Как Яндекс связывает просмотр офлайн-рекламы (DOOH) с онлайн-ретаргетингом через гео-трекинг и профилирование

Описание

Какую задачу решает

Патент решает задачу интеграции офлайн-активности пользователя в его цифровой профиль для повышения эффективности онлайн-рекомендаций и рекламы. Основная проблема — точное определение факта взаимодействия пользователя с цифровой наружной рекламой (Digital Out-of-Home, DOOH) в физическом мире и использование этой информации для кросс-канальной атрибуции (O2O). Система направлена на создание более полного профиля пользователя (comprehensive user profile) за счет учета офлайн-контекста.

Что запатентовано

Запатентована система и метод предоставления онлайн-рекомендаций на основе офлайн-взаимодействия. Суть изобретения заключается в использовании данных о перемещении электронного устройства пользователя (geo-track) для расчета вероятности того, что пользователь видел контент на физическом цифровом дисплее (например, билборде). При высокой вероятности контакта система запускает механизм онлайн-ретаргетинга, показывая связанный контент.

Как это работает

Система показывает контент на офлайн-дисплее (User-Independent Digital Content Display). Параллельно она собирает данные о перемещении устройств пользователей (например, GPS-логи из навигационных приложений). Сервер генерирует гео-трек и сравнивает его с зоной видимости (Exposure Perimeter) дисплея и временем показа контента. Рассчитывается Likelihood Parameter (вероятность просмотра), учитывая скорость движения и время нахождения в зоне. Для повышения точности, особенно в помещениях (indoor), могут использоваться дополнительные данные: WiFi/Bluetooth сниффинг (MAC-адреса, сила сигнала) и камеры с распознаванием лиц для идентификации пользователя. Если вероятность высока и тема соответствует агрегированному онлайн-профилю пользователя, ему показывается связанный контент онлайн.

Актуальность для SEO

Высокая (для сферы AdTech и MarTech). Кросс-канальная атрибуция и связь офлайн-активности с онлайн-профилями (O2O) являются ключевыми трендами в цифровом маркетинге. Описанные методы комплексного трекинга (GPS, WiFi, Computer Vision) технологически актуальны.

Важность для SEO

Влияние на SEO низкое (1/10). Патент описывает исключительно механизмы рекламных технологий (AdTech) и систем рекомендаций. Он не затрагивает процессы сканирования, индексирования или ранжирования органических результатов поиска. Однако он демонстрирует глубину возможностей Яндекса по сбору и агрегации данных о пользователях, что важно для понимания работы механизмов персонализации в экосистеме Яндекса.

Детальный разбор

Термины и определения

Aggregated User Profile (Агрегированный профиль пользователя)

Единый профиль пользователя, созданный путем объединения данных из различных сервисов Яндекса (упоминаются Yandex.Browser, Yandex.Market, Yandex.Navigator) на основе общих идентификаторов (Device ID, User ID, email).

Digital Content Item (Элемент цифрового контента)

Единица контента (реклама, рекомендация). Различаются First (показанный офлайн) и Second (показанный онлайн).

Exposure Perimeter (Периметр воздействия / Зона видимости)

Физическая область, находясь в которой пользователь может четко видеть контент, отображаемый на цифровом дисплее.

Geo-sensor (Гео-сенсор)

Компонент устройства (например, GPS-приемник), фиксирующий географическое положение.

Geo-track (Гео-трек)

Сгенерированная траектория движения электронного устройства. Включает координаты, временные метки, траекторию и интервалы пребывания (dwelling intervals).

Likelihood Parameter (Параметр вероятности)

Метрика, рассчитываемая системой, которая указывает на вероятность того, что пользователь был подвержен воздействию (увидел) офлайн-контент.

Navigation Log (Лог навигации)

Файл на устройстве, хранящий историю перемещений (GPS координаты и временные метки), часто генерируемый навигационными приложениями.

User-independent digital content display (Независимый от пользователя цифровой дисплей)

Офлайн-носитель (электронный билборд, экран в ТЦ), который отображает контент, изначально не персонализированный для конкретного проходящего мимо пользователя.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод O2O-атрибуции и рекомендации.

1. Система инициирует показ первого (неперсонализированного) контента на офлайн-дисплее.
2. Система получает данные о перемещении устройства пользователя (с гео-сенсора).
3. Генерируется гео-трек.
4. Определяется параметр вероятности того, что пользователь видел контент, путем сопоставления гео-трека и периметра воздействия дисплея.
5. Если вероятность выше порога, система проверяет, соответствует ли тема офлайн-контента онлайн-профилю пользователя.
6. Если тема соответствует профилю, выбирается второй (связанный по теме) контент.
7. Второй контент передается на устройство пользователя (показ онлайн).

Claim 2 и 3 (Зависимые пункты): Уточняют механизм для дисплеев с сенсорами (Indoor/Точная локализация).

Параметр вероятности дополнительно основывается на данных сенсора (например, WiFi/Bluetooth сниффера), который обнаруживает устройство в периметре воздействия. Сенсор фиксирует уникальный идентификатор (например, MAC-адрес) и мощность сигнала для определения близости.

Claim 5 и 6 (Зависимые пункты): Детализируют анализ гео-трека.

Гео-трек включает траекторию и интервалы пребывания (dwelling intervals). Вероятность рассчитывается на основе пересечения траектории с периметром и длительности пребывания вблизи периметра. Если длительность пребывания превышает порог, вероятность считается высокой.

Claim 9 и 10 (Зависимые пункты): Описывают механизм идентификации с помощью камер (Computer Vision).

Если дисплей оснащен камерой, система получает захваченное изображение пользователя и коррелирует его с онлайн-профилем. Корреляция включает сопоставление захваченного изображения с цифровыми изображениями (например, фото профиля), доступными через веб-сервисы (распознавание лиц).

Где и как применяется

Патент не относится к архитектуре органического поиска (Crawling, Indexing, Ranking). Он описывает механизмы работы Рекламных систем (AdTech), Систем Рекомендаций и инфраструктуры Профилирования Пользователей Яндекса.

Сбор данных (Data Acquisition)
Система взаимодействует с:

• Мобильными приложениями (например, Yandex.Navigator, Yandex.Maps) для сбора Navigation Logs (GPS, временные метки).
• Офлайн-инфраструктурой (цифровые билборды), оснащенной сенсорами (WiFi/Bluetooth снифферами) и камерами.

Обработка данных и Профилирование

• Происходит агрегация онлайн-профилей из разных сервисов (Браузер, Маркет).
• Гео-данные обрабатываются для генерации гео-треков.
• Происходит сложный процесс атрибуции: гео-треки сравниваются с локациями и расписанием показов офлайн-рекламы.
• Для Indoor-сценариев применяется аугментация данных: GPS уточняется данными сенсоров, применяется распознавание лиц и дедуктивный анализ для идентификации пользователей.

Доставка контента (Ad Serving / Recommendations)
Финальный этап — доставка таргетированной онлайн-рекламы или рекомендаций через рекламную сеть (РСЯ) или рекомендательные сервисы (Дзен).

На что влияет

Алгоритм влияет исключительно на системы показа рекламы и рекомендаций. Он не влияет на органическое ранжирование сайтов.

• Типы контента: Влияет на выбор рекламных объявлений и рекомендуемого контента в экосистеме Яндекса.
• Ниши и тематики: Применимо к любым тематикам, которые присутствуют как в офлайн-рекламе (DOOH), так и онлайн (ритейл, авто, недвижимость).

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Пользователь использует устройство, которое собирает и передает данные о местоположении (через приложения Яндекса).
• Пользователь физически перемещается в зонах, где установлены цифровые рекламные носители, подключенные к системе.
• Система смогла идентифицировать пользователя (по ID устройства, MAC-адресу или через распознавание лиц) и получить доступ к его агрегированному профилю.

Триггеры активации: Получение Navigation Log и обнаружение пересечения гео-трека с периметром воздействия офлайн-рекламы в соответствующее время.

Пошаговый алгоритм

Этап 1: Сбор и подготовка данных

1. Показ офлайн-контента: Система инициирует показ первого (неперсонализированного) контента на цифровом дисплее. Фиксируется время показа и периметр воздействия.
2. Сбор гео-данных: Устройство пользователя записывает данные перемещения (GPS, временные метки) в Navigation Log.
3. Сбор дополнительных данных (Опционально, Indoor): Сенсоры дисплея фиксируют ближайшие устройства (MAC-адреса, мощность сигнала), камеры делают снимки присутствующих.
4. Передача данных на сервер: Устройство и дисплей передают собранные данные на сервер.

Этап 2: Анализ и Атрибуция

1. Генерация и Аугментация Гео-трека: Сервер строит гео-трек. Для Indoor-сценариев трек дополняется данными сенсоров (например, для уточнения этажа или близости к экрану).
2. Идентификация пользователя (Опционально, Indoor): Сервер пытается сопоставить MAC-адреса с лицами на снимках (используя дедуктивный анализ) и идентифицировать лица, сравнивая их с фотографиями в онлайн-профилях (распознавание лиц).
3. Расчет вероятности воздействия: Сервер сопоставляет (аугментированный) гео-трек с периметром воздействия и временем показа. Применяются эвристические правила (время пребывания, скорость движения, близость) для расчета Likelihood Parameter.

Этап 3: Принятие решения и Рекомендация

1. Проверка порога: Система проверяет, превышает ли Likelihood Parameter установленный порог.
2. Получение и Проверка Профиля: Если порог превышен, система извлекает агрегированный онлайн-профиль пользователя и проверяет, соответствует ли тематика офлайн-контента интересам в профиле.
3. Выбор Онлайн-Контента: Если тема соответствует, система выбирает второй (связанный) контент. (В описании патента также указано, что если тема не соответствует, профиль может быть обновлен).
4. Доставка: Второй контент передается на устройство пользователя для показа онлайн.

Какие данные и как использует

Данные на входе

• Географические факторы: Ключевые данные. GPS координаты и временные метки из Navigation Log. Координаты и Exposure Perimeter офлайн-дисплеев.
• Пользовательские факторы (Идентификаторы и Профили): Агрегированные онлайн-профили пользователей. Идентификаторы: User ID (логин, email), Device ID (проприетарный ID приложения), MAC-адреса устройств.
• Технические факторы (Сенсоры): Мощность сигнала (Signal strength) WiFi/Bluetooth, используемая для определения близости устройства к дисплею (Indoor).
• Мультимедиа факторы (Computer Vision): Изображения (фотографии) людей, захваченные камерами на офлайн-дисплеях. Фотографии профилей пользователей из базы данных.
• Временные факторы: Временные метки в Navigation Log. Точное время и продолжительность показа офлайн-рекламы.

Какие метрики используются и как они считаются

• Geo-track: Траектория движения, построенная по GPS данным.
• Dwelling Intervals (Интервалы пребывания): Периоды времени, когда пользователь находился в определенной локации (например, внутри Exposure Perimeter).
• Velocity (Скорость): Скорость перемещения пользователя, рассчитываемая по гео-треку.
• Likelihood Parameter (Параметр вероятности): Интегральная метрика вероятности просмотра. Рассчитывается с помощью набора эвристических правил (heuristic rules), агрегирующих данные о пересечении гео-трека и периметра, времени пребывания, скорости, мощности сигнала (Indoor) и данных с камер.
• Face Recognition (Распознавание лиц): Используется для идентификации пользователей внутри помещений путем сопоставления изображений с камер и фото профилей.
• Deduction Analysis (Дедуктивный анализ): Логический метод, используемый в Indoor-сценариях для связывания идентификаторов устройств с конкретными людьми на изображениях (например, анализируя, кто пришел/ушел).

Выводы

Этот патент описывает внутренние процессы Яндекса, связанные с рекламными технологиями (AdTech) и кросс-канальной атрибуцией (O2O). Он не содержит прямых рекомендаций для органического SEO.

Основные выводы для понимания экосистемы Яндекса:

1. Связь Офлайн и Онлайн: Яндекс активно развивает технологии для отслеживания поведения пользователей в физическом мире и интеграции этих данных в цифровые профили.
2. Комплексный Трекинг и Идентификация: Система использует многоуровневый подход к трекингу: GPS (через навигационные приложения), пассивное сканирование WiFi/Bluetooth (MAC-адреса) и технологии Computer Vision (распознавание лиц с помощью камер на рекламных носителях).
3. Глубина Профилирования: Эффективность системы зависит от способности Яндекса агрегировать данные из разных сервисов (Браузер, Маркет, Навигатор) в единый профиль и связывать различные идентификаторы с одним пользователем.
4. Цель — Реклама и Рекомендации: Описанный механизм направлен на повышение эффективности рекламных кампаний и точности рекомендательных систем. Механизмы органического ранжирования в патенте не упоминаются.

Практика

Патент является инфраструктурным и описывает технологии AdTech. Он не дает практических выводов или рекомендаций для работы по органическому SEO продвижению сайтов.

Best practices (это мы делаем)

В патенте нет информации, которая подтверждала бы важность каких-либо конкретных SEO-стратегий или тактик.

С точки зрения общего понимания экосистемы, патент подтверждает важность комплексного профилирования пользователей Яндексом. Это косвенно подчеркивает значимость работы над персонализацией и учетом долгосрочных интересов аудитории при разработке контент-стратегии.

Worst practices (это делать не надо)

Патент не описывает механизмов, которые делали бы какие-либо SEO-тактики неэффективными или опасными. Он не направлен против SEO-манипуляций.

Стратегическое значение

Для SEO стратегическое значение патента минимально. Он не меняет понимание приоритетов Яндекса в органическом поиске. Однако он демонстрирует технологические возможности Яндекса по сбору и анализу больших данных о пользователях, включая их физическое перемещение, офлайн-интересы и даже биометрию (распознавание лиц). Это важно для понимания глубины данных, на которых могут базироваться алгоритмы персонализации поиска (Слой L4).

Практические примеры

Практических примеров применения для SEO нет. Патент описывает сценарии для рекламных кампаний (AdTech).

Пример сценария 1 (Outdoor, GPS):

1. Пользователь едет по шоссе, используя Yandex.Navigator. Его смартфон передает гео-данные.
2. Он проезжает мимо цифрового билборда с рекламой нового жилого комплекса.
3. Система Яндекса анализирует его гео-трек, фиксирует нахождение в зоне видимости (Exposure Perimeter) в момент показа рекламы и определяет высокую вероятность просмотра (например, из-за низкой скорости в пробке).
4. Система проверяет онлайн-профиль и видит недавний интерес к ипотеке.
5. Позже, когда пользователь заходит в интернет, ему показывается онлайн-реклама этого же жилого комплекса.

Пример сценария 2 (Indoor, Сенсоры и Камеры):

1. Пользователь находится в торговом центре (GPS неточен) и подходит к цифровому экрану с рекламой кроссовок.
2. WiFi-сниффер на экране фиксирует MAC-адрес его смартфона и высокую мощность сигнала (близость). Камера делает снимок.
3. Система использует распознавание лиц, чтобы сопоставить снимок с фотографией в агрегированном профиле Яндекса, и успешно идентифицирует пользователя.
4. Контакт с рекламой подтвержден. Система проверяет профиль и видит интерес к спортивной одежде.
5. Позже пользователю в РСЯ или Дзене показывается рекомендация или реклама этих кроссовок.

Вопросы и ответы