Как Google использует сети доверия (Trust Networks) и поведенческие данные для персонализации и ранжирования результатов поиска

Описание

Какую задачу решает

Патент решает проблему субъективности рекомендаций в интернете (например, для книг, фильмов, обзоров). Рекомендации от широкой публики часто менее ценны, чем рекомендации от источников, которым пользователь доверяет персонально (trusted sources). Изобретение предлагает механизмы для идентификации этих доверенных источников, сбора их рекомендаций и интеграции этой субъективной информации о доверии (trust) в поисковые и рекомендательные системы.

Что запатентовано

Запатентована система для построения и использования персонализированных «Сетей Доверия» (Trust Networks). Система идентифицирует доверенные сущности (trusted entities) для конкретного пользователя, используя как явные (эксплицитные), так и неявные (имплицитные) сигналы. Доверие выводится на основе сравнения моделей поведения в интернете (web visitation patterns), анализа социальных связей (списки контактов), а также прямых указаний (Trust Button, ссылки). Собранные рекомендации затем используются для влияния на ранжирование результатов поиска.

Как это работает

Система функционирует в нескольких направлениях:

• Идентификация сущностей: Пользователи и источники рекомендаций идентифицируются и связываются с их веб-присутствием (Persona Page).
• Установление доверия: Доверие устанавливается явно (пользователь нажимает Trust Button или ссылается на сущность) и неявно (например, если два пользователя посещают похожие сайты или находятся в списках контактов друг друга).
• Сбор рекомендаций: Система собирает рекомендации от доверенных сущностей путем сканирования их веб-страниц или мониторинга их поведения (например, частые посещения сайта интерпретируются как рекомендация).
• Применение в поиске: Когда пользователь выполняет поиск, система опрашивает его сеть доверия и использует полученные данные для влияния на сортировку (переранжирование) результатов.
• Динамика доверия: Доверие не бинарно. Оно имеет показатель силы (Trust Level), может быть тематическим (Topic-Specific), уменьшается со временем (decay) и усиливается при положительном взаимодействии с рекомендациями.

Актуальность для SEO

Высокая. Хотя патент имеет приоритет от 2006 года (дата подачи оригинальной заявки), концепции персонализации, идентификации сущностей и использования доверия (тесно связанные с E-E-A-T и авторством) являются центральными в современном поиске. Механизмы неявного определения доверия через поведение пользователей (web visitation patterns) остаются крайне актуальными. Изобретатель, Ramanathan V. Guha, является ключевой фигурой в разработке стандартов структурированных данных (например, Schema.org), что подчеркивает важность репутации сущностей для Google.

Важность для SEO

Патент имеет значительное влияние на SEO (8/10). Он описывает конкретные механизмы для персонализированного ранжирования, основанного на сетях доверия. Это подчеркивает стратегическую важность создания узнаваемых сущностей (авторов, брендов) и культивирования сигналов доверия — как на сайте (через авторитетные Persona Pages), так и через поведение пользователей (повторные визиты, вовлеченность). Успешное позиционирование в качестве доверенного источника может улучшить видимость в персонализированной выдаче.

Детальный разбор

Термины и определения

Persona Page (Страница Персоны)

Веб-страница, представляющая сущность (человека или организацию). Это может быть любая страница в интернете (например, домашняя страница, блог), связанная с системным ID. Используется как анкорь идентичности.

Reputation Rank (Ранг Репутации)

Показатель репутации сущности. В описании патента указано, что рангом репутации по умолчанию может быть PageRank соответствующей Persona Page.

Trusted Entity (Доверенная сущность)

Источник, которому пользователь доверяет (или, вероятно, доверяет) давать рекомендации.

Transitively-Trusted Entities (Транзитивно Доверенные Сущности)

Сущности, которым доверяют прямые доверенные контакты пользователя (доверие по цепочке). Система может выполнять транзитивный поиск для расширения сети доверия.

Trust Button (Кнопка Доверия)

Элемент интерфейса на Persona Page (часто реализуемый через iframe), позволяющий пользователю явно выразить доверие к владельцу страницы.

Trust Level / Strength Measure (Уровень / Сила Доверия)

Количественная метрика (например, от 0 до 1), определяющая силу доверия между двумя сущностями. Не является бинарным значением.

Trust Relationship (Отношение Доверия)

Связь, указывающая, что пользователь доверяет рекомендациям сущности.

Topic-Specific Trust (Тематическое Доверие)

Доверие к сущности в контексте определенной темы (например, доверие в вопросах технологий, но не политики).

Web Visitation Patterns (Модели Посещения Веб-сайтов)

Данные о поведении пользователя в интернете. Используются для вывода об имплицитном доверии (путем сравнения поведения разных пользователей) и для выявления неявных рекомендаций (например, частые посещения сайта сущностью).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Определяет основной метод работы системы, фокусируясь на имплицитном доверии, выведенном из поведения, и его динамике.

1. Система получает запрос на рекомендации от Пользователя А.
2. Сравниваются web visitation patterns Пользователя А и Пользователя Б.
3. На основе сравнения идентифицируется trust relationship между А и Б.
4. Это отношение имеет trust level (силу), который уменьшается (decays), если не подтверждается.
5. Идентифицируются веб-сайты, посещенные Пользователем Б (на основе его паттернов). Это интерпретируется как рекомендации.
6. Рекомендации предоставляются Пользователю А.
7. Получается прямой ввод от Пользователя А, указывающий на доверие к конкретной рекомендации от Б.
8. Определяется тема (topic) этой рекомендации.
9. Увеличивается topic-specific trust level между А и Б для этой темы.

Ключевой аспект Claim 1 — вывод о доверии и рекомендациях основан на анализе поведения пользователей в сети (web visitation patterns). Также критически важна динамическая и гранулярная природа доверия: оно тематическое, имеет силу, затухает и усиливается в зависимости от действий пользователя.

Claim 5 (Зависимый от 1): Определяет применение в поиске.

Полученные рекомендации используются для влияния на то, как результаты поиска сортируются (ранжируются) и представляются пользователю. Это прямое указание на использование сетей доверия для персонализации SERP.

Claim 7 (Зависимый): Определяет условия для вывода о доверии, включая транзитивность.

Доверие может быть установлено, если: (1) Сущность ранее давала понравившиеся рекомендации; (2) Сущность доверяет другим сущностям, которые давали понравившиеся рекомендации; (3) Сущность доверяет тем же, кому доверяет пользователь.

Claim 8 (Зависимый): Определяет дополнительные методы сбора информации о доверии.

Помимо анализа поведения (Claim 1), информация собирается через: (1) Прямой ввод (Trust Button); (2) Web crawler (поиск ссылок, указывающих на доверие, например, блогроллы); (3) Анализ computer-based records пользователя (например, email contact list, instant-messaging chat list).

Где и как применяется

Изобретение затрагивает инфраструктуру сбора данных и финальные этапы ранжирования для обеспечения персонализации.

CRAWLING – Сканирование и Сбор данных
Краулеры используются для обхода Persona Pages с целью обнаружения явных сигналов доверия (ссылки с определенными атрибутами, XML-файлы) и сбора явных рекомендаций.

INDEXING – Индексирование и извлечение признаков
На этом этапе система обрабатывает собранные данные (включая поведенческие). Устанавливаются связи между сущностями и их Persona Pages. Trust Relationships и рекомендации сохраняются в структурах быстрого доступа (lookup structure). Также может рассчитываться базовый Reputation Rank сущности (например, на основе PageRank ее Persona Page).

RANKING / RERANKING – Ранжирование и Переранжирование
Основное применение патента. Когда идентифицированный пользователь выполняет поиск, система извлекает его сеть доверия. Рекомендации от доверенных сущностей, релевантные запросу, используются для влияния на сортировку результатов. Это функционирует как слой персонализации, корректирующий стандартное ранжирование.

Входные данные:

• Идентификатор пользователя.
• Запрос пользователя.
• Поведенческие данные (Web visitation patterns).
• Социальные данные (Списки контактов email/IM).
• Данные краулинга (Явные сигналы доверия, Рекомендации).

Выходные данные:

• Переранжированные (персонализированные) результаты поиска или прямой список рекомендаций.

На что влияет

• Специфические запросы и тематики: Наибольшее влияние на темы, где важна субъективная оценка (фильмы, книги, обзоры продуктов) и темы YMYL, где доверие к источнику критично.
• Контент, созданный сущностями: Влияет на ранжирование контента, созданного идентифицированными авторами или брендами (владельцами Persona Pages).

Когда применяется

• Условия активации: Алгоритм активируется при получении запроса от идентифицированного пользователя, для которого у системы есть достаточный объем данных для построения сети доверия.
• Триггеры: Выполнение поискового запроса (неявный запрос рекомендаций) или явный запрос на получение рекомендаций.

Пошаговый алгоритм

Процесс можно разделить на три основные фазы.

Фаза А: Построение Сети Доверия (Офлайн / Постоянный процесс)

1. Сбор данных о доверии:
   • Имплицитный сбор: Анализ и сравнение web visitation patterns пользователей; анализ списков контактов.
   • Эксплицитный сбор: Регистрация активаций Trust Button; сканирование веб-страниц на наличие ссылок, указывающих на доверие (блогроллы, XML-файлы).
2. Вывод о доверии (Trust Inference): Идентификация Trust Relationships на основе собранных данных, включая транзитивное доверие.
3. Расчет и хранение: Присвоение начального Trust Level. Может использоваться PageRank страницы Persona Page как базовый ранг репутации. Сохранение связей в базе данных.

Фаза Б: Сбор Рекомендаций (Офлайн / Постоянный процесс)

1. Сбор данных о рекомендациях:
   • Сканирование Persona Pages доверенных сущностей (явные рекомендации).
   • Мониторинг поведения сущностей (например, повторяющиеся посещения сайта интерпретируются как неявная рекомендация).
2. Хранение: Сохранение рекомендаций в привязке к сущностям.

Фаза В: Применение и Поддержка (Реальное время / Постоянный процесс)

1. Получение запроса: Система получает запрос и идентификатор пользователя.
2. Поиск доверенных сущностей и рекомендаций: Выполняется поиск сущностей, которым пользователь доверяет (возможно, тематический поиск), и извлекаются их рекомендации.
3. Применение в ранжировании: Полученные рекомендации используются для влияния на сортировку результатов поиска (персонализированное переранжирование).
4. Обратная связь и поддержка (Trust Maintenance):
   • Система отслеживает взаимодействие пользователя с рекомендациями.
   • Положительное взаимодействие усиливает (boosted) соответствующий Trust Level (или Topic-Specific Trust Level).
   • Trust Level автоматически уменьшается со временем (decay), если не происходит подкрепления.

Какие данные и как использует

Данные на входе

Система использует преимущественно поведенческие, социальные и структурные данные.

• Поведенческие факторы:
  • Web visitation patterns: История посещения веб-сайтов. Критически важна для сравнения поведения и вывода об имплицитном доверии (Claim 1), а также для выявления неявных рекомендаций.
  • Активированные ссылки (Web links which are activated): Используются для определения рекомендаций сущности.
  • Взаимодействие с рекомендациями (Клики): Используется для усиления или ослабления доверия.
• Социальные/Пользовательские факторы:
  • Email contact list (Списки контактов электронной почты).
  • Instant-messaging chat list (Списки контактов мессенджеров). Используются для вывода о социальном доверии.
• Структурные и Ссылочные факторы:
  • Ссылки между Persona Pages: Могут указывать на явное доверие (например, в блогроллах).
  • XML-файлы: Файлы, явно перечисляющие доверенные контакты.
• Прямая обратная связь:
  • Активация Trust Button.

Какие метрики используются и как они считаются

• Trust Level / Strength Measure: Количественная оценка силы доверия (например, от 0 до 1). Рассчитывается на основе имплицитных и эксплицитных сигналов.
• Topic-Specific Trust Level: Гранулярная оценка доверия в рамках определенной темы. Корректируется на основе обратной связи по конкретным рекомендациям.
• Trust Decay (Затухание Доверия): Механизм, снижающий Trust Level с течением времени при отсутствии подкрепляющих сигналов.
• Reinforcement Boost (Усиление): Увеличение Trust Level, когда пользователь положительно взаимодействует с рекомендацией.
• Reputation Rank (Ранг Репутации): Оценка общей репутации сущности. В описании патента явно указано: «the default reputation rank of a person can be his page’s page rank» (рангом репутации человека по умолчанию может быть PageRank его страницы).

Выводы

1. Персонализация через Сети Доверия: Патент описывает механизм глубокой персонализации результатов поиска, основанный на том, кому именно доверяет пользователь. Это переход от глобальной популярности к локальному, социально и поведенчески обусловленному доверию.
2. Приоритет имплицитных сигналов: Ключевые утверждения (Claim 1) сосредоточены на имплицитных сигналах, получаемых путем анализа поведения (web visitation patterns) и социальных связей. Система может определить доверие и рекомендации без явных действий пользователя.
3. Доверие динамично и гранулярно: Доверие не является статичным. Оно имеет силу (Trust Strength), привязано к темам (Topic-Specific Trust), автоматически затухает (Decay) и требует подкрепления через положительное взаимодействие (Reinforcement).
4. Важность Сущностей и Репутации (E-E-A-T): Концепция Persona Pages подчеркивает необходимость четкой идентификации сущностей (авторов, брендов). Патент явно связывает репутацию сущности с авторитетностью ее веб-присутствия, упоминая использование PageRank Persona Page как базового ранга репутации.
5. Влияние на Ранжирование: Система предназначена для прямого влияния на сортировку результатов поиска (Claim 5), что делает механизмы доверия критически важными для SEO.

Практика

Best practices (это мы делаем)

• Развитие Четких Сущностей (Авторы и Бренд): Активно используйте концепцию Persona Pages. Создавайте сильные, информативные страницы «Об авторе» и «О компании». Убедитесь, что эти страницы хорошо структурированы и связаны с контентом, который создает сущность.
• Повышение Авторитетности Persona Pages: Поскольку патент упоминает PageRank Persona Page как возможный показатель репутации по умолчанию, необходимо работать над повышением авторитетности этих страниц через качественное внешнее и внутреннее ссылочное профилирование.
• Культивирование Доверия через Поведение: Фокусируйтесь на создании контента, который стимулирует повторные визиты и глубокое вовлечение. Система измеряет имплицитное доверие через web visitation patterns. Становление ресурсом, который регулярно используется целевой аудиторией и экспертами, напрямую строит доверие.
• Построение Тематического Авторитета: Поскольку доверие является topic-specific и подкрепляется на уровне тем, необходимо глубоко специализироваться в своей нише. Это увеличивает вероятность того, что система присвоит высокий Topic-Specific Trust Level вашему ресурсу.
• Стимулирование Явных Сигналов Доверия: Поощряйте естественные ссылки, которые указывают на доверие, такие как включение в блогроллы, списки рекомендованных ресурсов, цитирование экспертов. Патент упоминает краулинг таких сигналов.

Worst practices (это делать не надо)

• Создание Фейковых Персон: Создание слабых Persona Pages для авторов без реальной экспертизы не принесет пользы, особенно если система использует авторитетность страницы (PageRank) для оценки репутации.
• Манипуляции Поведенческими Факторами: Краткосрочные накрутки поведения или симуляция посещений могут быть неэффективны. Система включает механизмы затухания (decay) и подкрепления (reinforcement). Если пользователи не будут стабильно положительно взаимодействовать с контентом, доверие будет снижаться.
• Игнорирование Нишевой Специализации: Попытка охватить слишком много тем снижает возможность построения сильного Topic-Specific Trust.

Стратегическое значение

Этот патент подтверждает стратегический курс Google на Entity-Based SEO и является одним из механизмов реализации принципов E-E-A-T. Он предоставляет конкретные методы для измерения компонента «Trustworthiness» (Доверие) как на основе поведения пользователей, так и на основе репутации в сети. Долгосрочная стратегия должна фокусироваться на построении реальной экспертизы и формировании лояльного сообщества, что приведет к естественным поведенческим паттернам, интерпретируемым системой как высокое доверие.

Практические примеры

Сценарий: Повышение авторитетности автора медицинского сайта (YMYL)

1. Действие: Для ключевого автора создается детальная страница биографии (Persona Page), включающая образование, публикации и опыт работы. Страница получает ссылки из авторитетных медицинских учреждений.
2. Обоснование (Патент): Это создает четкую сущность. Авторитетность этой страницы (PageRank) может использоваться как базовый Reputation Rank автора.
3. Действие: Автор регулярно публикует глубокие статьи, которые становятся популярными среди врачей и пациентов, стимулируя повторные визиты на сайт.
4. Обоснование (Патент): Система анализирует web visitation patterns. Пользователи, регулярно читающие этого автора, формируют имплицитное доверие. Также пользователи с похожим поведением могут начать ему доверять.
5. Действие: Пользователь читает статью автора, находит ее полезной и следует рекомендациям (положительное взаимодействие).
6. Обоснование (Патент): Это взаимодействие усиливает Topic-Specific Trust Level пользователя к этому автору в медицинской тематике.
7. Результат: В персонализированной выдаче этого пользователя и пользователей с похожими паттернами поведения контент данного автора будет ранжироваться выше по медицинским запросам.

Вопросы и ответы