Как Google идентифицирует экспертов в социальных сетях и интегрирует их в результаты поиска по триггерным запросам

Описание

Какую задачу решает

Патент решает задачу диверсификации результатов поиска (diversify search results) путем интеграции информации о людях, являющихся экспертами в теме запроса. Цель — не только предоставить релевантные документы, но и способствовать изучению темы пользователем и стимулировать установление связей между пользователями в социальных сетях (promote user exploration of topics and connections between users in social networking services).

Что запатентовано

Запатентована система для выборочного отображения Authoritative Users (AUs, Авторитетных Пользователей) из социальной сети в результатах поиска. Система определяет, когда введенный запрос соответствует заранее рассчитанному Trigger Query (Триггерному Запросу). Если соответствие найдено, система отображает список экспертов, дополняя его персонализированным социальным контекстом (Contact Status).

Как это работает

Система функционирует в двух режимах:

• Офлайн (Генерация): Система анализирует данные об авторитетности пользователей (AU Database), где каждому AU присвоена оценка (Score) по различным запросам. Она идентифицирует запросы, которые имеют достаточное количество высокоавторитетных AUs. Эти запросы сохраняются как Trigger Queries.
• Онлайн (Обработка запроса): Когда поступает запрос, система проверяет, является ли он Trigger Query. Если да, она извлекает список AUs, определяет их социальный статус (Contact Status) относительно ищущего пользователя (например, находится ли эксперт в контактах/кругах пользователя) и отображает специальный блок в SERP.

Актуальность для SEO

Низкая (Техническая) / Высокая (Стратегическая). Техническая реализация, описанная в патенте, устарела, так как она тесно интегрирована с Google+ (явно упоминаются Circles — Круги). С закрытием Google+ этот конкретный механизм не используется. Однако стратегически патент крайне важен, так как он детально описывает методологию идентификации авторитетных людей по конкретным темам — фундаментальный аспект современных концепций E-E-A-T и Knowledge Graph.

Важность для SEO

Влияние на SEO (4/10). Патент описывает механизм создания специфической функции SERP (блок с экспертами из соцсети), а не алгоритм основного ранжирования. Прямое влияние на современные SEO-стратегии минимально, так как описанная функция не существует. Однако он критически важен для понимания того, как Google подходит к алгоритмической оценке авторитетности на уровне людей (сущностей) и как использует эти данные.

Детальный разбор

Термины и определения

Authoritative User (AU) (Авторитетный пользователь)

Пользователь компьютерного сервиса (например, социальной сети), который был определен как авторитет (эксперт) по одной или нескольким темам.

AU Database (База данных авторитетных пользователей)

Хранилище данных об авторитетных пользователях. Содержит данные в виде троек (Q, AU, S), где Q — запрос, AU — пользователь, S — оценка.

Candidate Query (Запрос-кандидат)

Запрос, рассматриваемый в офлайн-процессе для потенциального включения в базу триггерных запросов.

Circles (Круги) / Social Circles

Механизм категоризации контактов в социальной сети (Google+) для управления видимостью контента. Используется для определения Contact Status.

Combined Score (Комбинированная оценка)

Сумма оценок (Scores) всех Authoritative Users, связанных с конкретным запросом. Один из методов расчета Trigger Score.

Contact Status (Статус контакта)

Индикатор, отражающий отношения между ищущим пользователем и Authoritative User в рамках социальной сети (например, «В 1 круге», «Добавить в круги»).

Expansion Queries (Расширенные запросы)

Синонимичные (synonymous), связанные (related) или соединенные (connected) запросы, генерируемые из Candidate Query.

Score (S) (Оценка)

Числовая метрика, отражающая относительную меру авторитетности конкретного AU для конкретного запроса (Q).

Trigger Query (Триггерный запрос)

Запрос, который при получении поисковой системой активирует отображение списка Authoritative Users в SERP.

Trigger Queries Database (База данных триггерных запросов)

Хранилище, содержащее список Trigger Queries и связанных с ними AUs.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной онлайн-процесс обработки запроса.

1. Система получает поисковый запрос от пользователя.
2. Определяется, что запрос соответствует Trigger Query.
3. В ответ извлекаются данные, связанные с первым набором Authoritative Users (Set 1).
4. Определяется второй набор AUs (Set 2) на основе первого набора (фильтрация/выборка).
5. Для каждого AU в Set 2 система получает Contact Status, отражающий отношения между AU и ищущим пользователем в социальной сети.
6. Система передает инструкции для отображения данных Set 2 вместе с результатами поиска, включая Contact Status.

Claim 3 (Зависимый): Описывает офлайн-процесс генерации базы триггерных запросов.

1. Получение данных об AUs (связь запросов с AUs и их оценками Scores).
2. Обработка этих данных для идентификации Trigger Queries.
3. Сохранение Trigger Queries в базе данных.

Claim 4 и 5 (Зависимые): Детализируют два метода определения Trigger Query в офлайн-процессе.

• Метод 1 (Claim 4): Запрос становится Trigger Query, если количество AUs, чья индивидуальная оценка (Score) превышает пороговую оценку (threshold score), больше порогового числа (threshold number).
• Метод 2 (Claim 5): Запрос становится Trigger Query, если сумма оценок всех связанных с ним AUs (Combined Score) превышает пороговую оценку (threshold score).

Claim 6 (Зависимый от 5): Уточняет, что пороговая оценка для Метода 2 может быть динамической.

Пороговая оценка определяется на основе: популярности запроса в поиске, популярности запроса в веб-ресурсах или типа запроса.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя предварительно вычисленные данные для модификации финальной выдачи.

INDEXING / QUNDERSTANDING (Офлайн-процессы)
Основная подготовительная работа происходит офлайн:

• Генерация AU Database: Сбор данных из социальной сети для идентификации AUs и расчета их Scores по темам.
• Генерация Trigger Queries Database: Анализ логов поиска, идентификация и расширение Candidate Queries, вычисление Combined Scores и определение Trigger Queries на основе динамических порогов.

METASEARCH – Метапоиск и Смешивание (Онлайн-процессы)
Основное применение патента в реальном времени:

• Триггеринг: Система сравнивает входящий запрос с Trigger Queries Database.
• Поиск и Фильтрация AU: Если есть совпадение, AU Engine извлекает и фильтрует список AUs (переход от Set 1 к Set 2).
• Персонализация: Система взаимодействует с API социальной сети для получения Contact Status.
• Смешивание (Blending): Система интегрирует блок с авторитетными пользователями в SERP.

Входные данные:

• Запрос пользователя и его идентификатор.
• AU Database и Trigger Queries Database.
• Данные социальной сети (социальный граф, статус контактов).

Выходные данные:

• SERP с интегрированным блоком Authoritative Users, включающим их профили и персонализированный Contact Status.

На что влияет

• Специфические запросы: Влияет на информационные и тематические запросы, где существуют явные эксперты или инфлюенсеры.
• Типы запросов (Ограничения): Система может намеренно ограничивать срабатывание. Для общих (generic queries, например, [run], [favorite]) или локальных запросов (location) пороги для активации устанавливаются высокими, чтобы избежать их идентификации как Trigger Queries.
• Конкретные типы контента: Влияет на видимость сущностей типа «Человек» (профилей пользователей социальной сети).

Когда применяется

• Триггер активации: Входящий поисковый запрос совпадает с заранее определенным Trigger Query.
• Условия срабатывания: Алгоритм активируется, только если запрос прошел офлайн-валидацию — то есть для него существует достаточное количество высокоавторитетных AUs (превышены пороги по количеству или сумме оценок).
• Динамические пороги: Активация зависит от популярности запроса. Для более популярных запросов требуются более высокие оценки авторитетности.

Пошаговый алгоритм

Процесс А: Офлайн-генерация базы триггерных запросов

1. Определение начальных кандидатов: Система формирует начальный набор Candidate Queries из логов поиска (например, по популярности) или из AU Database.
2. Расширение кандидатов: Для каждого кандидата генерируются Expansion Queries (синонимы, связанные запросы).
3. Ассоциация AUs и Оценок: Для каждого запроса в расширенном наборе извлекаются связанные AUs и их Scores.
4. Дисконтирование Оценок: Если запрос является расширенным, связанные с ним Scores могут быть дисконтированы (умножены на коэффициент < 1). Степень дисконтирования зависит от типа расширения.
5. Вычисление Оценки Запроса: Для каждого кандидата вычисляется итоговая оценка. Используется Метод 1 (количество AUs выше порога) или Метод 2 (Combined Score).
6. Определение Порога: Система определяет пороговую оценку (Threshold Score). Этот порог динамический: выше для популярных запросов или запросов определенного типа (generic, location).
7. Идентификация Триггерных Запросов: Если оценка запроса превышает его Threshold Score, запрос становится Trigger Query.
8. Сохранение: Trigger Query и связанные с ним AUs (Set 1) сохраняются в Trigger Queries Database.

Процесс Б: Онлайн-обработка поискового запроса

1. Получение запроса: Система получает запрос от пользователя.
2. Проверка соответствия: Система определяет, соответствует ли запрос какому-либо Trigger Query.
3. Извлечение AUs (Set 1): Если есть соответствие, система извлекает первый набор связанных AUs.
4. Фильтрация AUs (Set 2): Система обрабатывает Set 1, применяя правила (например, выбор Топ-М по Score), чтобы определить финальный набор (Set 2) для отображения.
5. Получение Социальных Данных: Для каждого AU в Set 2 система запрашивает у социальной сети Contact Status относительно ищущего пользователя (например, «В кругах»).
6. Отображение результатов: Система передает инструкции для отображения блока с Set 2 (включая профили и Contact Status) в SERP.

Какие данные и как использует

Данные на входе

• Социальные факторы (Данные Social Networking Service): Критически важные данные. Используются для расчета оценок авторитетности (формирование AU Database и Scores) и для получения социального контекста в реальном времени (Contact Status, Social Circles).
• Поведенческие факторы: Логи поиска (search logs) используются офлайн для идентификации Candidate Queries и определения популярности запросов (popularity of the query as a search query).
• Контентные/Индексные факторы: Популярность запроса в веб-ресурсах (popularity of the query in web resources) — частота термина в индексе. Используется для настройки динамических порогов.

Какие метрики используются и как они считаются

• Score (S): Оценка авторитетности AU для запроса Q. Патент не детализирует расчет, но указывает, что она хранится в AU Database.
• Combined Score (Trigger Score): Агрегированная оценка запроса. Рассчитывается либо как сумма оценок S, либо как количество AU с S выше порога.
• Threshold Score (Пороговая оценка): Минимальное значение, которое должна превысить оценка запроса. Является динамическим.
• Query Popularity (Популярность запроса): Метрика, основанная на частоте запроса в логах или в вебе. Используется для корректировки Threshold Score (чем популярнее, тем выше порог).
• Query Type (Тип запроса): Классификация запроса (generic, location). Используется для корректировки Threshold Score (для общих запросов порог выше).
• Discount Value (Коэффициент дисконтирования): Множитель (< 1), применяемый к Scores для Expansion Queries.

Выводы

1. Идентификация экспертов на основе социальных данных: Патент демонстрирует конкретный механизм использования данных социальной сети (Google+) для алгоритмической идентификации и оценки авторитетности людей (Authoritative Users) по конкретным темам.
2. Авторитетность контекстуальна (Запрос-Пользователь): Система использует гранулярные оценки (Scores), привязанные к конкретной паре Запрос-Пользователь, а не общую оценку авторитетности человека.
3. Сложный механизм активации (Trigger Queries): Решение о показе экспертов принимается заранее (офлайн) и только для запросов, которые проходят строгие критерии качества (наличие достаточного количества высокоавторитетных экспертов).
4. Динамические пороги качества и популярность: Система адаптирует требования к качеству в зависимости от контекста. Для популярных или слишком общих запросов пороги активации выше, что служит фильтром качества.
5. Персонализация и социальное стимулирование: Ключевым аспектом является отображение Contact Status в реальном времени для персонализации выдачи и стимулирования социального взаимодействия внутри платформы.
6. Устаревшая реализация, но актуальная стратегия: Хотя техническая реализация, зависимая от Google+, устарела, стратегическое направление на идентификацию и использование экспертности людей (E-E-A-T) остается центральным для Google.

Практика

ВАЖНОЕ ЗАМЕЧАНИЕ: Механизм, описанный в патенте, основан на интеграции поиска с Google+ и в настоящее время не используется в описанном виде. Приведенные ниже рекомендации основаны на общих принципах идентификации авторитетности, заложенных в патенте.

Best practices (это мы делаем)

• Развитие индивидуальной экспертизы (E-E-A-T): Патент подтверждает намерение Google идентифицировать Authoritative Users. Необходимо системно работать над демонстрацией экспертизы авторов контента. Это включает создание качественного контента, поддержание полных публичных профилей и построение авторитета в профессиональном сообществе.
• Четкая ассоциация экспертов с темами: Поскольку авторитетность оценивается гранулярно (Score для пары Запрос-Пользователь), важно четко позиционировать экспертов в конкретных нишах, чтобы максимизировать их оценки по целевым темам.
• Широкое семантическое покрытие (Topical Authority): Система использует Expansion Queries (синонимы, связанные запросы). Это подчеркивает важность демонстрации широкой экспертизы в теме, чтобы быть релевантным для семантического кластера, даже с учетом дисконтирования оценок для расширенных запросов.
• Связывание сущностей (Entity Linking): Обеспечьте техническую возможность для Google идентифицировать авторов как сущности и связывать их активность на разных площадках (например, через структурированные данные Author, Person).

Worst practices (это делать не надо)

• Анонимный контент в экспертных нишах: Публикация контента без четко идентифицируемого автора затрудняет ассоциацию контента с Authoritative User, что противоречит принципам, заложенным в патенте.
• Имитация социальной активности: Попытки манипулировать авторитетностью через накрутку подписчиков или искусственную активность. Системы оценки Score направлены на выявление истинной экспертизы, а не количественных показателей активности.
• Фокус на устаревших платформах: Трата ресурсов на активность в неактуальных социальных сетях (как Google+) в надежде получить преимущества в поиске.

Стратегическое значение

Патент имеет важное историческое и стратегическое значение. Он демонстрирует ранние попытки Google интегрировать социальные графы в поиск и алгоритмически измерять авторитетность людей. Это один из фундаментов концепции E-E-A-T. Хотя конкретная реализация через Google+ провалилась, намерение идентифицировать, оценивать и продвигать экспертов остается центральным элементом долгосрочной стратегии Google. Это подчеркивает важность инвестиций в построение реальной экспертизы.

Практические примеры

Привести актуальный практический пример невозможно, так как описанная функция не существует. Ниже приведен исторический пример работы системы во времена Google+.

Сценарий (Исторический пример): Отображение экспертов по запросу [safari]

1. Офлайн-анализ: Система анализирует активность в Google+. Пользователи Jane (ведет блог о сафари), John (публикует фото) и Mr. McExpert (владелец бизнеса) получают высокие Scores для запроса [safari].
2. Определение Trigger Query: Сумма их оценок (Combined Score) превышает порог. Запрос [safari] помечается как Trigger Query.
3. Онлайн-запрос: Пользователь Ryan (залогинен в Google) вводит запрос [safari].
4. Активация и Социальный статус: Система определяет [safari] как Trigger Query и проверяет связи Ryan. Jane уже в его кругах, John и Mr. McExpert — нет.
5. Результат в SERP: В выдаче появляется специальный блок (например, «People and Pages»), где отображаются Jane (Статус: «In 1 Circle»), John и Mr. McExpert (Статус: «Add to Circles»).

Вопросы и ответы