資訊增益（information Gain）專利，不是影響排名的因素 – 鸭老师SEO

“資訊增量”(information gain)是個真實的技術量,被 SEO 圈一層層掏空,最後變成了”你的文章要比別人多提供一點獨特價值”這種口號。它不是Google的排名因素。下面是一手來源,和它一步步變味的過程。

它的真身:資訊理論裡的一個精確量

“資訊增量”不是 SEO 發明的詞。它源於 Shannon 熵,指熵的期望下降量 / 互資訊——一個有嚴格數學定義的量。機器學習裡,決策樹演算法(ID3、C4.5)用它做特徵選擇:衡量某個特徵能把資料的不確定性降低多少。

記住這一點:這個詞自帶”硬核”光環。後面所有的改頭換面,都在借這個光環。

Google專利實際寫的是什麼

SEO 圈拿來當證據的,是Google 2018 年申請的專利 《Contextual estimation of link information gain》(發明人 Victor Carbune、Pedro Gonnet)。我直接讀了授權版 US12013887B2 的全文。它確實是個”打分 + 排名”的提案,但專利裡每一句排名表述都掛著 “may”——原文:”these search results may be ranked at least in part based on their respective information gain scores”。要害不在它排不排名,而在它打的是什麼分、排的什麼序。

它的機制是兩組結構:

- 先識別使用者已經看過的一組文件(同主題);

- 再識別還沒看過的第二組;

- 資訊增量分,是針對第二組每篇、相對於第一組算的——衡量這篇相比你已看過的內容,多出多少新資訊。

三個關鍵限定:

- 它是關係量,不是頁面固有屬性。 同一篇頁面,對”已讀 A”的人有增量,對沒讀過的人沒有。分數隨讀者的閱讀歷史變。

- 沒有”已讀集合”就沒有這個分。 專利明說:當一組文件使用者都還沒看過時,不生成資訊增量分(或給個無意義的相等分)。而初始搜尋結果頁,正是”還沒看任何東西”的狀態。

- 主要場景是助手,但不只助手。 專利說資訊可經由自動助手、也可經由搜尋引擎結果給出;助手對話(回答”幫我修電腦”)是最清楚的例子——目的是在後續輪次裡不重複已說過的內容,只給新的那個。

換句話說,它是會話內、按你已讀內容去重的呈現與重排機制,不是十條藍鏈初排的門檻。

它怎麼被掏空成口號

把這篇專利撈進 SEO 討論的,是已故的 Bill Slawski——Google專利解讀第一人。但他原文全程用 “may”:資訊增量分高的頁面”可能”排得更高;而且他明說,有專利不代表Google現在就在用,甚至可能只是 aspirational。

變味的關鍵一步是內容工具。比如 MarketMuse 的 《Content Writing for Information Gain》,把 Slawski 的保留全刪掉,直接做成”你必須達標的內容 KPI”。賣內容優化工具的,有充分動機把”一句帶 maybe 的專利觀察”,包裝成”不加資訊增量就排不上”。

到了中文圈,”資訊增量 / 資訊增值”再被翻譯一層,繼承同一個誤讀,又常跟 GEO、AEO 的熱點捆在一起賣。

套路每一層都一樣:拿一個有真實技術血統的精確量 → 剝掉定義和語境 → 膨脹成一句模糊、可售賣的內容口號。它能唬住人,恰恰因為前面那層硬核出身被當成了信用背書,而真正的定義早被丟了。

PS：個人實用經驗、理解、體驗等內容是在使用者行為角度上給navboost加分，從而有機會去提高排名。

獨立Google SEO專家，ylsseo.com創始人，基於Google專利、IR與API Leak解讀排名機制，中文SEO啟蒙第一人。