什么是 E-E-A-T 以及它为何决定 AI 内容是否排名

Google 关于创建 有帮助的内容 的页面只把这个术语完整写出一次，即“experience, expertise, authoritativeness, and trustworthiness, or what we call E-E-A-T”。随后，页面其余部分都围绕这一表述背后的问题展开。四个特质，其中一个完全无法由任何起草工具生成，另外三个如果出版方设置得当，则可以在 AI 工作流程中保留下来。几乎没有人在写这类内容时把这两组区分开来。

那么，E-E-A-T 是什么？E-E-A-T 是 Google 对其人工质量评审员在页面及发布者身上评估的四个特质的简称, 即 experience, expertise, authoritativeness 和 trustworthiness。它来自 Search Quality Rater Guidelines，这份文件是评审员在 Google 检查其排名系统是否产生良好结果时所使用的。其来源决定了这一概念如何适用于 AI 辅助内容，而这正是大多数解释性文章会跳过的部分。

政策问题则位于别处，并且有其自身的答案。Google 关于 AI 内容与排名的已公开立场 引用了关键句子，并注明了每一次修订的日期，其中没有任何一处把 AI 作者身份视为减分项。本文回答的是质量问题, 即 AI 草稿在未受外力帮助时具备四个方面中的哪几个，哪一个在结构上不可能具备，以及出版方必须补充什么才能弥补这一差异。

什么是 E-E-A-T？四个方面的定义

经验是与主题的直接接触。Google 自身的自我评估问题将其具体化为：“您的内容是否清楚地展示了第一手专业知识和深度知识，例如，来自实际使用过某种产品或服务，或访问过某个地点的专业知识？” 专业知识是对主题的已证实知识，Google 将其表述为一个单独的问题：“这篇内容是否由一位对该主题有明显深入了解的专家或爱好者撰写或审阅？” 这两者在措辞上有重叠，但在实践中并不相同。一个人可以对某个领域非常熟悉，却从未使用过自己正在评审的具体产品。

权威性是声誉。它描述的是，页面、作者和网站是否被认可为其他人在这一特定主题上会去寻求的来源，这是一种世界中的属性，而不是文本本身的属性。可信度是准确性、透明度和责任性，Google 的文档对其重要性表述得很直接：“在这些方面中，信任最为重要。” 其他三项在一定程度上都是为了支持它。即使是一篇由真正专家撰写的页面，如果读者看不出是谁发布的，或它是如何制作的，那么在信任方面仍然不合格。

E-E-A-T 的来源，以及为什么 Google 说它不是排名因素

E-E-A-T 源自 Search Quality Rater Guidelines，这是 Google 提供给评估搜索结果样本的人类评审员的文档。Google 关于它与排名关系的表述值得逐字阅读，而不是只看概述：“虽然 E-E-A-T 本身不是一个具体的排名因素，但使用一组能够识别具有良好 E-E-A-T 的内容的因素是有用的。” 至于评审员本身，Google 说：“评审员数据不会直接用于我们的排名算法。”

Google 对评审员所做工作的类比是餐厅查看意见卡：“相反，我们把它们当作餐厅可能从食客那里收到的反馈卡。反馈帮助我们了解我们的系统是否似乎在正常运作。” 这些卡片告诉厨房食物是否被接受。它们不会烹饪任何东西。

对于 AI 内容而言，实际后果尤为重要。并不存在可以提升的 E-E-A-T 分数，因此围绕传达这四个方面而建立的策略并未击中目标。能够提升的是评分者被要求寻找的底层实质，而实质正是 AI 草稿所能提供得不均衡的部分。

AI 草稿能够独立承载哪些方面

四个方面中有两个可以在完全自动化的工作流程中保留下来，一个只能部分保留，还有一个完全无法保留。专业性只能部分保留，因为在已发表材料上训练的模型能够在文献充分的主题上再现准确的学科知识，而且其中每一句都可以核查。权威性属于网站和作者，而不属于草稿本身，因此，一个已有声誉的域名承载一篇 AI 辅助页面，与承载任何其他页面一样自然。可信度取决于流程, 核查、透明度以及署名作者，都是出版者在起草完成后提供的内容。经验是任何起草步骤都无法触及的那一项。

E-E-A-T 方面	Google 将其关联到的内容	AI 草稿自行提供的内容	出版方必须补充的内容
Experience	第一手接触, 来自实际使用过某种产品或服务, 或访问过某个地点的专业知识	没有。模型没有使用过任何产品, 也没有去过任何地方	一个测量值, 一张截图, 一个带日期的结果, 你做出的一个决定以及随后发生的事情
Expertise	由专家或爱好者撰写或审阅的内容, 其对该主题的了解有明确证明	对文献完备的主题具有准确的学科知识, 但完全未经核实	一位了解该领域的具名审阅者, 以及对模型生成的每一项主张进行核查
Authoritativeness	网站和作者作为他人在这一主题上会去参考的来源所获得的认可	没有, 因为声誉是世界的属性, 而不是文本的属性	他人选择引用的引文, 一致的主题聚焦, 一位有可追踪记录的作者
Trustworthiness	准确性, 透明度和问责性, Google 称其为四者中最重要的一项	流畅的散文, 无论内容是否正确, 都读起来很自信	署名, 明示的方法, 可解析的来源, 以及在出现错误时可见的更正

第三列是最让人意外的一列。模型在任何准确度水平上都会生成同样自信的散文, 这意味着流畅性本身完全不提供关于信任的信息。这就是为什么核查是 AI 辅助页面中价值最高的编辑步骤, 也是为什么它不能交给第二个模型, 因为以同样方式训练的核查器会产生相关错误。

Experience: 模型在结构上无法提供的方面

模型从未使用过某种产品，参加过会议，做过测试，或去过某个地方。它生成的一切，都是对描述他人经验的文本进行重新组合，而这与经验是不同的东西，细心的读者也会把它读作不同的东西。Google 的自我评估问题准确地指出了这一差距，询问内容是否展示了来自实际使用过某种产品或服务，或访问过某个地方的专业知识。从已发表来源拼凑出的草稿，对这个问题的每个分句都只能回答否。

这就是为什么第二个 E 会被加入。Google 在 2022 年 12 月对其质量评估员指南的更新中，在原本的 E-A-T 中加入了 Experience，这一补充把知道某事与做过某事区分开来。对于商业查询，这一区分起着主要作用，因为如今了解某种产品的成本很低，而实际使用过它则不是。比较两个评论页面的读者，通常只需读一段，就能判断哪位作者打开过包装盒。

对你自己的草稿进行测试大约只需一分钟。阅读页面，找出那句只能由做过这件事的人写出的句子。在一个完全由 AI 生成的页面上，答案通常是根本不存在这样的句子，而无论怎样改写都无法改变这一点，因为改写作用于已经存在的句子。

出版者为提供经验和信任所增加的内容

四项补充足以覆盖大部分差距，而且它们都不是写作任务。第一项是来自你自己工作的实物证据, 例如你记录下来的一个数字，一张真实屏幕的截图，或某个可供审计的带日期的前后对比。第二项是一个可追溯记录的署名作者。Google 的自我评估清单直接询问, “Do pages carry a byline, where one might be expected?”, 其指导原则也强烈鼓励在读者预期会找到作者信息的地方提供准确的作者归属。Google 并未把署名称为排名信号，而且对于面向读者的论证而言，它也不必是排名信号。

第三个补充是方法上的透明性。Google 将其表述为 Who, How and Why 框架中的 How，而其自身的说法是，了解一段内容是如何生成的，对读者是有帮助的。关于 AI 如何使用和披露的已发布立场在站点层面完成了这项工作，读者也可以查阅，这比博客文章中的一句声明更进一步。Google 的指南将 Why 视为这三个问题中最重要的一个，而一篇主要为了占据搜索结果而生成的页面，无论是谁写下这些文字，都很难回答好这一点。

第四个补充是编辑，而且它之所以放在最后，是有原因的。AI 文本人性化指南涵盖了这一轮处理的具体机制，而专为营销页面构建的人性化工具则会执行这一过程，同时不干扰页面已经获得排名的短语。这两者都不会增加经验。一篇在表面上读起来很优美、背后却空无一物的页面，正是第二个 E 被加入以描述的那种失败情形，而编辑这一轮处理正是让这种失败更难被察觉的原因。

把这一原则转化为编辑流程，是其实用的一半。为 SEO 将 AI 博客文章人性化讨论的是单个页面，而在大型内容库中做同样的事情则被单独处理。

打开你最近发布的最后一篇 AI 辅助页面，找出那句只有你才能写出的句子。如果没有，那么修正办法就是打一通电话，做一次测试，或者提供一张真实事物的截图，而这会比起草本身花费更长时间。从一小时的起草到一周的查证之间的这道差距，才是第二个 E 的真实成本，也正因为如此，只有很少的页面具备它。