Как Google персонализирует выдачу на основе «зрелости» пользователя в социальной сети

Описание

Какую задачу решает

Патент решает проблему неоптимальности стандартной поисковой выдачи для пользователей, находящихся на разных этапах жизненного цикла внутри платформы, в частности, социальной сети. Новые и опытные пользователи имеют разные потребности (например, новичкам нужно устанавливать социальные связи, а опытным — потреблять контент). Изобретение направлено на повышение вовлеченности путем адаптации результатов поиска к уровню «зрелости» (Maturity) пользователя на платформе.

Что запатентовано

Запатентована система персонализированной корректировки ранжирования. Она использует Maturity Score (оценку зрелости пользователя на платформе) для определения Utility Scores (оценок полезности) для различных типов контента. Ранжирование корректируется на основе этих оценок полезности в соответствии с заданной Политикой (Policy), которая определяет, какой контент более важен для пользователей на разных этапах развития.

Как это работает

Система работает следующим образом:

• Расчет зрелости: На основе атрибутов пользователя (например, количества социальных связей, возраста аккаунта) вычисляется Maturity Score.
• Определение типа контента: Для каждого результата поиска определяется его тип (например, «предложение дружбы» или «страница профиля»).
• Применение Политики и расчет полезности: Система использует Policy, содержащую инструкции (Utility Score Instructions) для расчета Utility Score для данного типа контента при данном Maturity Score. Например, для новичков полезность предложений дружбы может быть искусственно завышена.
• Корректировка и переранжирование: Исходные оценки релевантности (Relevance Scores) корректируются с учетом Utility Scores (например, путем сложения), формируя Adjusted Relevance Scores, по которым происходит финальное ранжирование.

Актуальность для SEO

Средняя. Патент был подан в период активного развития Google+ и явно сфокусирован на персонализации внутри социальной сети. Хотя специфическая реализация, основанная на социальных связях в Google+, устарела, базовая концепция персонализации результатов на основе стадии жизненного цикла пользователя (новичок vs. опытный) остается крайне актуальной в других продуктах Google (например, Discover, YouTube).

Важность для SEO

Влияние на традиционное веб-SEO ограничено (4/10). Патент описывает слой глубокой персонализации, который применяется поверх основного ранжирования и критически зависит от данных залогиненного пользователя внутри конкретной платформы (социальной сети). Он не дает прямых рекомендаций для оптимизации общедоступных веб-страниц. Патент важен для понимания того, как Google подходит к персонализации на основе жизненного цикла пользователя, особенно при оптимизации под рекомендательные системы.

Детальный разбор

Термины и определения

Adjusted Relevance Score (Скорректированная оценка релевантности)

Итоговая оценка, используемая для ранжирования. Рассчитывается путем корректировки Relevance Score с помощью Utility Score.

Maturity Score (Оценка зрелости)

Метрика, представляющая меру развития пользователя внутри социальной сети (user development within the social network). Основывается на атрибутах пользователя, таких как количество социальных связей или время регистрации.

Policy (Политика)

Набор инструкций (Utility Score Instructions), определяющих, как рассчитывать Utility Scores для разных типов контента в зависимости от Maturity Score. Определяет цели платформы.

Profile Page Instruction (Инструкция для страниц профиля)

Пример инструкции в Policy. В патенте задается как прямая пропорциональность: Utility score = maturity score. Опытным пользователям этот контент показывается выше.

Relevance Score (Оценка релевантности)

Исходная оценка соответствия ресурса поисковому запросу, до применения персонализации на основе зрелости.

Social Connection Instruction (Инструкция для социальных связей)

Пример инструкции в Policy для контента, направленного на установление связей. В патенте задается как обратная пропорциональность: Utility score = 1/maturity score. Новичкам этот контент показывается выше.

Utility Score (Оценка полезности)

Оценка того, насколько полезен определенный тип контента для пользователя с определенным уровнем Maturity Score. Рассчитывается автоматически (independent of user input).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает метод персонализации ранжирования на основе зрелости пользователя в социальной сети.

1. Система определяет Maturity Score пользователя на основе его использования социальной сети. Это мера развития пользователя внутри сети.
2. Для определенного типа контента ресурса система извлекает соответствующую инструкцию (Utility Score Instruction) из набора инструкций (Policy).
3. Эта инструкция определяет взаимосвязь между Utility Score и Maturity Score для данного типа контента.
4. Ключевое условие: Набор инструкций спроектирован так, чтобы продвигать (promote) первый тип контента среди менее зрелых пользователей и второй тип контента среди более зрелых пользователей.
5. Система рассчитывает Utility Scores для ресурсов на основе его Maturity Score и примененных инструкций.

Claim 4 (Зависимый от 1): Уточняет применение метода к ранжированию.

Если ресурсы уже ранжированы в соответствии с Relevance Scores, то ранжирование корректируется (adjusting rankings) на основе рассчитанных Utility Scores.

Claim 6 (Зависимый от 1): Подчеркивает аспект персонализации.

Если у первого и второго пользователя разные Maturity Scores, то итоговые ранжирования результатов для них будут отличаться.

Где и как применяется

Изобретение применяется на финальных этапах обработки поискового запроса для персонализации выдачи внутри контролируемой среды.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна классифицировать ресурсы по типам контента (например, определить, является ли ресурс страницей профиля, предложением дружбы или постом), чтобы позже можно было применить соответствующую Policy.

(Вне стандартных этапов) — Анализ пользователя
Система анализирует атрибуты пользователя и его активность (usage of a social network) для вычисления Maturity Score. Это может происходить офлайн или в реальном времени.

RANKING – Ранжирование
Основная система ранжирования генерирует первичный набор результатов и присваивает им стандартные Relevance Scores.

RERANKING – Переранжирование (Персонализация)
Основное место применения патента. Система получает данные пользователя, вычисляет Maturity Score, определяет Utility Scores для результатов из этапа RANKING и производит переранжирование для создания Adjusted Relevance Scores.

• Входные данные: Исходный запрос, Идентификатор пользователя, Атрибуты пользователя (социальный граф, возраст аккаунта), Первичный набор результатов с Relevance Scores, База данных Policy.
• Выходные данные: Персонализированный набор результатов с Adjusted Relevance Scores.

На что влияет

• Конкретные типы контента и форматы: Влияние сильно зависит от типа контента внутри социальной сети. Патент явно разделяет контент, полезный для новичков (установление связей), и контент, полезный для опытных пользователей (просмотр профилей, посты в ленте активности — activity stream, блоги, приглашения на мероприятия).
• Специфические запросы: Наиболее заметное влияние оказывается на запросы внутри персонализированной среды (социальной сети), например, при поиске людей или контента на платформе.

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Идентификация пользователя: Пользователь должен быть залогинен или идентифицирован (например, через cookies).
• Наличие данных о зрелости: Система должна иметь возможность рассчитать Maturity Score для данного пользователя на основе его активности в социальной сети.
• Наличие Политики: Должна существовать определенная Policy, содержащая инструкции для типов контента, присутствующих в результатах поиска.

Пошаговый алгоритм

Процесс А: Расчет Maturity Score (Может быть фоновым процессом)

1. Сбор данных: Система собирает атрибуты пользователя в социальной сети (количество социальных связей, продолжительность существования профиля).
2. Вычисление оценки: Рассчитывается Maturity Score. Пример из патента: +1 балл за превышение порога по количеству связей (например, 100); +1 балл за превышение порога по времени регистрации (например, 3 месяца).

Процесс Б: Обработка запроса и корректировка ранжирования (Реальное время)

1. Получение запроса и идентификатора: Система получает поисковый запрос и информацию, идентифицирующую пользователя.
2. Генерация первичных результатов: Генерируются результаты поиска и их исходные Relevance Scores.
3. Определение Maturity Score: Система извлекает или рассчитывает Maturity Score пользователя (Процесс А).
4. Определение Utility Scores: Для каждого результата определяется его тип контента. Применяется соответствующая инструкция из Policy для расчета Utility Score на основе Maturity Score.
   Пример: Если результат — предложение дружбы, инструкция может быть 1/Maturity Score. Если результат — страница профиля, инструкция может быть Maturity Score.
5. Корректировка оценок релевантности: Исходные Relevance Scores корректируются. В примере патента Adjusted Relevance Score = Relevance Score + Utility Score.
6. Ранжирование результатов: Результаты пересортировываются на основе Adjusted Relevance Scores и предоставляются пользователю.

Какие данные и как использует

Данные на входе

Ключевые данные, используемые в этом патенте, относятся к пользователю и типу контента.

• Пользовательские факторы: Являются основой механизма. Используется идентификатор пользователя для доступа к его атрибутам. Атрибуты включают данные, необходимые для расчета Maturity Score:
  • Количество социальных связей (number of social connections).
  • Возраст аккаунта или время регистрации (amount of time the user has been registered).
• Контентные факторы: Используется классификация типа контента ресурса. Система должна знать, является ли результат предложением установить связь, страницей профиля, постом в блоге и т.д.

Какие метрики используются и как они считаются

• Maturity Score: Вычисляется на основе пользовательских атрибутов. Патент предлагает аддитивную модель с пороговыми значениями (например, баллы начисляются при достижении 100 связей или 3 месяцев использования).
• Utility Score: Рассчитывается путем применения Utility Score Instruction из Policy к текущему Maturity Score. Патент приводит два конкретных примера расчета:
  • Обратная пропорциональность: Utility Score = 1 / Maturity Score (например, для предложений дружбы).
  • Прямая пропорциональность: Utility Score = Maturity Score (например, для страниц профиля).
• Adjusted Relevance Score: Агрегация исходной релевантности и полезности. В примере используется простое сложение: Adjusted Relevance Score = Relevance Score + Utility Score.

Выводы

1. Персонализация на основе жизненного цикла пользователя: Патент описывает механизм адаптации ранжирования не на основе интересов пользователя, а на основе его стадии развития (Maturity) внутри платформы или социальной сети.
2. Целевое переранжирование (Goal-Oriented Reranking): Система активно продвигает поведение, заданное в Policy. Если цель платформы — заставить новичков заводить друзей, система будет агрессивно повышать в выдаче элементы для установления связей именно для них, возможно, даже в ущерб прямой релевантности.
3. Зависимость от типа контента: Корректировка не применяется ко всем результатам одинаково. Система должна классифицировать тип контента, чтобы применить соответствующую инструкцию (Utility Score Instruction).
4. Критическая зависимость от данных пользователя: Механизм требует значительного объема специфических данных об активности и развитии пользователя (социальный граф, история), что подразумевает обязательный вход в систему.
5. Ограниченная применимость к традиционному SEO: Описанные механизмы специфичны для оптимизации вовлеченности внутри контролируемой среды (например, Google+). Они не дают практических инструментов для оптимизации публичных веб-сайтов под основной поиск Google.

Практика

Best practices (это мы делаем)

Патент носит инфраструктурный характер для персонализированных платформ. Прямых рекомендаций для традиционного SEO он не дает, но концептуальные выводы применимы, особенно при оптимизации под платформы (YouTube, Discover) или для крупных UGC-проектов.

• Понимание интента на разных стадиях: Важно разрабатывать контент-стратегии, учитывающие потребности как новичков, так и экспертов в вашей нише. Это повышает общую полезность (Utility) ресурса для разных сегментов аудитории.
• Четкое позиционирование контента: Убедитесь, что контент ясно сигнализирует о своем предназначении и целевой аудитории (например, «руководство для начинающих» против «углубленный анализ»). Это помогает поисковым системам лучше классифицировать тип контента.
• Стимулирование взаимодействия на платформах: При работе с YouTube или аналогичными платформами важно стимулировать пользователей к взаимодействию (подписки, активность), так как это может влиять на их Maturity Score на платформе и, следовательно, на то, какой контент им будет рекомендоваться.

Worst practices (это делать не надо)

• Применение выводов к веб-поиску: Ошибочно предполагать, что Google рассчитывает «зрелость» пользователей в открытом вебе на основе этого патента. Механизм специфичен для контролируемых социальных сред.
• Ориентация только на один сегмент аудитории: Создание контента исключительно для новичков или исключительно для экспертов может ограничить охват, если система решит, что ваш контент не соответствует «зрелости» искомого пользователя в данной теме или на платформе.
• Игнорирование персонализации при анализе выдачи: Этот патент подтверждает, что результаты для залогиненных пользователей могут существенно отличаться в зависимости от их истории поведения и уровня вовлеченности (Maturity).

Стратегическое значение

Патент демонстрирует подход Google к глубокой персонализации, основанной на жизненном цикле пользователя. Он показывает, как Google может ставить цели платформы (например, рост социального графа) выше прямой релевантности запроса. Хотя конкретная реализация (Google+) устарела, базовый принцип адаптации результатов к уровню вовлеченности пользователя остается частью экосистемы Google (особенно в рекомендательных системах). Для SEO это напоминание о том, что ранжирование не статично и существуют сложные слои персонализации.

Практические примеры

Пример основан на сценарии использования внутри социальной сети, как описано в патенте.

Сценарий: Поиск человека в социальной сети

Пользователь А (Новичок) и Пользователь Б (Опытный) вводят один и тот же запрос: «Иван Петров».

1. Расчет зрелости:
   • Пользователь А: Зарегистрировался вчера, 5 друзей. Maturity Score = 1.
   • Пользователь Б: Зарегистрирован 3 года назад, 500 друзей. Maturity Score = 10.
2. Результаты поиска (исходные):
   • Результат 1: Кнопка «Добавить Ивана Петрова в друзья» (Тип: Social Connection). Relevance Score = 20.
   • Результат 2: Ссылка «Просмотреть профиль Ивана Петрова» (Тип: Profile Page). Relevance Score = 18.
3. Применение Политики (Policy):
   • Social Connection: Utility = 10 / Maturity Score (Условный пример для иллюстрации обратной пропорциональности)
   • Profile Page: Utility = Maturity Score (Пример прямой пропорциональности)
4. Расчет Utility Scores:
   • Для А (M=1): Результат 1 Utility = 10/1 = 10. Результат 2 Utility = 1.
   • Для Б (M=10): Результат 1 Utility = 10/10 = 1. Результат 2 Utility = 10.
5. Корректировка и Ранжирование (Adjusted = Relevance + Utility):
   • Выдача для Пользователя А (Новичок):
     Результат 1 (Добавить): 20 + 10 = 30 (Позиция 1)
     Результат 2 (Профиль): 18 + 1 = 19 (Позиция 2)
   • Выдача для Пользователя Б (Опытный):
     Результат 2 (Профиль): 18 + 10 = 28 (Позиция 1)
     Результат 1 (Добавить): 20 + 1 = 21 (Позиция 2)

Вопросы и ответы