Information gain — co opisuje patent Google i co z tego wynika
Czym jest information gain?
Information gain to pojęcie opisane w patencie Google US11354342B2 „Contextual estimation of link information gain”, zgłoszonym w 2018 r. i udzielonym w 2022 r. Patent opisuje ocenę, ile dodatkowych informacji wnosi dokument ponad te, które użytkownik widział już w innych dokumentach; sam patent nie dowodzi, że Google używa takiego sygnału w rankingu. W SEO information gain rozumie się jako to, ile nowych, unikalnych informacji Twoja treść wnosi względem stron już rankujących na to samo zapytanie.
W praktyce: jeśli 10 stron w SERP pisze to samo, 11. strona z identyczną treścią nie zasługuje na ranking. Strona, która dodaje nowy kąt, dane, eksperymenty, świeże perspektywy, wnosi information gain — i daje powód, by pokazać ją obok stron powtarzających to samo albo zamiast nich.
Dlaczego to ważne?
- Helpful Content — według przewodnika Google po systemach rankingowych system ogłoszony w 2022 roku miał zapewniać, że użytkownicy widzą oryginalne, pomocne treści pisane dla ludzi; od marca 2024 roku jest częścią głównych systemów rankingowych. Google nie potwierdził, że te systemy korzystają z mechanizmu z patentu, ale kierunek jest zbieżny
- AI Overviews i GEO — według dokumentacji Google o funkcjach AI w wyszukiwarce obowiązują tam te same dobre praktyki co w zwykłym SEO, a treść powtarzająca inne strony nie daje powodu, by sięgnąć akurat po nią
- Defensywne SEO — strona, która tylko powtarza konkurencję, nie ma argumentu, którym mogłaby ją wyprzedzić
Co dokładnie opisuje patent?
Patent nie mówi o porównywaniu strony z pierwszą dziesiątką wyników, tylko o sytuacji konkretnego użytkownika:
- Dokumenty już widziane — system ustala zbiór dokumentów na dany temat, z których informacje użytkownik już poznał (w zastrzeżeniach patentu m.in. przedstawione mu wcześniej przez automatycznego asystenta)
- Nowe dokumenty na ten sam temat — kandydaci, których treści użytkownik jeszcze nie widział
- Wynik information gain — dla każdego nowego dokumentu system szacuje, ile informacji wnosi ponad te już widziane; patent opisuje m.in. użycie modelu uczenia maszynowego na wektorach cech semantycznych. Na tej podstawie nowe dokumenty mogą zostać uszeregowane, a informacje z wybranego pokazane użytkownikowi
Z samego patentu nie wynika, że Google stosuje ten mechanizm w rankingu wyników wyszukiwania. Praktyczne wskazówki niżej wynikają z idei patentu, a nie z udokumentowanego algorytmu.
Jak zwiększyć information gain?
1. Audyt SERP przed pisaniem
- Sprawdź top 10 stron dla swojej frazy
- Wyciągnij ich H2/H3 (struktura tematyczna) i dominujące entity
- Zidentyfikuj luki — tematy poruszone przez 1-2 strony, ale nie przez resztę
2. Wnieś unikalne dane
- Wewnętrzne metryki — własne case study, A/B testy, dane z Google Search Console
- Świeże benchmarki — porównanie kilku narzędzi/strategii z własnym setupem
- Eksperymenty — opis testu i wniosków, którego nikt jeszcze nie opublikował
- Insider knowledge — kontekst rynkowy, decyzje produktowe, perspektywy ekspertów
3. Dodaj entity, których brak w corpusie
- Wzbogać tekst o named entities (osoby, firmy, narzędzia, standardy, daty)
- Każdy entity to potencjalny topical sygnał — link do encji w knowledge graph
4. Atomic answers
- Patrz na treść jak na zbiór atomowych odpowiedzi (entity + image + treść atoms)
- Każdy fragment musi nieść jedną unikalną informację dającą się wyodrębnić przez AI
- Format pomocny: FAQ, definicje, statystyki, listy step-by-step
Najczęstsze błędy
- Parafrazowanie top-rankerów — taka treść nie wnosi nowych informacji (zerowy gain), niezależnie od tego, czy wychwyci ją jakiekolwiek narzędzie: według badania „Can AI-Generated Text be Reliably Detected?” parafrazowanie potrafi znacząco obniżyć skuteczność detektorów AI, a Google publicznie nie opisuje, by korzystał z zewnętrznych detektorów. Sam wynik detektora AI nie jest jednak dowodem pochodzenia tekstu ani jego jakości, co omawiamy w artykule o detektorach AI i stanowisku Google.
- Tylko teoria, bez praktyki — corpus już zawiera teorię; dodaj „jak my to zrobiliśmy"
- Brak liczb — surowe dane (procenty, KPI, czasy) to mocny gain signal
- Skopiowane FAQ z konkurencji — Google grupuje duplikaty i wybiera jeden adres jako kanoniczny, niekoniecznie Twój
Information gain a GEO
W kontekście GEO (Generative Engine Optimization) idea jest ta sama: odpowiedź generatywna w ChatGPT, Perplexity czy Gemini łączy wiele źródeł, a strona, która nie wnosi nic ponad nie, nie daje silnikowi powodu, by zacytować akurat ją. To rozumowanie, nie udokumentowany mechanizm — patent dotyczy Google, a cytowania w odpowiedziach AI nie da się zagwarantować.
Powiązane pojęcia
- Topical authority — autorytet tematyczny
- Topical mapping — mapowanie tematyczne klastrów
- E-E-A-T — sygnały ekspertyzy
- GEO — optymalizacja pod AI
- Helpful content — pomocne treści
- SERP — strona wyników wyszukiwania