Przejdź do treści
arduralab
·4 min

Information gain — co opisuje patent Google i co z tego wynika

SEOGEOcontentinformation gain

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:

  1. 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)
  2. Nowe dokumenty na ten sam temat — kandydaci, których treści użytkownik jeszcze nie widział
  3. 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

Potrzebujesz wsparcia?

Optymalizacja pod wyszukiwarki AI — sprawdź naszą ofertę.