Как Google использует метрику удержания LACTR (Long-Addition CTR) для ранжирования приложений и контента

Описание

Какую задачу решает

Патент решает проблему оценки качества ресурсов в директориях и магазинах приложений (например, Google Play). Традиционные метрики популярности (количество кликов или загрузок) не отражают реальную удовлетворенность пользователя, так как не учитывают последующий отказ от ресурса. Изобретение предлагает метрику, которая фокусируется на удержании (Retention) и фильтрует случаи, когда пользователь загрузил ресурс, но быстро разочаровался и удалил его.

Что запатентовано

Запатентован метод ранжирования, основанный на метрике Long-Addition Click-Through Rate (LACTR) или long-download score. Суть изобретения заключается в различении простых добавлений (Additions) и «долгих добавлений» (Long Additions). Система вычитает «короткие удаления» (Short Deletions) — когда ресурс удаляется вскоре после добавления — чтобы точнее оценить долгосрочную ценность ресурса.

Как это работает

Система (Ranking Service) собирает данные от платформ (Subscribers):

• Сбор сигналов: Отслеживаются показы (Views/Presentations), добавления/загрузки (Additions) и удаления (Deletions) с временными метками.
• Оценка удержания: Система анализирует время между добавлением и удалением. Если оно короткое, фиксируется Short Deletion.
• Расчет метрики: Вычисляется количество Long Additions = (Total Additions) – (Short Deletions).
• Ранжирование: Рассчитывается итоговый скор LACTR = (Long Additions) / (Total Presentations). Ресурсы ранжируются по этой метрике.

Актуальность для SEO

Высокая. Метрики удержания (Retention) и удовлетворенности пользователей являются критически важными в 2025 году. Описанные принципы лежат в основе ранжирования в магазинах приложений (ASO). Концептуально, этот механизм является аналогом измерения Long Clicks (Dwell Time) и Short Clicks (Pogo-sticking) в веб-поиске Google, подчеркивая фокус на качестве взаимодействия.

Важность для SEO

Патент имеет высокое значение (75/100). Он критически важен для ASO (App Store Optimization), так как напрямую описывает механизм ранжирования, где качество продукта и удержание являются факторами ранжирования. Для SEO веб-сайтов он имеет важное концептуальное значение, подтверждая, что Google обладает сложными механизмами для измерения удовлетворенности пользователя после клика и ценит долгосрочное вовлечение выше краткосрочного интереса.

Детальный разбор

Термины и определения

Addition (Добавление)

Действие пользователя, выражающее явное принятие ресурса (например, загрузка ПО, установка приложения, добавление виджета).

Blending (Смешивание контекстов)

Механизм агрегации данных из более широких контекстов, если данных в узком контексте недостаточно для надежного ранжирования.

Context (Контекст)

Параметры, квалифицирующие действие пользователя (язык, регион, категория). Ранжирование может рассчитываться для конкретных контекстов.

Deletion (Удаление)

Действие пользователя, выражающее отказ от ресурса после его добавления (например, удаление приложения).

LACTR (Long-Addition Click-Through Rate)

Основная метрика ранжирования. Рассчитывается как отношение числа долгих добавлений к числу показов ресурса. В Claims патента используется эквивалентный термин long-download score.

Long Addition (Долгое добавление) / Long Download

Добавление ресурса, которое не сопровождается коротким удалением. Указывает на удовлетворенность пользователя и удержание ресурса.

Resource (Ресурс)

Цифровой объект, который ранжируется. В Claims патента это software applications.

Short Deletion (Короткое удаление)

Удаление ресурса пользователем в течение предопределенного короткого периода времени после его добавления. Сильный индикатор неудовлетворенности.

Subscriber (Подписчик)

Платформа (например, магазин приложений, software download service), которая предоставляет ресурсы и сообщает о действиях пользователей в Ranking Service.

View / Presentation (Показ / Представление)

Отображение информации о ресурсе пользователю (например, в каталоге).

Ключевые утверждения (Анализ Claims)

Патент US8484343B2 является продолжением (Continuation) более ранних заявок. Важно отметить, что хотя описание патента (Description) широко охватывает разные типы ресурсов (виджеты, видео), формула изобретения (Claims) в этой версии сужена до сервиса загрузки программного обеспечения (software download service).

Claim 1 (Независимый пункт): Описывает метод ранжирования программных приложений (software applications).

1. Определение количества долгих загрузок (long-download count) для каждого приложения.
2. Загрузка считается «долгой» (long duration), если приложение остается на устройстве пользователя в течение как минимум определенного периода времени после загрузки.
3. Определение количества показов (presentation count) приложения сервисом.
4. Расчет оценки долгих загрузок (long-download score) на основе long-download count и presentation count.

Ядром изобретения является использование времени удержания (retention time) установленного ПО как основного сигнала качества для ранжирования.

Claim 2 (Зависимый от 1): Уточняет расчет long-download score.

Оценка рассчитывается путем деления long-download count на presentation count. Это математически эквивалентно формуле LACTR.

Claim 7 (Зависимый от 1): Описывает механизм персонализации и рекомендаций.

Система идентифицирует группы пользователей со схожими предпочтениями (историей действий). Если Пользователь А похож на группу пользователей, которым нравится Приложение X и Приложение Y, а Пользователю А нравится только Приложение X, система может модифицировать ранжирование Приложения Y для Пользователя А (т.е. рекомендовать его). Это механизм коллаборативной фильтрации.

Где и как применяется

Изобретение описывает инфраструктуру для ранжирования в специализированных сервисах и директориях (например, Google Play).

CRAWLING & DATA ACQUISITION (Сбор данных)
Происходит сбор поведенческих данных. Ranking Service получает сигналы (signals) от Подписчиков (Subscribers) о просмотрах, добавлениях и удалениях ресурсов.

INDEXING (Индексирование)
Сигналы обрабатываются и агрегируются. Система индексирует эти действия, связывая их с ресурсами, пользователями и контекстами, сохраняя временные метки.

RANKING (Ранжирование)
Основной этап применения. Система рассчитывает метрики качества:

1. Анализ удержания: Анализируются пары «добавление-удаление» для идентификации Short Deletions и расчета Long Additions.
2. Расчет метрики: Вычисляется LACTR (long-download score) для каждого ресурса.
3. Сортировка: Ресурсы упорядочиваются на основе этой метрики.

RERANKING (Переранжирование)
Ранжирование может корректироваться с учетом контекста (язык, регион). Если данных недостаточно, применяется «смешивание контекстов» (blending contexts). Также может применяться персонализация на основе истории действий пользователя (Claim 7).

Входные данные:

• Сигналы от Subscriber: идентификатор ресурса, тип действия (View, Addition, Deletion), временные метки, идентификатор пользователя, контекстные параметры.

Выходные данные:

• Отсортированный список ресурсов, упорядоченный по LACTR, для заданного контекста или пользователя.

На что влияет

• Конкретные типы контента и ниши: Прямое влияние на ASO (App Store Optimization), ранжирование в Google Play, Chrome Web Store, каталогах ПО. Концептуально влияет на YouTube (глубина просмотра как аналог Long Addition) и SEO (Dwell Time и Pogo-sticking как аналоги Long/Short Clicks).
• Языковые и географические ограничения: Система поддерживает контекстное ранжирование, поэтому влияние может сильно различаться в зависимости от региона и языка.

Когда применяется

• Частота применения: Расчеты могут выполняться периодически (ежедневно/ежечасно) или в реальном времени по запросу подписчика.
• Пороговые значения: Ключевым является временной интервал, определяющий Short Deletion. Он может зависеть от типа ресурса (например, 10 секунд для видео, 1 час для виджета, 24 часа для приложения).
• Условие Blending: Активируется, если уровень пользовательской активности в конкретном контексте ниже порога надежности.

Пошаговый алгоритм

Процесс расчета ранжирования LACTR (основан на FIG. 6 и FIG. 7).

1. Сбор данных: Система непрерывно агрегирует сигналы (Views, Additions, Deletions) с временными метками и контекстами.
2. Инициализация расчета: Запуск процесса по расписанию или запросу.
3. Итерация по контекстам (если применимо): Расчеты выполняются отдельно для каждого контекста (например, язык/регион).
4. Итерация по ресурсам: Для каждого ресурса в контексте:
5. Идентификация Коротких Удалений (Short Deletions): Анализируются пары Addition-Deletion для одного пользователя. Если время между действиями меньше порогового значения T, фиксируется Short Deletion.
6. Расчет Долгих Добавлений (Long Additions): Вычисляется по формуле: Long Additions = Total Additions – Short Deletions.
7. Расчет LACTR: Вычисляется метрика ранжирования: LACTR = Long Additions / Total Views (Presentations).
8. Ранжирование: Ресурсы сортируются по убыванию значения LACTR в рамках текущего контекста.
9. Применение Blending (при необходимости): Если данных в контексте мало, используются данные из более широкого контекста.
10. Предоставление результатов: Готовые ранжированные списки предоставляются подписчикам.

Какие данные и как использует

Данные на входе

Патент использует исключительно данные, предоставляемые подписчиком.

• Поведенческие факторы: Ядро метрики.
  • Views (Показы): Факт показа ресурса.
  • Additions (Добавления/Установки): Факт загрузки или установки.
  • Deletions (Удаления): Факт удаления ресурса.
• Временные факторы: Временные метки (timestamps) для Addition и Deletion. Критичны для расчета продолжительности удержания. В патенте также упоминается возможность применения функции затухания (decay function) для приоритизации свежих данных.
• Пользовательские факторы: Идентификаторы пользователей. Необходимы для связывания добавления и последующего удаления одним и тем же пользователем, а также для персонализации (Claim 7).
• Контекстуальные факторы (Географические, Языковые и др.): Язык, регион, категория ресурса. Используются для сегментации ранжирования.

Какие метрики используются и как они считаются

• Short Deletion (Короткое удаление): Срабатывает, если Time(Deletion) — Time(Addition) < Threshold T.
• Long Addition Count (Количество долгих добавлений): (Total Additions) – (Short Deletions).
• LACTR / Long-Download Score: Основная метрика ранжирования. Формула: (Long Additions) / (Total Presentations).
• Threshold T (Порог времени): Переменный порог для определения Short Deletion, зависящий от типа ресурса.
• Recommendation Group (Рекомендательная группа): Группа пользователей со схожей историей действий (Claim 7).

Выводы

1. Удержание (Retention) приоритетнее привлечения (Clicks/Installs): Патент демонстрирует конкретный механизм, где Google ценит долгосрочную удовлетворенность выше мимолетного интереса. LACTR разработан для поощрения ресурсов, которые пользователи оставляют надолго.
2. «Короткое удаление» (Short Deletion) — сильный негативный сигнал: Быстрый отказ от ресурса после установки является ключевым индикатором низкого качества или несоответствия ожиданиям.
3. Прямое применение в ASO: Для оптимизации приложений (ASO) этот патент имеет критическое значение. Качество продукта и его способность удерживать пользователя являются прямыми факторами ранжирования в Google Play.
4. Концептуальная связь с SEO (Long/Short Clicks): Механизм LACTR является прямым аналогом оценки качества кликов в веб-поиске. Short Deletion эквивалентен Short Click (Pogo-sticking — быстрый возврат на SERP), а Long Addition эквивалентен Long Click (Dwell Time).
5. Контекст и Персонализация: Ранжирование не универсально. Оно адаптируется под контекст (язык, регион) и может быть персонализировано на основе истории действий пользователя и его схожести с другими пользователями (Claim 7).

Практика

Best practices (это мы делаем)

Рекомендации особенно актуальны для ASO и платформ распространения контента.

• (ASO) Фокус на качестве продукта и удержании (Retention): Основная стратегия — минимизировать удаления в первые часы/дни после установки. Это напрямую повышает LACTR. Работайте над стабильностью и ценностью приложения.
• (ASO) Оптимизация онбординга (Onboarding): Обеспечьте понятный и эффективный процесс первого знакомства с приложением. Сложный интерфейс или баги на старте провоцируют Short Deletions.
• Точность метаданных (Anti-Clickbait): Убедитесь, что описание, заголовки и скриншоты точно отражают функционал ресурса. Несоответствие ожиданиям ведет к быстрым удалениям.
• (SEO) Фокус на полном удовлетворении интента: Применяя логику патента к веб-поиску, необходимо минимизировать возвраты на SERP (Pogo-sticking). Контент должен полностью отвечать на запрос пользователя, чтобы стимулировать Long Clicks (аналог Long Addition).
• (SEO) Оптимизация Dwell Time: Работайте над улучшением юзабилити, структуры контента и внутренней перелинковки, чтобы увеличить время пребывания пользователя на сайте до возвращения к поиску.

Worst practices (это делать не надо)

• Использование кликбейта для стимуляции загрузок/кликов: Привлечение пользователей с ложными ожиданиями приведет к росту Short Deletions и падению LACTR.
• Накрутка установок (Download Inflation): Искусственное увеличение числа установок неэффективно, так как система требует, чтобы установки были «долгими». Боты или мотивированный трафик, который сразу удаляет ресурс, ухудшат рейтинг.
• Игнорирование UX и стабильности продукта: Выпуск «сырого» или неудобного продукта приведет к негативному пользовательскому опыту и быстрым удалениям.
• Агрессивная монетизация на старте: Навязчивая реклама или неожиданные требования оплаты часто являются причиной быстрого удаления приложений.

Стратегическое значение

Патент подтверждает стратегию Google по измерению реальной удовлетворенности пользователей с помощью сложных поведенческих метрик. Он демонстрирует, как удержание (Retention) формализуется в конкретный фактор ранжирования (LACTR). Для ASO это означает, что стратегия продвижения неразрывно связана с качеством продукта. Для SEO это подчеркивает стратегическую важность работы над качеством пользовательского опыта и релевантностью контента для предотвращения быстрых отказов.

Практические примеры

Сценарий ASO: Ранжирование приложений в Google Play

Сравнение двух приложений-калькуляторов. Порог Short Deletion = 24 часа.

1. Сбор данных (за период):
   • Приложение А: 10000 показов (Views), 1000 установок (Additions). 700 удалений в первые 24 часа (Short Deletions).
   • Приложение Б: 10000 показов (Views), 800 установок (Additions). 100 удалений в первые 24 часа (Short Deletions).
2. Расчет Долгих Добавлений (Long Additions — LA):
   • Приложение А: 1000 — 700 = 300 LA.
   • Приложение Б: 800 — 100 = 700 LA.
3. Расчет LACTR:
   • Приложение А: 300 / 10000 = 3% LACTR.
   • Приложение Б: 700 / 10000 = 7% LACTR.
4. Результат: Несмотря на меньшее общее количество установок, Приложение Б будет ранжироваться значительно выше, так как оно лучше удовлетворяет и удерживает пользователей.

Сценарий SEO: Концептуальное применение к веб-поиску (Long/Short Clicks)

1. Ситуация: Страница имеет высокий CTR в SERP, но пользователи возвращаются обратно к выдаче через 10 секунд (Short Click – аналог Short Deletion).
2. Анализ: Контент не соответствует ожиданиям, сформированным сниппетом, или плохо структурирован.
3. Действия: Переработать контент, улучшить первый экран, добавить четкий ответ на интент пользователя в начале страницы.
4. Результат: Увеличение Dwell Time (Long Click – аналог Long Addition). Поисковая система интерпретирует это как повышение удовлетворенности, что способствует улучшению позиций.

Вопросы и ответы