E-E-A-T چیست و چرا تعیین می‌کند آیا محتوای AI رتبه می‌گیرد

صفحه Google درباره ایجاد محتوای مفید این اصطلاح را دقیقاً یک بار به صورت «experience, expertise, authoritativeness, and trustworthiness, or what we call E-E-A-T» بیان می‌کند. سپس در ادامه صفحه به پرسش‌های پشت آن می‌پردازد. چهار ویژگی. یکی از آن‌ها اصلاً با هیچ ابزار نگارشی قابل تولید نیست، و سه تای دیگر اگر ناشر آن‌ها را به‌درستی فراهم کند، در یک گردش‌کار AI باقی می‌مانند. تقریباً هیچ‌کس که درباره این موضوع می‌نویسد، این دو گروه را از هم جدا نمی‌کند.

پس E-E-A-T چیست؟ E-E-A-T خلاصه‌نویسی Google برای چهار ویژگی است که ارزیابان انسانی کیفیت آن را در یک صفحه و در کسی که آن را منتشر کرده است می‌سنجند: experience, expertise, authoritativeness و trustworthiness. این اصطلاح از Search Quality Rater Guidelines می‌آید، سندی که ارزیابان هنگام بررسی Google برای این‌که آیا سامانه‌های رتبه‌بندی آن نتایج خوبی تولید می‌کنند یا نه، از آن استفاده می‌کنند. منشأ آن تعیین می‌کند که این مفهوم چگونه بر محتوای کمک‌گرفته از AI اعمال می‌شود. و این همان بخشی است که بیشتر توضیح‌دهندگان از آن می‌گذرند.

پرسش سیاستی در جای دیگری قرار دارد و پاسخ خودش را دارد. موضع مستند Google درباره محتوای AI و رتبه‌بندی‌ها جملات اجرایی را نقل می‌کند و تاریخ هر بازنگری را ثبت می‌کند، و هیچ‌یک از آن‌ها نویسندگی AI را به‌عنوان یک امتیاز منفی در نظر نمی‌گیرد. این نوشته در عوض به پرسش کیفیت پاسخ می‌دهد: کدام‌یک از چهار جنبه را یک پیش‌نویس AI به‌تنهایی حمل می‌کند، کدام‌یک را از نظر ساختاری نمی‌تواند حمل کند، و ناشر چه چیزی باید اضافه کند تا این تفاوت را جبران کند.

E-E-A-T چیست؟ چهار جنبه، با تعریف

تجربه، تماس مستقیم و دست‌اول با موضوع است. پرسش خودارزیابی خود Google این را به‌صورت مشخص بیان می‌کند: "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)?" تخصص، دانشِ موضوعیِ اثبات‌شده است، که Google آن را به‌عنوان پرسشی جداگانه صورت‌بندی می‌کند: "Is this content written or reviewed by an expert or enthusiast who demonstrably knows the topic well?" این دو در واژگان هم‌پوشانی دارند و در عمل از هم جدا می‌شوند. یک فرد می‌تواند یک حوزه را به‌طور کامل بشناسد و با این حال هرگز از محصول مشخصی که درباره آن داوری می‌کند استفاده نکرده باشد.

اعتبار، همان شهرت است. این مفهوم توضیح می‌دهد که آیا صفحه، نویسنده و سایت به‌عنوان منبعی شناخته می‌شوند که دیگران برای این موضوع خاص به آن مراجعه می‌کنند یا نه، و این ویژگیِ جهان بیرون است، نه متن. اعتمادپذیری، دقت، شفافیت و پاسخ‌گویی است، و مستندات Google درباره اهمیت آن صریح است: "Of these aspects, trust is most important." سه مورد دیگر تا حدی برای پشتیبانی از آن وجود دارند. صفحه‌ای که یک متخصص واقعی نوشته باشد، وقتی خواننده نتواند ببیند چه کسی آن را منتشر کرده یا چگونه ساخته شده است، همچنان در اعتمادپذیری مردود می‌شود.

E-E-A-T از کجا می‌آید، و چرا Google می‌گوید که یک عامل رتبه‌بندی نیست

E-E-A-T از Search Quality Rater Guidelines می‌آید، سندی که Google به ارزیابان انسانی می‌دهد تا نتایج نمونه جست‌وجو را ارزیابی کنند. عبارت‌بندی Google درباره نسبت آن با رتبه‌بندی ارزش آن را دارد که دقیقاً، نه به‌صورت خلاصه، خوانده شود: "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." و درباره خود ارزیابان: "Rater data is not used directly in our ranking algorithms."

و قیاس Google برای کاری که ارزیابان انجام می‌دهند، کارت‌های نظرخواهی یک رستوران است: "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." این کارت‌ها به آشپزخانه می‌گویند که غذا چگونه دریافت شده است. آن‌ها چیزی را نمی‌پزند.

پیامد عملی، به‌ویژه برای محتوای AI، اهمیت دارد. هیچ امتیاز E-E-A-T برای افزایش دادن وجود ندارد، بنابراین راهبردهایی که بر نشانه‌گذاری چهار جنبه بنا شده‌اند، به هدف نمی‌رسند. آنچه می‌توان افزایش داد، همان جوهره‌ای است که ارزیابان قرار بود به دنبال آن باشند، و جوهره همان جایی است که پیش‌نویس AI به‌طور نامتوازن برای آن مجهز است.

کدام جنبه‌ها را یک پیش‌نویس AI می‌تواند بدون کمک حمل کند

دو مورد از چهار مورد در یک گردش‌کار کاملا خودکار باقی می‌مانند، یکی تا حدی باقی می‌ماند، و یکی اصلا باقی نمی‌ماند. Expertise تا حدی باقی می‌ماند، زیرا مدلی که بر روی مواد منتشرشده آموزش دیده است، دانش دقیق موضوعی را درباره موضوعات به‌خوبی مستندشده بازتولید می‌کند، و هر جمله آن را می‌توان بررسی کرد. Authoritativeness بیشتر به سایت و نویسنده مربوط است تا به پیش‌نویس، بنابراین یک دامنه تثبیت‌شده، یک صفحه یاری‌گرفته از AI را به همان سهولت هر صفحه دیگری حمل می‌کند. Trustworthiness به فرایند وابسته است: راستی‌آزمایی، شفافیت و نویسنده نام‌دار، همگی چیزهایی هستند که ناشر پس از پایان پیش‌نویسی فراهم می‌کند. Experience همان موردی است که هیچ گام پیش‌نویسی به آن نمی‌رسد.

جنبه E-E-A-T	Google آن را به چه چیزی پیوند می‌دهد	پیش‌نویس AI به‌تنهایی چه چیزی فراهم می‌کند	ناشر چه چیزی را باید اضافه کند
تجربه	تماس دست‌اول: تخصصی که از استفاده واقعی از یک محصول یا خدمت، یا بازدید از یک مکان، به دست می‌آید	هیچ چیز. یک مدل هیچ محصولی را استفاده نکرده و از هیچ مکانی بازدید نکرده است	یک اندازه‌گیری، یک اسکرین‌شات، یک نتیجه تاریخ‌دار، تصمیمی که گرفتید و آنچه بعد از آن رخ داد
تخصص	محتوایی که توسط یک متخصص یا علاقه‌مندِ آگاه نوشته یا بازبینی شده باشد، کسی که به‌طور قابل‌اثبات موضوع را خوب می‌شناسد	دانش دقیق موضوعی درباره موضوعات به‌خوبی مستندشده، کاملا بدون راستی‌آزمایی	یک بازبین نام‌دار که حوزه را می‌شناسد، و بررسی هر ادعایی که مدل تولید کرده است
اعتبار	شناخته‌شدن سایت و نویسنده به‌عنوان منبعی که دیگران برای این موضوع به آن مراجعه می‌کنند	هیچ چیز، زیرا اعتبار ویژگی جهان است نه متن	ارجاع‌هایی که دیگران انتخاب می‌کنند به آن‌ها استناد کنند، تمرکز موضوعیِ منسجم، نویسنده‌ای با سابقه‌ای قابل ردیابی
قابل‌اعتماد بودن	دقت، شفافیت و پاسخ‌گویی، که Google آن را مهم‌ترینِ این چهار مورد می‌نامد	نثری روان که چه محتوا درست باشد چه نباشد، با اطمینان خوانده می‌شود	یک byline، یک روشِ بیان‌شده، منابعی که قابل‌حل‌وفصل باشند، و یک اصلاحِ قابل‌مشاهده وقتی چیزی نادرست است

ستون سوم همان بخشی است که مردم را شگفت‌زده می‌کند. یک مدل در هر سطحی از دقت، نثری با اطمینان یکسان تولید می‌کند، و این یعنی روانیِ متن هیچ اطلاعاتی درباره اعتماد منتقل نمی‌کند. به همین دلیل، راستی‌آزمایی باارزش‌ترین گام تحریری در یک صفحه مبتنی بر AI است، و به همین دلیل نمی‌توان آن را به یک مدل دوم سپرد: یک بررسی‌کننده که به همان شیوه آموزش دیده باشد، خطاهای هم‌بسته مرتکب می‌شود.

تجربه: جنبه‌ای که یک مدل به‌صورت ساختاری نمی‌تواند فراهم کند

یک مدل هرگز از یک محصول استفاده نکرده، در جلسه ننشسته، آزمون اجرا نکرده یا از مکانی بازدید نکرده است. هر چیزی که تولید می‌کند بازترکیبی از متنی است که تجربه دیگران را توصیف می‌کند، و این با تجربه چیز دیگری است و برای خواننده دقیق نیز چیز دیگری به نظر می‌رسد. پرسش خودارزیابی Google این شکاف را به‌دقت نام‌گذاری می‌کند و می‌پرسد آیا محتوا تخصصی را نشان می‌دهد که از استفاده واقعی از یک محصول یا خدمت، یا بازدید از یک مکان، به دست آمده است یا نه. پیش‌نویسی که از منابع منتشرشده گردآوری شده باشد، به هر بند این پرسش پاسخ منفی می‌دهد.

به همین دلیل بود که اصلا E دوم اضافه شد. Google در به‌روزرسانی دسامبر 2022 دستورالعمل‌های ارزیابان کیفیت خود، Experience را به E-A-T افزود، و این افزوده، دانستن درباره چیزی را از انجام دادن آن جدا کرد. در پرسش‌های تجاری، این تمایز بخش عمده کار را انجام می‌دهد، زیرا دانستن درباره یک محصول اکنون ارزان است، اما استفاده کردن از آن چنین نیست. خواننده‌ای که دو صفحه نقد را با هم مقایسه می‌کند، معمولا در همان یک بند نخست می‌تواند تشخیص دهد کدام نویسنده جعبه را باز کرده است.

آزمون این موضوع بر پیش‌نویس‌های خودتان حدود یک دقیقه زمان می‌برد. صفحه را بخوانید و جمله‌ای را پیدا کنید که فقط می‌توانست توسط کسی نوشته شده باشد که آن کار را انجام داده است. در صفحه‌ای که به‌طور کامل توسط AI تولید شده باشد، پاسخ معمولا این است که چنین جمله‌ای وجود ندارد، و هیچ میزان بازنویسی آن را تغییر نمی‌دهد، زیرا بازنویسی بر جمله‌هایی عمل می‌کند که از پیش وجود دارند.

یک ناشر برای فراهم کردن تجربه و اعتماد چه چیزی می‌افزاید

چهار افزوده بیشتر این شکاف را پوشش می‌دهد، و هیچ‌یک از آن‌ها یک وظیفه نوشتاری نیست. نخستین مورد، یک اثر از کار خود شماست: عددی که ثبت کرده‌اید، تصویری از یک صفحه واقعی، یا پیش و پسِ تاریخ‌دار که کسی بتواند آن را حسابرسی کند. دوم، نویسنده‌ای نام‌دار با سابقه‌ای قابل ردیابی است. فهرست خودارزیابی Google مستقیما می‌پرسد: "Do pages carry a byline, where one might be expected?", و راهنمای آن به‌طور جدی اطلاعات دقیق درباره نویسندگی را، در جایی که خوانندگان انتظار دارند آن را بیابند، توصیه می‌کند. Google byline را سیگنال رتبه‌بندی نمی‌نامد، و برای معتبر ماندن استدلالی که متوجه خواننده است، لازم نیست چنین سیگنالی باشد.

سومین افزوده، شفافیت درباره روش است. Google این را به صورت How در چارچوب Who, How and Why صورت‌بندی می‌کند، و تعبیر خود آن این است که دانستن این که یک قطعه محتوا چگونه تولید شده است برای خوانندگان مفید است. یک موضع منتشرشده درباره این که AI چگونه استفاده و افشا می‌شود این کار را در سطح سایت انجام می‌دهد، و خواننده می‌تواند آن را بررسی کند، که از صرف یک ادعا درون یک پست وبلاگ فراتر است. راهنمایی Google، Why را مهم‌ترینِ سه پرسش می‌داند، و صفحه‌ای که عمدتاً برای اشغال یک نتیجه جستجو تولید شده است، هر که نویسنده آن واژه‌ها باشد، به این پرسش پاسخ ضعیفی می‌دهد.

چهارمین افزوده، ویرایش است، و به دلیلی در پایان می‌آید. راهنمای انسانی‌سازی متن AI سازوکار آن مرحله را پوشش می‌دهد، و یک humanizer ساخته‌شده برای صفحات بازاریابی آن را بدون برهم‌زدن عبارت‌هایی که یک صفحه از پیش برای آن‌ها رتبه دارد اجرا می‌کند. هیچ‌یک تجربه اضافه نمی‌کند. صفحه‌ای که بدون هیچ پشتوانه‌ای به‌زیبایی خوانده می‌شود، دقیقاً همان حالت شکست است که E دوم برای توصیف آن افزوده شد، و مرحله ویرایش همان چیزی است که تشخیص آن شکست را دشوارتر می‌کند.

تبدیل این اصل به یک مرحله ویرایشی، بخش عملی ماجراست. انسانی‌سازی یک پست وبلاگ AI برای SEO یک صفحه را پوشش می‌دهد، و انجام همان کار در سراسر یک کتابخانه بزرگ جداگانه بررسی می‌شود.

آخرین صفحه‌ای را که با کمک AI منتشر کرده‌اید باز کنید و به جمله‌ای نگاه کنید که فقط شما می‌توانستید آن را بنویسید. اگر چنین جمله‌ای وجود ندارد، راه‌حل یک تماس تلفنی، یک آزمون، یا یک تصویر از چیزی واقعی است، و این کار بیش از زمانی طول می‌کشد که پیش‌نویس صرف کرد. آن فاصله میان یک ساعت پیش‌نویس‌نویسی و یک هفته برای فهمیدن، هزینه واقعی E دوم است، و به همین دلیل است که این ویژگی در چنین تعداد اندکی از صفحات دیده می‌شود.