Un expert local est un auteur d'avis qui a évalué de nombreux commerces d'une même catégorie dans une même zone, et dont Google utilise les avis pour classer les résultats locaux de cette catégorie et de cette zone. Le brevet US 9,792,330 B1, « Identifying local experts for local search », décrit comment ils sont identifiés. Google l'a déposé le 30 avril 2013, et le brevet a été délivré le 17 octobre 2017.
Que décrit le brevet US 9,792,330 ?
Le brevet US 9,792,330 décrit un système de recherche locale qui trouve des auteurs d'avis experts pour chaque zone et chaque catégorie de commerce, puis classe les résultats locaux selon leurs avis. Ses 2 inventeurs sont John Alastair Hawkins et Cristina Stancu-Mara, tous deux basés à Londres. Le brevet compte 19 revendications et 5 planches de dessins.
Le résumé expose le procédé : obtenir des avis « sur une catégorie de commerces dans une zone géographique », désigner « au moins certains auteurs comme experts » une fois obtenus des avis de « plus d'un certain nombre d'auteurs », puis classer « les résultats locaux qui répondent à la requête selon les avis de ces experts ».
Quel problème le brevet résout-il ?
Le brevet résout la difficulté de trouver de vrais experts parmi les auteurs d'avis à l'échelle du web. Certains internautes connaissent bien « un genre de restaurant, une ville ou un quartier, un type de commerce, ou une combinaison de ces catégories (par exemple les restaurants italiens de New York) ». Ces experts sont difficiles à repérer à l'échelle du web, car « beaucoup d'internautes peu compétents s'expriment sur toutes sortes de sujets », « certains se déclarent experts pour diffuser du spam à des fins commerciales », et « le nombre de sujets de recherche locale sur lesquels on peut être expert est très grand ».
Le brevet nomme aussi le défaut de fond des avis de consommateurs : beaucoup « ne sont pas fiables, soit parce que l'auteur manque d'expertise, soit parce qu'il a des préférences différentes de celles de l'internaute qui lance la recherche locale ». L'identification des experts répond à la première cause, les experts personnalisés à la seconde.
L'exemple du brevet : un internaute peut avoir publié « des avis sur 35 restaurants italiens différents de New York, alors que la plupart n'en ont publié qu'un seul ».
Comment Google identifie-t-il les experts locaux ?
Google identifie les experts locaux en 5 étapes :
- Collecter des avis récents : dans certains cas, le système retient les avis « de moins d'un certain âge, par exemple deux ans », pour travailler « sur des données relativement à jour ».
- Filtrer le spam et les avis courts : « Les avis reçus sont d'abord filtrés pour retirer le spam ». Un détecteur de spam s'appuie sur « des corrélations passées entre mots-clés, internautes, commerces et apparition de spam » ; un score de qualité peut repérer des n-grammes connus pour les avis médiocres ou des « phrases mal construites » ; et les avis sous une longueur minimale sont écartés, « car les experts ont tendance à écrire des avis plus longs et plus informatifs ».
- Classer les avis par zone géographique et par catégorie de commerce, « dans des catégories hiérarchiques de précision géographique et commerciale variable », comme « les magasins de vélo de Californie ».
- Calculer les scores d'expertise : pour chaque internaute et chaque couple zone-catégorie, le score d'expertise est « le nombre d'avis de cet internaute (ou une somme pondérée) » dans ce couple.
- Désigner les experts : les internautes sont « classés selon le nombre d'avis qu'ils ont publiés », et un certain nombre, « par exemple les 10 premiers », deviennent les experts du couple. Les experts ne sont désignés sur un couple que si « plus d'un certain nombre d'internautes (par exemple trois) » l'ont évalué, afin que « des internautes peu compétents qui ont évalué par hasard des combinaisons obscures » ne deviennent pas experts.
Les avis peuvent être pondérés « selon leur ancienneté, leur longueur, ou les indications d'autres internautes sur leur qualité, comme des votes indiquant que l'avis était utile ».
Le travail se fait en général à l'avance, par des traitements par lots lancés « par exemple chaque jour ou chaque semaine », et les experts sont stockés dans un index d'experts indexé par zone et par type de commerce, pour être retrouvés vite à l'arrivée d'une requête. Certains modes de réalisation identifient les experts au moment de la requête.
Comment fonctionnent les niveaux de précision ?
Les niveaux de précision permettent à un même avis de compter pour plusieurs zones et catégories à la fois. Un seul avis sur une boutique de vêtements de Chicago compte pour des scores d'expertise sur « les boutiques de vêtements, les boutiques de vêtements de Chicago, les boutiques de vêtements de l'Illinois, les magasins de détail, les magasins de détail de Chicago, les magasins de détail de l'Illinois, Chicago et l'Illinois ». Les autres exemples du brevet : « cinq avis sur des magasins d'articles de sport à Miami et cinq avis sur des animaleries à Tampa comptent comme dix avis sur le commerce de détail en Floride », et des avis sur « vingt chocolatiers spécialisés dans une douzaine d'États américains » comptent pour un score d'expertise « sur les chocolatiers aux États-Unis ».
Quand aucun expert n'existe pour un couple précis, le système élargit la demande. Son exemple : aucun expert pour « les restaurants sénégalais de Marfa, au Texas ». Le système cherche alors « des experts des restaurants en général à Marfa, ou des experts des restaurants sénégalais dans l'État du Texas », en réduisant la précision par zone, par catégorie ou en alternant les deux, « jusqu'à trouver des experts ». Le déclencheur : « un nombre insuffisant d'avis a été reçu pour identifier des experts sur cette combinaison ».
Cet élargissement est au cœur des revendications : les revendications indépendantes 1, 15 et 16 identifient les experts « au moins d'après le nombre d'avis publiés par chaque internaute, en modifiant de façon itérative la catégorie de commerce pour identifier au moins un certain nombre d'experts ». La revendication 2 ajoute l'élargissement de la zone « à une zone géographique de niveau hiérarchique supérieur ».
Comment les avis des experts classent-ils les résultats locaux ?
Les avis des experts classent les résultats locaux par un score d'avis d'expert pour chaque commerce qu'ils ont évalué. À l'arrivée d'une requête, le système identifie sa zone et sa catégorie, récupère les experts correspondants et calcule le score :
- À partir des notes : « la note moyenne attribuée par l'expert dans ses avis », comme des étoiles.
- À partir du texte : le texte des avis d'experts peut être noté par une personne ou par traitement automatique du langage, « selon l'emploi de termes comme "affreux" ou "formidable" qui traduisent l'opinion de l'auteur », et les scores sont moyennés.
- Pondéré par l'expertise : le score peut être « une combinaison pondérée (par exemple une moyenne pondérée) des avis des experts selon leur score d'expertise, de sorte que l'expert le mieux classé a plus d'influence ».
Les résultats sont ensuite classés ou reclassés de sorte que « les commerces locaux très appréciés des experts ont tendance à se classer plus haut qu'ils ne le feraient autrement ». L'exemple du brevet : « un magasin de vélos très apprécié des experts peut se classer devant un magasin de vélos un peu plus proche et par ailleurs plus pertinent ». Dans un mode de réalisation, le classement d'un résultat combine « sa distance au lieu de la requête, sa pertinence et la note moyenne pondérée des experts ».
Un résultat compte comme local dans un certain rayon, « par exemple 50 miles ou une heure de route », ou la distance peut pondérer les résultats, « de sorte que les commerces plus proches ont tendance à se classer devant les plus éloignés ».
Quand l'internaute sélectionne un résultat, les avis des experts sur ce commerce sont classés selon leur score d'expertise (ou leur score d'expertise personnalisé) et présentés « dans l'ordre », par exemple les dix premiers. Classer les avis des experts les plus prolifiques « devrait mettre en avant des avis de qualité et très pertinents ».
Que sont les experts personnalisés ?
Les experts personnalisés sont des experts dont les goûts correspondent à ceux de l'internaute. Le système compare les avis de l'internaute à ceux de chaque expert candidat selon 2 critères :
- Les commerces en commun : « le nombre de commerces évalués à la fois par l'internaute et par l'expert candidat ».
- L'accord : un score d'accord, par exemple « l'écart moyen entre les notes attribuées aux commerces par l'internaute et par l'expert candidat ».
L'exemple du brevet : si « le neuvième expert » selon le score d'expertise non personnalisé a évalué plus de commerces en commun avec l'internaute que tous les autres experts, et que leurs notes concordent « à chaque fois », cet expert « peut être reclassé (ou re-noté) comme premier expert personnalisé de cet internaute ». Les candidats classés au-dessus d'un seuil, « comme les cinq premiers », deviennent des experts personnalisés, et leur score d'expertise personnalisé peut pondérer leurs avis dans les résultats de cet internaute. Le brevet explique pourquoi : cela tient compte de « la tendance des internautes à avoir des goûts différents ».
Cette étape s'exécute au moment de la requête, pour éviter de stocker à l'avance des experts pour chaque combinaison de type de commerce, de zone et d'internaute, ou peut être précalculée pour les sujets que l'internaute recherche « plus souvent qu'un certain seuil ».
Quel lien entre ce brevet et la proéminence locale ?
Ce brevet affine le signal des avis dans le classement local. Le brevet sur la proéminence locale compte les documents qui publient des avis sur un commerce ; celui-ci se demande qui a écrit les avis, et donne plus de poids aux experts de la catégorie et de la zone. Le brevet ne mentionne pas le programme Local Guides de Google, mais ce programme, qui encourage les internautes à publier des avis et récompense les contributeurs actifs, s'inscrit dans la même logique de valorisation des auteurs locaux prolifiques.
Que change le brevet sur les experts locaux pour votre SEO local ?
Le brevet signifie que les avis de personnes qui connaissent votre catégorie et votre zone peuvent peser plus qu'un tas d'avis isolés. 6 conséquences en découlent :
- Attirez les avis d'auteurs locaux expérimentés. Les internautes qui ont publié de nombreux avis dans votre catégorie et votre zone sont les experts dont les notes comptent le plus.
- Encouragez les avis détaillés. Les avis sous une longueur minimale sont écartés, la longueur d'un avis et les votes « utile » peuvent le pondérer, et le texte des experts peut être noté selon l'opinion exprimée.
- Obtenez des éloges, pas seulement des étoiles. Des mots comme « formidable » ou « affreux » peuvent être notés : le contenu d'un avis peut compter aussi bien que sa note.
- Entretenez un flux d'avis. Les avis plus anciens qu'un certain âge (deux ans dans l'exemple du brevet) peuvent être écartés, et l'ancienneté d'un avis peut le pondérer.
- N'achetez et ne fabriquez jamais d'avis. Les avis sont d'abord filtrés pour le spam, et les faux experts qui publient à des fins commerciales sont la préoccupation explicite du brevet.
- Soyez fort dans votre niche précise. L'expertise se calcule par catégorie et par zone, du niveau le plus précis au plus large : un commerce qui excelle dans sa niche profite des experts de cette niche, et peut devancer un concurrent un peu plus proche qu'ils notent moins bien.
Notre service de SEO local suit qui note un commerce : le nombre d'auteurs d'avis ayant un historique dans sa catégorie et sa zone, la longueur de leurs avis et leur ancienneté.
Le brevet décrit ce que le système de Google peut faire. Il ne confirme pas comment Google pondère aujourd'hui les auteurs d'avis dans le classement local.