (category identifier).
  • Временные метки (timestamp для покупки, визита к сущности, создания обзора/рейтинга).
  • Относительная рейтинговая информация (relative rating information).
  • Любимый элемент у сущности (favorite item at the entity).
  • Срок действия обзора (expiration time).
  • Характеристики предмета обзора или его элементов.
  • Информация о местоположении сущности (location information).

Какие метрики используются и как они считаются

• Rating Value (Значение рейтинга): Числовая оценка, предоставляемая пользователем, часто из предопределенного набора.
• Weight (Вес): Внутренняя метрика поисковой системы. Патент утверждает (Claim 18), что система корректирует (adjusting a weight) вес, связанный с тегами обзора и рейтинга. Формулы расчета не приводятся.
• Document Ranking Value (Значение ранжирования документа): Итоговая оценка документа, которая определяет его позицию в SERP. Вычисляется с учетом скорректированного Weight (Claim 19).

Выводы

1. Структурированные отзывы как явный фактор ранжирования: Патент недвусмысленно подтверждает (Claims 1, 17), что информация, извлеченная из Identifier Tag и Rating Tag, используется для расчета итогового ранга документа (Ranking Value).
2. Механизм влияния через корректировку веса: Влияние на ранжирование осуществляется технически через корректировку Weight (Claims 18, 19), связанного с этими тегами. Это конкретный механизм интеграции структурированных данных в алгоритмы ранжирования.
3. Фундамент для Schema.org и Rich Snippets: Описанная система является концептуальной основой для современных стандартов микроразметки (Schema.org) и отображения расширенных сниппетов (звезд рейтинга) в выдаче.
4. Важность агрегации и идентификации сущностей: Система агрегирует данные в Evaluation Database, что требует точной идентификации сущности (Entity). Это позволяет Google формировать сводные рейтинги объектов из множества источников.
5. Значение метаданных для достоверности: Патент предусматривает сбор богатого набора метаданных (авторство, время, контекст), что указывает на стремление системы понять достоверность и контекст обзора.
6. Требование «Distinct Entity»: Патент подчеркивает, что оцениваемая сущность должна быть отлична от самого документа, содержащего обзор. Это важно для корректной интерпретации разметки.

Практика

Best practices (это мы делаем)

Практики основаны на том, что этот патент описывает механизм, который сегодня реализован через Schema.org.

• Внедрение микроразметки отзывов (Schema.org): Необходимо использовать разметку Review и AggregateRating для всего релевантного контента. Это современная реализация Identifier Tag и Rating Tag, которая позволяет передавать сигналы ранжирования, описанные в патенте.
• Максимальная детализация и использование метаданных: Заполняйте все доступные поля в разметке. Указание метаданных, таких как автор (author) и дата публикации (datePublished), повышает достоверность информации, как это предусмотрено в патенте (Metadata).
• Корректная идентификация сущности (Entity): Убедитесь, что разметка четко идентифицирует оцениваемую сущность (itemReviewed), которая должна быть отлична от самой страницы. Это соответствует требованию патента о distinct entity. Используйте глобальные идентификаторы (GTIN, URI).
• Стимулирование генерации пользовательских отзывов (UGC): Поскольку система агрегирует данные и использует их для корректировки Weight, наличие реальных, корректно размеченных отзывов на сайте критически важно для передачи сигналов качества.
• Валидация разметки: Регулярно проверяйте корректность внедрения. Краулер сможет импортировать данные, только если разметка синтаксически корректна.

Worst practices (это делать не надо)

• Игнорирование структурированных данных: Отсутствие разметки отзывов лишает сайт возможности передавать структурированные сигналы качества, которые могут повлиять на Weight и улучшить ранжирование.
• Накрутка и фальсификация рейтингов (Schema Spam): Создание фальшивых отзывов или указание в разметке рейтинга, который не соответствует видимому контенту. Это может привести к ручным санкциям и потере доверия.
• Неправильный выбор типа сущности: Нарушение принципа distinct entity. Например, разметка страницы статьи типом Product вместо разметки статьи с внедренным обзором на Product.
• Разметка скрытого контента: Размещение микроразметки для контента, который не виден пользователям, но доступен краулеру.

Стратегическое значение

Этот патент имеет фундаментальное стратегическое значение. Он подтверждает, что Google рассматривает структурированные данные не просто как способ украшения выдачи (Rich Snippets), а как надежный источник информации о качестве контента и сущностей, который напрямую интегрирован в процессы ранжирования через механизм корректировки весов. Долгосрочная SEO-стратегия должна рассматривать микроразметку как ключевой способ семантической коммуникации с поисковой системой.

Практические примеры

Сценарий: Оптимизация страницы обзора на контентном сайте

Сайт публикует экспертный обзор новой модели ноутбука.

1. Действие: Редактор использует CMS (Authoring Tool) для ввода структурированных данных обзора.
2. Реализация (Современный эквивалент Identifier/Rating Tags): В HTML-код страницы встраивается блок JSON-LD (Schema.org/Review).

    <script type="application/ld+json"> { "@context": "https://schema.org", "@type": "Review", "itemReviewed": { "@type": "Product", "name": "Ноутбук Модель XYZ", "brand": "BrandName", "mpn": "XYZ-2025" }, "author": { "@type": "Person", "name": "Алексей Сидоров" }, "datePublished": "2025-10-22", "reviewRating": { "@type": "Rating", "ratingValue": "4.8", "bestRating": "5" }, "reviewBody": "Подробный обзор ноутбука XYZ. Отличная производительность для видеомонтажа..." } </script> 

3. Ожидаемый результат: Search Engine Crawler импортирует эти данные. Система использует их для Weight Adjustment, что потенциально улучшает Document Ranking Value страницы обзора (как описано в Claims 1 и 17) и позволяет отображать звезды рейтинга в SERP.

Вопросы и ответы