Как Google использует социальные одобрения (Endorsements) и метрику близости (Affinity) для персонализации поисковой выдачи

Описание

Какую задачу решает

Патент решает проблему выбора наиболее релевантных и заслуживающих доверия результатов в условиях перенасыщенной поисковой выдачи. Изобретение направлено на повышение ценности SERP путем интеграции социального контекста, исходя из предположения, что пользователи придают больший вес контенту, одобренному людьми из их социального круга (social graph).

Что запатентовано

Запатентована система персонализации результатов поиска на основе социальных одобрений (endorsements). Система индексирует контент и одобрения, сгенерированные членами социального графа пользователя. При поиске система идентифицирует результаты, одобренные контактами, и аннотирует их, указывая автора и источник одобрения (например, социальную сеть или блог). Ключевым механизмом является использование метрики Affinity (близости связи) для выбора наиболее релевантных одобрений для показа.

Как это работает

Система работает в несколько этапов:

• Построение графа и индексирование: Определяется социальный граф пользователя и рассчитывается Affinity контактов. Параллельно система анализирует контент, созданный этими контактами, и создает Endorsement Index, фиксируя одобрения (ссылки, репосты).
• Обработка запроса: При поиске система проверяет, были ли найденные результаты одобрены контактами пользователя.
• Фильтрация и выбор: Система отбирает одобрения только от участников графа и использует Affinity для приоритизации, если одобрений несколько.
• Аннотирование и Ранжирование: Выбранные результаты аннотируются (например, «Иван Петров поделился этим в СоцСети») и могут быть повышены (boosted) в выдаче.

Актуальность для SEO

Средняя. Патент был подан в эпоху активного развития Google+ и концепции «Social Search». Хотя прямая реализация аннотирования веб-результатов социальными связями в том виде, как описано, сейчас менее выражена, лежащие в основе концепции — персонализация, использование endorsements (сигналов одобрения/вовлеченности) и расчет Affinity (близости между сущностями) — остаются фундаментальными для алгоритмов Google в 2025 году, проявляясь в Google Discover, локальном поиске и оценке доверия.

Важность для SEO

Влияние на SEO умеренно высокое (6.5/10). Патент описывает механизм глубокой персонализации, а не глобального ранжирования. Он демонстрирует, как социальное распространение контента и вовлеченность могут напрямую влиять на видимость в поиске для определенного круга лиц. Это подчеркивает стратегическую важность создания контента, который стимулирует естественное распространение (sharing) и получение ссылок от авторитетных пользователей и сообществ.

Детальный разбор

Термины и определения

Affinity (Близость, Аффинити)

Метрика, определяющая силу связи или близость члена социального графа к пользователю. Учитывает такие факторы, как степень разделения (друг, друг друга), количество общих друзей, источник связи и частоту/тип взаимодействия (например, частые комментарии или клики по постам контакта повышают Affinity).

Endorsement (Одобрение)

Ссылка пользователя на онлайн-контент. Может иметь положительную, отрицательную или нейтральную тональность (sentiment). Примеры включают публикацию ссылки в блоге, социальной сети, микроблоге или отзыв. Также включает быстрые действия вроде «Like» или «Share» (quick endorsements).

Endorsement Annotation (Аннотация об одобрении)

Информация, отображаемая рядом с результатом поиска, указывающая, что участник социального графа одобрил этот результат. Включает идентификатор контакта, название использованного сервиса и ссылку на само одобрение.

Endorsement Index (Индекс одобрений)

Структура данных, хранящая информацию об одобрениях. Используется для аннотирования результатов поиска. Включает записи разных типов для оптимизации.

Social Graph (Социальный граф)

Коллекция связей пользователя (люди, контент). Может включать прямые контакты (почта, чат), связи в социальных сетях, подписки. Граф динамичен и включает веса (social signals), отражающие Affinity.

Social Restricts (Социальные ограничения)

Теги в поисковом индексе, связывающие веб-ресурс с социальным графом. Используются для фильтрации или ограничения поиска социально релевантным контентом.

Searcher Entry

Запись в Endorsement Index, которая связывает ищущего пользователя (X) и одобренный документ (A) с одним или несколькими одобрившими (Y), которые находятся в социальном круге X.

Endorsement Entry

Запись в Endorsement Index, которая связывает одобрившего (Y) и одобренный документ (A) с информацией об одобрении (например, URL и временная метка источника одобрения).

Default Endorsement Entry

Оптимизация в Endorsement Index для одобривших с большим количеством связей. Позволяет хранить информацию об одобрении для популярного одобрившего один раз, а не повторять ее для каждого связанного с ним пользователя.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод персонализации поиска с помощью социальных одобрений и выбора на основе Affinity.

1. Система получает запрос от пользователя, у которого есть компьютерный социальный граф.
2. Система получает результаты поиска (электронные документы).
3. Определяется, что конкретный документ связан с несколькими одобрениями (plurality of endorsements).
4. Идентифицируется подмножество членов социального графа пользователя, которые сделали эти одобрения.
5. Для каждого из этих членов идентифицируется их Affinity.
6. Выбор на основе Affinity: Выбирается подмножество одобрений для показа на основе рассчитанной Affinity (приоритет у более близких контактов).
7. Передаются инструкции для отображения результатов, включая аннотации для выбранных одобрений.
8. Требования к аннотации: Аннотация включает текстовый сниппет, содержащий: (i) идентификацию одобрившего, (ii) текст, указывающий сервис, использованный для генерации одобрения, и (iii) веб-ссылку на контент одобрения внутри этого сервиса, причем текст (ii) отличается от ссылки (iii).

Claim 5 (Зависимый): Уточняет фильтрацию релевантности и приватности.

Если результат связан с одобрением, сделанным пользователем, который НЕ является членом социального графа ищущего пользователя, то инструкции предписывают отображать результат БЕЗ аннотации, связанной с этим одобрением. Это механизм строгой персонализации.

Claim 3 (Зависимый): Описывает взаимодействие с интерфейсом.

Если пользователь выбирает ссылку, связанную с идентификацией одного из одобривших (например, кликает на имя друга в аннотации), система фильтрует результаты поиска, чтобы включить только подмножество результатов, основанное на выбранном пользователе.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные, собранные на этапе индексирования, для влияния на ранжирование и представление результатов.

CRAWLING & INDEXING – Сканирование, Индексирование и Извлечение признаков
На этом этапе система сканирует источники социального контента (соцсети, блоги, отзывы). Происходит извлечение endorsements. Система также собирает данные для построения Social Graph, рассчитывает Affinity между пользователями и создает Endorsement Index.

RANKING – Ранжирование
Одобрения используются как социальные сигналы для корректировки ранжирования. В патенте упоминается, что результаты, одобренные членами социального графа, могут быть повышены (boosted). Фактор повышения зависит от Affinity контакта и тональности (sentiment) одобрения (положительное/отрицательное).

RERANKING / METASEARCH – Переранжирование и Смешивание (Презентационный слой)
Основное применение патента. Система использует Endorsement Index и Social Graph пользователя для генерации Endorsement Annotations. На этом этапе происходит выбор того, какие именно одобрения показать, основываясь на Affinity (Claim 1), и фильтрация нерелевантных (Claim 5).

Входные данные:

• ID ищущего пользователя и поисковый запрос.
• Социальный граф пользователя (Contact Index) и данные об Affinity.
• Стандартный набор результатов поиска.
• Endorsement Index.

Выходные данные:

• Набор результатов поиска с социальными аннотациями.
• Скорректированный порядок ранжирования (персонализированный).

На что влияет

• Типы контента: Влияет на любой контент, который может быть предметом одобрения: веб-страницы, блоги, видео, фотоальбомы, отзывы о продуктах и локальных бизнесах.
• Специфические запросы: Наибольшее влияние на запросы, где важны личные рекомендации и доверие (например, выбор ресторана, обзор техники, советы по путешествиям).
• Конкретные ниши: Ниши с активным социальным обсуждением (технологии, развлечения, хобби, локальный бизнес).

Когда применяется

Алгоритм применяется при выполнении строгих условий:

• Условие 1: Пользователь должен быть идентифицирован (залогинен), чтобы система могла получить доступ к его социальному графу.
• Условие 2: Результат поиска должен быть связан с endorsement, зафиксированным в Endorsement Index.
• Условие 3 (Критическое): Автор одобрения должен быть членом социального графа ищущего пользователя. Если автор не в графе, аннотация не показывается (Claim 5).
• Условие 4 (Выборка): Если одобрений несколько, система выбирает, какие показать, основываясь на Affinity (Claim 1).

Пошаговый алгоритм

Процесс А: Офлайн-обработка и Индексирование

1. Сбор данных социального графа: Агрегация данных о контактах пользователей из различных источников (почта, чаты, социальные сети).
2. Расчет Affinity: Расчет и обновление метрик Affinity между пользователями на основе частоты и типа взаимодействий, общих контактов и т.д.
3. Идентификация одобрений: Обработка пользовательского контента (посты, блоги) для выявления endorsements (ссылок на ресурсы).
4. Генерация Endorsement Index: Создание индекса, включающего Endorsement Entries, Searcher Entries и Default Endorsement Entries.

Процесс Б: Обработка запроса в реальном времени

1. Идентификация пользователя: Определение ID ищущего пользователя.
2. Получение социального графа: Извлечение Contact Index пользователя.
3. Получение запроса и генерация результатов: Генерация стандартного набора результатов.
4. Проверка наличия одобрений: Проверка результатов на наличие связанных endorsements в Endorsement Index (проверка пар (Ищущий X, Документ A)).
5. Валидация социального графа: Определение, сделаны ли одобрения контактами из социального графа пользователя.
   • Если НЕТ: Одобрение игнорируется для данного пользователя.
   • Если ДА: Переход к шагу 6.
6. Выборка и ранжирование одобрений: Если документ имеет несколько одобрений, система выбирает подмножество для показа на основе Affinity одобривших.
7. Генерация аннотаций: К выбранным результатам добавляются Endorsement Annotations (имя, сервис, ссылка на одобрение).
8. Корректировка ранжирования (Опционально): Ранжирование результатов может быть повышено на основе наличия одобрений и показателей Affinity.
9. Отображение результатов: Аннотированные и переранжированные результаты отображаются пользователю.

Какие данные и как использует

Данные на входе

• Социальные факторы (Social Graph Data): Данные, определяющие связи пользователя: контакты электронной почты и чатов, связи в социальных сетях (внутренних и внешних), подписки на контент (блоги, фиды).
• Контентные факторы (User-Generated Content): Контент, созданный членами социального графа: посты в блогах и микроблогах, отзывы, комментарии, публичные веб-аннотации.
• Ссылочные факторы: Ссылки, встроенные в пользовательский контент, которые интерпретируются как endorsements ресурсов, на которые они ведут.
• Поведенческие факторы (User Interaction Data): Частота и тип взаимодействия между пользователями (например, как часто пользователь кликает на посты контакта или комментирует их). Эти данные критичны для расчета Affinity.
• Временные факторы: Временные метки одобрений используются для определения свежести (fresh endorsements).

Какие метрики используются и как они считаются

• Affinity (Близость): Ключевая метрика патента. Рассчитывается для определения силы связи между ищущим пользователем и одобрившим. Факторы расчета включают:
  • Степень разделения (друг, друг друга).
  • Количество общих контактов (common middle friends).
  • Источник связи.
  • Частота и тип взаимодействия (комментарии, клики на посты).

  Affinity динамически меняется со временем.

• Endorsement Sentiment (Тональность одобрения): Патент упоминает, что одобрения могут быть положительными, отрицательными или нейтральными. Эта метрика используется для корректировки ранжирования (повышение положительных, понижение отрицательных).
• Recency (Свежесть): Свежесть одобрения. Может использоваться при выборе того, какое одобрение показать.
• Количество одобрений: Общее количество друзей, одобривших ресурс, может использоваться как фактор ранжирования.

Выводы

1. Персонализация через социальный контекст: Патент описывает механизм глубокой персонализации поиска, где видимость и ранжирование результатов зависят от социального контекста пользователя, а не только от глобальной релевантности.
2. Affinity как ключевой фактор ранжирования одобрений: Не все социальные связи равны. Affinity (сила связи) является решающим фактором при определении того, чье одобрение будет показано (Claim 1) и насколько сильно оно повлияет на ранжирование. Взаимодействие и близость важнее простого факта нахождения в списке контактов.
3. Endorsement шире, чем «Лайк»: Одобрение — это любое упоминание или ссылка на ресурс в контенте, созданном пользователем (блог-пост, отзыв, твит, шер). Это подчеркивает важность естественного цитирования и распространения контента.
4. Прозрачность источника и контекста: Система явно указывает не только кто одобрил контент, но и через какой сервис это было сделано, предоставляя прямую ссылку на источник одобрения.
5. Строгая фильтрация по социальному графу: Система фильтрует показ одобрений, ограничиваясь только членами социального графа пользователя (Claim 5). Это служит фильтром релевантности и приватности, защищая от спама чужими одобрениями.
6. Техническая реализация через Endorsement Index: Для обеспечения скорости работы используется специализированный индекс (Endorsement Index) с оптимизациями (например, Default Endorsement Entries).

Практика

Best practices (это мы делаем)

• Создание контента, достойного одобрения (Endorsement-Worthy Content): Фокусируйтесь на создании высококачественного, полезного контента, который пользователи захотят естественным образом рекомендовать, делиться им в социальных сетях или ссылаться на него в своих блогах.
• Стимулирование социального распространения: Активно работайте над дистрибуцией контента. Чем больше реальных пользователей взаимодействуют с контентом и делятся им, тем выше вероятность, что он попадет в Endorsement Index и будет показан их социальному кругу.
• Построение сообщества и повышение Affinity: Развивайте лояльное сообщество вокруг бренда. Высокая вовлеченность и частое взаимодействие пользователей могут повышать показатели Affinity, что делает их одобрения более весомыми в персонализированном поиске.
• Взаимодействие с инфлюенсерами и экспертами: Сотрудничество с авторитетными авторами в вашей нише может привести к созданию ценных Endorsements. Рекомендации от пользователей с высоким влиянием (что коррелирует с высоким Affinity у их подписчиков) имеют больший охват.

Worst practices (это делать не надо)

• Накрутка социальных сигналов и фейковые одобрения: Попытки манипулировать системой через покупку лайков, шеров или создание сетей фейковых аккаунтов неэффективны. Система полагается на Affinity (основанную на реальных взаимодействиях) и строго фильтрует одобрения от аккаунтов вне социального графа пользователя (Claim 5).
• Игнорирование качества и фокус только на объеме шеров: Получение большого количества шеров от нерелевантных или низкоаффинных пользователей не даст значительного эффекта. Важнее качество и релевантность аудитории, которая делится контентом.
• Игнорирование негативных рекомендаций: Патент указывает, что Endorsements могут иметь негативный Sentiment и использоваться для понижения ранга ресурса. Необходимо отслеживать репутацию и реагировать на негатив.

Стратегическое значение

Этот патент подтверждает стратегическую важность интеграции SEO, контент-маркетинга и SMM. Он демонстрирует, как Google использует социальные сигналы и вовлеченность для персонализации поиска, используя доверие внутри социальных кругов. Даже если конкретная реализация (Social Search/Google+) эволюционировала, идея использования одобрений и близости (Affinity) остается мощным инструментом персонализации и оценки доверия (что связано с E-E-A-T).

Практические примеры

Сценарий: Повышение видимости обзора нового гаджета

1. Действие: Публикуется детальный обзор нового смартфона. Влиятельный технический блогер (Инфлюенсер А) читает обзор и делится ссылкой на него в своем Twitter с положительным комментарием.
2. Работа системы Google: Система индексирует твит (endorsement) и добавляет его в Endorsement Index, связывая Инфлюенсера А и URL обзора.
3. Поиск пользователя: Пользователь Б, который подписан на Инфлюенсера А в Twitter и часто взаимодействует с его контентом (высокий Affinity), ищет в Google «обзор нового смартфона».
4. Результат: Google видит, что обзор был одобрен Инфлюенсером А, который находится в социальном графе Пользователя Б с высоким Affinity. Обзор получает аннотацию: «Инфлюенсер А поделился этим в Twitter [ссылка на твит]» и потенциально повышается в ранжировании для Пользователя Б.

Вопросы и ответы