E-E-A-T কী এবং কেন এটি নির্ধারণ করে AI কনটেন্ট র‌্যাঙ্ক করবে কি না

Google-এর সহায়ক বিষয়বস্তু তৈরির পৃষ্ঠায় এই শব্দটি ঠিক একবার ব্যাখ্যা করা হয়েছে, "experience, expertise, authoritativeness, and trustworthiness, or what we call E-E-A-T" হিসেবে। এরপর পৃষ্ঠার বাকি অংশে তারা এর পেছনের প্রশ্নগুলিতে যায়। চারটি গুণ। এর মধ্যে একটি কোনো drafting tool দিয়েই তৈরি করা যায় না, আর বাকি তিনটি একটি AI workflow-এও টিকে থাকে, যদি কোনো publisher সেগুলি যথাযথভাবে স্থাপন করে। এ নিয়ে লেখেন এমন প্রায় কেউই এই দুই গোষ্ঠীকে আলাদা করে না।

তাহলে E-E-A-T কী? E-E-A-T হলো Google-এর সংক্ষিপ্ত রূপ, যা দিয়ে তার human quality raters কোনো page-এ এবং যিনি তা প্রকাশ করেছেন, তাঁর মধ্যে থাকা চারটি গুণ মূল্যায়ন করেন: experience, expertise, authoritativeness এবং trustworthiness। এটি এসেছে Search Quality Rater Guidelines থেকে, সেই নথি থেকে যা raters ব্যবহার করেন যখন Google পরীক্ষা করে তার ranking systems ভালো ফল দিচ্ছে কি না। এই উৎসই নির্ধারণ করে AI-helped content-এর ক্ষেত্রে ধারণাটি কীভাবে প্রযোজ্য হবে। আর এটিই সেই অংশ, যা অধিকাংশ ব্যাখ্যাকারী এড়িয়ে যান।

নীতিগত প্রশ্নটি অন্যত্র অবস্থিত এবং তার নিজস্ব উত্তর আছে। AI content এবং rankings সম্পর্কে Google-এর নথিভুক্ত অবস্থান প্রযোজ্য বাক্যগুলি উদ্ধৃত করে এবং প্রতিটি সংশোধনের তারিখ দেয়, এবং সেগুলোর কোনোটিই AI authorship-কে কোনো অবনতি হিসেবে বিবেচনা করে না। এই post বরং quality প্রশ্নটির উত্তর দেয়, AI draft একা কোন চারটি দিক বহন করে, কোনটি এটি গঠনগতভাবে বহন করতে পারে না, এবং সেই পার্থক্য পূরণ করতে publisher-কে কী যোগ করতে হয়।

E-E-A-T কী? চারটি দিক, সংজ্ঞায়িত

অভিজ্ঞতা হলো বিষয়টির সঙ্গে সরাসরি, প্রত্যক্ষ সংযোগ। Google-এর নিজস্ব স্ব-মূল্যায়ন প্রশ্ন এটি স্পষ্টভাবে বলে: "Does your content clearly demonstrate first-hand expertise and a depth of knowledge (for example, expertise that comes from having actually used a product or service, or visiting a place)?" Expertise হলো প্রদর্শিত বিষয়জ্ঞান, যাকে Google একটি পৃথক প্রশ্ন হিসেবে উপস্থাপন করে: "Is this content written or reviewed by an expert or enthusiast who demonstrably knows the topic well?" এই দুইটির শব্দচয়নে আংশিক মিল আছে, কিন্তু ব্যবহারিক প্রয়োগে এরা আলাদা হয়ে যায়। একজন ব্যক্তি কোনো ক্ষেত্র ভালোভাবে জানতে পারেন, তবু তিনি যে নির্দিষ্ট পণ্যটি পর্যালোচনা করছেন, সেটি কখনও ব্যবহার না-ও করে থাকতে পারেন।

Authoritativeness হলো সুনাম। এটি বোঝায়, এই পৃষ্ঠা, লেখক এবং সাইটটি কি এমন একটি উৎস হিসেবে স্বীকৃত, যেখানে অন্যরা এই নির্দিষ্ট বিষয়ে তথ্যের জন্য যায়, যা পাঠ্যের নয়, বরং বাস্তব জগতের একটি বৈশিষ্ট্য। Trustworthiness হলো যথার্থতা, স্বচ্ছতা এবং জবাবদিহি, এবং Google-এর নথিপত্র এর গুরুত্ব সম্পর্কে সরাসরি বলে: "Of these aspects, trust is most important." বাকি তিনটি আংশিকভাবে এটিকে সমর্থন করার জন্যই আছে। একজন প্রকৃত বিশেষজ্ঞের লেখা একটি পৃষ্ঠা, তবু trust-এর ক্ষেত্রে ব্যর্থ হয়, যখন পাঠক বুঝতে পারেন না এটি কে প্রকাশ করেছে বা কীভাবে এটি তৈরি হয়েছে।

E-E-A-T কোথা থেকে এসেছে, এবং কেন Google বলে এটি একটি ranking factor নয়

E-E-A-T এসেছে Search Quality Rater Guidelines থেকে, যে নথি Google মানব rater-দের দেয়, যারা নমুনা search result মূল্যায়ন করেন। ranking-এর সঙ্গে এর সম্পর্ক নিয়ে Google-এর ভাষ্যটি সংক্ষেপে না দেখে হুবহু পড়াই ভালো: "While E-E-A-T itself isn't a specific ranking factor, using a mix of factors that can identify content with good E-E-A-T is useful." এবং rater-দের সম্পর্কে: "Rater data is not used directly in our ranking algorithms."

আর rater-রা কী করেন, সে বিষয়ে Google-এর উপমা হলো একটি restaurant-এর comment card পড়া: "Rather, we use them as a restaurant might get feedback cards from diners. The feedback helps us know if our systems seem to be working." এই card-গুলো kitchen-কে বলে দেয় খাবার ঠিকভাবে গ্রহণ করা হচ্ছে কি না। এগুলো কিছুই রান্না করে না।

ব্যবহারিক পরিণতি বিশেষভাবে AI বিষয়বস্তুর ক্ষেত্রে গুরুত্বপূর্ণ। E-E-A-T স্কোর বাড়ানোর কিছু নেই, তাই চারটি দিকের সংকেত দেওয়ার ওপর ভিত্তি করে তৈরি কৌশলগুলো লক্ষ্যভ্রষ্ট হয়। যা বাড়ানো যেতে পারে, তা হলো সেই অন্তর্নিহিত উপাদান, যা রেটারদের খুঁজে দেখতে বলা হয়েছিল, এবং উপাদানের ক্ষেত্রেই AI খসড়ার সক্ষমতা অসমান।

একটি AI খসড়া কোন কোন দিক স্বতন্ত্রভাবে বহন করতে পারে

চারটির মধ্যে দুটি সম্পূর্ণ স্বয়ংক্রিয় কর্মপ্রবাহে টিকে থাকে, একটি আংশিকভাবে টিকে থাকে, এবং একটি একেবারেই টিকে না। Expertise আংশিকভাবে টিকে থাকে, কারণ প্রকাশিত উপাদানের ওপর প্রশিক্ষিত একটি মডেল সুপ্রামাণিত বিষয়গুলিতে সঠিক বিষয়জ্ঞান পুনরুৎপাদন করে, এবং এর প্রতিটি বাক্য যাচাই করা যায়। Authoritativeness সাইট এবং লেখকের সঙ্গে সম্পর্কিত, খসড়ার সঙ্গে নয়, তাই একটি প্রতিষ্ঠিত ডোমেইন যেমন অন্য যেকোনো পৃষ্ঠাকে বহন করে, তেমনি একটি AI-সহায়িত পৃষ্ঠাকেও বহন করে। Trustworthiness প্রক্রিয়ার ওপর নির্ভর করে, যাচাইকরণ, স্বচ্ছতা এবং নামযুক্ত লেখক, এগুলো সবই এমন বিষয় যা একটি প্রকাশক খসড়া সম্পন্ন হওয়ার পরে সরবরাহ করে। Experience হলো এমন একটি দিক, যেখানে কোনো খসড়া-ধাপ পৌঁছাতে পারে না।

E-E-A-T aspect	Google এটিকে কীসের সঙ্গে যুক্ত করে	একটি AI খসড়া নিজে থেকে কী সরবরাহ করে	প্রকাশককে কী যোগ করতে হয়
Experience	প্রথম-হাতের সংযোগ, এমন দক্ষতা যা আসে কোনো পণ্য বা সেবা বাস্তবে ব্যবহার করা, অথবা কোনো স্থান পরিদর্শন করা থেকে	কিছুই নয়। একটি মডেল কোনো পণ্য ব্যবহার করেনি এবং কোনো স্থান পরিদর্শনও করেনি	একটি পরিমাপ, একটি স্ক্রিনশট, একটি তারিখসহ ফলাফল, আপনি যে সিদ্ধান্ত নিয়েছেন এবং তারপর কী ঘটেছে
Expertise	এমন বিশেষজ্ঞ বা উৎসাহী ব্যক্তির লেখা বা পর্যালোচিত বিষয়বস্তু, যিনি প্রমাণযোগ্যভাবে বিষয়টি ভালো জানেন	ভালোভাবে নথিভুক্ত বিষয়ের ওপর সঠিক বিষয়জ্ঞান, সম্পূর্ণভাবে যাচাইহীন	একজন নামযুক্ত পর্যালোচক যিনি ক্ষেত্রটি জানেন, এবং মডেল যে প্রতিটি দাবি তৈরি করেছে তার ওপর একটি যাচাই
Authoritativeness	এই বিষয়ে অন্যরা যে উৎসের কাছে যায়, সেই হিসেবে সাইট এবং লেখকের স্বীকৃতি	কিছুই নয়, কারণ সুনাম হলো বিশ্বের একটি বৈশিষ্ট্য, পাঠ্যের নয়	অন্যরা যে উদ্ধৃতি দিতে বেছে নেয়, একটি ধারাবাহিক বিষয়কেন্দ্রিকতা, অনুসরণযোগ্য রেকর্ডসহ একজন লেখক
Trustworthiness	নির্ভুলতা, স্বচ্ছতা এবং জবাবদিহি, যাকে Google চারটির মধ্যে সবচেয়ে গুরুত্বপূর্ণ বলে	সাবলীল গদ্য, যা বিষয়বস্তু সঠিক হোক বা না হোক, আত্মবিশ্বাসী বলে মনে হয়	একটি বাইলাইন, একটি ঘোষিত পদ্ধতি, সমাধানযোগ্য উৎস, এবং কিছু ভুল হলে দৃশ্যমান সংশোধন

তৃতীয় কলামটিই মানুষকে সবচেয়ে বেশি অবাক করে। একটি মডেল নির্ভুলতার প্রতিটি স্তরেই সমান আত্মবিশ্বাসী গদ্য তৈরি করে, যার মানে সাবলীলতা নিজে থেকে বিশ্বাস সম্পর্কে কোনো তথ্য দেয় না। এই কারণেই AI-সহায়তাপ্রাপ্ত পাতায় যাচাই হলো সর্বোচ্চ-মূল্যের সম্পাদকীয় ধাপ, এবং কেন এটি দ্বিতীয় একটি মডেলের হাতে ছেড়ে দেওয়া যায় না, একইভাবে প্রশিক্ষিত একটি পরীক্ষক সম্পর্কিত ভুল করে।

Experience: এমন দিক, যা একটি মডেল গঠনগতভাবে সরবরাহ করতে পারে না

একটি মডেল কখনও কোনো পণ্য ব্যবহার করেনি, কোনো বৈঠকে বসেনি, কোনো পরীক্ষা চালায়নি বা কোনো স্থান পরিদর্শন করেনি। এটি যা কিছু তৈরি করে, তা অন্য মানুষের অভিজ্ঞতা বর্ণনা করা পাঠ্যের পুনর্গঠন, যা অভিজ্ঞতা থেকে ভিন্ন একটি বিষয় এবং সতর্ক পাঠকের কাছে ভিন্ন বলেই প্রতীয়মান হয়। Google-এর স্ব-মূল্যায়ন প্রশ্নটি এই ফাঁকটিকে নির্ভুলভাবে চিহ্নিত করে, জিজ্ঞাসা করে বিষয়বস্তুটি কি এমন দক্ষতা প্রদর্শন করে যা সত্যিই কোনো পণ্য বা সেবা ব্যবহার করা, অথবা কোনো স্থান পরিদর্শন করা থেকে এসেছে। প্রকাশিত উৎস থেকে সংকলিত একটি খসড়া এই প্রশ্নের প্রতিটি ধারায় না-সূচক উত্তর দেয়।

এই কারণেই দ্বিতীয় E একেবারেই যোগ করা হয়েছিল। Google 2022 সালের ডিসেম্বরের একটি আপডেটে, তার গুণমান মূল্যায়নকারী নির্দেশিকায় E-A-T-তে Experience যোগ করে, এবং এই সংযোজন কোনো কিছু সম্পর্কে জানা আর তা করে ফেলার মধ্যে পার্থক্য তৈরি করে। বাণিজ্যিক অনুসন্ধানে এই পার্থক্যই অধিকাংশ কাজ করে, কারণ এখন কোনো পণ্য সম্পর্কে জানা সস্তা, কিন্তু তা ব্যবহার করা সস্তা নয়। দুটি পর্যালোচনা পৃষ্ঠা তুলনা করা একজন পাঠক সাধারণত এক অনুচ্ছেদের মধ্যেই বুঝতে পারেন কোন লেখক বাক্সটি খুলেছিলেন।

আপনার নিজের খসড়ায় এই পরীক্ষা করতে প্রায় এক মিনিট লাগে। পৃষ্ঠাটি পড়ুন এবং সেই বাক্যটি খুঁজে বের করুন, যা কেবলমাত্র এমন একজন ব্যক্তি লিখতে পারতেন যিনি সেই কাজটি করেছেন। সম্পূর্ণভাবে AI-উৎপাদিত একটি পৃষ্ঠায় সাধারণত উত্তর হয় যে এমন কোনো বাক্য নেই, এবং পুনর্লিখনের কোনো পরিমাণই তা বদলায় না, কারণ পুনর্লিখন ইতিমধ্যে বিদ্যমান বাক্যগুলোর ওপর কাজ করে।

অভিজ্ঞতা এবং বিশ্বাসযোগ্যতা সরবরাহ করতে একজন প্রকাশক যা যোগ করেন

চারটি সংযোজন এই ফাঁকের অধিকাংশ পূরণ করে, এবং এর কোনোটিই লেখার কাজ নয়। প্রথমটি হলো আপনার নিজের কাজ থেকে পাওয়া একটি নিদর্শন, একটি সংখ্যা যা আপনি নথিভুক্ত করেছিলেন, একটি বাস্তব পর্দার স্ক্রিনশট, তারিখসহ আগে এবং পরে, যা কেউ নিরীক্ষা করতে পারে। দ্বিতীয়টি হলো অনুসরণযোগ্য রেকর্ডসহ একজন নামযুক্ত লেখক। Google-এর স্ব-মূল্যায়ন তালিকা সরাসরি জিজ্ঞাসা করে, "পৃষ্ঠাগুলিতে কি একটি byline থাকে, যেখানে তা প্রত্যাশিত হতে পারে?", এবং এর নির্দেশনা পাঠকেরা যেখানে লেখকত্বের তথ্য খুঁজে পাওয়ার আশা করেন, সেখানে সঠিক লেখকত্বের তথ্যকে দৃঢ়ভাবে উৎসাহিত করে। Google byline-কে কোনো ranking signal বলে না, এবং পাঠকের উদ্দেশ্যে করা যুক্তিটি টিকে থাকার জন্য সেটি ranking signal হওয়াও প্রয়োজন নেই।

তৃতীয় সংযোজনটি হলো পদ্ধতি সম্পর্কে স্বচ্ছতা। Google এটিকে Who, How and Why কাঠামোর How হিসেবে ব্যাখ্যা করে, এবং এর নিজস্ব ভাষ্য হলো, কোনো বিষয়বস্তু কীভাবে উৎপাদিত হয়েছে তা জানা পাঠকদের জন্য সহায়ক। AI কীভাবে ব্যবহৃত ও প্রকাশ করা হয়, সে সম্পর্কে একটি প্রকাশিত অবস্থান সাইট স্তরে সেই কাজটি করে, এবং একজন পাঠক তা যাচাই করতে পারেন, যা একটি ব্লগ পোস্টের ভেতরের দাবির চেয়ে বেশি। Google's নির্দেশনা Why-কে তিনটি প্রশ্নের মধ্যে সবচেয়ে গুরুত্বপূর্ণ হিসেবে বিবেচনা করে, এবং মূলত একটি অনুসন্ধান ফলাফল দখল করার জন্য তৈরি একটি পৃষ্ঠা, যিনি-ই শব্দগুলি লিখুন না কেন, সেটির উত্তর খারাপভাবে দেয়।

চতুর্থ সংযোজনটি হলো সম্পাদনা, এবং এটি শেষেই আসে একটি কারণে। AI পাঠ্যকে মানবিক করার একটি নির্দেশিকা সেই ধাপের কার্যপ্রণালী ব্যাখ্যা করে, এবং বিপণন পৃষ্ঠার জন্য নির্মিত একটি humanizer পৃষ্ঠাটি ইতিমধ্যে যে বাক্যাংশগুলোর জন্য র‌্যাঙ্ক করে, সেগুলোকে বিঘ্নিত না করেই তা সম্পাদন করে। কোনোটিই অভিজ্ঞতা যোগ করে না। যে পৃষ্ঠা কোনো কিছুর ভিত্তি ছাড়াই সুন্দরভাবে পড়া যায়, সেটিই হলো সেই সুনির্দিষ্ট ব্যর্থতার ক্ষেত্র, যেটি দ্বিতীয় E বর্ণনা করার জন্য যোগ করা হয়েছিল, এবং সম্পাদনার ধাপই সেই ব্যর্থতাকে শনাক্ত করা আরও কঠিন করে তোলে।

নীতিটিকে একটি সম্পাদনার ধাপে রূপান্তর করা হলো এর ব্যবহারিক অর্ধাংশ। SEO-এর জন্য একটি AI ব্লগ পোস্টকে মানবিক করা একটি একক পৃষ্ঠা নিয়ে আলোচনা করে, এবং একটি বৃহৎ লাইব্রেরি জুড়ে একই কাজ করা আলাদাভাবে বিবেচিত হয়।

আপনি সর্বশেষ যে AI-সহায়তাপ্রাপ্ত পৃষ্ঠা প্রকাশ করেছেন, সেটি খুলুন এবং সেই বাক্যটি খুঁজুন, যা কেবল আপনিই লিখতে পারতেন। যদি এমন একটি বাক্যও না থাকে, তবে সমাধানটি হলো একটি ফোন কল, একটি পরীক্ষা, অথবা বাস্তব কিছুর একটি স্ক্রিনশট, এবং এতে খসড়া তৈরির চেয়ে বেশি সময় লাগবে। খসড়া তৈরির এক ঘণ্টা এবং পরে জানতে পারার এক সপ্তাহের মধ্যে যে ফাঁক, সেটিই দ্বিতীয় E-এর প্রকৃত খরচ, এবং এটাই কারণ যে এত কম পৃষ্ঠায় এটি থাকে।