Close Menu

    Как Google ранжирует профили людей в поиске социальных сетей, используя персональное сходство и совпадение по времени

    SORTING SOCIAL PROFILE SEARCH RESULTS BASED ON COMPUTING PERSONAL SIMILARITY SCORES (Сортировка результатов поиска по социальным профилям на основе вычисления оценок персонального сходства)
    2012 Патенты Google Персонализация

    Патент Google, описывающий алгоритм ранжирования результатов при поиске людей внутри социальной сети. Система вычисляет оценку персонального сходства между ищущим пользователем и найденными профилями, учитывая общие места работы, учебы и интересы. Профили, с которыми пользователь пересекался в одно и то же время, получают значительное повышение в рейтинге.

    Описание

    Какую задачу решает

    Патент решает проблему неоднозначности при поиске людей внутри социальной сети (online community), когда множество пользователей имеют одинаковые имена. Стандартный поиск по имени затрудняет нахождение конкретного человека. Изобретение улучшает релевантность поиска, исходя из предположения, что пользователь, скорее всего, ищет того, с кем у него есть общие связи или пересечения в прошлом.

    Что запатентовано

    Запатентован метод сортировки результатов поиска по социальным профилям (social profiles). Суть метода — вычисление оценки персонального сходства (Personal Similarity Score) между профилем ищущего пользователя и найденными профилями. Эта оценка базируется на сравнении структурированных данных (биография, интересы). Ключевая особенность — придание значительно большего веса тем совпадениям, которые произошли в один и тот же период времени (Similar Time Frame).

    Как это работает

    Система работает внутри социальной сети:

    • Поиск: Пользователь вводит запрос (например, имя). Система находит соответствующие профили и определяет их базовую релевантность (Search Score).
    • Сравнение профилей: Система сравнивает данные профиля ищущего пользователя с данными найденных профилей (город, работодатель, учебное заведение, интересы).
    • Взвешивание с учетом времени: Каждому сходству присваивается вес (Weight). Если событие (например, учеба) произошло в одно и то же время у обоих пользователей, вес увеличивается.
    • Расчет оценок: Веса суммируются в Personal Similarity Score. Затем он комбинируется с Search Score для получения итоговой оценки (Total Score).
    • Сортировка: Результаты переупорядочиваются на основе Total Score, продвигая наиболее похожие профили вверх.

    Актуальность для SEO

    Низкая для веб-поиска. Механизм актуален для платформ, осуществляющих поиск по профилям пользователей (например, LinkedIn). Однако патент строго ограничен поиском социальных профилей в рамках онлайн-сообщества (например, Google+, актуального на момент подачи). Его применение в основном веб-поиске Google исключено. Это алгоритм для специализированного вертикального поиска внутри социального графа.

    Важность для SEO

    Минимальное влияние (1/10). Патент не имеет отношения к ранжированию веб-страниц в органическом поиске Google. Он описывает алгоритм для поиска людей внутри социальной сети. Он никак не влияет на стандартные SEO-стратегии продвижения сайтов, оптимизацию контента или ссылочный профиль.

    Детальный разбор

    Термины и определения

    Online Community (Онлайн-сообщество)
    Платформа или социальная сеть, в рамках которой происходит поиск.
    Personal Occurrence (Личное событие)
    Событие в биографии пользователя, указанное в профиле (например, учеба, работа).
    Personal Similarity Indications (Признаки персонального сходства)
    Конкретные совпадения в данных профилей (например, общий город, общий работодатель). Также называются Items of Similarity.
    Personal Similarity Score (Оценка персонального сходства)
    Числовая оценка, отражающая степень сходства между двумя профилями. Рассчитывается путем агрегации взвешенных признаков сходства.
    Probability of the Shared Occurrence (Вероятность общего события)
    Фактор, используемый для определения веса признака сходства. Редкие совпадения или совпадения во времени имеют больший вес.
    Search Score (Оценка поиска)
    Базовая оценка релевантности найденного профиля тексту поискового запроса (например, насколько точно совпадает имя).
    Similar Time Frame (Схожий период времени)
    Критерий, проверяющий, произошло ли общее событие у двух пользователей в один и тот же временной промежуток.
    Social Profile (Социальный профиль)
    Набор структурированных данных, описывающих пользователя.
    Total Score / Total Query Score (Итоговая оценка)
    Финальная оценка для сортировки результатов. Комбинация Search Score и Personal Similarity Score.
    Varying Weights (Различающиеся веса)
    Система весовых коэффициентов, присваиваемых различным типам сходств.

    Ключевые утверждения (Анализ Claims)

    Claim 1 (Независимый пункт): Описывает основной метод сортировки результатов поиска социальных профилей.

    1. Система получает запрос на поиск социального профиля от пользователя онлайн-сообщества.
    2. В ответ система извлекает набор социальных профилей и их Search Score.
    3. Определяются Personal Similarity Indications между найденными профилями и профилем ищущего пользователя.
    4. Критическое условие: используется предопределенный критерий, который учитывает Similar Time Frame, в течение которого произошло общее личное событие (Personal Occurrence).
    5. Каждому признаку сходства присваивается один из Varying Weights. Вес основан на вероятности (probability) общего события в течение схожего периода времени.
    6. Вычисляется Personal Similarity Score путем агрегации сходств и их весов.
    7. Вычисляется Total Score на основе Search Score и Personal Similarity Score.
    8. Набор социальных профилей сортируется на основе Total Score.

    Claim 3 (Зависимый от 1): Детализирует систему весов.

    Диапазон весов включает высокие, средние и низкие значения. Высокие веса присваиваются тем показателям сходства, которые отражают совпадение по времени (similar times).

    Claim 7 (Зависимый от 1): Описывает механизм расчета Personal Similarity Score.

    Система присваивает начальную оценку (ноль) найденным профилям и затем последовательно увеличивает эту оценку на основе весов, присвоенных найденным показателям персонального сходства.

    Где и как применяется

    Патент описывает работу специализированного поискового движка внутри социальной сети (Social-Profile-Search Application). Он не вписывается в стандартную архитектуру веб-поиска Google.

    Применительно к архитектуре поиска внутри Социальной Сети:

    INDEXING (Индексирование профилей)
    Система извлекает структурированные данные из профилей пользователей (места работы, учебы, локации, интересы) и, что критически важно, связанные с ними даты (временные метки). Эти данные сохраняются в базе данных профилей (Social-Profile Data).

    RANKING (Первичное ранжирование профилей)
    Система отбирает кандидатов на основе совпадения с текстом запроса (например, по имени) и рассчитывает базовый Search Score.

    RERANKING (Переранжирование профилей)
    Основной этап применения патента. Система извлекает данные профиля ищущего пользователя и сравнивает их с профилями кандидатов. Рассчитывается Personal Similarity Score с учетом весов и временных рамок. Вычисляется Total Score, и результаты пересортировываются.

    Входные данные:

    • Поисковый запрос пользователя.
    • Структурированные данные профиля ищущего пользователя.
    • Структурированные данные профилей-кандидатов.
    • Предопределенная система весов (Weighting Index).

    Выходные данные:

    • Отсортированный список социальных профилей на основе Total Scores.

    На что влияет

    • Конкретные типы контента: Влияет исключительно на ранжирование социальных профилей (пользователей) внутри онлайн-сообщества.
    • Специфические запросы: Влияет на запросы, направленные на поиск людей (например, по имени).

    Патент не влияет на ранжирование веб-страниц, статей, товаров или любые другие типы контента в органическом веб-поиске Google.

    Когда применяется

    • Условия работы: Алгоритм применяется, когда пользователь выполняет поиск профилей внутри социальной сети.
    • Триггеры активации: Наличие достаточного объема структурированных данных в профиле ищущего пользователя и в профилях результатов. Если данных для сравнения нет, система вернется к ранжированию только по Search Score.

    Пошаговый алгоритм

    1. Получение запроса: Система получает запрос на поиск социального профиля от пользователя.
    2. Поиск совпадений: Выполняется поиск полных или частичных совпадений в базе данных социальных профилей.
    3. Проверка разрешений: Permission Module определяет права доступа и настройки приватности для просмотра найденных профилей.
    4. Расчет базовой релевантности: Для каждого совпадения определяется Search Score.
    5. Инициализация сходства: Для каждого найденного профиля устанавливается начальный Personal Similarity Score (например, ноль).
    6. Сравнение профилей: Personal-Similarity-Determination Module сравнивает данные профиля ищущего пользователя с данными каждого найденного профиля для выявления признаков сходства.
    7. Определение весов и временных рамок: Для каждого признака сходства Weighting Module определяет его вес. Система проверяет, произошло ли событие в Similar Time Frame. Если да, применяется повышенный вес.
    8. Вычисление оценки сходства: Personal Similarity Score увеличивается на величину веса каждого найденного признака сходства.
    9. Вычисление итоговой оценки: Scoring Module комбинирует Personal Similarity Score и Search Score для получения Total Query Score.
    10. Сортировка: Sorting/Ranking Module сортирует результаты поиска на основе Total Query Score.
    11. Вывод результатов: Отсортированный список предоставляется пользователю.

    Какие данные и как использует

    Данные на входе

    Система использует исключительно структурированные данные из профилей пользователей социальной сети.

    • Контентные (Биографические) факторы:
      • Страна проживания (текущая и предыдущая).
      • Город проживания.
      • Работодатель (текущий и предыдущий).
      • Учебное заведение.
      • Интересы пользователя.
    • Временные факторы: Даты, связанные с биографическими данными (период работы, годы учебы). Эти данные критически важны для определения Similar Time Frame.
    • Пользовательские факторы: Весь набор данных профиля ищущего пользователя используется как базис для сравнения и персонализации выдачи.
    • Факторы Социального Графа (Косвенно): В описании патента упоминается возможность использования расстояния (степени разделения) между пользователями в социальном графе (например, друг друга) для ранжирования.

    Какие метрики используются и как они считаются

    • Search Score: Базовая оценка релевантности профиля запросу.
    • Personal Similarity Score: Агрегированная оценка сходства профилей. Рассчитывается как взвешенная сумма признаков сходства.
    • Total Query Score: Итоговая оценка для ранжирования (комбинация двух предыдущих).

    Весовые коэффициенты факторов (Varying Weights):

    Патент приводит конкретные примеры весов (FIG. 6), основанные на вероятности и значимости совпадения:

    • Низкий вес (Low weight, примерное значение 1): Страна проживания, Предыдущая страна проживания.
    • Средний вес (Medium weight, примерное значение 2): Город проживания, Предыдущая школа/работа (без совпадения по времени), Похожие интересы.
    • Высокий вес (High weight, примерное значение 3): Предыдущая школа/работа (с совпадением по времени).
    • Очень высокий вес (Very high weight, примерное значение 5): Текущий работодатель.

    Методы анализа:

    • Сравнение временных рамок: Проверка пересечения дат для определения Similar Time Frame и применения повышенных весов.
    • Взвешенное суммирование: Агрегация весов для расчета Personal Similarity Score.

    Выводы

    1. Специализированный алгоритм для поиска людей: Патент описывает механизм ранжирования, предназначенный строго для поиска социальных профилей внутри закрытой экосистемы (социальной сети), а не для открытого веб-поиска.
    2. Персонализация через сходство: Ранжирование сильно персонализировано и основано на сравнении биографических данных ищущего пользователя с найденными результатами (Personal Similarity Score).
    3. Критичность временного фактора: Ключевой особенностью является учет совпадения событий по времени (Similar Time Frame). Система придает значительно больший вес общим местам работы или учебы, если пользователи находились там одновременно, предполагая более сильную связь.
    4. Зависимость от структурированных данных: Алгоритм полагается на полноту и точность заполнения структурированных полей в профилях пользователей (локация, карьера, образование, даты).
    5. Отсутствие ценности для веб-SEO: Для стандартного SEO (продвижения веб-сайтов в органическом поиске) этот патент не несет практической ценности, так как описываемые механизмы не применяются к ранжированию веб-документов.

    Практика

    ВАЖНО: Патент относится к поиску внутри социальных сетей и не дает практических выводов для SEO продвижения веб-сайтов в органическом поиске Google.

    Нижеследующие рекомендации применимы только к оптимизации видимости профилей внутри социальных сетей (SMM, управление личными брендами), которые могут использовать подобные алгоритмы (например, LinkedIn).

    Best practices (это мы делаем)

    • Максимально полное заполнение профиля: Заполнять все доступные структурированные поля профиля (история работы, образование, локации, интересы). Это увеличивает количество потенциальных признаков сходства.
    • Точность дат: Критически важно указывать точные временные рамки (годы учебы, периоды работы). Совпадение по времени (Similar Time Frame) дает значительное повышение веса при расчете сходства, что позволяет профилю ранжироваться выше в поиске у бывших коллег или однокурсников.
    • Указание актуальной информации: Поддержание актуальности данных о текущем месте работы важно, так как этот фактор имеет очень высокий вес (Very high weight).

    Worst practices (это делать не надо)

    • Незаполненные профили: Оставлять поля карьеры и образования пустыми минимизирует возможность расчета Personal Similarity Score, что приведет к низкому ранжированию профиля во внутреннем поиске.
    • Игнорирование временных рамок: Указание мест работы или учебы без указания дат не позволит системе применить повышенные веса за совпадение по времени.

    Стратегическое значение

    Стратегическое значение для веб-поиска минимально. Однако патент демонстрирует, как Google использует структурированные данные и временные метки для определения силы связей между сущностями (в данном случае, людьми) и как эти связи используются для глубокой персонализации выдачи в рамках социального графа. Хотя это не применимо к SEO напрямую, это подчеркивает общую важность предоставления поисковым системам четкой, структурированной и хронологически точной информации о сущностях.

    Практические примеры

    Практических примеров для SEO нет.

    Сценарий применения внутри Социальной Сети:

    1. Пользователь А (Ищущий): Работал в компании «Ромашка» с 2010 по 2015 год. Ищет в социальной сети пользователя по имени «Иван Петров».
    2. Результаты поиска: Найдено 10 профилей с именем «Иван Петров».
    3. Профиль 1 (Иван Петров Б): Работал в компании «Ромашка» с 2018 по 2020 год.
    4. Профиль 2 (Иван Петров В): Работал в компании «Ромашка» с 2011 по 2014 год.
    5. Расчет сходства:
      • Профиль 1 имеет общее место работы, но периоды не пересекаются. Получает Medium weight.
      • Профиль 2 имеет общее место работы, и периоды пересекаются (Similar Time Frame). Получает High weight.
    6. Результат: Профиль 2 (Иван Петров В) будет ранжироваться значительно выше Профиля 1, так как его Personal Similarity Score выше из-за временного пересечения.

    Вопросы и ответы

    Влияет ли этот патент на ранжирование моего сайта в органическом поиске Google?

    Нет, не влияет. Патент описывает алгоритмы сортировки результатов при поиске людей (социальных профилей) внутри социальной сети или онлайн-сообщества. Он не имеет отношения к индексированию и ранжированию веб-страниц в основном веб-поиске Google.

    Что такое Personal Similarity Score в контексте этого патента?

    Это числовая оценка, которая показывает, насколько найденный социальный профиль биографически похож на профиль пользователя, выполняющего поиск. Она рассчитывается путем анализа и суммирования весов общих элементов, таких как место работы, учебы, город проживания или интересы.

    Почему совпадение по времени (Similar Time Frame) так важно в этом алгоритме?

    Система исходит из предположения, что люди ищут тех, кого они знают. Если два человека учились или работали в одном месте в одно и то же время, вероятность их знакомства значительно выше. Поэтому алгоритм присваивает таким совпадениям гораздо больший вес (High weight), чем совпадениям, произошедшим в разные годы.

    Можно ли использовать принципы этого патента для улучшения E-E-A-T моего сайта?

    Прямого применения для E-E-A-T нет, так как патент не оценивает качество контента или авторитетность. Однако он демонстрирует способность Google обрабатывать структурированные биографические данные и временные метки для установления связей между людьми. Это косвенно подтверждает важность наличия точной и проверяемой информации об авторах (сущностях) на вашем сайте.

    Какие факторы имеют наибольший вес при расчете сходства?

    Согласно примерам в патенте (FIG. 6), наибольший вес имеют «Текущий работодатель» (5 баллов, Very high weight) и «Предыдущая школа или работа при совпадении времени» (3 балла, High weight). Наименьший вес имеют общие страны проживания (1 балл, Low weight).

    Работает ли этот алгоритм, если у пользователя пустой профиль?

    Если у ищущего пользователя пустой профиль, система не сможет найти элементы сходства, и Personal Similarity Score будет равен нулю. В этом случае ранжирование будет основано только на базовой оценке релевантности запросу (Search Score), то есть на том, насколько точно профиль соответствует введенному имени.

    Используется ли этот патент в современном поиске Google?

    В основном веб-поиске — нет. Этот патент, вероятно, использовался в социальной сети Google+ (ныне закрытой). Подобные механизмы используются сегодня в других социальных сетях, таких как LinkedIn, для ранжирования результатов поиска людей.

    Как система определяет вес для разных факторов сходства?

    Веса определяются на основе Probability of the Shared Occurrence (вероятности общего события). Чем реже встречается совпадение или чем оно более значимо (например, совпадение по времени), тем выше устанавливается вес. Эти веса предопределены в системе (Weighting Index).

    Учитывает ли система расстояние в социальном графе (например, друг друга)?

    Да, в описании патента упоминается возможность использования степени разделения между пользователями для ранжирования. Например, другу друга может быть присвоен больший вес, чем пользователю без общих контактов. Это может быть частью расчета Personal Similarity Score.

    В чем разница между Search Score и Personal Similarity Score?

    Search Score — это базовая релевантность, которая показывает, насколько профиль соответствует тексту запроса (например, совпадение имени). Personal Similarity Score — это оценка сходства биографий ищущего и найденного пользователя. Обе оценки объединяются в Total Score для финального ранжирования.