Как Яндекс динамически оптимизирует форматы и расположение рекламы на выдаче с помощью аукциона шаблонов

Описание

Какую задачу решает

Патент решает задачу оптимизации выбора и размещения таргетированных сообщений (рекламных объявлений) в среде электронного аукциона. Основная проблема — как максимизировать общую ценность рекламного блока (учитывая доход, релевантность для пользователя и вероятность клика), когда сам макет страницы (layout) может динамически меняться. Система уходит от оптимизации рекламы для фиксированных слотов к совместной оптимизации набора объявлений и шаблона их отображения.

Что запатентовано

Запатентована система и метод проведения обобщенного аукциона, который одновременно оптимизирует как выбор элементов (рекламных объявлений), так и шаблон (макет или Template), используемый для их отображения. Суть изобретения заключается в двухэтапной оптимизации: сначала подбирается оптимальный набор объявлений для каждого доступного шаблона, а затем выбирается тот шаблон, чья общая ценность максимальна.

Как это работает

Система получает набор объявлений-кандидатов и набор доступных шаблонов. Для каждого шаблона запускается оптимизационный алгоритм (например, алгоритм максимального соответствия или решение Задачи о назначениях), чтобы найти комбинацию объявлений, максимизирующую Параметр Суммарной Ценности (Total Value Parameter, TVP). Ценность рассчитывается на основе ставок, прогнозируемого CTR (pCTR) и релевантности. Затем система сравнивает суммарную ценность всех шаблонов, корректируя ее на Весовой Параметр (Weight Parameter), специфичный для каждого шаблона, и выбирает шаблон-победитель для показа пользователю.

Актуальность для SEO

Высокая. Динамическая оптимизация рекламных макетов и проведение сложных аукционов в реальном времени являются стандартом для современных поисковых систем и рекламных платформ (таких как Яндекс Директ). Описанные механизмы, включая использование машинного обучения для прогнозирования метрик и VCG-подобное ценообразование, активно применяются.

Важность для SEO

Влияние на SEO опосредованное (5/10). Этот патент относится исключительно к рекламной системе, а не к органическому ранжированию. Однако он имеет критическое значение для понимания структуры SERP. Он описывает механизм, с помощью которого Яндекс динамически оптимизирует видимость, формат и количество рекламы. Это напрямую влияет на доступное пространство (Screen Real Estate) и потенциальный CTR для органических результатов, особенно по коммерческим запросам.

Детальный разбор

Термины и определения

Таргетированное электронное сообщение (Targeted Electronic Message)

В контексте патента — рекламное объявление (баннер или текстово-графический блок) или «неорганические» результаты поиска.

Шаблон (Template)

Предопределенная конфигурация для отображения набора таргетированных сообщений. Определяет Схему размещения.

Схема размещения (Layout Scheme)

Макет, определенный в шаблоне. Включает количество слотов, их относительное расположение (выше/ниже органики), размер и объем данных (наличие изображений, карт, ссылок и т.д.). Может быть динамической.

Динамическая схема размещения (Dynamic Layout Scheme)

Схема, при которой отображение рекламы меняется при взаимодействии пользователя со страницей. Примеры: Схема фиксации («липкая» реклама при прокрутке) и Схема повторения (повторный показ объявления ниже).

Параметр Индивидуальной Ценности (Individual Value Parameter, VP)

Метрика ценности конкретного объявления в конкретном слоте шаблона. Рассчитывается на основе ставки, pCTR, прогнозируемой релевантности, прогнозируемой конверсии и зарезервированной цены.

Параметр Суммарной Ценности (Total Value Parameter, TVP)

Агрегированная метрика (обычно сумма) Параметров Индивидуальной Ценности всех объявлений, выбранных для данного шаблона.

Весовой Параметр (Weight Parameter)

Параметр, связанный с шаблоном. Используется для корректировки TVP при выборе финального шаблона. Отражает относительный рекламный охват или коэффициент замещения позиций в шаблоне. Состоит из Статической (C) и Динамической (q) составляющих.

Статическая составляющая (C)

Часть Весового Параметра, заданная заранее (офлайн) для каждого шаблона. Определяется на основе экспериментов или оптимизации (например, black-box optimization) для достижения долгосрочных целей (доход, удовлетворенность пользователей).

Динамическая составляющая (q)

Часть Весового Параметра, рассчитываемая в реальном времени. Зависит от признаков выбранных объявлений и запроса (например, релевантность показа карты или изображения в данном контексте). Может использоваться для фильтрации шаблонов.

Оптимизационный алгоритм максимального соответствия (Maximum Matching Optimization Algorithm)

Класс оптимизационных алгоритмов для решения Задачи о назначениях (Assignment Problem), например, Венгерский алгоритм. Используется для нахождения оптимального распределения объявлений по слотам в рамках одного шаблона с целью максимизации TVP.

MLA (Machine Learning Algorithm)

Алгоритм машинного обучения, используемый для прогнозирования CTR, релевантности и вероятности заданного действия (конверсии).

Ключевые утверждения (Анализ Claims)

Патент защищает метод проведения аукциона, который выбирает не только победителей среди объявлений, но и оптимальный способ их показа (шаблон).

Claim 1 (Независимый пункт): Описывает основной процесс.

1. Сервер получает запрос (например, поисковый запрос).
2. Выбирается совокупность объявлений-кандидатов (на основе профиля пользователя и/или релевантности запросу).
3. Получается множество шаблонов, каждый из которых определяет индивидуальную схему размещения (количество, расположение, размер, объем данных).
4. Цикл оптимизации для КАЖДОГО шаблона:
   1. Определяются индивидуальные параметры (ценность, VP) для каждого кандидата в каждой позиции размещения. Этот параметр основан на релевантности (вычисляемой из профиля/истории пользователя).
   2. Посредством оптимизации (например, Assignment Problem) находится сочетание объявлений, которое максимизирует суммарный параметр (TVP), также учитывая текущее местоположение устройства.
5. Выбор победителя: Выбирается шаблон, который имеет наибольшее значение суммарного параметра (TVP).
6. Выбранный шаблон с соответствующим набором объявлений отправляется пользователю.

Claims 8-20 (Зависимые пункты): Детализируют механизм корректировки ценности с помощью Весового Параметра.

Наибольшее значение суммарного параметра выбирается с учетом Весового Параметра (Claim 11). Этот параметр может прибавляться или умножаться на сумму индивидуальных ценностей (Claim 13).

Весовой параметр состоит из Статической (C) и Динамической (q) составляющих (Claim 14).

• Статическая составляющая (C) задается заранее, например, с помощью оптимизации вида «черный ящик» для оптимизации целевой функции (например, дохода) с ограничением на вспомогательную функцию (например, качество поиска/удовлетворенность пользователя) (Claims 15-18).
• Динамическая составляющая (q) вычисляется в реальном времени в зависимости от релевантности запроса содержимому выбранных объявлений и/или местоположения устройства (Claim 19).
• Шаблоны с низкой динамической составляющей могут быть отфильтрованы до финального выбора (Claim 20).

Где и как применяется

Этот патент описывает работу рекламной системы Яндекс (Яндекс Директ/РСЯ) и не относится к алгоритмам органического ранжирования.

RANKING – Ранжирование (Рекламный аукцион)
Система функционирует в рамках подсистемы рекламного аукциона (RTB). На этом этапе происходит расчет ценности (VP) для кандидатов и локальная оптимизация (решение Задачи о назначениях) для каждого шаблона.

BLENDER – Метапоиск и Смешивание (MetaSearch & Blending)
Алгоритм применяется на этапе формирования финальной страницы (SERP). На этом этапе происходит глобальная оптимизация — сравнение скорректированных TVP всех шаблонов и выбор шаблона-победителя, который определяет финальный макет страницы.

• Входные данные: Множество объявлений-кандидатов (с их ставками и признаками), данные о пользователе (запрос, профиль, местоположение), множество доступных шаблонов (с их схемами размещения и статическими весами C).
• Выходные данные: Выбранный шаблон-победитель и оптимальный набор объявлений, размещенных в слотах этого шаблона, а также расчет финальной цены для рекламодателей.

На что влияет

• Структура SERP: Напрямую влияет на то, как выглядит страница результатов поиска. Определяет количество, размер, расположение (над органикой, под ней, сбоку) и формат (текст, изображение, карта, динамические элементы) рекламных блоков.
• Коммерческие запросы: Наибольшее влияние оказывается на высококонкурентные коммерческие тематики, где система будет агрессивно искать шаблоны, максимизирующие доход и CTR.
• Органический CTR: Косвенно влияет на CTR органических результатов, так как более агрессивные или релевантные рекламные форматы (включая динамические схемы, такие как фиксация при прокрутке) могут перетягивать внимание и клики пользователей.
• Географические факторы: Местоположение устройства явно учитывается при расчете динамических весов, влияя на выбор локализованных шаблонов (например, с картами).

Когда применяется

Алгоритм применяется в реальном времени при каждой загрузке страницы, содержащей рекламные блоки (SERP или сайты-партнеры РСЯ).

• Триггер активации: Получение запроса на таргетированное сообщение (например, при обработке поискового запроса пользователя или при загрузке веб-ресурса с рекламными слотами).
• Условия: Наличие нескольких объявлений-кандидатов, конкурирующих за показ, и наличие нескольких доступных шаблонов для отображения.

Пошаговый алгоритм

Процесс аукциона шаблонов:

1. Инициализация: Получение запроса на таргетированные сообщения (например, поискового запроса).
2. Сбор кандидатов и шаблонов:
   1. Выбор релевантных объявлений-кандидатов из базы данных.
   2. Получение множества доступных шаблонов (макетов).
3. Этап 1: Оптимизация внутри шаблонов (Локальная максимизация) (Повторяется для каждого шаблона):
   1. Расчет индивидуальной ценности (VP): Для каждой пары (Объявление, Слот) рассчитывается Параметр Индивидуальной Ценности. В патенте приводится линейная формула:

      $VP=A\cdot t+B$

      Где A — прогнозируемое значение CTR (или производное от него); t — ставка (ценовое предложение); B — коэффициент, не зависящий от ставки (может включать релевантность, вероятность конверсии, зарезервированную цену).

   2. Решение Задачи о Назначениях: Применение оптимизационного алгоритма (например, Венгерского алгоритма) для выбора такого набора объявлений и их распределения по слотам, который максимизирует Параметр Суммарной Ценности (TVP) (сумма VP) для данного шаблона.
4. Этап 2: Выбор шаблона-победителя (Глобальная максимизация):
   1. Расчет Динамического Веса (q): Для каждого шаблона рассчитывается Динамическая составляющая (q) веса на основе признаков уже выбранных объявлений и контекста запроса (например, уместность карты/изображения).
   2. Фильтрация (Опционально): Шаблоны, чей вес (q) ниже порога, могут быть исключены.
   3. Корректировка Ценности: TVP каждого шаблона корректируется с учетом его Весового Параметра (включающего Статическую (C) и Динамическую (q) составляющие). Корректировка может быть аддитивной или мультипликативной.
   4. Выбор: Выбирается шаблон с наибольшим скорректированным TVP.
5. Ценообразование: Расчет финальной цены (P), взимаемой с рекламодателей. Патент описывает механизм, основанный на значении замещения (VCG-подобный механизм), используя формулу:

   $P=V_{1}-(TV-V_{1})$

   Где $V_1$ — суммарная ценность реализованного набора; $(TV-V_1)$ — гипотетическая суммарная ценность в случае отсутствия данного кандидата.

6. Доставка: Отправка шаблона-победителя и соответствующих объявлений пользователю для рендеринга на странице.

Какие данные и как использует

Данные на входе

• Поведенческие факторы: Исторические данные для прогнозирования вероятности клика (pCTR) и вероятности конверсии. Профиль пользователя, история просмотров и поисков используются для оценки релевантности.
• Контентные факторы: Текст, изображения, ссылки и другие данные из тела рекламного объявления. Текст поискового запроса. Используются для оценки релевантности и для расчета Динамического веса (q) шаблона.
• Географические факторы: Текущее местоположение электронного устройства. Используется при расчете релевантности и Динамического веса (например, для шаблонов с картами).
• Финансовые данные (PPC): Ценовые предложения (ставки) от рекламодателей, зарезервированная цена аукциона.
• Системные данные: Определения шаблонов, Статические веса (C) для каждого шаблона.

Какие метрики используются и как они считаются

• Прогнозируемые метрики (pCTR, Релевантность, Конверсия): Рассчитываются с помощью алгоритмов машинного обучения (MLA) на основе исторических данных, признаков объявления, пользователя и запроса.
• Параметр Индивидуальной Ценности (VP): Рассчитывается по линейной формуле $VP=A\cdot t+B$, где учитываются ставка (t) и предсказанные метрики (A, B).
• Параметр Суммарной Ценности (TVP): Сумма VP всех объявлений в шаблоне.
• Статический Вес (C): Определяется офлайн через black-box optimization или A/B тестирование для балансировки долгосрочных метрик (доход vs качество/UX).
• Динамический Вес (q): Рассчитывается в реальном времени (часто с помощью MLA), оценивая уместность элементов шаблона (например, карты) в текущем контексте.
• Финальная Цена (P): Рассчитывается по VCG-механизму (Формула в) на основе значения замещения, что стимулирует правдивость ставок.
• Оптимизационный алгоритм: Используется Алгоритм максимального соответствия (Assignment Problem) для оптимального распределения объявлений по слотам внутри каждого шаблона.

Выводы

1. Это патент про рекламу (PPC), не про органическое ранжирование: Изобретение детально описывает инфраструктуру и логику рекламного аукциона Яндекс Директ. Он не содержит информации об алгоритмах ранжирования органических результатов.
2. Совместная оптимизация компоновки и контента: Ключевая особенность — Яндекс не просто проводит аукцион для фиксированных слотов, а одновременно выбирает и сам макет (шаблон), и объявления для него, чтобы максимизировать общую ценность.
3. Динамическая структура SERP: Ключевой вывод для SEO — макет SERP является динамической переменной. Система активно выбирает, сколько рекламы показать, где и в каком формате, в зависимости от результатов аукциона в реальном времени.
4. Сложный механизм балансировки: Система использует Весовые Параметры (Статические C и Динамические q) для корректировки ценности шаблонов. Это позволяет балансировать краткосрочный доход (TVP) с долгосрочными целями (Статический вес C, например, удовлетворенность пользователей) и контекстуальной уместностью (Динамический вес q).
5. Техническая сложность аукциона: Реализация требует решения сложных оптимизационных задач (Assignment Problem) в реальном времени, использования множества MLA для прогнозирования метрик и применения сложных механизмов ценообразования (VCG).

Практика

Best practices (это мы делаем)

Поскольку патент описывает рекламную систему, прямых рекомендаций по оптимизации органического ранжирования он не дает. Однако он дает критически важное понимание среды, в которой ранжируются органические результаты.

• Анализ реальной видимости, а не только позиций: Необходимо учитывать, что структура SERP динамична. На высококонкурентных запросах система может выбрать шаблон с большим количеством агрессивной рекламы (большой размер, динамические схемы вроде «липких» блоков). Первая органическая позиция может оказаться значительно ниже первого экрана.
• Максимизация органического CTR: В условиях агрессивных и оптимизированных рекламных форматов критически важно работать над привлекательностью органических сниппетов. Используйте микроразметку (Schema.org), прорабатывайте Title и Description, чтобы выделиться на фоне рекламных блоков.
• Анализ конкурентов в Директе: Изучайте, какие форматы рекламы используются в вашей нише (карты, изображения, быстрые ссылки). Это дает понимание того, какие шаблоны Яндекс считает наиболее ценными для данной тематики и с чем придется конкурировать за внимание пользователя.
• Учет локализации: Патент явно учитывает местоположение при выборе шаблонов. Это подчеркивает важность локальной SEO-оптимизации и анализа выдачи с учетом географии.

Worst practices (это делать не надо)

• Игнорирование структуры SERP при планировании: Ошибка считать, что SERP статичен. Нельзя гарантировать определенный объем трафика с Топ-3, не понимая, какие рекламные шаблоны доминируют в нише и как часто они меняются.
• Попытки манипулировать рекламным аукционом через SEO: Механизмы, описанные в патенте (ставки, pCTR рекламы, веса шаблонов), не подвержены влиянию через органическую оптимизацию.

Стратегическое значение

Патент подтверждает высокий уровень развития рекламных технологий Яндекса и стратегический приоритет монетизации выдачи. Для SEO это означает, что давление на органический трафик со стороны рекламы будет только усиливаться за счет более совершенных и динамически подбираемых форматов. Долгосрочная SEO-стратегия должна фокусироваться на построении сильного бренда, оптимизации под запросы с более низким коммерческим интентом, а также на максимизации конверсии трафика, который удается получить из органики в условиях жесткой конкуренции за внимание на SERP.

Практические примеры

Сценарий 1: Высококонкурентный коммерческий запрос

1. Запрос: «купить iphone 15 pro max».
2. Действие системы: В аукционе участвует много рекламодателей с высокими ставками. Система перебирает шаблоны. Шаблон А (3 небольших текстовых объявления) дает TVP=100. Шаблон Б (4 крупных объявления с изображениями и быстрыми ссылками) дает TVP=150.
3. Выбор: Система выбирает Шаблон Б, так как он максимизирует суммарную ценность.
4. Результат для SEO: Органическая выдача начинается значительно ниже первого экрана. SEO-специалисту нужно бороться за CTR с помощью максимально расширенных сниппетов, чтобы привлечь пользователей, прокрутивших рекламу.

Сценарий 2: Локальный запрос с динамическим весом

1. Запрос: «ресторан итальянской кухни рядом».
2. Действие системы: Система анализирует шаблоны. Шаблон В (текстовые объявления). Шаблон Г (объявления с картой).
3. Расчет веса: Для Шаблона Г рассчитывается высокий Динамический вес (q), так как наличие карты крайне релевантно для локального запроса и текущего местоположения пользователя.
4. Выбор: Шаблон Г выигрывает, даже если его базовый TVP был немного ниже, благодаря корректировке на высокий вес (q).
5. Результат для SEO: Рекламный блок содержит карту и занимает много места. SEO-специалисту важно обеспечить присутствие сайта не только в органическом Топ-10, но и в сервисах Яндекс Карты (Яндекс Бизнес), так как они также конкурируют за внимание на этой SERP.

Вопросы и ответы