Chomp Inc и влияние на поисковые системы Apple и Google

Хронология развития Chomp Inc (до и после покупки Apple)

• 2009 – Основание Chomp в Сан-Франциско австралийцами Беном Кейграном (CEO) и Кэти Эдвардс (CTO). Цель – создать поисковую систему приложений (“app search engine”) для упрощения поиска и рекомендаций мобильных приложений.
  
• Январь 2010 – Запуск первой версии приложения Chomp для iPhone (через ~2 месяца после основания). За первые 8 недель сервис привлек ~300 тыс. пользователей, которые активно искали и писали обзоры на приложения. Chomp позиционируется как “поисковик приложений” или даже “Yelp для App Store”, делая упор на сообщество и обзоры для ранжирования результатов.
  
• Март 2010 – Привлечено начальное финансирование $2 млн (Раунд A) от BlueRun Ventures, SV Angel и ангелов (вкл. Рон Конвей и др.). Средства направлены на улучшение поисковых алгоритмов Chomp.
  
• Август 2010 – Улучшение алгоритмов поиска: Chomp внедряет поиск по функциональности приложений, стремясь стать “Google для приложений”. Появляется веб-сайт Chomp.com с элементами соцсети (похож на Twitter-интерфейс) для обсуждения приложений. Модель монетизации – партнерская программа Apple (5% с продажи рекомендуемых платных приложений) без рекламы, ориентир на рост сообщества обзоров.

• Февраль 2011 – Расширение на Android: выпуск приложения Chomp для Android и поддержка поиска по Android Market (Google Play). TechCrunch отмечает, что Chomp “решает кошмар поиска приложений на Android” благодаря продвинутой технологии. Chomp умеет искать приложения по категориям и описаниям, а не только по названию, и фильтрует “мусор” из результатов.

• Май 2011 – Количество доступных приложений достигает ~500 тыс. на iOS и ~200 тыс. на Android. Chomp интегрируется в экосистему: приложение Chomp появляется в магазине Verizon V CAST (Android) как альтернативный поиск, позволяя искать сразу в магазине Verizon и Android Market.

• Сентябрь 2011 – Редизайн Chomp для iPhone: новое оформление и более быстрый поиск. Запуск сервиса Chomp Search Ads – платформы рекламы в поиске приложений по аналогии с Google AdWords. Разработчики получают возможность ставить ставки на ключевые слова, чтобы их приложения показывались в результатах Chomp помеченными как рекламные, с учетом релевантности и цены ставки.
  

• Сентябрь 2011 – Крупное партнерство с Verizon: Chomp заключает договор с Verizon Wireless о полном встраивании своего поиска в обновленный магазин приложений Verizon Apps на Android-устройствах оператора. Теперь поиск внутри Verizon Apps основан на алгоритмах Chomp, позволяя искать приложения “по тому, что они делают” (например, “детские игры” или “учет расходов”) вместо названий. В пресс-релизе отмечается, что технология Chomp анализирует данные с разных площадок (магазины приложений, Twitter, Facebook, блоги) и выводит функциональность приложения. К этому моменту Chomp индексирует приложения и предоставляет поиск не только конечным пользователям, но и по API для партнеров – помимо Verizon, поиск Chomp встроен в решения Carphone Warehouse (Великобритания), поисковик Blekko, приватный поисковик DuckDuckGo и др..

• Февраль 2012 – Приобретение Chomp компанией Apple (подразумевается сумма ~$50 млн). Сделка охватывает сам продукт и всю команду (~20 сотрудников), которых Apple нанимает для улучшения поиска и discovery в App Store. Chomp сразу прекращает поддержку поиска Android: Android-приложение Chomp удалено из Google Play, поиск по Android Market отключен. Однако сайт и iOS-приложение Chomp временно продолжают работать, выполняя поиск по App Store Apple.

• Август–сентябрь 2012 – Интеграция Chomp в Apple App Store: вместе с релизом iOS 6 Apple запускает новый интерфейс поиска App Store, явно вдохновленный разработками Chomp. В iOS 6 результаты поиска приложений отображаются в виде перелистываемых “карточек” с крупным превью (скриншот, название, иконка) – аналогично тому, как это реализовано в приложении Chomp. Пример: на iPad в iOS 6 показывалось по 4 карточки приложений на страницу. Эта смена формата – первый ощутимый результат интеграции Chomp в продукты Apple.

• Сентябрь 2012 – Полное закрытие Chomp как самостоятельного сервиса. Спустя ~5 месяцев после покупки Apple прекращает работу сайта Chomp.com и удаляет iOS-приложение Chomp из App Store. Предполагается, что технологии Chomp были встроены в поиск App Store Apple, а отдельный бренд и продукт стали избыточными.
  
• 2012–2014 – Инженеры Chomp работают внутри Apple: реализованы улучшения поискового алгоритма App Store, унаследованные от Chomp. Например, добавлены подсказки похожих запросов («related search suggestions») для улучшения обнаружения приложений. Также появляется функция Genius-рекомендаций приложений в iOS 6/7 (на основе интересов пользователя).
  
• 2014 – Ключевые сотрудники Chomp начинают покидать Apple по истечении обязательного срока. В апреле 2014 из Apple уходит сооснователь и CTO Chomp Кэти Эдвардс (она проработала ~2 года, сначала возглавляя поиск, затем отдел качества Apple Maps). Другой сооснователь, Бен Кейгран, остается в Apple до 2016 г. на должности ведущего дизайнера ПО Apple TV.
  
• 2015 – Бывшие участники команды Chomp запускают новый стартап в сфере поиска: Кэти Эдвардс с несколькими экс-сотрудниками Chomp основывает Undecidable Labs (стелс-проект, сфокусированный на «визуальном» поиске и e-commerce).
  
• Конец 2016 – Google покупает Undecidable Labs, нанимая К. Эдвардс и ее команду для усиления собственных поисковых направлений. После приобретения Кэти Эдвардс становится директором по разработке и инженерии Google Image Search, а ее стартап помогает Google монетизировать поиск по изображениям (например, в контексте товаров и покупок).
  
• 2017–2023 – Наследие Chomp продолжает влиять на индустрию. Экс-CTO Chomp Кэти Эдвардс со временем возглавляет в Google ключевые продукты Google Discover, Google News и другие рекомендательные сервисы, применяя экспертизу в семантическом поиске и рекомендациях. В Apple же многие принципы Chomp закрепились в механизмах поиска App Store и Apple Search Ads (запущенных Apple в 2016 г. по аналогичной модели аукциона ключевых слов).
  

Команда Chomp Inc: ключевые персоналии и их карьера

Chomp была небольшой компанией, поэтому практически каждый член команды играл значительную роль в развитии поисковых технологий.

Имя (роль в Chomp)	Специализация и вклад	Дальнейшая карьера (поисковая деятельность)
Бен Кейгран (Ben Keighran) – сооснователь, CEO	Продукт и UX, стратегия поиска. Инициировал идею поиска приложений «по назначению, а не названию». Курировал развитие уникального алгоритма Chomp и подачу результатов (карточки, обзоры). Также привлек инвесторов и партнеров (Verizon и др.).	Apple (2012–2016): после покупки Chomp возглавлял дизайн ПО Apple (в частности, Apple TV). Технологии Chomp под его участием были интегрированы в поиск App Store и iTunes. После Apple: в 2016 г. покинул компанию и основал стартап Caffeine (платформа стриминга). Напрямую в поисковых проектах после Chomp не участвовал, фокусируясь на UX и продакт-дизайне.
Кэти (Кэтрин) Эдвардс (Cathy Edwards) – сооснователь, CTO	Технологии поиска, алгоритмы ML. Главный архитектор поисковой системы Chomp: совместила topic modeling (тематическое моделирование) и классические методы информационного поиска. Руководила командой инженеров, отвечала за качество поиска. Сама – разработчик с экспертизой в NLP, ML.	Apple (2012–2014): назначена Head of Search в iTunes/App Store, отвечала за поисковые системы, ежедневно обслуживающие сотни млн пользователей. Под ее началом Apple внедрила аналитику поиска и рекомендаций в App Store (например, связанные запросы). Через 8 месяцев после покупки повышена до директора по качеству (Director of Evaluation) Apple Maps, где строила систему оценки качества карт и поиска. После Apple: в 2014 ушла, в 2015 основала Undecidable Labs (поиск в e-commerce). После покупки стартапа Google (2016) – заняла должность директора по инженерии Google Image Search, затем стала VP of Engineering Google (курирует команды Google News, Discover и др.). На всех этапах продолжала работать именно над поиском и системами рекомендации – от App Store и Карт Apple до новостных и контентных сервисов Google.
Наталия Эрнандес-Гардиол (Natalia Hernandez Gardiol) – Principal Research Engineer (ведущий исследователь)	Машинное обучение и IR. Доктор наук (MIT) по AI; в Chomp (с 2010 г.) разрабатывала тематическое моделирование приложений, извлечение признаков, экспериментальные сигналы ранжирования и оценку качества поиска. По сути – главный алгоритмист наряду с CTO.	Apple (2012–н.в.): после поглощения стала ведущим специалистом Apple по поиску (Applied Researcher). Участвовала в полной переработке поискового бэкэнда App Store и iTunes. Соавтор множества патентов Apple в области поиска по приложениям (вместе с Эдвардс и др.). В ее зоне ответственности – улучшение релевантности, разработка факторов ранжирования и тестирование алгоритмов поиска приложений. (По состоянию на середину 2010-х Наталия продолжает работу в команде Apple Search, влияя на эволюцию алгоритмов App Store).

Патенты Chomp Inc, связанные с поиском и ML

Во время работы над Chomp компания подала серию патентных заявок (всего около 11) по технологиям поиска приложений, тематического моделирования и рекомендаций. После покупки эти заявки перешли к Apple. Ниже перечислены подтвержденные патенты (и опубликованные заявки), напрямую связанные с инновациями Chomp в информационном поиске:

Патент (№, статус)	Название и краткое описание	Дата подачи (публикации)	Авторы (из Chomp)
US 9805022 B2 (грант, ранее – публикация US 20120191694 A1)	“Generation of topic-based language models for an app search engine” (“Генерация тематических языковых моделей для поисковой системы приложений”). Определяет метод построения языковой модели приложений по их функциям: сбор информации о приложении (название, описание, внешние источники), фильтрация, построение тематической модели (topic model) и ее обогащение дополнительными данными. В результате формируется модель, позволяющая искать приложение по назначению, а не по названию. Этот патент отражает основной алгоритм Chomp – поиск “что приложение делает”.	Подача: 5 апр 2012 (вскоре после поглощения Apple); публикация: 26 июл 2012; выдача патента: 31 окт 2017. Приоритет по провизорной заявке Chomp от 9 дек 2010 (“App Search Engine”).	Catherine A. Edwards, Natalia H. Gardiol (бывш. CTO и ведущий исследователь Chomp).(Оригинальный правообладатель – Chomp Inc., переназначен Apple Inc.)
US 9280595 B2 (грант, опубл. как US 20140067846 A1)	“Application query conversion” (“Преобразование запроса приложений”). Алгоритмы расширения поискового запроса: при вводе пользователем поискового запроса система автоматически определяет связанные термины, отсутствующие в запросе, для улучшения поиска по базе приложений. Связанные термины выявляются анализом пользовательского поведения (какие приложения выбирались по схожим запросам) и статистики совпадения слов в описаниях приложений. Например, для запроса система может добавить синонимы или функционально близкие слова и затем учесть их при поиске и ранжировании результатов. Этот метод позволяет устранить проблему, когда буквальное соответствие словам запроса пропускало релевантные приложения: сначала определяются дополняющие “индикаторные” термины, затем поиск выполняется по исходным и связанным словам, а результаты ранжируются с учетом их присутствия. Таким образом улучшается семантическое соответствие: нерелевантные приложения (где только совпало слово, но не тема) отфильтровываются, а приложения с низкой частотой слова запроса, но многими связанными терминами – наоборот, повышаются в выдаче.	Подача: 30 авг 2012; публикация: 6 мар 2014; выдача патента: 8 мар 2016. (Разработки начаты уже внутри Apple на основе технологий Chomp; приоритет с даты подачи.)	Catherine A. Edwards, Natalia H. Gardiol.(Правообладатель – Apple Inc., экс-сотрудники Chomp – изобретатели.)
US 9405832 B2 (грант, опубл. как US 20130325892 A1)	“Application search-query classifier” (“Классификатор поисковых запросов приложений”). Описывает серверный классификатор, определяющий намерение пользователя по его запросу и выбирающий соответствующую стратегию ранжирования результатов. Патент выделяет три типа поисковых запросов к магазину приложений: (1) Навигационный – пользователь ищет конкретное приложение по имени; (2) Функциональный – ищет приложение для определенной задачи/функции; (3) Обзорный – желает просмотреть разные популярные приложения в категории (например, запросы “best free games”). Для каждого типа применяются разные алгоритмы сортировки: навигационные запросы дают приоритет точному совпадению названия (с учетом близости строк), функциональные – учитывают семантическое совпадение (описание, синонимы) и популярность/рейтинги, а обзорные – в первую очередь сортируют по популярности и оценкам, а затем по текстовой релевантности. Классификатор определяет категорию запроса на основе ряда сигналов: длина и формат запроса (наличие заглавных букв, ключевых слов типа “best”/“top”), статистика прошлых взаимодействий пользователей с таким же запросом (скольким разным приложениям отдавали предпочтение – например, если >50% скачиваний приходилось на одно приложение, запрос считается навигационным). Также реализован feedback loop: система постоянно записывает, какие результаты пользователь смотрит и скачивает, и периодически пересчитывает пороги и параметры классификатора по свежим данным, самообучаясь улучшать выдачу. Этот патент фактически зафиксировал архитектуру поискового стека App Store после интеграции Chomp – учитывающую и текст, и поведение пользователей.	Подача: 2 авг 2012 (приблизительно; заявка Apple, разработка вскоре после поглощения Chomp); публикация: 5 дек 2013; выдача патента: 2 авг 2016 (№9405832).	Catherine A. Edwards и др. (Alexander F. Braunstein, Eva H. Mok – инженеры Apple, работавшие совместно с командой Chomp), Natalia H. Gardiol и др.(Правообладатель – Apple Inc.)

Эти патенты отражают ключевые инновации Chomp, подтвержденные документально. Всего Chomp, по данным самой компании, подала 11 патентных заявок в области поиска и пользовательского опыта приложений. Помимо перечисленных, в их число входили патенты на интерфейсные решения (например, “карточки” результатов поиска, функциональность Chomp Connect для вставки обзоров в сторонние сайты), а также на систему рекламы в поиске приложений (Chomp Search Ads). Например, упоминался патент “Cross-application execution service” и др., адресующие рекомендации приложений между разными приложениями и платформами (не приведены здесь). Основные же идеи – тематический анализ, расширение запросов, классификация намерений – представлены в патентах выше и легли в основу современных поисковых алгоритмов App Store.

Архитектура поисковой системы Chomp: подтвержденные и реконструированные детали

Архитектура Chomp (2009–2012) сочетала новаторские подходы к поиску мобильных приложений. Ниже описаны основные компоненты системы – с указанием, какие аспекты подтверждены источниками, а какие реконструированы на основе практик того времени:

• Сбор и обновление данных (Data Aggregation): Chomp агрегировал данные о приложениях из официальных магазинов (Apple App Store, Android Market) и внешних источников. Подтверждено, что помимо метаданных приложений (названия, описания, категории, ключевые слова от разработчиков) Chomp активно анализировал стороннюю информацию: отзывы пользователей (на собственной платформе Chomp), а также данные из соцсетей и веба – упоминания приложений в Twitter, Facebook, на профильных сайтах и блогах. Вероятно, Chomp регулярно сканировал API магазинов (или парсил их страницы) для получения новых/обновленных приложений и использовал API соцсетей (Twitter Search API и пр.), чтобы выявлять контекст, в котором обсуждается приложение (например, твиты “люблю приложение X для трекинга пробежек” указывают на функцию приложения). Этот этап обеспечивал богатый корпус текстовых данных для последующего анализа – значительно шире, чем просто название/описание из App Store.
  
• Предобработка и индексирование (Processing & Indexing): полученные данные проходили фильтрацию и нормализацию. Подтверждено, что Chomp очищал и отфильтровывал информацию перед анализом. Вероятно, устранялся “лишний шум” – например, стандартные шаблонные фразы в описаниях – и выделялись важные термины (возможно, с использованием NLP: извлечение существительных, глаголов, удаление стоп-слов). Далее Chomp строил специализированный поисковый индекс приложений. Учитывая масштабы (сотни тысяч приложений) и требования быстрого поиска на мобильных, можно предположить, что использовался инвертированный индекс по словам и, что уникально, возможно по темам.
  
  Патенты и источники явно указывают на построение тематических моделей приложений. В частности, Chomp применял Topic Modeling – вероятно, метод вроде LDA (Latent Dirichlet Allocation) или похожие – для автоматической кластеризации/описания приложения в терминах тем или функций. Из текста описания и связанных материалов алгоритм выделял тему (например, приложение “RunTracker” может получить темы “фитнес”, “бег”, “здоровье” даже если названия этих тем нет в названии приложения). Полученные топики и вероятностные распределения слов сохранялись, формируя “языковую модель” для каждого приложения. По сути, для каждого приложения Chomp знал, что оно делает, в виде набора понятий. Это подтверждено: «Chomp’s algorithm understands what an app does и соотносит с тем, чего хочет пользователь».
  
  Также Chomp индексировал социальные сигналы: напр., количество обзоров, оценки пользователей (на своей платформе), возможно, упоминания в соцсетях. В структуре базы каждый объект (приложение) имел ряд атрибутов: текстовые (имя, разработчик, описания, темы), числовые (рейтинг, число скачиваний/обзоров), категориальные (платформа, жанр). Это подготовило основу для сложного ранжирования.
  
• Классификация и интерпретация запросов (Query Understanding): особенность Chomp – умный разбор пользовательского запроса. В отличие от тривиального посимвольного поиска App Store того периода, Chomp анализировал, что хочет найти пользователь. Например, запрос «kids puzzle games» должен находить детские пазлы, даже если ни одно из этих слов не фигурирует буквально в названии некоторых релевантных приложений. Подтверждено, что Chomp искал не строго по названию.
  
  На уровне архитектуры это реализовано через несколько механизмов:
  
  • Поисковый словарь и синонимы: на базе тематических моделей Chomp мог знать, что термин “expense tracker” связан с темой финансов, и включать приложения с описанием “personal finance” и “budget”. Патент по query conversion показывает, как Chomp/Apple находил связанные термины к запросу (например, добавлял синонимы и смежные слова для улучшения результата). Вероятно, в системе был модуль тезауруса или алгоритм выявления ассоциативных слов (через со-вхождения в описаниях и логи поведения пользователей) – это подтверждено патентом Apple 2014 г., основанным на наработках Chomp.
    
  • Классификация намерения: Chomp, имея собственные данные обзоров и активностей, мог различать, ищет пользователь конкретное приложение или категорию. Например, в Chomp существовали встроенные категории и фильтры (напр. “Apps On Sale”, “Top Free”). При вводе запроса Chomp, скорее всего, определял его тип: слово с заглавной буквы, совпадающее с названием известного приложения – вероятно, прямой навигационный поиск; многословный описательный запрос – вероятно, функциональный поиск. Это точно реализовано в алгоритмах Apple App Store позже: патент “Search-query classifier” (соавторы из Chomp) делит запросы на навигационные, функциональные, обзорные и оптимизирует выдачу под каждую категорию. Можно предположить, что прототип этой логики существовал уже в Chomp 2011–2012 гг., хотя, возможно, в упрощенной форме (например, Chomp учитывал популярность результата на такой же запрос ранее, чтобы догадаться о намерении).
    
  • Подсказки в реальном времени: отмечалось, что Chomp при наборе запроса показывал выпадающие rеaltime-подсказки с иконками приложений – т.е. более “умные” автодополнения, чем плоский текст. Это значит, что система хранила популярные запросы и быстро сопоставляла префиксы с названиями или категориями.
    
• Поисковой механизм и матчинг (Retrieval & Matching): когда пользователь вводил запрос, Chomp формировал итоговый поисковый запрос к индексу:
  
  • Расширение запроса: добавлял релевантные термины (соответствующие функции) – подтверждено патентом. Например, запрос “photo editor” мог быть расширен словами “filters, camera” и пр., чтобы найти больше приложений по теме.
    
  • Поиск по индексу: движок находил кандидатов – приложения, чьи текстовые данные (название, описание, темы, отзывы) соответствуют запросу или связанным словам. Скорее всего, использовалась комбинация поиска по обратному индексу (ключевые слова) и по темам (сопоставление темы запроса с темами приложений). Подтверждение: «Chomp’s patent-pending algorithm is able to understand what an app does and what a user wants and then makes the best match» – “лучшее соответствие” предполагает именно интеллектуальное сопоставление запроса (потребности) с функцией приложения.
    
  • Фильтрация и бизнес-логика: Chomp мог фильтровать результаты по платформе (iOS/Android) – в приложении были переключатели. Кроме того, если запрос явно навигационный, мог фильтровать лишнее (патент Apple указывает: если запрос навигационный, находят приложение с максимально близким названием и показывают его первым).
    
  • Интеграция рекламы: при наличии рекламодателей по данному ключевому слову, Chomp Search Ads мог подмешивать объявление в топ результатов (с пометкой). Согласно Chomp, показ объявлений зависел от релевантности и ставки разработчика, т.е. архитектура содержала модуль аукциона объявлений, похожий на Google AdWords, но для приложений. Такой модуль выполнял в реальном времени отбор: если разработчик X заплатил за ключевое слово “игры для детей”, то при запросе “kids games” его приложение показывалось вверху (если оно релевантно запросу). Это было новшеством для App Store в 2011 г., и впоследствии Apple на основе этих идей запустила свою систему Apple Search Ads (в 2016).
    
• Ранжирование результатов (Ranking): после получения кандидатов Chomp ранжировал их по совокупности факторов:
  
  • Релевантность по содержанию: насколько описание/тема приложения совпадает с поисковым запросом. Благодаря topic modeling Chomp мог ставить выше приложение, которое не содержит буквального слова запроса, но по смыслу очень подходит (например, запрос “expense tracker” – приложение “BudgetPlanner” может не иметь слово “expense”, но тема финансов/бюджета даст высокую оценку соответствия). Это подтверждается: «Instead of giving every app tagged ‘music’, Chomp’s results give music apps you’ll actually download» – т.е. Chomp отсеивал нерелевантные формальные совпадения и показывал действительно подходящие по теме приложения.
    
  • Популярность и качество: Chomp учитывал оценки, обзоры и поведение пользователей. Источники отмечают, что Chomp опирался на социальный сигнал – его “сообщество” пользователей, пишущих отзывы, влияло на сортировку (за что Chomp называли “социальным поиском приложений”). Вероятно, приложения с более высокими рейтингами и большим числом положительных обзоров на Chomp получали бонус в ранге. Кроме того, история кликов/установок пользователей по тому же запросу являлась сигналом: Apple-патент описывает метрику “если по запросу 50% загрузок приходится на одно приложение – трактовать его как самый релевантный”. Chomp, возможно, вел похожую статистику (например, если большинство кто искал “Angry Birds space game” скачивали именно Angry Birds, то в дальнейшем он сразу бы ставил его первым).
    
  • Персонализация (в ограниченной форме): в ранних упоминаниях функций Chomp не сказано явно про персонализацию, но косвенно – приложение имело раздел рекомендаций (Genius) на основе интересов пользователя. Возможно, при поиске Chomp мог учитывать платформу пользователя (iPhone vs iPad), языковые настройки и пр. Существенной персонализации выдачи, вероятно, не было (в то время App Store и Chomp в основном давали одинаковые всем результаты, кроме раздела персональных рекомендаций).
    
  • Категория запроса: как отмечалось, Chomp мог сначала классифицировать запрос. Если запрос распознан как “обзорный” (напр. “best RPG games”), алгоритм мог сортировать больше по рейтингу/скачиваниям (т.е. показать популярные RPG-игры). Если навигационный – почти прямой матч по имени. Если функциональный – упор на семантику и релевантность фич. Такая логика полностью описана в патенте 2013 г., и почти наверняка корнями идет к идеям Chomp.
    
• Выдача и UI (Presentation): На фронтенде Chomp выделялся интуитивным интерфейсом результатов: плиточный/карточный вывод с пролистыванием. Подтверждено, что Chomp для Android предлагал “свайповый” интерфейс: скриншоты приложений, которые можно листать вбок, как CoverFlow. Для iPhone аналогично – единичная карточка на экран, листаешь к следующей. Это в корне отличалось от стандартного списка. Такая подача улучшала обзор приложений (видно скрин сразу) и стимулировала находить интересные приложения визуально. Apple переняла эту идею – в iOS 6 сделала аналогичный карточный поиск (что, правда, вызвало споры о скорости просмотра результатов). Также Chomp показывал тэги категорий и похожие запросы (в Gizmodo отмечено желание иметь список связанных категорий и “related apps” для каждого приложения) – вероятно, Chomp рекомендовал переключиться на смежные темы. Например, если искали “гонки” – мог предложить “лучшие гонки” или “автосимуляторы” как уточнение.
  

В сумме архитектура Chomp в 2009–2012 гг. предвосхитила многие элементы современных поисковых систем приложений:

• семантический разбор текста (ML-модели топиков),
• учет поведения пользователей (клики, отзывы),
• кластеризация запросов по интенту,
• удобный UI с акцентом на визуальную составляющую,
• рекламная монетизация поиска.
  

Практически все вышеперечисленное впоследствии нашло отражение в App Store и Google Play. Важно отметить, что подтверждения ключевых технических деталей мы видим в патентной документации Apple, появившейся через 2–4 года после поглощения Chomp – что означает прямую преемственность идей. Несомненно, некоторые менее задокументированные решения (как реализация алгоритмов рекомендаций или детали инфраструктуры) мы реконструировали, опираясь на индустриальные практики того периода: Chomp работал с относительно небольшими данными (сотни тысяч документов), поэтому мог использовать классические поисковые движки (Lucene/Solr с кастомными плагинами) в сочетании с Python/Java-бэкендом для ML-пайплайна.Инновационность Chomp заключалась в сочетании анализа текста, соц. данных и пользовательских метрик для понимания намерений – тогда как конкуренты (поиск в App Store и Android Market) в 2010–2011 были примитивны (почти прямой соответствие по названию). Эта архитектура стала фундаментом для нового поколения поисковых систем по приложениям.

Влияние Chomp на поисковые системы Apple и Google (2012–2025)

Приобретя Chomp в 2012 г., Apple получила не только готовый продукт, но и поисковую философию, отличную от прежнего подхода. Ниже рассмотрено, как идеи и архитектура Chomp отразились на эволюции поиска Apple и Google с 2012 г. по настоящее время, в разных сферах – от App Store до контентных рекомендаций.

Apple и поиск по приложениям (App Store Search)

До сделки поиск в App Store был весьма ограниченным: пользователи часто жаловались, что находят приложения только по точному названию или имени разработчика, а открыть новые приложения по ключевым словам сложно. Покупка Chomp явно была нацелена это изменить. Влияние проявилось быстро:

• Обновление алгоритмов App Store: уже в iOS 6 (сентябрь 2012) Apple внедрила Chomp-стиль интерфейс и, что важнее, улучшенный алгоритм ранжирования. Сообщалось, что Apple “тихо” изменила формат результатов и начала задействовать инфраструктуру Chomp для поиска и рекомендаций приложений. Например, с выходом iOS 6 разработчики заметили, что поисковая выдача стала учитывать больше, чем просто название. Apple не раскрывала детали, но по косвенным данным (и впоследствии патентам) стало ясно: описания приложений, ключевые слова, категории начали влиять на поиск. Таким образом, философия Chomp «искать по тому, что делает приложение» внедрилась: App Store поиск стал более семантичным.
  
• Социальные сигналы и отзывы: Chomp привнес идею использования рейтингов и обзоров как факторов. После 2012 Apple улучшила систему отзывов и, вероятно, учла оценки в ранжировании. Пресса называла Chomp “социальным поиском приложений” из-за упора на отзывы. Вскоре после покупки Apple закрыла неудачную соц.сеть Ping, а команда Chomp предложила альтернативу – например, через Genius-рекомендации и отображение, какие приложения устанавливают друзья (Apple интегрировала связь с Facebook/Twitter в App Store). Это указывает на социальный аспект рекомендаций, перенятый от Chomp: “app discovery via friends” — схожие функции упоминались ArsTechnica, говоря, что Chomp позволял видеть, какие приложения оценили ваши друзья в Facebook/Twitter. Apple позже (в iOS 7–9) интегрировала некоторые соц-элементы (например, показывалось, если ваш контакт скачал приложение – через Game Center и др.). Хотя эта линия не стала доминирующей, Chomp поспособствовал развитию идеи, что поиск/рекомендация приложений – это не только алгоритм, но и социальный опыт (об этом прямо писал SearchEngineLand: Apple, купив Chomp, получает второй шанс на соц-функции в экосистеме).
  
• Категорийный и контекстный поиск: с помощью технологий Chomp Apple внедрила более умные категории и подборки. Например, раздел “Покупки по категориям” стал более динамичным. Патенты от бывших Chomp показывают, что Apple реализовала классификатор запросов (навигационный/функциональный), и разные алгоритмы ранжирования для них. Это означает: если пользователь вводит общий запрос, Apple теперь старается показать разнообразие популярных приложений; если специфический – наиболее релевантные по смыслу. Практически, начиная с 2013–2014 г., разработчики заметили улучшения: поиск стал выдавать более подходящие приложения даже по общим словам. Внедрение Related Searches (связанных поисковых запросов) в App Store – прямое следствие технологий Chomp. В iOS 8 (2014) App Store начал при поиске предлагать пользователю уточняющие запросы (например, при поиске “photo editor” – показывать сверху: “collage”, “filters” и т.п.). Эти подсказки (впервые замеченные как раз через ~2 года после интеграции Chomp) реализованы на основе анализа связей между запросами – что описано в патенте про классификатор (сбор статистики переходов). Так что здесь – прямая заслуга Chomp.
  
• Apple Search Ads: концепция монетизации поиска через платное продвижение приложений фактически была опробована Chomp (их Search Ads в 2011 г.). Apple после нескольких лет перерыва в 2016 г. запустила Apple Search Ads – разработчики могут платить за показ своего приложения вверху результатов по определенным ключевым словам. Механика очень похожа на ту, что была у Chomp (аукцион, релевантность + ставка). Можно уверенно предположить, что эксперимент Chomp был учтен Apple: зная, что модель работает, Apple внедрила ее на своем уровне. Сегодня Search Ads – важная часть App Store, приносящая Apple доход, и это наследие инновации Chomp.
  
• Качество поиска App Store сегодня: к 2025 г. App Store поиск – сложная система с ML-ранжированием, разбиением запросов на намерения, учетом более 42 сигналов (по данным экспертов ASO). Многие из этих сигналов – тематическая релевантность, синонимы, поведение пользователей (конверсии по запросам), качество приложения (рейтинг, вовлеченность) – были заложены как раз командой Chomp. Патенты Chomp/Apple фактически описывают “ранний чертеж современной поисковой стеки App Store”. Bottom line, без Chomp App Store мог бы еще долго оставаться «тупым» поиском по названию; с Chomp он трансформировался в умную поисково-рекомендательную систему приложений.
  

Google: влияние идей Chomp на Google Play и контентные сервисы

Компания Google не приобретала Chomp, однако опосредованно тоже испытала влияние – как через рыночную конкуренцию, так и через переход некоторых людей/идей в Google.

• Поиск Google Play (Android): в 2010–2011 гг. поиск по Android Market сильно проигрывал Chomp. Chomp прямо указал на недостатки: даже Google Reader было сложно найти в Google Play по поиску. С появлением Chomp на Android (2011) Google увидел альтернативный подход, и позднее (около 2012–2013) значительно улучшил алгоритмы Google Play. Хотя нет публичных признаний, можно отметить: Google Play тоже начал учитывать слова из описаний, синонимы и рейтинги – то есть внедрил семантический поиск приложений. Кроме того, конкурент Chomp – стартап Quixey (поиск по функциям приложений) – привлек инвестиции и заключил партнерства, что подстегнуло Google. В итоге к середине десятилетия Google Play Search стал сопоставим с App Store Search по умности. Косвенно, Chomp через Apple заставил Google не отставать. Любопытно, что один из патентов Apple (2013) цитирует патент Quixey 2016 г. как аналог (про deep links в выдаче) – значит, шла гонка технологий. Таким образом, идеи Chomp распространились индустриально: “поиск по функциям, а не именам” стал стандартом и для Google Play.
  
• Экосистема Google Discover/News: Кэти Эдвардс, покинув Apple, пошла в Google и возглавила непосредственно контентные рекомендательные продукты (Discover – лента персональных новостей, и Google News). Ее переход принес в Google уникальный опыт: сочетание NLP (лингвистическое образование) и IR (опыт Chomp/Apple). Влияние прослеживается в подходах Discover:
  
  • Google Discover (ранее Google Feed) – это фактически дискавери-контент по интересам пользователя, сродни тому, как Chomp давал персональные рекомендации приложений на основе тем интересов. Discover тоже группирует контент по темам, используя topic modeling и пользовательские сигналы (что читаете, что скрываете). Хотя публично алгоритмы Discover (теперь под руководством Эдвардс) не раскрыты, известно, что они строятся вокруг тематического понимания контента и предсказания намерений (что интересно этому пользователю) – а это совпадает с философией Chomp, только применено к новостям и видео. Сама Эдвардс говорила, что всегда интересовалась “decision-making under uncertainty, recommendation systems” – теперь она применяет это в полном масштабе для миллиардной аудитории Discover.
    
  • Google News – унаследовал много от проекта с Undecidable Labs (их фокус был e-commerce, но Visual Search). Тем не менее, курирование новостного контента по темам (например, группы новостей по сюжету) – задача, где навыки тематического моделирования тоже полезны. Можно предположить, что под руководством Эдвардс команда Google News усилила использование ML для группировки и ранжирования новостей (Google News сегодня активно применяет кластеризацию сюжетов и персонализацию).
    
• Google Image Search (Shopping): стартап Undecidable Labs, приобретенный Google, специализировался на визуальном поиске для e-commerce. То есть, вероятно, на технологии понимания изображений товаров и фильтрации/рекомендации. После покупки Эдвардс возглавила Image Search, и Google объявил о новых возможностях визуального поиска (например, инструмент Google “Шоппинг по картинке”). Мы видим, как принципы Chomp (связать данные о продукте с потребностью пользователя) переносятся на изображения: вместо текстового описания приложения – визуальный контент товара. Undecidable Labs разработала систему фильтров “nice-to-have” vs “ideal” для товарного поиска – это созвучно идее Chomp давать пользователю более осмысленные варианты (например, “идеально – бесплатное, желательно – с определенной функцией” в контексте приложений). В итоге вклад бывшей CTO Chomp отразился на том, что Google Images стал более “понимающим” – превращается из просто поиска картинок в инструмент нахождения товаров и идей, с акцентом на смысл картинки.
  
• Общие методы IR в Google: даже помимо конкретных продуктов, приход опытных людей из Chomp (как Эдвардс) обогатил культуру Google Search. К 2020-м Google активно использует topic modeling, user behavior signals во всех поисках – веб, видео (YouTube). Например, концепция “обучения на кликах пользователей” – краеугольный камень ранжирования Google – перекликается с подходом Chomp/Apple (сбор статистики по скачиваниям для улучшения выдачи). Конечно, Google разработал эти методы самостоятельно, но наличие в команде людей, которые делали нечто подобное для приложений, усилило уверенность в таких сигналах. Также примечательно: один из руководителей поиска Google, Прабхакар Рагхаван, назначил К. Эдвардс на высокую должность – вероятно, ценя ее междисциплинарный подход (лингвистика + ИИ + продакт). Это отражается в современных инициативах Google (например, объединение поиска и рекомендаций контента, развитие поисковых подсказок по интересам и др.).
  

В целом, можно сказать, что Chomp повлиял на Google косвенно и через кадры. Пока Apple делала App Store умнее, Google не оставался в стороне, чтобы его Google Play не выглядел хуже – тут работала здоровая конкуренция идей. А позже переход ключевых экспертов Chomp в Google принес туда “DNA Chomp” – ориентацию на поиск по смыслу, не по слову, на смешение рекомендаций и поиска (что явно видно в Google Discover, где поиск и рекомендация сливаются). Даже вне сферы приложений преемственность идей прослеживается: Chomp искал мобильные приложения по функциям, теперь Google пытается искать контент и ответы по намерениям пользователя, все меньше опираясь на ключевые слова. Такой тренд (от keyword search к semantic search) – это и есть суть революции, начатой в своей нише Chomp.