Information gain ही ती नवी माहिती आहे जी एखादे पान त्याच विषयावरच्या इतर पानांच्या तुलनेत जोडते. जास्त information gain असलेले पान असे काही सांगते जे इतर सांगत नाहीत: एखादा आकडा, एखादी पद्धत, एखादा निष्कर्ष, एखादे उदाहरण किंवा एखादे स्पष्ट मत. उपयुक्त content वरचे Google चे मार्गदर्शन आणि AI assistants ची स्रोत निवडण्याची पद्धत, दोन्ही अशा पानांची बाजू घेतात, कारण दहा इतर साइट जे आधीच सांगत आहेत ते पुन्हा सांगण्याने कोणत्या वाचकाला, किंवा कोणत्या model ला, तुमचे पान निवडण्याचे कारण मिळत नाही.
ही कल्पना कुठून आली
Information theory मध्ये information gain हे मोजते की काही नवे कळल्याने किती अनिश्चितता कमी होते. Search मध्ये हा शब्द तेव्हा सर्वसामान्य झाला जेव्हा Google ला 2022 मध्ये एक patent मिळाला, ज्यात सांगितले आहे की कागदपत्रांना या आधारावर गुण कसे द्यावे की ती त्या वापरकर्त्याला किती नवी माहिती देतील ज्याने त्या विषयावरची इतर कागदपत्रे आधीच पाहिली आहेत.
Patents सांगतात की एखाद्या कंपनीने कोणत्या कल्पना तपासल्या आहेत, आणि त्यांपैकी अनेक कधीच वापरात येत नाहीत. जास्त उपयोगी पुरावा म्हणजे उपयुक्त content तयार करण्यावरचे Google चे स्वतःचे सार्वजनिक मार्गदर्शन, जे साइट मालकांना विचारते की त्यांचा content मूळ माहिती, संशोधन किंवा विश्लेषण देतो का, तो उघड गोष्टीच्या पुढे जातो का, आणि निष्कर्षांमध्ये दिसणाऱ्या इतर पानांच्या तुलनेत तो ठोस मूल्य जोडतो का.
AI search याला बक्षीस का देते
जेव्हा एखादा AI assistant अनेक काढलेल्या भागांतून उत्तर लिहितो, तेव्हा जी तथ्ये अनेक स्रोतांमध्ये येतात ती एका वाक्यात एकत्र केली जातात आणि त्यांचे श्रेय कोणालाही दिले जाऊ शकते. जे तथ्य फक्त एका पानात असते, त्याचा एकच संभाव्य स्रोत असतो. Citation त्याच पानाला मिळते.
Aggarwal आणि त्यांच्या सहकाऱ्यांच्या 2023 च्या GEO शोधनिबंधात असे आढळले की आकडे, अवतरणे आणि cite केलेले स्रोत जोडल्याने त्यांच्या चाचण्यांमध्ये AI ने तयार केलेल्या उत्तरांमधली एखाद्या पानाची visibility सुमारे 40 टक्क्यांपर्यंत वाढली. यांपैकी प्रत्येक ती माहिती आहे जी सर्वसामान्य पानात नसते.
Information gain कशाला म्हणावे
| प्रकार | उदाहरण |
|---|---|
| स्वतःचा data | तुम्ही audit केलेल्या 40 साइटचा सरासरी load वेळ, एखाद्या दुरुस्तीच्या आधी आणि नंतर |
| किंमती आणि कक्षा | एखाद्या सेवेची सामान्य किंमत आणि कशामुळे ती वाढते |
| पद्धत | तुम्ही उचलणारी नेमकी पावले, त्यांच्या क्रमासह आणि कारणासह |
| निष्कर्ष | काही करून पाहिल्यावर काय झाले, तेही की कधी ते उपयोगी ठरले नाही |
| तुलना | त्या निकषांवर पर्यायांची table जी कोणीही मांडली नाही |
| स्पष्ट मत | एखाद्या सांगितलेल्या परिस्थितीसाठी थेट शिफारस, कारणांसह |
| दुरुस्ती | पुरावा की एखादा खूप वेळा सांगितलेला दावा चुकीचा किंवा जुना आहे |
लांब content म्हणजे जास्त माहिती नाही. ते 3,000 शब्दांचे पान जे प्रत्येक स्पर्धकाचे तेच पाच मुद्दे पुन्हा सांगते, त्यापेक्षा 600 शब्दांचे पान ज्यात एक मूळ निष्कर्ष आहे, त्याचे information gain जास्त असते.
आपले information gain कसे शोधावे
- आपला लक्ष्य प्रश्न search करा आणि त्याचे सर्वात वरचे निष्कर्ष तसेच AI उत्तरे वाचा.
- ते जे काही सांगतात त्याची यादी करा. हेच त्या विषयात आधीपासून आहे.
- तुम्हाला जे माहीत आहे आणि जे सुटत आहे त्याची यादी करा: प्रकल्पांतून, ग्राहकांच्या प्रश्नांतून, data मधून, तुम्ही पाहिलेल्या चुकांतून.
- पान दुसऱ्या यादीभोवती बांधा, आणि पहिली यादी पूर्णतेसाठी थोडक्यात मांडा.
- आपले नवे मुद्दे आपल्या विभागांच्या सुरुवातीजवळ ठेवा, जिथे वाचक आणि models दोघे त्यांना आधी सापडतात.
या साइटवरच्या guides तीच पद्धत वापरतात. त्यांपैकी अनेक सर्वसामान्य दावे दुरुस्त करतात, उदाहरणार्थ हे की llms.txt AI rankings सुधारते, किंवा हे की text-to-HTML ratio हा एक ranking factor आहे, कारण नोंदवलेली दुरुस्ती ही ती माहिती आहे जी त्या विषयांवरची बहुतेक पाने देत नाहीत.
वारंवार विचारले जाणारे प्रश्न
Information gain हा Google चा निश्चित ranking factor आहे का?
Google ने या नावाच्या कोणत्या ranking signal ची पुष्टी केलेली नाही. त्याचे सार्वजनिक मार्गदर्शन मूळ, ठोस content मागते, आणि 2022 चा patent दाखवतो की या कल्पनेचा अभ्यास झाला आहे. ते मार्गदर्शन कशाला बक्षीस देते याचे वर्णन म्हणून हे घेणे सर्वात योग्य आहे.
AI ने लिहिलेल्या content मध्ये information gain असू शकते का?
तेव्हाच, जेव्हा माहिती कुठल्या नव्या ठिकाणाहून आली असेल, जसे तुमच्या data मधून किंवा अनुभवातून. आपल्या training data मधून लिहिणारे model तेच पुन्हा सांगते जे आधीपासून सर्वसामान्य आहे, आणि हे information gain च्या उलट आहे.
Rank करण्यासाठी मला मूळ संशोधन लागते का?
नाही. मूळ संशोधन हा सर्वात बळकट प्रकार आहे, पण स्वतःच्या हाताचा अनुभव, विशिष्ट उदाहरणे आणि स्पष्ट मते सुद्धा ती माहिती जोडतात जी सर्वसामान्य पानांमध्ये नसते.