Как Яндекс выбирает формат и расположение рекламных блоков на выдаче для максимизации ценности

Описание

Какую задачу решает

Патент решает задачу оптимизации рекламного аукциона в реальном времени. Цель — максимизировать общую «ценность» (Total Value Parameter) показанной рекламы. В отличие от традиционных систем, которые оптимизируют выбор объявлений для фиксированного набора рекламных слотов, это изобретение оптимизирует одновременно и выбор объявлений, и сам шаблон размещения (Stencil) этих объявлений (их количество, размер, расположение на странице, дополнительные элементы).

Что запатентовано

Запатентована система и метод выбора и передачи таргетированных электронных сообщений (рекламы) пользователю. Суть изобретения — в использовании двухэтапной оптимизации рекламного аукциона. На первом этапе система максимизирует ценность набора объявлений внутри каждого доступного шаблона размещения (Stencil). На втором этапе система выбирает тот шаблон, который обеспечивает наивысший показатель общей ценности (Total Value Parameter) среди всех шаблонов.

Как это работает

При получении запроса (например, поискового запроса) система извлекает набор рекламных объявлений-кандидатов и набор доступных шаблонов (Stencils). Для каждого шаблона система решает оптимизационную задачу (например, с помощью алгоритма Max Matching Optimization), чтобы заполнить его слоты объявлениями так, чтобы максимизировать Total Value Parameter (TVP). TVP рассчитывается на основе ставок, прогнозируемого CTR, релевантности и других факторов. Затем система сравнивает максимизированные TVP всех шаблонов (с учетом весовых коэффициентов шаблонов) и выбирает лучший шаблон с соответствующим набором объявлений для показа пользователю.

Актуальность для SEO

Высокая. Оптимизация рекламных аукционов в реальном времени (RTB) и динамическая адаптация форматов рекламной выдачи (например, в Яндекс.Директ) являются ключевыми компонентами современных поисковых и рекламных платформ. Описанный механизм комплексной оптимизации выбора и размещения рекламы крайне актуален.

Важность для SEO

Влияние на SEO (4/10). Патент не описывает алгоритмы органического ранжирования. Он полностью посвящен инфраструктуре рекламного аукциона. Однако он имеет важное стратегическое значение для SEO, так как описывает механизм, который определяет видимость органических результатов. Именно эта система решает, насколько агрессивно показывать рекламу (количество, размер, формат, динамическое поведение, такое как «прилипание» блока) над органической выдачей, что напрямую влияет на органический CTR и смещение органических результатов вниз по экрану.

Детальный разбор

Термины и определения

Dynamic Component (q) (Динамический компонент веса)

Часть весового параметра шаблона, рассчитываемая в реальном времени. Зависит от характеристик текущего запроса и характеристик набора объявлений, выбранных для этого шаблона. Используется для оценки контекстуальной уместности шаблона (например, уместности показа карты).

Individual Value Parameter (VP) (Индивидуальный параметр ценности)

Оценка ценности конкретного рекламного объявления, размещенного в конкретном слоте шаблона. Рассчитывается на основе ставки, прогнозируемых метрик (CTR, релевантность, конверсия) и резервной цены.

Max Matching Optimization Algorithm (Алгоритм оптимизации максимального соответствия)

Алгоритм (также известный как задача о назначениях, например, Венгерский алгоритм), используемый для выбора оптимального набора объявлений для заполнения слотов в данном шаблоне с целью максимизации общей ценности (TVP).

Placement Pattern (Схема размещения)

Конфигурация рекламных слотов в шаблоне. Определяет количество объявлений, их относительное расположение (над/под органическими результатами), размер, включаемые детали (текст, ссылки, изображения, карты) и динамическое поведение (например, «прилипание» блока при прокрутке или повторение блока).

Static Component (C) (Статический компонент веса)

Часть весового параметра шаблона, рассчитываемая заранее (офлайн). Определяется на основе экспериментов, симуляций или с помощью алгоритмов Black Box Optimization. Отражает потенциал шаблона (например, доходность) при соблюдении ограничений (например, удовлетворенность пользователей).

Stencil (Шаблон, Стенсил)

Предопределенный шаблон макета страницы (например, SERP), содержащий определенную схему размещения (Placement Pattern) для одного или нескольких рекламных объявлений.

Targeted Electronic Message (Таргетированное электронное сообщение)

В контексте патента — рекламное объявление (например, баннер или неорганический результат поиска), предназначенное для показа пользователю.

Total Value Parameter (TVP) (Общий параметр ценности)

Суммарная ценность всех рекламных объявлений, размещенных в данном шаблоне. Является целевой метрикой для оптимизации при наполнении шаблона.

Weight Parameter (Весовой параметр)

Параметр, связанный с шаблоном (Stencil). Отражает фактор смещения трафика (displacement factor) или относительную экспозицию трафика (relative traffic exposure) слотов в этом шаблоне. Состоит из статического (C) и динамического (q) компонентов. Используется для финального выбора лучшего шаблона.

Ключевые утверждения (Анализ Claims)

Патент описывает систему аукциона, которая оптимизирует не только выбор рекламы, но и ее расположение на странице.

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

1. Сервер получает запрос на передачу таргетированного сообщения (рекламы).
2. Извлекается множество кандидатов (объявлений).
3. Извлекается множество шаблонов (Stencils), каждый из которых имеет свою схему размещения (Placement Pattern).
4. Для каждого шаблона сервер выбирает набор объявлений так, чтобы максимизировать Общий параметр ценности (Total Value Parameter, TVP) этого набора.
5. Сервер анализирует все шаблоны (с их максимизированными TVP) и выбирает для передачи пользователю тот шаблон, который имеет наивысшее значение TVP.
6. Выбранный шаблон с соответствующим набором объявлений передается на устройство пользователя.

Claim 4 (Зависимый от 1): Определяет, на чем основана ценность объявления.

Индивидуальный параметр ценности (Individual Value Parameter, VP) для кандидата, размещенного на определенной позиции в шаблоне, определяется на основе как минимум одного из следующих факторов: ставка (bid value), прогнозируемая вероятность клика (pCTR), прогнозируемая релевантность, прогнозируемая вероятность целевого действия (конверсия), предопределенная резервная цена.

Claim 12 (Зависимый от 1): Вводит понятие весового параметра шаблона.

Каждый шаблон связан с весовым параметром (Weight Parameter).

Claim 17 (Зависимый от 12): Уточняет использование весового параметра.

Выбор шаблона с наивысшим значением TVP (на шаге 5 из Claim 1) осуществляется на основе TVP каждого шаблона, модифицированного этим весовым параметром.

Claim 20 (Зависимый от 12): Описывает структуру весового параметра.

Весовой параметр состоит из статического компонента (C) и динамического компонента (q).

Claim 29 (Зависимый от 1): Описывает этап ценообразования.

Метод дополнительно включает определение цены, которая будет взиматься с источника (рекламодателя) каждого объявления, включенного в выбранный шаблон.

Где и как применяется

Изобретение применяется на этапе формирования финальной страницы выдачи и тесно связано с рекламной системой (Яндекс.Директ).

BLENDER – Метапоиск и Смешивание (MetaSearch & Blending)
Это основной слой применения патента. Система работает как часть механизма смешивания, который решает, как интегрировать рекламные блоки с органическими результатами. Вместо использования фиксированного макета SERP, система динамически выбирает оптимальный макет (Stencil) на основе результатов аукциона.

Взаимодействие с компонентами:

• Рекламная платформа (Ad Platform): Предоставляет объявления-кандидаты, ставки и прогнозы метрик (CTR, конверсии).
• Системы прогнозирования (ML-based predictors): Используются для оценки релевантности, вероятности клика и конверсии, а также для расчета динамического веса шаблонов.
• Генератор SERP (SERP Generator): Получает на вход выбранный шаблон и набор объявлений для финального рендеринга страницы.

Входные данные: Запрос пользователя, объявления-кандидаты, ставки, прогнозируемые метрики (CTR, релевантность), набор доступных шаблонов, статические веса шаблонов.

Выходные данные: Выбранный шаблон (Stencil) и конкретные объявления, размещенные в его слотах, а также расчетная цена клика для рекламодателей.

На что влияет

• Структура SERP: Патент напрямую влияет на внешний вид поисковой выдачи. Он определяет, сколько будет рекламы, где она будет расположена (сверху, снизу, сбоку), насколько большими будут блоки и какие элементы они будут содержать (карты, изображения, быстрые ссылки).
• Специфические запросы: Наибольшее влияние оказывается на коммерческие запросы, где высока конкуренция рекламодателей и ставки достаточно высоки, чтобы оправдать использование агрессивных рекламных шаблонов.
• Видимость органических результатов: Выбор агрессивного шаблона (например, несколько крупных объявлений сверху или «прилипающий» рекламный блок) смещает органические результаты вниз, уменьшая их видимость и потенциальный CTR.

Когда применяется

Алгоритм применяется в реальном времени (real time) при каждой загрузке страницы результатов поиска или страницы в рекламной сети (РСЯ), где происходит аукцион за показ рекламы. Триггером является запрос пользователя на получение контента (например, ввод поискового запроса).

Пошаговый алгоритм

1. Получение запроса: Сервер получает запрос от пользователя (например, поисковый запрос).
2. Извлечение кандидатов: Система извлекает релевантные рекламные объявления-кандидаты и связанные с ними данные (ставки, прогнозы CTR/релевантности/конверсии).
3. Извлечение шаблонов: Система извлекает набор доступных шаблонов (Stencils) и их предопределенные статические веса (C).
4. Оптимизация наполнения (для каждого шаблона):
   1. Система рассчитывает Индивидуальные параметры ценности (VP) для каждого объявления в каждом слоте шаблона. Формула может иметь вид: $VP = A * t + B$ (где A=f(CTR), t=ставка, B=коэффициент, не зависящий от ставки).
   2. Используя алгоритм оптимизации (например, Max Matching), система выбирает комбинацию объявлений, которая максимизирует Общий параметр ценности (TVP) для данного шаблона (сумма VP).
5. Расчет динамических весов (для каждого шаблона): Система рассчитывает динамический вес (q) для каждого шаблона. Этот вес зависит от контекста запроса и характеристик уже выбранного набора объявлений (например, уместность показа карты или изображения в данном контексте).
6. Фильтрация шаблонов (Опционально): Шаблоны с низким динамическим весом (q) могут быть отфильтрованы, если они признаны неуместными в данном контексте.
7. Выбор победителя: Система сравнивает итоговую ценность оставшихся шаблонов. Итоговая ценность рассчитывается путем модификации TVP с помощью весового параметра (статического C и динамического q). Например, путем сложения или умножения TVP на вес. Выбирается шаблон с максимальной итоговой ценностью.
8. Расчет цены клика: Для объявлений в победившем шаблоне рассчитывается цена, которую заплатит рекламодатель. Она основана на вытесненной ценности (принцип, схожий с VCG-аукционом). Формула: $P = V1 — (TV — V1)$ (где V1 – общая ценность текущего набора, TV-V1 – гипотетическая общая ценность, если бы данное объявление не было включено).
9. Передача и отображение: Победивший шаблон с выбранным набором объявлений передается пользователю для отображения.

Какие данные и как использует

Данные на входе

• Контентные факторы: Текст, изображения, карты, ссылки и другие детали рекламных объявлений. Эти данные используются для прогнозирования релевантности, CTR и расчета динамического веса шаблона (q).
• Поведенческие факторы (Исторические): Исторические данные о кликах и конверсиях по похожим объявлениям и запросам используются для обучения ML-моделей прогнозирования.
• Пользовательские факторы: Интересы пользователя, его социально-демографические характеристики, история поиска, местоположение. Используются для таргетинга и прогнозирования метрик.
• Коммерческие данные (не факторы SEO): Ставка (Bid Value), установленная рекламодателем; Резервная цена (Reserve Price), установленная оператором сервера.

Какие метрики используются и как они считаются

• Прогнозируемые метрики: Predicted Click Probability (pCTR), Predicted Relevancy, Predicted Target Action Probability (Конверсия). Рассчитываются с помощью алгоритмов машинного обучения (MLA).
• Individual Value Parameter (VP): Оценка ценности одного объявления. В патенте приводится пример линейной функции:
  $VP = A * t + B$
  Где A — функция от CTR (например, сам CTR), t — ставка (bid value), B — коэффициент, не зависящий от ставки (может включать релевантность, конверсию, резервную цену).
• Total Value Parameter (TVP): Агрегированная ценность шаблона. Рассчитывается как сумма VP всех объявлений, выбранных для этого шаблона.
• Weight Parameter (Вес шаблона): Состоит из статического компонента (C), рассчитанного офлайн (например, через Black Box Optimization), и динамического компонента (q), рассчитанного онлайн на основе контекста.
• Price (P) (Цена клика): Рассчитывается на основе принципа вытеснения ценности:
  $P = V1 — (TV — V1)$

Выводы

1. Динамический дизайн SERP: Патент подтверждает, что у Яндекса нет фиксированного дизайна поисковой выдачи. Макет SERP (количество и формат рекламы) выбирается динамически в реальном времени для каждого запроса с целью максимизации общей ценности.
2. Комплексный аукцион: Яндекс одновременно оптимизирует и то, какую рекламу показать (выбор объявлений), и то, как ее показать (выбор шаблона).
3. Многофакторная ценность: Ценность объявления определяется не только ставкой, но и комплексом прогнозируемых метрик (CTR, релевантность, вероятность конверсии).
4. Баланс через веса шаблонов: Использование статических и динамических весов шаблонов позволяет балансировать долгосрочные цели (например, доходность, определенная в статическом весе C) и контекстуальную уместность в реальном времени (определяемую динамическим весом q).
5. Контроль над смещением органики: Описанный механизм является тем самым инструментом, который контролирует степень смещения органических результатов. Если аукцион показывает, что агрессивный рекламный шаблон принесет максимальную ценность, система выберет его, даже если это значительно понизит видимость органической выдачи.

Практика

ВАЖНО: Патент описывает внутреннюю работу рекламного аукциона (Яндекс.Директ), а не алгоритмы органического ранжирования. Прямых рекомендаций по улучшению позиций в органическом поиске в нем нет. Анализ сфокусирован на стратегическом понимании формирования SERP.

Best practices (это мы делаем)

• Анализ волатильности макета SERP: Необходимо отслеживать, как часто и насколько агрессивно Яндекс меняет рекламные шаблоны по ключевым запросам в вашей нише. Понимание того, какие шаблоны (Stencils) предпочитает система для ваших запросов, помогает точнее прогнозировать трафик.
• Фокус на Rich Snippets и визуальной привлекательности: Поскольку рекламные шаблоны становятся все более сложными и визуально насыщенными (включая карты, изображения, ссылки), органические результаты должны максимально использовать возможности расширенных сниппетов, чтобы конкурировать за внимание пользователя на смещенной выдаче.
• Реалистичная оценка органического CTR: При расчете потенциального трафика необходимо учитывать, что позиция №1 в органике не гарантирует нахождение на первом экране. Если система выбирает агрессивный шаблон (например, с «прилипающей» рекламой или несколькими крупными блоками сверху), органический CTR будет значительно ниже стандартных ожиданий.

Worst practices (это делать не надо)

• Игнорирование влияния рекламы на органику: Оценивать эффективность SEO только по позициям, не учитывая изменения в макете SERP, которые контролируются описанной в патенте системой.
• Попытки манипулировать выбором шаблона: SEO-специалист не может повлиять на выбор рекламного шаблона. Этот выбор основан на результатах рекламного аукциона (ставки, CTR рекламы) и внутренних весах Яндекса, а не на качестве органических результатов.

Стратегическое значение

Патент демонстрирует, что Яндекс рассматривает SERP как целостный продукт, оптимизируемый для достижения баланса между доходом от рекламы и удовлетворенностью пользователей. Для SEO это означает, что конкуренция происходит не только в рамках органического ранжирования, но и за пространство на странице с динамически оптимизируемой рекламной системой. Стратегия SEO должна учитывать эту динамику и фокусироваться на повышении привлекательности органических результатов в условиях постоянно меняющегося окружения.

Практические примеры

Сценарий: Анализ падения органического CTR при стабильных позициях.

1. Ситуация: Сайт занимает позицию №1 в органике по запросу «купить холодильник Москва», но CTR и трафик по этому запросу снизились.
2. Анализ с учетом патента: SEO-специалист проверяет текущий макет SERP. Он обнаруживает, что Яндекс начал использовать новый, более агрессивный рекламный шаблон (Stencil). Например, вместо 2 небольших текстовых объявлений теперь показывается 3 крупных объявления с изображениями и быстрыми ссылками, а верхнее объявление «прилипает» при прокрутке (Dynamic Placement Pattern).
3. Вывод: Система аукциона (описанная в патенте) определила, что этот новый агрессивный шаблон максимизирует Total Value Parameter (из-за высоких ставок и прогнозируемого CTR рекламы). Падение органического CTR связано не с ухудшением органической релевантности, а с изменением макета SERP и смещением внимания пользователей на рекламу.
4. Действие: Скорректировать прогнозы трафика. Улучшить органический сниппет (например, добавить микроразметку для отображения цены и наличия), чтобы сделать его более конкурентоспособным по сравнению с новыми рекламными блоками.

Вопросы и ответы