Close Menu

    Как Яндекс связывает просмотр наружной цифровой рекламы (Offline) с онлайн-профилем пользователя для таргетинга (Online)

    СПОСОБ И СИСТЕМА ДЛЯ ПРЕДОСТАВЛЕНИЯ РЕКОМЕНДУЕМОГО ЭЛЕМЕНТА ЦИФРОВОГО КОНТЕНТА (Method and system for providing a recommended digital content item)
    2021 Патенты Яндекс Рекомендательные системы Яндекс Директ Яндекс Карты

    Яндекс патентует систему, которая отслеживает геолокацию пользователя (через GPS смартфона) и определяет вероятность того, что он видел контент на цифровом билборде (офлайн). Если вероятность высока, система проверяет соответствие темы офлайн-контента онлайн-профилю пользователя и затем показывает ему связанный контент или рекламу в интернете.

    Описание

    Какую задачу решает

    Патент решает задачу повышения точности автоматического выбора релевантного контента путем учета действий пользователя вне сети (офлайн). Традиционные системы персонализации ограничены данными о сетевой активности, что не дает полной картины интересов пользователя. Изобретение позволяет интегрировать информацию о взаимодействии пользователя с цифровым контентом в физическом мире (например, на цифровых рекламных панелях — DOOH) в его онлайн-профиль для более точных рекомендаций и таргетинга.

    Что запатентовано

    Запатентованы способ и система атрибуции контента из офлайна в онлайн (Offline-to-Online, O2O). Суть изобретения заключается в отслеживании географического положения электронного устройства пользователя, вычислении вероятности того, что пользователь видел контент на внешнем цифровом дисплее, и последующей доставке связанного контента этому пользователю онлайн. Система использует агрегированные сетевые профили и данные гео-трекинга.

    Как это работает

    Система инициирует показ контента на офлайн-дисплее (билборде). Сервер получает данные геолокации (GPS-логи) с устройства пользователя. Анализируя траекторию, скорость и время пребывания (Dwell Time) пользователя относительно зоны видимости (Coverage Area) дисплея, система рассчитывает параметр вероятности того, что пользователь видел контент. Если вероятность высока, система проверяет объединенный профиль пользователя. Затем она выбирает и доставляет связанный контент или рекламу пользователю онлайн. Для повышения точности могут использоваться дополнительные данные с датчиков (Wi-Fi/Bluetooth) или камер на дисплее.

    Актуальность для SEO

    Высокая (для AdTech). Атрибуция из офлайна в онлайн является ключевым направлением в цифровой рекламе и рекомендательных системах. Технология активно использует экосистему Яндекса (например, данные из Яндекс.Навигатора или Карт) для сбора геолокационных логов.

    Важность для SEO

    Влияние на SEO минимальное (1/10). Этот патент описывает механизмы для персонализированной рекламы и рекомендательных систем (AdTech), а не для ранжирования органического поиска (SEO). Он не дает представлений об алгоритмах краулинга, индексации или ранжирования основного поискового индекса. Однако он демонстрирует возможности Яндекса по обработке пользовательских данных, агрегации профилей между сервисами и пониманию интересов пользователей на основе их поведения в реальном мире.

    Детальный разбор

    Термины и определения

    База данных элементов контента (Content Item Database)
    Репозиторий цифрового контента (например, рекламных объявлений), который может быть сгруппирован в тематические кластеры.
    Журнал навигации (Navigation Log)
    Данные, хранящиеся на устройстве, содержащие GPS-координаты и временные метки, часто собираемые навигационным приложением (например, Yandex.Navigator).
    Зона охвата (Coverage Area)
    Физическая область, в которой контент на внешнем дисплее хорошо виден пользователю.
    Не зависящий от пользователя дисплей (User-independent display)
    Внешний цифровой экран (например, цифровой билборд DOOH) на улице или в помещении, показ контента на котором изначально не персонализирован под конкретного зрителя.
    Объединенный профиль пользователя (Unified/Aggregated User Profile)
    Комбинированный профиль, объединяющий интересы пользователя и идентификаторы (ID устройства, email) из различных онлайн-сервисов (например, Яндекс.Браузер, Яндекс.Маркет). Хранится в Базе данных сетевых профилей пользователей.
    Параметр вероятности (Probability Parameter)
    Вычисляемая оценка, указывающая на вероятность того, что пользователь действительно просмотрел контент на внешнем дисплее. Рассчитывается на основе геолокации, траектории и времени пребывания.
    Первый/Второй элемент цифрового контента (First/Second digital content item)
    Первый элемент — это неперсонализированный контент, показанный офлайн (на билборде). Второй элемент — это связанный контент, выбранный для последующей онлайн-доставки пользователю.
    Результат отслеживания географического положения
    Обработанные данные из Журнала навигации, включающие траекторию движения и интервалы времени пребывания (Dwell Time).

    Ключевые утверждения (Анализ Claims)

    Патент защищает метод связывания офлайн-просмотров контента с онлайн-профилем пользователя для последующих рекомендаций.

    Claim 1 (Независимый пункт): Описывает основной способ работы системы.

    1. Сервер инициирует показ Первого элемента контента (неперсонализированного) на внешнем (не зависящем от пользователя) дисплее, имеющем Зону охвата.
    2. Сервер получает данные геолокации (GPS) от электронного устройства пользователя, указывающие на его перемещение.
    3. На основе этих данных формируется Результат отслеживания (траектория).
    4. Вычисляется Параметр вероятности того, что пользователь видел Первый элемент контента. Расчет основан на сопоставлении траектории пользователя и Зоны охвата дисплея.
    5. Если Параметр вероятности превышает заданный порог, система проверяет, соответствует ли тема Первого элемента контента Сетевому профилю пользователя.
    6. Если тема соответствует профилю, выбирается Второй элемент контента той же тематики.
    7. Второй элемент отправляется на электронное устройство пользователя (онлайн-доставка).

    Claims 2, 3 (Зависимые пункты): Уточняют механизм повышения точности для дисплеев (например, внутри помещений).

    • Внешний дисплей включает датчик (например, Wi-Fi/Bluetooth сниффер).
    • Параметр вероятности дополнительно зависит от обнаружения этим датчиком электронного устройства (по уникальному идентификатору, мощности сигнала) в Зоне охвата.

    Claims 5, 6 (Зависимые пункты): Детализируют использование данных о траектории.

    • Результат отслеживания включает траекторию и интервалы времени пребывания (Dwell Time).
    • Вероятность зависит от пересечения траектории с Зоной охвата и от того, превышает ли время пребывания заранее заданную продолжительность.

    Claims 9, 10 (Зависимые пункты): Вводят распознавание лиц для атрибуции.

    • Внешний дисплей включает камеру.
    • Метод включает фиксацию изображения пользователя и сопоставление его с профилем пользователя (например, через распознавание лиц и обращение к веб-сервисам).

    Где и как применяется

    Изобретение функционирует вне архитектуры основного органического поиска (CRAWLING, INDEXING, QUERY PROCESSING, RANKING, BLENDER). Оно относится к инфраструктуре Персонализированных Рекомендаций и Рекламы (AdTech).

    Сбор данных (Data Acquisition — Offline):

    • Система собирает данные из нескольких источников: (i) Датчики геолокации (GPS) на устройствах пользователей, часто через приложения Яндекса (Навигатор, Карты); (ii) Датчики (Wi-Fi/Bluetooth) на внешних дисплеях, собирающие MAC-адреса и мощность сигнала; (iii) Камеры на внешних дисплеях.

    Обработка данных и Профилирование (Data Processing & User Profiling):

    • Серверное приложение обрабатывает эти данные. Это включает анализ траектории и расчет вероятности просмотра.
    • Система взаимодействует с Базой данных профилей пользователей, которая агрегирует данные из различных сервисов Яндекса (Браузер, Маркет и т.д.) для формирования Объединенного профиля пользователя. Профиль используется для идентификации и проверки релевантности контента.

    Доставка (Delivery — Online):

    • Система доставляет таргетированный контент через серверы онлайн-сервисов (например, РСЯ или рекомендации), когда пользователь обращается к этим сервисам.

    На что влияет

    • Типы контента: В первую очередь влияет на персонализированную рекламу (Яндекс.Директ, РСЯ) и системы рекомендаций контента (например, Дзен).
    • Органический поиск: Не влияет на ранжирование органических результатов поиска (SEO).
    • Географические ограничения: Сильно зависит от географии, так как требует отслеживания физической близости пользователя к конкретным цифровым дисплеям.

    Когда применяется

    Алгоритм активируется при совпадении нескольких условий:

    • Триггер 1 (Офлайн-присутствие): Когда пользователь физически перемещается рядом с участвующим в системе внешним цифровым дисплеем (DOOH), и его устройство собирает GPS-данные.
    • Триггер 2 (Обработка данных): Когда устройство загружает навигационные логи на сервер Яндекса, и сервер обнаруживает близость к дисплею во время показа контента.
    • Пороги: Рассчитанный Параметр вероятности должен превысить заранее определенный порог. Время пребывания должно превышать минимальную продолжительность, считающуюся достаточной для просмотра.

    Пошаговый алгоритм

    1. Показ офлайн-контента (Инициирование): Сервер инициирует показ Первого элемента контента (неперсонализированного) на цифровом билборде.
    2. Сбор данных (Офлайн-отслеживание):
      • Электронное устройство пользователя записывает GPS-данные и временные метки (Журнал навигации).
      • (Опционально, в помещении): Датчики на билборде (WiFi/Bluetooth) обнаруживают присутствие устройства (MAC-адрес, мощность сигнала).
      • (Опционально, в помещении): Камеры на билборде фиксируют изображения зоны просмотра.
    3. Загрузка и прием данных: Сервер получает Журнал навигации от устройства и (если применимо) данные датчиков и изображения от билборда.
    4. Формирование результата отслеживания (Анализ траектории): Сервер обрабатывает Журнал навигации для формирования истории перемещений пользователя (траектория и время пребывания).
    5. Атрибуция и сопоставление с профилем (Улучшение для помещений):
      • Система пытается связать физическое присутствие с конкретным профилем пользователя.
      • Может использоваться распознавание лиц на снятых изображениях для сопоставления с фотографиями профилей в Базе данных профилей пользователей.
      • Если совпадение найдено, История навигации дополняется точными данными о местоположении (например, этаж, расстояние до экрана).
    6. Расчет вероятности: Система определяет Параметр вероятности того, что пользователь видел Первый элемент контента. Это основано на эвристических правилах:
      • Пересекала ли траектория Зону охвата билборда во время показа.
      • Времени пребывания в зоне охвата.
      • Скорости движения (например, замедление возле билборда).
      • (В помещении): Мощности сигнала, указывающей на близость.
    7. Проверка порога: Параметр вероятности сравнивается с заранее определенным порогом.
    8. Проверка релевантности темы: Если порог превышен, система извлекает агрегированный профиль пользователя и проверяет, соответствует ли тема Первого элемента контента интересам в профиле.
    9. Выбор онлайн-контента: Если тема соответствует, система выбирает Второй элемент контента из того же тематического кластера. (Если не соответствует, профиль может быть обновлен для отражения нового интереса).
    10. Онлайн-доставка: Второй элемент контента отправляется на сервисные серверы (например, серверы РСЯ) с инструкциями показать его пользователю онлайн.

    Какие данные и как использует

    Данные на входе

    Патент фокусируется на данных, связанных с пользователем, его устройством и инфраструктурой офлайн-дисплеев. Факторы, связанные с контентом сайтов, ссылками или техническими аспектами сайтов (релевантные для SEO), не упоминаются.

    • Географические факторы (Критические): GPS-координаты и временные метки с устройства пользователя (Журналы навигации). Физическое местоположение и зона охвата цифровых дисплеев.
    • Технические факторы (Устройства и Датчики): Идентификаторы устройств (проприетарные ID, назначенные приложениями Яндекса), MAC-адреса, идентификаторы Bluetooth и мощность сигнала, зафиксированные офлайн-датчиками.
    • Пользовательские факторы: Агрегированные профили пользователей, содержащие интересы, полученные из онлайн-активности (история просмотров, поисковые логи) в различных сервисах. Идентификаторы пользователя (логин, email), используемые для связывания профилей.
    • Мультимедиа факторы: Изображения или видео, снятые камерами, встроенными в цифровые дисплеи. Публичные изображения профилей, используемые для сопоставления при распознавании лиц.
    • Временные факторы: Время показа офлайн-контента. Временные метки GPS-положений. Время пребывания пользователя в зоне охвата.

    Какие метрики используются и как они считаются

    • Результат отслеживания географического положения: Расчет траектории и времени пребывания на основе GPS-данных.
    • Параметр вероятности (Probability Parameter): Ключевая метрика. Рассчитывается с использованием набора эвристических правил. Правила включают:
      • Пересечение траектории и зоны охвата во время показа.
      • Анализ времени пребывания (Dwell Time) (должно превышать минимальную продолжительность).
      • Анализ скорости (например, замедление указывает на внимание).
      • (В помещении) Анализ мощности сигнала (обнаружение близости).
    • Агрегация профилей: Процедура объединения профилей из разных сервисов на основе совпадающих уникальных идентификаторов (ID устройств, email).
    • Распознавание лиц: Упоминается как метод сопоставления офлайн-зрителей с онлайн-профилями в сценариях внутри помещений.
    • Сопоставление темы и профиля: Определение того, соответствует ли тема просмотренного офлайн-контента интересам, зафиксированным в онлайн-профиле пользователя.

    Выводы

    Патент описывает исключительно инфраструктуру рекламных технологий (AdTech) Яндекса и не содержит информации об алгоритмах органического ранжирования. Практических выводов для SEO нет.

    1. Связь офлайн и онлайн (O2O Attribution): Ключевая цель патента — связать действия пользователя в физическом мире (просмотр цифрового билборда) с его цифровым профилем для последующего таргетинга онлайн.
    2. Глубокое профилирование пользователей: Патент демонстрирует сложные механизмы Яндекса по сбору и агрегации данных. Система объединяет данные из разных сервисов (Браузер, Маркет) и связывает их с данными геолокации (Навигатор, Карты).
    3. Использование геолокации для атрибуции: Основной механизм атрибуции базируется на анализе GPS-данных устройства пользователя, его траектории и времени нахождения (Dwell Time) в зоне видимости (Coverage Area) рекламного дисплея.
    4. Мультимодальная идентификация (для помещений): Для повышения точности внутри зданий система может использовать дополнительные сигналы: WiFi/Bluetooth сниффинг (MAC-адреса, мощность сигнала) и даже распознавание лиц с помощью камер на дисплее для сопоставления зрителя с онлайн-профилем.
    5. Вероятностная модель просмотра: Система не утверждает факт просмотра, а рассчитывает Параметр вероятности на основе эвристических правил.

    Практика

    ВАЖНО: Патент описывает внутренние процессы рекламной сети Яндекса (AdTech) без прямых рекомендаций для SEO. Он не дает практических выводов для оптимизации органического поиска.

    Best practices (это мы делаем)

    Информация для SEO отсутствует. Патент не описывает механизмы ранжирования органического поиска.

    Worst practices (это делать не надо)

    Информация для SEO отсутствует. Патент не описывает механизмы борьбы с SEO-манипуляциями или факторы пессимизации в органическом поиске.

    Стратегическое значение

    Стратегическое значение для SEO минимально. Однако патент важен для понимания общей экосистемы Яндекса и его возможностей в области сбора и анализа пользовательских данных. Он подтверждает, что Яндекс обладает высокоточной информацией о перемещениях пользователей (через Навигатор/Карты) и агрегирует детальные профили интересов. Хотя эти данные в данном патенте используются для рекламы, само наличие таких детализированных профилей косвенно подчеркивает важность понимания интересов и поведения аудитории в широком смысле.

    Практические примеры

    Практических примеров для SEO нет. Патент относится к сфере платной цифровой рекламы (Digital Advertising/Paid Media).

    Пример из области платной рекламы (Не SEO):

    1. Сценарий: Пользователь едет по шоссе, используя Яндекс.Навигатор. На цифровом билборде показывается реклама нового жилого комплекса (Первый элемент контента).
    2. Действие системы: Сервер Яндекса анализирует GPS-лог Навигатора и определяет, что пользователь снизил скорость и находился в зоне видимости билборда достаточное время. Параметр вероятности просмотра высок.
    3. Проверка профиля: Система проверяет онлайн-профиль пользователя и видит, что он недавно искал «купить квартиру». Тема соответствует профилю.
    4. Онлайн-доставка: Позже в тот же день, когда пользователь открывает Яндекс.Браузер или сайты РСЯ, ему показывается баннер с предложением ипотеки для этого жилого комплекса (Второй элемент контента).

    Вопросы и ответы

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

    Нет, прямого влияния нет. Патент относится к области AdTech и системам рекомендаций контента. Он описывает, как Яндекс отслеживает взаимодействие пользователей с офлайн-контентом (например, цифровой рекламой на улицах) и использует эту информацию для показа релевантного контента онлайн (в РСЯ или приложениях). Алгоритмы органического ранжирования в этом патенте не затрагиваются.

    Какое значение этот патент имеет для SEO-специалиста?

    Значение минимально и заключается в понимании технологических возможностей Яндекса по сбору данных о пользователях. Патент демонстрирует, насколько глубоко Яндекс анализирует поведение пользователей, объединяя данные из разных сервисов и интегрируя офлайн-активность (перемещения) в цифровые профили. Это подчеркивает общий тренд на глубокую персонализацию сервисов.

    Какие данные Яндекс собирает для работы этой системы?

    Ключевыми данными являются журналы геолокации (GPS-координаты и время) с устройств пользователя, часто собираемые через приложения типа Яндекс.Навигатор или Карты. Также патент предусматривает сбор данных датчиками на самих рекламных щитах: Wi-Fi/Bluetooth сигналы (MAC-адреса, мощность сигнала) и изображения с камер.

    Как система определяет, что я действительно видел рекламу на щите, а не просто проехал мимо?

    Система рассчитывает «Параметр вероятности». Он основан на наборе эвристик: находился ли пользователь в зоне видимости (Зоне охвата) щита именно в момент показа рекламы, какова была его скорость, сколько времени он провел в этой зоне (Dwell Time). Если вы двигались медленно или остановились перед билбордом, вероятность будет выше.

    В патенте упоминается распознавание лиц. Яндекс использует его для таргетинга?

    Патент описывает такую возможность как один из вариантов реализации (Claims 9, 10), особенно для использования внутри помещений. Камера на рекламном щите может зафиксировать изображение зрителя, а система попытается сопоставить его с изображениями из открытых источников или профилей пользователей для идентификации. Это позволяет точнее связать офлайн-просмотр с онлайн-профилем.

    Что такое «Объединенный профиль пользователя», упомянутый в патенте?

    Это агрегированный профиль, который Яндекс формирует путем слияния данных из разных своих сервисов (например, Поиск, Маркет, Браузер), которыми пользуется один и тот же человек. Профили объединяются на основе общих идентификаторов, таких как ID устройства или email. Это позволяет системе иметь полное представление об интересах пользователя.

    Если я увидел офлайн-рекламу автомобиля, значит ли это, что мой сайт по автотематике будет ранжироваться выше для меня?

    Нет. Это значит, что система с высокой вероятностью покажет вам связанную рекламу или рекомендованный контент (например, статью в Дзене) по этой теме, когда вы будете пользоваться онлайн-сервисами Яндекса. На органическую выдачу это не влияет.

    Что происходит, если система определила, что я видел рекламу, но эта тема мне не интересна (не соответствует моему профилю)?

    Основной сценарий (Claim 1) предполагает показ связанного контента, если тема соответствует профилю. Однако в описании патента упоминается, что если тема не соответствует профилю, система может обновить профиль пользователя, чтобы отразить этот новый (предполагаемый) интерес.

    Какая точность геолокации требуется для работы этой системы?

    Патент признает, что точность GPS может быть недостаточной, особенно в помещениях. Именно поэтому для повышения точности предлагается использовать дополнительные данные: Wi-Fi сигналы (для определения этажа и близости к экрану) и камеры. Для наружной рекламы используется стандартная точность GPS.

    Что такое «Не зависящий от пользователя дисплей»?

    Это технический термин для обозначения любого публичного цифрового экрана (Digital Out-of-Home, DOOH), который показывает контент широкой аудитории, не персонализируя его под конкретного проходящего мимо человека в момент показа. Примеры: цифровые билборды на улицах или рекламные панели в торговых центрах.