Как Google использует активность в социальных сетях (лайки, репосты, комментарии) для систем обнаружения контента (Discovery)

Описание

Какую задачу решает

Патент решает проблему обнаружения «интересного» (interesting content) или развлекательного контента пользователем, который не вводит ключевые слова. Он описывает переход от транзакционного поиска (удовлетворение конкретной потребности) к поиску-обнаружению (Discovery), предоставляя контент, который, вероятно, заинтересует пользователя, основываясь на коллективной активности других участников социальной сети.

Что запатентовано

Запатентована система для беззапросного поиска (Queryless Search или Discovery) в контексте социальной сети. Система идентифицирует контент на основе его популярности и вовлеченности, измеряемой с помощью social engagement signals (сигналов социального взаимодействия). Когда пользователь инициирует запрос без ключевых слов (например, нажимая кнопку «Интересы»), система использует эти сигналы для генерации внутреннего запроса, поиска и ранжирования контента.

Как это работает

Система работает следующим образом:

• Сбор сигналов: Система непрерывно отслеживает и сохраняет social engagement signals, связанные с ресурсами. Эти сигналы включают лайки, репосты, комментарии, а также временные паттерны активности (например, резкие всплески взаимодействий вокруг событий).
• Инициация поиска: Пользователь инициирует поиск без ввода ключевых слов (exclusive of a user entered search query).
• Генерация внутреннего запроса: Система анализирует самые сильные social engagement signals и, возможно, профиль пользователя. На основе этих данных она генерирует внутренний запрос, содержащий ключевые слова (которых не было в запросе пользователя).
• Поиск и ранжирование: Система выполняет поиск по индексу. Результаты ранжируются на основе силы social engagement signals, факторов персонализации и состава контента.

Актуальность для SEO

Высокая (для концепции). Хотя патент был подан в 2012 году (во времена Google+) и описывает реализацию внутри социальной сети, описанные принципы использования сигналов вовлеченности для беззапросного обнаружения контента являются фундаментальными. Эти механизмы крайне актуальны для понимания работы современных лент социальных сетей и платформ типа Google Discover.

Важность для SEO

Влияние на SEO оценивается как среднее (5.5/10). Патент имеет минимальное значение для традиционного SEO (ранжирование по ключевым словам в SERP). Однако он имеет критическое значение для стратегий оптимизации под социальные медиа (SMO) и платформы обнаружения контента (например, Google Discover). Он демонстрирует, что для видимости на таких платформах ключевую роль играют метрики вовлеченности и виральность, а не традиционная текстовая релевантность.

Детальный разбор

Термины и определения

Social Engagement Signal (Сигнал социального взаимодействия)

Хранимые данные, указывающие на уровень интереса пользователей к ресурсу. Генерируется на основе Quantifiable Value и используется для идентификации и ранжирования интересного контента без явного запроса.

Quantifiable Value (Количественное значение)

Числовая оценка, присваиваемая ресурсу на основе объема и паттернов взаимодействий с ним (лайки, репосты, комментарии). Является основой для Social Engagement Signal.

Pattern of Sharing (Паттерн репостов / Паттерн взаимодействия)

Характер распространения контента в социальной сети. Система анализирует динамику взаимодействий, например, резкие всплески (spikes) активности в течение определенного времени.

Event (Событие)

Событие (например, спортивный матч, новость), вокруг которого анализируется активность пользователей. Используется для выявления Pattern of Sharing.

Queryless Search (Беззапросный поиск / Discovery)

Поиск, инициированный пользователем без ввода ключевых слов (exclusive of a user entered search query). Например, нажатием кнопки «Интересы».

Composition of the content (Состав контента)

Структура и элементы ресурса (количество и способ интеграции ссылок, количество видео, разнообразие медиа). Упоминается в описании как фактор ранжирования.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс беззапросного поиска на основе социальной активности.

1. Система получает от пользователя (члена социальной сети) ввод, указывающий только на запрос контента и исключающий введенный пользователем поисковый запрос.
2. В ответ система выполняет поиск веб-ресурсов. Этот процесс включает:
   1. Идентификацию других членов социальной сети.
   2. Идентификацию взаимодействий (engagements) с ресурсами, совершенных этими членами. Это включает идентификацию событий (event), связанных с взаимодействиями.
   3. Ассоциирование quantifiable value с каждым ресурсом. Ключевой момент: Для ресурсов, связанных с событием, это значение ассоциируется с паттерном репостов (pattern in which the resources have been shared). Паттерн основан на количестве репостов в пределах порогового периода времени от события, превышающем пороговое количество репостов (т.е. учитываются всплески активности/spikes).
   4. Генерацию social engagement signal для каждого ресурса на основе этого quantifiable value.
3. В ответ на запрос пользователя система генерирует внутренний запрос (query) на основе social engagement signals. Этот сгенерированный запрос содержит ключевые слова, которые отсутствовали в запросе пользователя.
4. Система идентифицирует ресурсы, которые могут быть интересны пользователю, на основе этого сгенерированного внутреннего запроса.
5. Система предоставляет результаты поиска пользователю.

Claim 2 (Зависимый от 1): Дополняет процесс персонализацией.

Система получает доступ к информации профиля пользователя (user profile information) и идентифицирует ресурсы, основываясь как на сгенерированном внутреннем запросе, так и на информации профиля пользователя.

Claims 3-6 (Зависимые от 1): Определяют, что может входить в quantifiable value.

Значение может основываться на количестве репостов (Claim 3), количестве комментариев (Claim 4), количестве рекомендаций (Claim 5) или комбинации этих факторов, включая паттерны репостов (Claim 6).

Claim 7 (Зависимый от 1): Уточняет ранжирование.

Результаты предоставляются в ранжированном порядке, соответствующем весам (weights), ассоциированным с различными social engagement signals.

Где и как применяется

Изобретение применяется в системах обнаружения контента (Discovery), в первую очередь в контексте социальной сети.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит сбор и анализ социальных данных. Система сканирует контент (внутренний и внешний). Происходит извлечение и расчет social engagement signals. Это включает мониторинг взаимодействий (лайки, репосты, комментарии) и критически важный анализ временных паттернов и всплесков активности вокруг событий. Эти данные сохраняются в индексе.

QUNDERSTANDING – Понимание Запросов
Когда пользователь делает беззапросный запрос (например, открывает ленту), система интерпретирует это как команду на поиск интересного контента. На этом этапе происходит генерация внутреннего запроса, содержащего ключевые слова. Этот запрос строится на основе сохраненных social engagement signals и данных профиля пользователя.

RANKING – Ранжирование
Система отбирает кандидатов, используя сгенерированный внутренний запрос. Ранжирование отобранного контента происходит на основе силы social engagement signals. Разным сигналам могут присваиваться разные веса. Также учитываются факторы персонализации (Claim 2) и состав контента (упомянуто в Описании).

Входные данные:

• Беззапросный запрос от пользователя (например, клик по кнопке).
• Сохраненные Social Engagement Signals для ресурсов.
• Данные профиля пользователя (интересы, социальный граф).

Выходные данные:

• Ранжированный список «интересного» контента (например, лента рекомендаций).

На что влияет

• Платформы обнаружения контента: Основное применение — ленты социальных сетей и системы типа Google Discover, где контент предлагается пользователю без явного запроса.
• Типы контента: Влияет на контент, который генерирует высокую социальную вовлеченность — вирусный контент, новости, статьи, вызывающие обсуждения, блоги, посты.
• Тематики и события: Особенно сильно влияет на контент, связанный с актуальными событиями (новости, спорт, тренды), так как система явно ищет всплески активности (spikes) вокруг событий (Event).
• Форматы контента: Может влиять на предпочтение форматов с богатым составом (видео, несколько ссылок), так как Composition of the content учитывается при ранжировании.

Когда применяется

• Условия применения: Алгоритм применяется только тогда, когда пользователь инициирует процесс обнаружения контента без использования ключевых слов. Он не используется во время стандартного поискового запроса.
• Триггеры активации: Нажатие пользователем кнопки (например, «Интересы») или открытие вкладки/приложения Discovery.
• Пороговые значения: Для идентификации значимых паттернов активности используются пороги: пороговое количество репостов и пороговый период времени от события.

Пошаговый алгоритм

Процесс делится на два основных этапа: непрерывную обработку сигналов и выполнение поиска в реальном времени.

Процесс А: Непрерывная обработка (Генерация сигналов)

1. Мониторинг взаимодействий: Отслеживание взаимодействий (репосты, комментарии, рекомендации) членов социальной сети с веб-ресурсами.
2. Идентификация событий: Определение событий (Event), с которыми связаны взаимодействия.
3. Анализ паттернов: Анализ Pattern of Sharing. Особое внимание уделяется всплескам активности (spikes), связанным с событиями (высокий объем взаимодействий за короткое время, превышающий пороги).
4. Расчет оценок: Вычисление Quantifiable Values для ресурсов на основе объема и паттернов взаимодействий.
5. Генерация сигналов: Генерация и сохранение Social Engagement Signals на основе рассчитанных значений в индексе.

Процесс Б: Выполнение поиска в реальном времени

1. Получение запроса: Получение беззапросного запроса от пользователя.
2. Извлечение сигналов: Извлечение наиболее сильных Social Engagement Signals.
3. Персонализация (Опционально): Доступ к профилю пользователя для учета его интересов.
4. Генерация внутреннего запроса: Генерация внутреннего запроса, содержащего ключевые слова, на основе извлеченных сигналов и данных профиля.
5. Поиск в индексе: Выполнение поиска по индексу с использованием внутреннего запроса.
6. Извлечение ресурсов: Получение списка ресурсов-кандидатов.
7. Ранжирование: Ранжирование ресурсов на основе:
   • Силы Social Engagement Signals.
   • Весовых коэффициентов различных типов сигналов.
   • Факторов персонализации.
   • Состава контента (Composition of the content).
8. Вывод результатов: Предоставление ранжированной ленты контента пользователю.

Какие данные и как использует

Данные на входе

Система использует преимущественно поведенческие и социальные данные, а также временные и контентные факторы.

• Поведенческие / Социальные факторы (Ключевые):
  • Количество репостов (Shares).
  • Количество комментариев (Comments).
  • Количество рекомендаций (Recommendations, Likes, +1s).
  • Количество поисковых запросов ресурса внутри социальной сети (упомянуто в описании).
• Временные факторы:
  • Паттерны взаимодействия с течением времени (Pattern of Sharing).
  • Всплески активности (Spikes).
  • Свежесть взаимодействий.
  • Время взаимодействия относительно событий (Event).
• Контентные факторы (Composition): (Используются для ранжирования, согласно Описанию)
  • Длина контента.
  • Состав контента (текст, изображения, видео). Разнообразие типов контента может повышать ценность.
  • Количество ссылок в контенте (больше ссылок может повышать ценность, так как дает возможность для «link surfing»).
  • Способ включения ссылок (например, встроенные в текст ссылки ценнее рекламных или не связанных списков).
• Пользовательские факторы:
  • Информация профиля пользователя (интересы).

Какие метрики используются и как они считаются

• Quantifiable Value: Базовая метрика, рассчитываемая на основе объема и паттернов социальных взаимодействий. Для контента, связанного с событиями, она учитывает количество репостов в течение порогового периода времени, превышающее пороговое значение (формула для определения всплеска активности).
• Social Engagement Signal: Итоговая метрика, производная от Quantifiable Value, которая указывает на уровень интереса к контенту.
• Ranking Weights (Веса ранжирования): Система использует весовые коэффициенты для различных типов social engagement signals (Claim 7).
• Strength of Signal (Сила сигнала): Используется для определения наиболее популярных ресурсов и их ранжирования.

Выводы

1. Механизм для «Discovery» (Беззапросного поиска): Патент описывает конкретную реализацию системы обнаружения контента, которая активируется без ввода ключевых слов пользователем. Это фундаментальный принцип работы рекомендательных лент.
2. Вовлеченность как основа видимости: В этой системе видимость контента определяется пользовательским взаимодействием (social engagement signals), а не традиционной релевантностью ключевым словам.
3. Критичность паттернов активности и виральности: Система явно выделяет временные паттерны активности и всплески (spikes), особенно связанные с событиями, как ключевые сигналы интереса. Это подчеркивает важность виральности и своевременности контента.
4. Генерация внутренних запросов: Несмотря на отсутствие ключевых слов от пользователя, система генерирует внутренние ключевые запросы на основе анализа социальных сигналов и профиля пользователя для поиска релевантного контента в индексе.
5. Персонализация как фильтр: Информация из профиля пользователя используется для фильтрации и ранжирования контента (Claim 2), обеспечивая релевантность ленты для конкретного пользователя.
6. Влияние состава контента на ранжирование: Состав контента (Composition of the content), например, наличие смешанных типов медиа или хорошо интегрированных ссылок, может повышать его ценность и влиять на ранжирование.

Практика

Практическое применение в SEO

Патент описывает работу рекомендательных систем (Discovery/Trends), а не основного веб-поиска. Прямых рекомендаций для классического SEO нет, но есть важные выводы для SMM и стратегий, ориентированных на Google Discover.

Best practices (это мы делаем)

• Создание контента, стимулирующего вовлеченность: Фокусируйтесь на контенте, который мотивирует пользователей оставлять комментарии, делиться и рекомендовать его на социальных платформах. Это напрямую влияет на Social Engagement Signals, которые критичны для попадания в рекомендательные ленты.
• Фокус на своевременном и трендовом контенте (Real-Time Marketing): Создавайте контент, связанный с текущими событиями и новостями. Система специально ищет всплески активности (spikes) вокруг событий (Event). Быстрая реакция на инфоповоды может обеспечить высокую видимость.
• Оптимизация состава контента (Content Composition): Используйте смешанные типы медиа (изображения, видео). Включайте полезные встроенные ссылки по теме. Патент предполагает, что это повышает ценность контента (например, стимулирует «link surfing»).
• Активная дистрибуция в социальных сетях: Стимулируйте распространение контента на социальных платформах для генерации необходимых сигналов. Чем быстрее контент набирает популярность (всплеск активности), тем выше вероятность его попадания в ленты Discovery.

Worst practices (это делать не надо)

• Создание «статичного» контента без потенциала для обсуждения: Контент, который не вызывает эмоций и не мотивирует к взаимодействию, вряд ли получит высокие Social Engagement Signals и будет игнорироваться системами Discovery.
• Игнорирование социальных медиа и вовлеченности: Рассчитывать только на традиционный SEO-трафик и игнорировать метрики вовлеченности снижает потенциал для привлечения трафика из беззапросных источников.
• Медленная реакция на тренды: Публикация контента о событии спустя значительное время после его завершения не позволит воспользоваться механизмом обнаружения всплесков активности.

Стратегическое значение

Патент подчеркивает стратегическое разделение между транзакционным поиском (основанным на ключевых словах) и поиском-обнаружением (основанным на интересе и вовлеченности). Современные SEO-стратегии должны учитывать оба направления. Для успеха в системах Discovery необходимо фокусироваться на создании вирального, своевременного и социально привлекательного контента. Этот патент дает техническое обоснование того, почему поведенческие и социальные факторы критически важны для платформ типа Google Discover.

Практические примеры

Сценарий: Попадание статьи в ленту Discovery после спортивного события

1. Событие: Проходит важный футбольный матч (Event).
2. Создание контента: Новостной сайт оперативно публикует статью с анализом ключевых моментов матча. Статья содержит текст, видеоповторы и встроенные ссылки на профили игроков (богатый Composition of the content).
3. Дистрибуция и Вовлеченность: Статья активно распространяется в социальных сетях. Болельщики быстро делятся ей и комментируют (всплеск активности).
4. Анализ Сигналов: Система обнаруживает Pattern of Sharing — большое количество взаимодействий за короткий промежуток времени, связанное с событием. Генерируется сильный Social Engagement Signal.
5. Активация Discovery: Пользователь, интересующийся футболом (согласно его профилю), открывает свою ленту Discovery (беззапросный ввод).
6. Генерация запроса и Ранжирование: Система генерирует внутренний запрос на основе сильного сигнала и интересов пользователя. Статья получает высокий рейтинг благодаря силе сигнала и составу контента.
7. Результат: Статья отображается в топе ленты Discovery пользователя, хотя он не искал информацию о матче специально.

Вопросы и ответы