Как Google использует социальные связи и активность для персонализации, переранжирования и аннотирования поисковой выдачи

Описание

Какую задачу решает

Патент решает проблему поиска релевантной информации среди разрозненных источников данных (веб, видео, социальные сети), когда стандартные результаты могут не учитывать личный контекст пользователя. Изобретение улучшает релевантность поисковой выдачи путем интеграции социального контекста (Social Context) пользователя, делая контент, одобренный или созданный его социальными связями, более заметным и понятным.

Что запатентовано

Запатентована система и метод интеграции социального контекста в поисковую выдачу. Система обрабатывает данные из социального графа (Social Graph), социального веб-контента и социального видео-контента через специализированный конвейер (Social/Video Pipeline). Эта информация используется для модификации ранжирования стандартных результатов поиска и добавления социальных аннотаций (Social Annotations), которые объясняют, почему результат персонально релевантен.

Как это работает

Система работает в двух основных режимах:

• Офлайн (Индексирование): Social/Video Pipeline собирает данные о социальных связях (Social Graph) и активностях (шеринг, лайки, комментарии). Эти данные обрабатываются и добавляются в основные индексы (Web Index, Video Index) в виде социальных вложений (Social Attachments). Также генерируются сигналы для ранжирования.
• Онлайн (Обработка запроса): При получении запроса система ищет результаты в обогащенных индексах. Затем Modification Engine использует социальные сигналы и данные из Social Attachments, чтобы изменить ранжирование (например, повысить видео, которым поделился друг). Наконец, Presentation Engine добавляет к результатам аннотации (например, «Ваш друг X поделился этим») и может разделять выдачу на общие и социальные разделы.

Актуальность для SEO

Средняя/Высокая. Патент был разработан в эпоху активного развития Google+ (приоритет от 2011/2012 гг.), и эта конкретная реализация «Социального поиска» в веб-выдаче устарела. Однако описанные принципы — персонализация на основе активности пользователя и его связей, индексация взаимодействий, аннотирование результатов — остаются фундаментальными. Эти механизмы крайне актуальны для поиска по видео (YouTube) и систем рекомендаций (Google Discover), использующих внутренние сигналы взаимодействия.

Важность для SEO

Патент имеет высокое значение (7.5/10) для понимания инфраструктуры персонализации Google. Он демонстрирует, как социальная активность и связи пользователя могут напрямую модифицировать ранжирование результатов, которые он видит. Хотя SEO-специалисты не могут напрямую манипулировать этими сигналами в глобальном масштабе, это подчеркивает критическую важность стратегий дистрибуции контента, вовлечения аудитории и построения сообщества для повышения видимости в персонализированной выдаче.

Детальный разбор

Термины и определения

Modification Engine (Механизм модификации)

Компонент, который изменяет ранжирование результатов поиска, используя сигналы от Social Context Signaler и Video Context Signaler.

Social Annotation (Социальная аннотация)

Информация, отображаемая вместе с результатом поиска, которая объясняет его социальную релевантность для пользователя (например, «User6 поделился этим в микроблоге 10 минут назад»).

Social Attachment / Social Video Attachment (Социальное вложение)

Социальные данные, которые добавляются непосредственно к индексам (Web Index, Video Index). Они позволяют идентифицировать и извлекать документы/видео, которые социально релевантны для конкретного пользователя, выполняющего поиск.

Social Context (Социальный контекст)

Информация, связанная с социальным графом пользователя, его социальными активностями и активностями его контактов.

Social Context Signaler / Video Context Signaler (Сигнализатор социального/видео контекста)

Компоненты, генерирующие сигналы для модификации ранжирования результатов на основе социальной или видео информации, полученной из Social/Video Pipeline.

Social Graph (Социальный граф)

База данных, хранящая информацию о социальных связях между пользователями. Включает внутренние и внешние контакты. Связи могут быть получены из публичной информации (например, списки подписчиков) или приватных данных с разрешения пользователя.

Social Web Content / Social Video Content (Социальный веб-контент / Социальный видео-контент)

Данные о контенте, который пользователи создали, загрузили или одобрили (упомянули в микроблоге, прокомментировали, проголосовали, добавили в плейлист).

Social/Video Pipeline (Конвейер обработки социального/видео контента)

Система для обработки информации из Social Graph и Social Content. Генерирует данные (Social Attachments) и сигналы (Ranking Modification Signals), используемые для поиска, ранжирования и презентации социальных результатов.

Timing / Freshness (Время / Свежесть)

Время совершения социального взаимодействия. Используется как сигнал для ранжирования и отображается в аннотациях.

Ключевые утверждения (Анализ Claims)

Патент содержит несколько ключевых независимых пунктов, описывающих разные аспекты системы.

Claim 1 (Независимый пункт): Описывает процесс обработки запроса в реальном времени с учетом социального контекста.

1. Система получает запрос от пользователя.
2. Получает социальный контекст о взаимодействиях пользователя из социального графа.
3. Получает результаты поиска по запросу.
4. Модифицирует ранжирование результатов на основе социального контекста, создавая модифицированные результаты.
5. Генерирует аннотацию для как минимум одного результата. Аннотация указывает на ассоциацию с конкретным источником и отношение к пользователю.
6. Предоставляет модифицированный результат и аннотацию для отображения.

Claim 10 (Независимый пункт): Описывает офлайн-процесс подготовки данных для социального поиска (инфраструктурная часть).

1. Система получает социальный контекст о взаимодействиях множества пользователей из социального графа (включая источники социального видео-контента).
2. На основе этого контекста генерируется Social Attachment Information. Эта информация предназначена для создания аннотаций.
3. Social Attachment Information сохраняется в ассоциации с индексом поиска видео (Video Search Index).

Claim 11 (Зависимый от 10): Уточняет, что Social Attachment Information позволяет идентифицировать видео из индекса, которое соответствует запросу И является социально релевантным для пользователя, отправившего запрос.

Claims 5 и 16 (Зависимые): Детализируют типы социального контекста. Он включает информацию о времени (timing), когда пользователь взаимодействовал с источником контента. Это подчеркивает важность свежести (freshness) социальных сигналов.

Где и как применяется

Изобретение затрагивает несколько ключевых этапов поиска, создавая параллельный поток обработки социальных данных.

CRAWLING – Сканирование и Сбор данных
Система активно собирает данные для построения Social Graph, Social Web Content и Social Video Content. Это включает сканирование публичных профилей, микроблогов, социальных сетей, видеохостингов и сбор приватных данных (с разрешения).

INDEXING – Индексирование и извлечение признаков
Ключевой этап. Social/Video Pipeline обрабатывает собранные социальные данные. Результатом являются:

1. Social Attachments: Социальные данные присоединяются непосредственно к основному Web Index и Video Index. Это позволяет при поиске быстро определить социальную релевантность документа для пользователя.
2. Ranking Modification Signals: Генерируются сигналы, которые будут использоваться для корректировки оценок.

RANKING – Ранжирование
Ranking Engine рассчитывает базовые оценки релевантности, извлекая кандидатов из индексов (которые уже обогащены Social Attachments).

RERANKING – Переранжирование
Modification Engine применяет Ranking Modification Signals (полученные от Social/Video Context Signalers) к результатам ранжирования. Происходит повышение позиций контента, с которым взаимодействовали социальные связи пользователя.

METASEARCH – Метапоиск и Смешивание
Presentation Engine формирует финальную выдачу. Он добавляет Social Annotations к соответствующим результатам и может организовать выдачу в секции (например, общие результаты и результаты «от вас и ваших друзей»), используя Section Dividers, или смешать их.

Входные данные:

• Запрос пользователя и его идентификатор (аккаунт).
• Данные Social Graph (связи пользователя).
• Данные Social Web/Video Content (активности: шаринг, лайки, комментарии, плейлисты).
• Базовые результаты поиска из Web Index и Video Index.

Выходные данные:

• Персонализированный набор результатов поиска с модифицированным ранжированием.
• Social Annotations, прикрепленные к результатам.
• Элементы интерфейса (Section Dividers).

На что влияет

• Конкретные типы контента: Патент делает особый акцент на видео-контенте (Social Video Content, Video Index), но также применяется и к общему веб-контенту (Web Index).
• Специфические запросы: Наибольшее влияние оказывается на запросы, по которым у пользователя или его социальных связей есть история взаимодействия (развлекательный контент, обзоры, новости).
• Персонализация: Влияет только на персонализированную выдачу для залогиненного пользователя, у которого есть доступный социальный граф и история активностей.

Когда применяется

• Условия применения: Алгоритм применяется, когда система может идентифицировать пользователя (он залогинен) и получить доступ к его социальному контексту (Social Graph).
• Триггеры активации: Активируется, если в результатах поиска есть контент, с которым взаимодействовал пользователь или его связи (т.е. контент имеет релевантные Social Attachments).
• Временные рамки: Система учитывает свежесть социальных взаимодействий (timing или freshness). Недавние действия могут давать больший вес при модификации ранжирования и отображаются в аннотациях.

Пошаговый алгоритм

Процесс А: Офлайн обработка данных (Social/Video Pipeline)

1. Сбор данных: Система собирает данные о социальном графе (связи), социальном веб-контенте и социальном видео-контенте (активности).
2. Обработка контента и генерация вложений: Данные обрабатываются для создания Social Attachments и Social Video Attachments. Это информация, связывающая контент с пользователями и их действиями.
3. Индексирование вложений: Social Attachments добавляются к соответствующим записям в Web Index и Video Index.
4. Генерация сигналов ранжирования: Данные обрабатываются для создания Ranking Modification Signals. Этим занимаются Social Context Signaler и Video Context Signaler. Сигналы могут учитывать тип связи, тип действия и свежесть действия.

Процесс Б: Обработка запроса в реальном времени

1. Получение запроса: Система получает запрос и идентификатор пользователя.
2. Поиск по индексам: Система выполняет поиск по нескольким индексам (например, Web Index и Video Index), используя в том числе Social Attachments для извлечения социально релевантных кандидатов.
3. Ранжирование результатов: Ranking Engine выполняет базовое ранжирование полученных результатов.
4. Модификация ранжирования: Modification Engine получает ранжированные результаты и Ranking Modification Signals. Ранжирование корректируется на основе социального контекста пользователя. Результаты, с которыми взаимодействовали связи пользователя, повышаются.
5. Организация выдачи: Система определяет порядок представления и необходимость добавления разделов (Section Dividers).
6. Генерация аннотаций: Social Annotation Presentation Module создает Social Annotations для модифицированных результатов, используя данные о том, кто и когда совершил действие.
7. Отправка и отображение: Финальная выдача (результаты, секции, аннотации) отправляется на клиентское устройство для отображения.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании данных, связанных с социальной активностью и связями.

• Поведенческие/Социальные факторы:
  • Social Graph Data: Связи между пользователями (друзья, подписчики), как внутренние (в рамках сервисов провайдера), так и внешние (из других сервисов, микроблогов).
  • User Activities (Взаимодействия): Действия, совершенные пользователями в отношении контента: создание, загрузка, упоминания в микроблогах/блогах, комментарии, голоса (лайки/дизлайки), добавление в плейлисты, шаринг, ре-шаринг.
• Временные факторы:
  • Freshness/Timing: Время совершения социального действия. Используется как для модификации ранжирования (свежие действия могут иметь больший вес), так и для отображения в аннотациях (например, «10 минут назад»).
• Пользовательские факторы:
  • Идентификатор пользователя (user’s account), необходимый для доступа к его персональному контексту.

Какие метрики используются и как они считаются

Патент не приводит конкретных формул для расчета весов, но описывает следующие ключевые метрики и сигналы:

• Ranking Modification Signal: Сигнал, генерируемый Social/Video Context Signalers. Он используется Modification Engine для изменения базовой оценки ранжирования. Величина сигнала, вероятно, зависит от близости социальной связи, типа действия и его свежести.
• Social Relevance: Определяется наличием Social Attachments для документа в индексе, связанных с пользователем, выполняющим поиск, или его Social Graph.
• Freshness Signal: Метрика, учитывающая время социального взаимодействия.

Выводы

1. Социальные данные интегрированы на уровне индекса: Google не проверяет социальные сети на лету. Система предварительно обрабатывает социальный граф и активности, добавляя эти данные в основные индексы (Web Index, Video Index) в виде Social Attachments. Это обеспечивает скорость и эффективность социального поиска.
2. Персонализация через модификацию ранжирования: Патент явно описывает механизм (Modification Engine), при котором стандартное ранжирование изменяется на основе социального контекста пользователя. Контент, одобренный социальными связями, получает повышение в выдаче конкретного пользователя.
3. Важность свежести социальных сигналов (Freshness): Время (timing) социального взаимодействия является важным фактором. Недавняя активность используется как сигнал для ранжирования и отображается в аннотациях, повышая вовлеченность.
4. Аннотации как объяснение релевантности: Social Annotations играют ключевую роль, объясняя пользователю, почему тот или иной результат показан выше. Это повышает доверие к персонализированным результатам.
5. Платформонезависимый подход: Система предназначена для сбора данных из различных источников (внутренних и внешних социальных сетей, микроблогов), что делает ее устойчивой к изменениям популярности отдельных платформ.
6. Фокус на видео: Патент уделяет значительное внимание интеграции социального контекста именно в поиск по видео, что подчеркивает важность социальных взаимодействий на видеохостингах (плейлисты, лайки, шаринг).

Практика

Best practices (это мы делаем)

• Стимулирование органического социального вовлечения: Поощряйте пользователей делиться вашим контентом (особенно видео), лайкать, комментировать и добавлять его в плейлисты. Согласно патенту, эти действия создают Social Attachments в индексе и генерируют Ranking Modification Signals, что напрямую увеличивает видимость контента для социального круга этих пользователей.
• Фокус на YouTube и видео-контенте: Учитывая акцент патента на Video Index и Social Video Content, необходимо уделять особое внимание оптимизации и дистрибуции видео. Активность на YouTube (если рассматривать его как основной источник Social Video Content для Google) критична для видимости в персонализированном поиске и рекомендациях.
• Построение сообщества и связей с инфлюенсерами: Чем шире и активнее социальный граф пользователей, взаимодействующих с вашим контентом, тем больше потенциальный охват через механизмы социального поиска. Работайте над тем, чтобы авторитетные пользователи взаимодействовали с вашим контентом.
• Создание контента, вызывающего немедленную реакцию: Поскольку свежесть (freshness) социального действия является сигналом, создание актуального, вирусного или новостного контента может дать преимущество в персонализированной выдаче за счет быстрых социальных реакций.

Worst practices (это делать не надо)

• Накрутка социальных сигналов: Использование ботов или фейковых аккаунтов для имитации активности неэффективно. Система полагается на анализ реального Social Graph. Искусственные связи и активности, не подтвержденные реальным взаимодействием с вашей целевой аудиторией, не создадут нужного социального контекста.
• Игнорирование дистрибуции контента: Полагаться только на традиционное SEO и игнорировать каналы дистрибуции означает упускать возможность ранжирования в персонализированной выдаче через описанные механизмы.
• Фокус только на лайках: Патент упоминает широкий спектр взаимодействий (комментарии, плейлисты, шаринг, упоминания). Комплексное социальное вовлечение эффективнее концентрации только на одном типе сигнала.

Стратегическое значение

Этот патент подтверждает, что персонализация на основе контекста пользователя является важной частью поисковой стратегии Google. Для SEO-специалистов это означает, что видимость контента зависит не только от его релевантности запросу и авторитетности сайта, но и от того, кто и как взаимодействует с этим контентом. Стратегия SEO должна быть тесно интегрирована со стратегией контент-маркетинга и SMM, фокусируясь на органическом вовлечении и построении реального сообщества вокруг бренда.

Практические примеры

Сценарий: Повышение видимости обзора нового продукта (Видео)

1. Действие: Компания публикует видео-обзор нового гаджета на YouTube и активно продвигает его через социальные сети, стимулируя обсуждение и репосты.
2. Механизм (по патенту):
   • Пользователи (User A, User B) смотрят видео, ставят лайки, делятся им в своих микроблогах или добавляют в плейлисты на YouTube.
   • Social/Video Pipeline обрабатывает эти действия и обновляет Social Video Attachments в Video Index, связывая видео с User A и User B.
   • Генерируются Ranking Modification Signals с учетом свежести этих действий.
3. Результат: Когда друг пользователя User A (User C) вводит запрос «обзор нового гаджета», Modification Engine повышает это видео в его персонализированной выдаче. Presentation Engine может добавить аннотацию: «User A поделился этим видео» или «User A добавил это в плейлист». User C видит релевантный контент, одобренный знакомым ему человеком.

Вопросы и ответы