О повышении значимости отзывов в Яндексе

18 июня 2022 года представители Яндекса выпустили два интересных доклада о том, как Яндекс обрабатывает отзывы и как отзывы влияют на поиск организаций на Яндекс Картах.

Первый доклад

«Отзывы в поиске организаций на Яндекс Картах», автор Андрей Данильченко, руководитель группы качества Геопоиска

Когда пользователь вводит запрос про тип организации (например, «рестораны») и уточнения местоположения (например, «танцы спб»), в результатах поиска Яндекс показывает врезку с перечнем заведений.

За ранжирование в этом блоке отвечает специальный компонент, который называется Геопоиск. Он обрабатывает все запросы про адреса, местоположения объектов и организации в Яндекс Картах, Навигаторе и Поиске.

Возникали разные сложности, например с обработкой таких запросов, как «уютное кафе с красивым видом». Яндекс смог улучшить релевантность поиска организаций на Яндекс Картах благодаря использованию отзывов. Теперь Яндекс может охватывать больше возможных свойств организаций, добывая их также из текстов отзывов.

Как это работает «под капотом», можно посмотреть на видео.

Второй доклад

«Находим ключевые особенности организаций в отзывах на Яндекс Картах», автор Олег Варенье, старший разработчик группы UGC (user generated content) отдела Геопоиска Яндекса

Исследования Яндекса показали, что пользователь читает пару первых отзывов, затем сортирует их так, чтобы сверху шли негативные, читает пару таких отзывов — и этого достаточно, чтобы принять решение.

В итоге создаётся ситуация, когда, например, 25 тысяч отзывов на московский ГУМ, по сути, лежат без дела. Но основная проблема в таком подходе в том, что пользователь не видит полную картину по организации, которую выбирает.

К решению этой проблемы Яндекс подходил с такой логикой: хорошо бы прочитать все отзывы за пользователя, найти в них какую‑то интересную информацию, агрегировать её и показать в удобном виде.

В результате пришли к такой форме отображения данных:

Для каждой организации определяется список аспектов или ключевых особенностей, по поводу которых пользователь мог как‑то высказываться. Эта информация агрегируется, и пользователям показывают, сколько отзывов касались этого аспекта.

Кроме этого, Яндекс взял на себя дополнительную задачу — научиться понимать тональность высказываний в отзыве про аспект. Эта информация также обобщается, и пользователю отображается средний показатель удовлетворённости этим аспектом.

Дополнительно у пользователя есть возможность отфильтровать отзывы по аспекту: в них полужирным шрифтом выделяется часть отзыва, в котором говорится про нужный аспект.

Как технически реализовывалась работа с аспектами, с помощью каких подходов, подробно рассказано в видео.

Выводы

• В этих докладах много технических подробностей, но описанные нюансы работы в том числе иллюстрируют вектор на увеличение значимости отзывов и других репутационных внешних факторов.

• Возможно, именно эта значимость и была одной из причин ужесточения антифрод‑системы отзывов в Яндексе, которая на данный момент может не пропускать даже настоящие отзывы об организации.

• Кажется, что таким же или схожим подходом Яндекс Поиск может учитывать и репутацию компании в целом — на основе отзывов, тональности и оценок в обсуждениях с упоминанием бизнеса на сторонних площадках.

Исходя из этого:

1. Лучше использовать настоящие отзывы, так как покупные могут быть всё более вредны и системы могут легко их отследить.

2. В регулярный аудит конкурентов может быть полезно включить репутационный анализ на сторонних площадках, например анализ отзывов в Яндекс Бизнесе и Google My Business:

   • количество отзывов;

   • содержание отзывов;

   • реакции на отзывы — как и когда конкуренты отвечают на них;

   • оценки;

   • средний балл оценок;

   • количество оценок (иногда бывает так, что оценок больше, чем количество отзывов);

   • если в карточку GMB подгружаются данные из других площадок, например Flamp, 2Gis, Yell, Cataloxy, то смотрим эти же данные и там.

3. Если хочется понять основные боли и радости клиентов, как своих, так и конкурентов, можно:

   • анализировать созданные Яндексом аспекты;

   • использовать описанные в докладах подходы с определением ключевых аспектов и их тональности для самостоятельного анализа отзывов.