Как Google использует социальные связи и экспертность пользователей для ранжирования локальных рекомендаций (POIs)

Описание

Какую задачу решает

Патент решает проблему надежности и достоверности информации в базах данных с отзывами о точках интереса (Points of Interest, POIs). Пользователи часто не доверяют анонимным отзывам, так как не могут оценить экспертизу источника. Изобретение направлено на генерацию рекомендаций от источников, которым пользователь склонен доверять, — его социальных связей или признанных экспертов.

Что запатентовано

Запатентована система ранжирования рекомендаций POIs, которая использует социальный граф пользователя и оценку экспертности рекомендателей. Ключевым элементом является строгое иерархическое ранжирование. Система отдает предпочтение POIs, которые были положительно оценены людьми из социальных групп пользователя (например, «социальных кругов»), и дополнительно учитывает тематическую экспертизу рекомендателя.

Как это работает

Система работает на основе многоуровневого ранжирования:

• Получение запроса: Система принимает запрос (ключевые слова и географический регион) и идентифицирует социальную группу пользователя.
• Первичное ранжирование (Tiers): Найденные POIs делятся на три категории:
  1. Наивысший ранг: POIs с «выражением интереса» (Expression of Interest) от членов социальной группы пользователя.
  2. Следующий ранг: POIs с «выражением интереса» от пользователей сервиса, не входящих в группу пользователя.
  3. Низший ранг: POIs без «выражения интереса» от пользователей сервиса.
• Вторичное ранжирование (Expertise): Внутри каждой категории POIs сортируются на основе уровня экспертности (Expertise) лица, выразившего интерес. Экспертность определяется по частоте и количеству взаимодействий пользователя с контентом, схожим с тематикой запроса.

Актуальность для SEO

Средне-Высокая. Патент явно ориентирован на интеграцию с социальной сетью (вероятно, Google+ и его «круги»). Хотя эта конкретная реализация устарела, базовые принципы крайне актуальны. Оценка экспертности источника рекомендации (например, статус Google Local Guide или концепции E-E-A-T для авторов) и использование персонализированных сигналов являются ключевыми элементами современного локального поиска и систем рекомендаций.

Важность для SEO

Патент имеет значительное влияние на стратегии локального SEO (Local SEO) и управление репутацией (ORM). Он демонстрирует механизм, при котором вес отзыва или рекомендации напрямую зависит от двух факторов: близости автора к пользователю (персонализация) и доказанной активности/экспертности автора в данной нише. Это подчеркивает важность стимулирования отзывов от активных и авторитетных пользователей (например, экспертов или местных гидов).

Детальный разбор

Термины и определения

Expertise (Экспертность)

Метрика, определяющая уровень знаний или опыта пользователя в определенной тематике. Рассчитывается на основе взаимодействия пользователя с контентом внутри или вне социальной сети. Учитывается частота (frequency) и количество (number) взаимодействий (отзывы, отметки присутствия, предпочтения) с данными, схожими с запросом.

Expression of Interest (Выражение интереса)

Действие пользователя, указывающее на его отношение к POI. Может включать: указание предпочтения (лайк), указание присутствия (check-in), отзыв, оценку, подписку на POI, комментарий к посту о POI или даже чтение документа о POI.

Point of Interest (POI, Точка интереса)

Конкретное местоположение, например, бизнес, парк, достопримечательность.

Social Network Group (Социальная сетевая группа)

Набор пользователей социальной сети, связанных с инициирующим запрос пользователем (например, «социальный круг», список друзей).

Social Network Group Members (Члены социальной группы)

Пользователи, входящие в Social Network Group инициирующего запрос пользователя.

Social Network Group Nonmembers (Не члены социальной группы)

Пользователи социальной сети, которые не входят в Social Network Group инициирующего запрос пользователя.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод генерации и ранжирования рекомендаций POI.

1. Система получает запрос на рекомендацию POI (включает запрос, географический регион и ассоциирован с социальной сетевой группой).
2. Определяется набор POIs, релевантных запросу и находящихся в регионе.
3. Происходит упорядочивание (ранжирование) POIs на основе релевантности. Релевантность каждого POI зависит от:
   • Наличия Expression of Interest.
   • Того, является ли автор интереса членом социальной группы.
   • Частоты и количества взаимодействий автора интереса с данными, схожими с запросом (т.е. Expertise).
4. Система предоставляет результаты на основе этого порядка.
5. Ключевое уточнение (wherein clause): Определяет структуру ранжирования:
   • Наивысший ранг (Tier 1) присваивается POIs с интересом от членов социальной группы.
   • Второй наивысший ранг (Tier 2) присваивается POIs с интересом от не-членов (но пользователей сервиса).
   • Низший ранг (Tier 3) присваивается POIs без интереса от пользователей сервиса.

Ядро изобретения — это строгое разделение результатов на три уровня в зависимости от социальных связей и последующая сортировка внутри этих уровней на основе экспертности источника рекомендации.

Claims 4, 5, 6 (Зависимые пункты): Детализируют механизм субранжирования (sub-ranks).

• Claim 4: Внутри первого подмножества (Tier 1, члены группы) присваиваются субранги на основе экспертности этих членов.
• Claim 5: Внутри второго подмножества (Tier 2, не-члены) присваиваются субранги на основе экспертности этих не-членов.
• Claim 6: Внутри третьего подмножества (Tier 3, без социального интереса) присваиваются субранги на основе экспертности (в патенте уточняется, что эта экспертность может базироваться, например, на предыдущих покупках).

Где и как применяется

Изобретение применяется в системах локального поиска и рекомендательных сервисах (например, Google Maps, Local Search), интегрированных с социальными функциями.

INDEXING – Индексирование и извлечение признаков
На этом этапе система собирает и хранит данные о POIs (теги, локации) и данные о пользователях и их социальных графах. Индексируются все Expressions of Interest. Важной частью является предварительный расчет метрик Expertise для пользователей по различным тематикам на основе их исторической активности.

QUNDERSTANDING – Понимание Запросов
Система должна распознать локальный интент запроса и определить соответствующий географический регион.

RANKING / RERANKING – Ранжирование / Переранжирование
Основное применение патента. Процесс ранжирования сильно персонализирован.

1. Отбор кандидатов: Выбираются POIs, соответствующие запросу и региону.
2. Применение социального фильтра: Система идентифицирует пользователя и его Social Network Group.
3. Многоуровневое ранжирование: Результаты сегментируются на три уровня (Tiers) в зависимости от источника Expression of Interest (Член группы / Не член / Никто).
4. Субранжирование по экспертности: Внутри каждого уровня применяется сортировка по Expertise авторов рекомендаций.

Входные данные:

• Запрос пользователя (Query).
• Географический регион (Geographic Region).
• Идентификатор пользователя и его социальный граф (Social Network Group).
• База данных POIs с привязанными Expressions of Interest.
• Предварительно рассчитанные оценки Expertise пользователей.

Выходные данные:

• Отсортированный список рекомендаций POIs, где на вершине находятся объекты, рекомендованные экспертными друзьями пользователя.

На что влияет

• Конкретные типы контента: Влияет исключительно на локальные сущности (POIs) — рестораны, магазины, сервисы, достопримечательности. Не применяется к общему веб-поиску.
• Специфические запросы: Локальные информационные и транзакционные запросы (например, «индийский ресторан рядом», «лучший парикмахер в центре»).
• Ниши и тематики: Наибольшее влияние в конкурентных локальных нишах, где пользователи активно оставляют отзывы и чекины (рестораны, развлечения, услуги).

Когда применяется

• Условия работы: Алгоритм применяется при поиске рекомендаций POI.
• Триггеры активации: Наличие у пользователя активного профиля в сервисе, известного социального графа и наличие Expressions of Interest, связанных с найденными POIs. Ранжирование зависит от того, вошел ли пользователь в систему.

Пошаговый алгоритм

Процесс обработки запроса на рекомендацию POI:

1. Получение запроса: Система получает запрос, включающий Query, Geographic Region и данные о Social Network Group пользователя.
2. Поиск соответствий: Определяется набор POIs, соответствующих запросу и региону.
3. Проверка Уровня 1 (Члены группы): Система проверяет, есть ли среди найденных POIs те, которые имеют Expression of Interest от членов социальной группы пользователя.
4. Ранжирование Уровня 1:
   • Если ДА: Этим POIs присваивается наивысший ранг.
   • Производится субранжирование на основе Expertise членов группы.
5. Проверка Уровня 2 (Не-члены группы): Система проверяет, есть ли POIs, которые имеют Expression of Interest от пользователей сервиса, не входящих в группу.
6. Ранжирование Уровня 2:
   • Если ДА: Этим POIs присваивается следующий по высоте ранг.
   • Производится субранжирование на основе Expertise этих пользователей.
7. Проверка Уровня 3 (Без социального интереса): Система идентифицирует оставшиеся POIs без Expression of Interest от пользователей сервиса.
8. Ранжирование Уровня 3:
   • Если ДА: Этим POIs присваивается низший ранг.
   • Производится субранжирование на основе Expertise (например, основанной на данных о покупках или других общих сигналах).
9. Отображение результатов: POIs отображаются в порядке их рангов и субрангов (Уровень 1 -> Уровень 2 -> Уровень 3).

Какие данные и как использует

Данные на входе

• Пользовательские факторы (User Factors): Идентификация пользователя, его Social Network Group (списки членов). Это критически важные данные для определения уровня ранжирования.
• Поведенческие факторы (Behavioral Factors): Expressions of Interest (отзывы, оценки, чекины, лайки, покупки, комментарии). История этих взаимодействий используется для расчета экспертности.
• Географические факторы (Geographic Factors): Geographic Location POI и запрашиваемый Geographic Region.
• Контентные факторы: Теги (Tags) и описания POI для сопоставления с запросом.

Какие метрики используются и как они считаются

1. Статус социальной связи (Social Connection Status): Дискретная метрика с тремя значениями: Член группы, Не-член группы, Отсутствует. Используется для основного разделения на уровни ранжирования (Tiers).
2. Expertise Score (Оценка экспертности): Метрика, рассчитываемая для пары (Пользователь, Тематика).
   Метод расчета: Экспертность определяется на основе «частоты и количества взаимодействий пользователя с данными, схожими с запросом» (Claim 1).
   Пример расчета (указан в патенте): Пользователь А отметился в 20 индийских ресторанах, лайкнул 10 и написал отзывы на 5. Пользователь Б отметился только в одном. Пользователь А признается экспертом по индийским ресторанам, и его рекомендации получают более высокий субранг. Экспертность также может определяться по смежным темам (например, активность по теме «футбол» делает пользователя экспертом при запросе «футбольное поле»).

Выводы

1. Сильная персонализация и приоритет социальных связей: Патент описывает агрессивный механизм персонализации ранжирования POIs. Рекомендации от друзей (членов социальной группы) имеют абсолютный приоритет и всегда ранжируются выше остальных результатов.
2. Многоуровневая система доверия (Tiered Ranking): Система реализует строгую иерархию доверия к источникам: 1) Друзья, 2) Другие пользователи сервиса, 3) Остальные данные. Это жесткое разделение определяет структуру выдачи.
3. Экспертность источника критична (Source Expertise): Вес любого «выражения интереса» (отзыва, лайка, чекина) не фиксирован. Он модулируется уровнем экспертности автора в данной конкретной тематике. Expertise используется для суб-ранжирования внутри каждой категории.
4. Определение экспертности через активность: Экспертность не декларируется, а вычисляется на основе наблюдаемого поведения пользователя — количества и частоты его взаимодействий с релевантным контентом или объектами.
5. Актуальность для систем отзывов: Хотя механизм социальных кругов может быть устаревшим, логика взвешивания отзывов на основе профиля автора (например, активность и статус Google Local Guide) является прямым применением принципов этого патента.

Практика

Best practices (это мы делаем)

• Стимулирование аутентичных отзывов (Local SEO): Необходимо мотивировать реальных клиентов оставлять отзывы и оценки на платформах Google (Google Maps). Каждое такое действие является Expression of Interest.
• Фокус на активных пользователях и экспертах (Local Guides): Отзывы от пользователей с высоким уровнем Expertise (например, активные местные гиды Google, часто пишущие о вашей нише) имеют значительно больший вес. Работа с такими пользователями должна быть приоритетом в ORM-стратегии.
• Поощрение различных форм взаимодействия: Помимо отзывов, стимулируйте пользователей добавлять фотографии, отвечать на вопросы о бизнесе. Все это увеличивает количество Expressions of Interest, связанных с вашим POI, и помогает системе лучше оценить активность аудитории.
• Развитие тематической авторитетности профиля (GBP): Подробное заполнение профиля Google Business Profile, использование релевантных категорий и атрибутов помогает системе лучше сопоставить POI с запросами и тематиками, в которых активны локальные эксперты.

Worst practices (это делать не надо)

• Накрутка отзывов с пустых аккаунтов: Покупка отзывов от аккаунтов без истории активности в данной тематике неэффективна. Такие пользователи имеют нулевую Expertise, и вес их отзывов будет минимальным, даже если система не распознает их как спам.
• Игнорирование профиля автора отзыва: Оценка репутации только по средней оценке без анализа того, кто именно оставляет отзывы, является ошибкой. Важно качество аудитории (их экспертность), а не только количество оценок.
• Игнорирование пользовательского контента (UGC): Недооценка важности отзывов и фотографий пользователей. Отсутствие Expressions of Interest автоматически помещает POI в низший ранг (Уровень 3) в этой системе.

Стратегическое значение

Патент подтверждает долгосрочную стратегию Google по валидации сигналов качества через авторитетность источника. В контексте локального поиска это означает, что не все отзывы одинаково полезны. Система стремится выделить мнения тех, кто действительно разбирается в теме (E-E-A-T авторов). Для SEO это означает переход от количественных показателей (больше отзывов) к качественным (отзывы от экспертов). Хотя прямая интеграция социальных сетей в поиск не стала доминирующей, описанные механизмы оценки экспертности пользователей активно используются в Google Maps.

Практические примеры

Сценарий: Ранжирование кофеен с учетом социального контекста и экспертности

1. Пользователь ищет: «Лучший specialty кофе рядом». У него в друзьях есть Иван (редко пьет кофе) и Анна (активный Local Guide, написала 50 отзывов о кофейнях).
2. Данные о POI:
   • Кофейня А: Отзыв от Ивана (Низкая Expertise).
   • Кофейня Б: Отзыв от Анны (Высокая Expertise).
   • Кофейня В: Отзывы от 5 незнакомцев (Не-члены группы).
   • Кофейня Г: Нет социальных отзывов.
3. Применение алгоритма (Ранги):
   • Уровень 1 (Друзья): Кофейни А и Б.
   • Уровень 2 (Незнакомцы): Кофейня В.
   • Уровень 3 (Остальные): Кофейня Г.
4. Применение алгоритма (Субранги Уровня 1): Система сравнивает Expertise Ивана и Анны. Expertise Анны значительно выше.
5. Результат выдачи:
   1. Кофейня Б (Уровень 1, Высокая Expertise).
   2. Кофейня А (Уровень 1, Низкая Expertise).
   3. Кофейня В (Уровень 2).
   4. Кофейня Г (Уровень 3).

Вопросы и ответы