E-E-A-T क्या है और यह क्यों तय करता है कि AI सामग्री रैंक करेगी या नहीं

Google के उपयोगी सामग्री बनाने वाले पृष्ठ पर इस शब्द का पूरा रूप ठीक एक बार दिया गया है, "experience, expertise, authoritativeness, and trustworthiness, or what we call E-E-A-T" के रूप में। इसके बाद शेष पृष्ठ में वे इसके पीछे के प्रश्नों पर जाते हैं। चार गुण। इनमें से एक किसी भी drafting tool से बिल्कुल भी उत्पन्न नहीं किया जा सकता, और अन्य तीन एक AI workflow में तब भी बने रहते हैं यदि कोई publisher उन्हें ठीक से स्थापित करे। इस बारे में लिखने वाले लगभग कोई भी व्यक्ति इन दो समूहों में भेद नहीं करता।

तो E-E-A-T क्या है? E-E-A-T Google का संक्षिप्त रूप है उन चार गुणों के लिए, जिनका उसके human quality raters किसी पृष्ठ में और उसे प्रकाशित करने वाले व्यक्ति में आकलन करते हैं, experience, expertise, authoritativeness और trustworthiness। यह Search Quality Rater Guidelines से आता है, वह दस्तावेज़ जिसका उपयोग raters तब करते हैं जब Google जाँचता है कि उसके ranking systems अच्छे परिणाम दे रहे हैं या नहीं। इसकी उत्पत्ति यह निर्धारित करती है कि यह अवधारणा AI-helped content पर कैसे लागू होती है। और यही वह भाग है जिसे अधिकांश व्याख्याकार छोड़ देते हैं।

नीति का प्रश्न कहीं और स्थित है और उसका अपना उत्तर है। AI content और rankings पर Google की दस्तावेजीकृत स्थिति प्रासंगिक वाक्यों को उद्धृत करती है और प्रत्येक संशोधन की तिथि देती है, और उनमें से कोई भी AI authorship को demerit नहीं मानता। यह पोस्ट इसके बजाय गुणवत्ता के प्रश्न का उत्तर देती है, चार पहलुओं में से कौन-सा पहलू AI draft बिना सहायता के वहन करता है, कौन-सा पहलू संरचनात्मक रूप से वहन नहीं कर सकता, और अंतर को पूरा करने के लिए publisher को क्या जोड़ना पड़ता है।

E-E-A-T क्या है? चार पहलू, परिभाषित

अनुभव विषय के साथ प्रत्यक्ष संपर्क है। Google के अपने स्व-मूल्यांकन प्रश्न में इसे ठोस रूप से कहा गया है: "क्या आपकी सामग्री स्पष्ट रूप से प्रत्यक्ष विशेषज्ञता और ज्ञान की गहराई को प्रदर्शित करती है, उदाहरण के लिए, ऐसी विशेषज्ञता जो वास्तव में किसी उत्पाद या सेवा का उपयोग करने, या किसी स्थान पर जाने से आती है?" विशेषज्ञता प्रदर्शित विषय-ज्ञान है, जिसे Google एक अलग प्रश्न के रूप में प्रस्तुत करता है: "क्या यह सामग्री किसी विशेषज्ञ या उत्साही व्यक्ति द्वारा लिखी या समीक्षा की गई है, जो प्रदर्शनीय रूप से विषय को अच्छी तरह जानता है?" ये दोनों शब्दावली में एक-दूसरे से मेल खाते हैं और व्यवहार में अलग हो जाते हैं। कोई व्यक्ति किसी क्षेत्र को पूरी तरह जान सकता है और फिर भी उसने उस विशिष्ट उत्पाद का कभी उपयोग न किया हो जिसकी वह समीक्षा कर रहा है।

प्रामाणिकता प्रतिष्ठा है। यह बताती है कि क्या पृष्ठ, लेखक और साइट को उस विशेष विषय पर ऐसे स्रोत के रूप में पहचाना जाता है, जिसकी ओर अन्य लोग जाते हैं, जो पाठ की बजाय संसार का एक गुण है। विश्वसनीयता सटीकता, पारदर्शिता और जवाबदेही है, और Google का दस्तावेज़ इसके महत्व के बारे में स्पष्ट है: "इन पहलुओं में, विश्वास सबसे महत्वपूर्ण है।" अन्य तीन पहलू आंशिक रूप से इसे समर्थन देने के लिए मौजूद हैं। किसी वास्तविक विशेषज्ञ द्वारा लिखा गया पृष्ठ तब भी विश्वास के मामले में विफल हो जाता है जब पाठक यह नहीं देख सकता कि इसे किसने प्रकाशित किया या यह कैसे बनाया गया।

E-E-A-T कहाँ से आता है, और Google क्यों कहता है कि यह एक रैंकिंग कारक नहीं है

E-E-A-T Search Quality Rater Guidelines से आता है, वह दस्तावेज़ जो Google मानव रेटरों को देता है जो नमूना खोज परिणामों का मूल्यांकन करते हैं। रैंकिंग से इसके संबंध पर Google की भाषा को सारांश के बजाय ठीक उसी रूप में पढ़ना उचित है: "हालाँकि E-E-A-T स्वयं एक विशिष्ट रैंकिंग कारक नहीं है, लेकिन ऐसे कारकों के मिश्रण का उपयोग करना जो अच्छी E-E-A-T वाली सामग्री की पहचान कर सकें, उपयोगी है।" और स्वयं रेटरों के बारे में: "Rater डेटा का उपयोग हमारे रैंकिंग एल्गोरिदम में सीधे नहीं किया जाता है।"

और रेटर क्या करते हैं, इसके लिए Google की उपमा एक रेस्तरां में टिप्पणी कार्ड पढ़ने जैसी है: "इसके बजाय, हम उनका उपयोग वैसे ही करते हैं जैसे कोई रेस्तरां भोजन करने वालों से फीडबैक कार्ड प्राप्त कर सकता है। यह फीडबैक हमें यह जानने में मदद करता है कि क्या हमारे सिस्टम काम कर रहे प्रतीत होते हैं।" कार्ड रसोई को बताते हैं कि भोजन कैसा पड़ रहा है। वे कुछ पकाते नहीं हैं।

व्यावहारिक परिणाम विशेष रूप से AI सामग्री के लिए महत्वपूर्ण है। बढ़ाने के लिए कोई E-E-A-T स्कोर नहीं है, इसलिए चार पहलुओं का संकेत देने के इर्द-गिर्द बनी रणनीतियाँ लक्ष्य से चूक जाती हैं। जो बढ़ाया जा सकता है, वह वह अंतर्निहित सार है जिसे मूल्यांकनकर्ताओं से देखने के लिए कहा गया था, और सार वही है जहाँ AI मसौदा असमान रूप से सक्षम होता है।

कौन से पहलू AI मसौदा बिना सहायता के वहन कर सकता है

चार में से दो पूरी तरह स्वचालित कार्यप्रवाह में बने रहते हैं, एक आंशिक रूप से बना रहता है, और एक बिल्कुल नहीं बचता। Expertise आंशिक रूप से बनी रहती है, क्योंकि प्रकाशित सामग्री पर प्रशिक्षित एक मॉडल अच्छी तरह प्रलेखित विषयों पर सटीक विषय ज्ञान को पुनरुत्पादित करता है, और उसके हर वाक्य की जाँच की जा सकती है। Authoritativeness साइट और लेखक के साथ जुड़ा होता है, न कि मसौदे के साथ, इसलिए एक स्थापित डोमेन AI-सहायता प्राप्त पृष्ठ को किसी भी अन्य पृष्ठ की तरह सहजता से वहन करता है। Trustworthiness प्रक्रिया पर निर्भर करता है, सत्यापन, पारदर्शिता और नामित लेखक, ये सभी ऐसी चीजें हैं जो प्रकाशक मसौदा तैयार होने के बाद प्रदान करता है। Experience वह है जिसे कोई भी मसौदा चरण छू नहीं सकता।

E-E-A-T पहलू	Google इसे किससे जोड़ता है	एक AI मसौदा अपने आप क्या प्रदान करता है	प्रकाशक को क्या जोड़ना पड़ता है
अनुभव	प्रत्यक्ष संपर्क, वह विशेषज्ञता जो वास्तव में किसी उत्पाद या सेवा का उपयोग करने, या किसी स्थान पर जाने से आती है	कुछ नहीं। एक मॉडल ने न कोई उत्पाद उपयोग किया है और न किसी स्थान पर गया है	एक माप, एक स्क्रीनशॉट, एक दिनांकित परिणाम, आपका लिया हुआ निर्णय और उसके बाद क्या हुआ
विशेषज्ञता	ऐसी सामग्री जो किसी विशेषज्ञ या उत्साही व्यक्ति द्वारा लिखी या समीक्षा की गई हो, जो विषय को स्पष्ट रूप से अच्छी तरह जानता हो	अच्छी तरह प्रलेखित विषयों पर सटीक विषय ज्ञान, जो पूरी तरह अप्रमाणित है	एक नामित समीक्षक जो क्षेत्र को जानता हो, और मॉडल द्वारा उत्पन्न हर दावे की जांच
प्रामाणिकता	साइट और लेखक की उस विषय पर एक ऐसे स्रोत के रूप में पहचान, जिसकी ओर अन्य लोग जाते हैं	कुछ नहीं, क्योंकि प्रतिष्ठा पाठ की बजाय दुनिया का एक गुण है	ऐसे उद्धरण जिन्हें अन्य लोग देना चुनते हैं, एक सुसंगत विषय-केंद्र, एक लेखक जिसका पता लगाया जा सकने वाला रिकॉर्ड हो
विश्वसनीयता	सटीकता, पारदर्शिता और जवाबदेही, जिसे Google चारों में सबसे महत्वपूर्ण कहता है	प्रवाहमय गद्य जो सही हो या न हो, आत्मविश्वासपूर्ण पढ़ाई देता है	एक बाइलाइन, एक घोषित विधि, ऐसे स्रोत जो खुलते हों, और जब कुछ गलत हो तो एक दिखाई देने वाला सुधार

तीसरा स्तंभ वह है जो लोगों को चकित करता है। एक मॉडल हर स्तर की सटीकता पर समान रूप से आत्मविश्वासपूर्ण गद्य उत्पन्न करता है, जिसका अर्थ है कि प्रवाहमयता अपने आप में विश्वसनीयता के बारे में कोई जानकारी नहीं देती। यही कारण है कि AI-सहायता प्राप्त पृष्ठ पर सत्यापन सबसे अधिक मूल्य वाला संपादकीय चरण है, और यही कारण है कि इसे दूसरे मॉडल को नहीं सौंपा जा सकता, समान तरीके से प्रशिक्षित एक जांचकर्ता सहसंबद्ध गलतियाँ करता है।

अनुभव, वह पहलू जिसे एक मॉडल संरचनात्मक रूप से प्रदान नहीं कर सकता

एक मॉडल ने कभी किसी उत्पाद का उपयोग नहीं किया, किसी बैठक में नहीं बैठा, कोई परीक्षण नहीं चलाया, या किसी स्थान का दौरा नहीं किया। वह जो कुछ भी उत्पन्न करता है, वह अन्य लोगों के अनुभव का वर्णन करने वाले पाठ का पुनर्संयोजन है, जो अनुभव से अलग चीज है और सावधान पाठक को भी अलग चीज के रूप में पढ़ाई देती है। Google का स्व-मूल्यांकन प्रश्न इस अंतर को सटीक रूप से नाम देता है, यह पूछते हुए कि क्या सामग्री ऐसी विशेषज्ञता प्रदर्शित करती है जो वास्तव में किसी उत्पाद या सेवा का उपयोग करने, या किसी स्थान का दौरा करने से आती है। प्रकाशित स्रोतों से तैयार किया गया मसौदा इस प्रश्न के हर खंड पर नहीं में उत्तर देता है।

इसी कारण दूसरा E जोड़ा गया था। Google ने दिसंबर 2022 के अपने गुणवत्ता मूल्यांकनकर्ता दिशानिर्देशों के अद्यतन में, जो पहले E-A-T था, उसमें Experience जोड़ा, और इस जोड़ ने किसी चीज के बारे में जानने को उसे करने से अलग कर दिया। वाणिज्यिक प्रश्नों पर यह भेद अधिकांश काम करता है, क्योंकि अब किसी उत्पाद के बारे में जानना सस्ता है और उसका उपयोग करना सस्ता नहीं है। दो समीक्षा पृष्ठों की तुलना करने वाला पाठक आम तौर पर एक अनुच्छेद के भीतर बता सकता है कि किस लेखक ने डिब्बा खोला था।

अपने स्वयं के मसौदों पर परीक्षण में लगभग एक मिनट लगता है। पृष्ठ पढ़ें और वह वाक्य खोजें जो केवल उसी व्यक्ति द्वारा लिखा जा सकता था जिसने वह काम किया हो। पूरी तरह से AI-निर्मित पृष्ठ पर उत्तर आम तौर पर यह होता है कि ऐसा कोई वाक्य मौजूद नहीं है, और पुनर्लेखन की कोई मात्रा इसे नहीं बदलती, क्योंकि पुनर्लेखन उन वाक्यों पर काम करता है जो पहले से मौजूद हैं।

Experience और Trust की आपूर्ति के लिए एक प्रकाशक क्या जोड़ता है

चार जोड़ अधिकांश अंतर को कवर करते हैं, और इनमें से कोई भी लेखन कार्य नहीं है। पहला आपके अपने काम से प्राप्त एक कलाकृति है, एक संख्या जिसे आपने दर्ज किया, एक वास्तविक स्क्रीन का स्क्रीनशॉट, एक दिनांकित पहले और बाद का उदाहरण जिसे कोई ऑडिट कर सके। दूसरा एक नामित लेखक है, जिसके रिकॉर्ड का पता लगाया जा सके। Google की स्व-मूल्यांकन सूची सीधे पूछती है, "क्या पृष्ठों पर बाइलाइन होती है, जहाँ इसकी अपेक्षा की जा सकती है?", और इसका मार्गदर्शन पाठकों द्वारा अपेक्षित स्थान पर सटीक लेखकत्व जानकारी को दृढ़ता से प्रोत्साहित करता है। Google बाइलाइन को रैंकिंग संकेत नहीं कहता, और पाठक-सामना करने वाले तर्क के टिके रहने के लिए इसका ऐसा होना आवश्यक भी नहीं है।

तीसरा जोड़ विधि के बारे में पारदर्शिता है। Google इसे Who, How and Why ढांचे में How के रूप में प्रस्तुत करता है, और उसकी अपनी शब्दावली यह है कि यह जानना कि किसी सामग्री का अंश कैसे तैयार किया गया था, पाठकों के लिए सहायक होता है। AI का उपयोग और प्रकटीकरण कैसे किया जाता है, इस पर प्रकाशित स्थिति साइट स्तर पर यह काम करती है, और पाठक इसे जांच सकता है, जो किसी ब्लॉग पोस्ट के भीतर दिए गए दावे से अधिक है। Google का मार्गदर्शन Why को तीनों प्रश्नों में सबसे महत्वपूर्ण मानता है, और मुख्यतः किसी खोज परिणाम में स्थान घेरने के लिए तैयार किया गया पृष्ठ, इसे खराब ढंग से उत्तर देता है, चाहे शब्द किसी ने भी लिखे हों।

चौथा जोड़ संपादन है, और यह एक कारण से अंत में आता है। AI पाठ को मानवीय बनाने की एक मार्गदर्शिका उस चरण की यांत्रिकी को कवर करती है, और मार्केटिंग पृष्ठों के लिए निर्मित एक humanizer इसे उन वाक्यांशों को बाधित किए बिना चलाता है जिनके लिए कोई पृष्ठ पहले से रैंक करता है। इनमें से कोई भी अनुभव नहीं जोड़ता। एक पृष्ठ जो बिना किसी आधार के सुंदर ढंग से पढ़ा जाता है, वही सटीक विफलता का मामला है जिसका वर्णन करने के लिए दूसरा E जोड़ा गया था, और संपादन चरण उस विफलता को पहचानना अधिक कठिन बनाता है।

सिद्धांत को एक संपादन चरण में बदलना व्यावहारिक आधा है। SEO के लिए AI ब्लॉग पोस्ट को मानवीय बनाना एकल पृष्ठ को कवर करता है, और एक बड़े पुस्तकालय में यही काम करना अलग से माना जाता है।

आपने जो अंतिम AI-सहायता प्राप्त पृष्ठ प्रकाशित किया था, उसे खोलें और उस वाक्य को खोजें जिसे केवल आप लिख सकते थे। यदि ऐसा कोई वाक्य नहीं है, तो सुधार एक फोन कॉल, एक परीक्षण, या किसी वास्तविक चीज़ का स्क्रीनशॉट है, और इसमें मसौदे से अधिक समय लगेगा। मसौदा तैयार करने के एक घंटे और पता लगाने के एक सप्ताह के बीच का यह अंतर दूसरे E की वास्तविक लागत है, और यही कारण है कि इतने कम पृष्ठ इसे धारण करते हैं।