Kilka lat temu przeprowadzałem audyt serwisu e-commerce w branży zdrowotnej. Właściciel był przekonany, że jego blog to jedna z jego największych przewag – zatrudniał doświadczonych copywriterów, artykuły były długie, dobrze napisane, technicznie perfekcyjne. Nie rankował praktycznie na nic.
Kiedy zaczęłem czytać te artykuły, od razu zobaczyłem problem. Każdy z nich był… poprawny. Kompletny. Rzetelny. I dokładnie taki sam jak dziesiątki innych artykułów na ten sam temat. Copywriterzy robili to, czego ich uczono: analizowali topowe wyniki, identyfikowali poruszane tematy, tworzyli wersję „lepszą i dłuższą”. Rezultatem były artykuły, które były lepsze technicznie – ale informacyjnie identyczne z konkurencją.
Google nie miało żadnego powodu preferować ich nad innymi. Z perspektywy algorytmu, który mierzył wartość każdego dokumentu względem całego corpus istniejących treści – te artykuły nie wnosiły nic nowego. Miały zerowy information gain.
Information gain to koncepcja opisująca, ile nowej, unikalnej informacji wnosi dany dokument w odniesieniu do tego, co użytkownik mógł już zobaczyć – w wynikach wyszukiwania, innych artykułach na ten temat lub poprzednich zapytaniach.
Google opublikowało patent opisujący tę koncepcję. W jego ramach „wynik information gain” to miara tego, jak bardzo Twoja treść różni się od zbioru innych dokumentów, które Google bierze pod uwagę przy rankingu dla danego zapytania. Dokument, który dosłownie powtarza to, co mówią już wszystkie topowe wyniki – ma niski information gain. Dokument, który wnosi nową perspektywę, dane, argument lub kontekst – ma wysoki.
Ważne rozróżnienie: information gain nie jest synonimem długości ani „kompletności” w starym rozumieniu. Można napisać 5000 słów z zerowym information gain – jeśli te słowa to parafrazy istniejących treści. Można też napisać 800 słów z wysokim information gain – jeśli zawierają perspektywę lub dane, której nie ma nigdzie indziej.
Ważniejsze jest jeszcze jedno: pages w top 10 Google mają dziś o ok. 50% niższą gęstość słów kluczowych niż kilka lat temu. Algorytm przesuwa się od mierzenia tego, co jest powtarzane, w stronę mierzenia tego, co jest wnoszone.
Patent Google opisujący mechanizm information gain był analizowany przez specjalistów SEO już w 2020 roku. Ale przez długi czas pozostawał w sferze teorii – bo w praktyce serwisy oparte na parafrazowaniu nadal rankował.
Dwa zdarzenia zmieniły zasady gry.
Po pierwsze: Helpful Content Update (HCU) i jej następcy. Seria aktualizacji Google z lat 2022–2025 systematycznie obniżała widoczność treści produkowanych masowo, pisanych „pod Google” zamiast dla ludzi, i pozbawionych realnej wartości dodanej. Strony zbudowane na modelu „robimy to samo co konkurencja, tylko więcej” traciły ruch kaskadowo.
Po drugie: eksplozja treści AI. Od 2023 roku internet jest dosłownie zalewany treściami generowanymi przez LLM. Są technicznie poprawne, semantycznie spójne – i informacyjnie puste, bo modele językowe produkują syntezę tego, co już istnieje, nie nowych informacji. Google stanęło przed skokowym wzrostem „dobrze wyglądających” treści z zerowym information gain – i musiało nauczyć swoje systemy je odróżniać od treści z realną wartością.
Efekt: information gain przesunął się z „miłego dodatku” do warunku koniecznego widoczności – szczególnie w niszach, gdzie generatywna AI produkuje już setki artykułów tygodniowo na każdy popularny temat.
Mechanizm opisany w patencie działa na kilku poziomach, które warto rozumieć praktycznie.
Dla każdego zapytania Google ma dostęp do zbioru dokumentów, które są kandydatami do rankingu. Information gain Twojego dokumentu jest mierzony względem tego zbioru – nie względem całego internetu. To oznacza, że „unikalność” jest zawsze relatywna do tego, co już rankuje.
Praktyczna implikacja: analiza SERP przed napisaniem artykułu nie jest tylko sprawdzaniem formatu. To identyfikacja tego, czego w istniejącym zbiorze brakuje – luk informacyjnych, które Twój artykuł może wypełnić.
Patent opisuje ciekawy mechanizm: Google śledzi, co użytkownik robi po przeczytaniu Twojego dokumentu. Jeśli wraca do wyszukiwarki i szuka kolejnych informacji na ten sam temat – sygnał, że Twoja treść nie zaspokoiła potrzeby i nie wniosła wystarczająco dużo. Jeśli zatrzymuje się na Twojej stronie lub wraca do niej przy kolejnych sesjach – sygnał wysokiego information gain.
To zamyka pętlę: information gain jest mierzony nie tylko przez algorytmiczną analizę tekstu, ale przez rzeczywiste zachowanie użytkowników po kontakcie z treścią.
Information gain nie jest tożsamy z brakiem duplikacji tekstowej. Można napisać artykuł unikalny słownikowo (żadne zdanie nie pojawia się identycznie nigdzie indziej), ale informacyjnie identyczny z tym, co istnieje. Google mierzy wartość informacyjną, nie literalną unikalność tekstu. To ważna różnica, która eliminuje strategie oparte na parafrazowaniu i rotacji słów.
To pytanie, które zadaje każdy po zrozumieniu koncepcji: w praktyce co powinienem dodać do artykułu, żeby miał wysoki information gain?
Własna analiza, ankieta wśród klientów, dane z projektów, statystyki z narzędzi, do których masz dostęp – to informacje, których nie ma nigdzie indziej, bo zebrałeś je samodzielnie. Artykuł, który cytuje tylko inne artykuły, operuje wyłącznie wiedzą, która już krąży w sieci. Artykuł oparty na własnych danych wnosi coś, czego skopiować się nie da.
Przykład: zamiast pisać „według ekspertów SEO, topical authority buduje się przez 6–12 miesięcy”, napisz: „w projektach, które prowadziłem w ostatnich dwóch latach, wyraźne efekty topical authority pojawiały się między 4. a 9. miesiącem przy założeniu publikacji 2–3 artykułów miesięcznie”. Drugie zdanie niesie konkretną informację z realnego doświadczenia.
Jedną z rzeczy, których AI modele nie potrafią dostarczyć, jest informowana opinia. Mogą syntezować istniejące poglądy, ale nie mogą ich ocenić z perspektywy kogoś, kto pracował w branży i wie, co działa, a co jest mitem.
Zajmowanie wyraźnego stanowiska – szczególnie jeśli jest ono sprzeczne z dominującym poglądem lub niuansuje uproszczenia – jest silnym sygnałem information gain. „Większość poradników mówi X, ale w moim doświadczeniu działa to zupełnie inaczej i oto dlaczego” – to zdanie, którego nie znajdziesz w 10 innych artykułach na ten temat.
Powszechna strategia contentowa każe „być kompletnym” i obejmować wszystko. Ale kompletność bez głębi to information gain bliski zeru – jeśli każdy aspekt jest traktowany powierzchownie, dokument nie daje użytkownikowi niczego, czego nie mógłby zebrać z innych źródeł.
Często lepszą strategią jest skupienie się na jednym aspekcie i potraktowanie go naprawdę dokładnie. Artykuł, który dogłębnie wyjaśnia jeden mechanizm – z przykładami, niuansami, wyjątkami i praktycznymi implikacjami – ma wyższy information gain niż artykuł, który płytko omawia dziesięć aspektów.
Jeśli pierwsze strony wyników tłumaczą „co to jest X” i „dlaczego X ma znaczenie”, a nikt nie odpowiada na „jak dokładnie wdrożyć X w konkretnej sytuacji” – masz białą plamę o wysokim information gain. Treść operacyjna (workflow, checklist, lista decyzji do podjęcia, przykłady z realnych projektów) uzupełnia informacyjną lukę, którą artykuły teoretyczne pozostawiają.
Gdy topowe wyniki dla danego zapytania operują danymi sprzed 3 lat, a branża się zmieniła – aktualna perspektywa ma wysoki information gain. „To działało w 2021 roku, ale w 2025 roku sytuacja wygląda tak” to informacja, której nie ma w artykułach, które jeszcze nie zostały zaktualizowane.
Tyle o tym, co buduje information gain. Równie ważne jest rozumienie, co go niszczy.
Parafrazowanie topowych wyników. To strategia, która produkowała content przez lata i przestała działać. Jeśli Twoja metoda tworzenia treści zaczyna się od „sprawdzam co jest na pierwszej stronie i tworzę to samo, tylko lepiej” – tworzysz treść o minimalnym information gain. „Lepiej” w sensie stylistycznym nie znaczy „więcej nowej informacji”.
Pisanie pod narzędzie, nie pod człowieka. Treści generowane przez wklejenie content brief z narzędzia do AI, bez redakcji eksperckiej, są syntezą tego, co już istnieje. Mogą być poprawne, mogą być długie – ale prawie zawsze mają niski information gain, bo LLM nie może wnieść perspektywy, której nie ma w danych treningowych.
Ogólniki bez zakotwiczenia w konkretach. „Ważne jest, żeby budować topical authority” to zdanie bez information gain – każdy to wie. „Widzę, że serwisy, które nie opublikowały żadnego artykułu przez 3 miesiące, tracą szybkość indeksowania nowych treści proporcjonalnie do długości przerwy” – to konkret, który czegoś uczy.
Cytowanie tylko powszechnie znanych danych. „Według Google, użyteczność treści ma kluczowe znaczenie” to informacja, którą czytelnik widział sto razy. Cytowanie nieoczywistych źródeł, własnych obserwacji lub danych z niszowych badań ma wyższy information gain niż kolejne powołanie na ten sam meta-autorytet.
W środowisku, gdzie AI Overviews pochłaniają rosnący udział kliknięć, information gain nabiera dodatkowego wymiaru strategicznego.
AI Overviews cytują źródła. I – jak pokazuje analiza Surfer SEO z końca 2025 roku – artykuły cytowane przez AI Overviews pokrywają o 62% więcej faktów niż artykuły niecytowane. Google chętniej cytuje treści, które wnoszą coś konkretnego do odpowiedzi – nie te, które powtarzają to, co AI i tak może wygenerować sama.
To zmienia cel tworzenia treści. W starym modelu optymalizowałeś pod ranking: chciałeś być wyżej niż konkurencja. W nowym modelu optymalizujesz pod cytowanie: chcesz być tym źródłem, które AI włącza do swojej odpowiedzi, bo wnosisz informację, której inne źródła nie mają.
Te dwa cele są spójne, ale nie identyczne. Strona może rankować wysoko dzięki autorytetowi domeny – ale nie być cytowana, bo jej treść jest generyczna. Strona z niższym autorytetem, ale wysokim information gain, może być cytowana częściej, bo wnosi to, czego AI szuka: fakty, perspektywy i dane, których nie ma w standardowej syntezie.
Trzy pytania, które zadaję przy każdym artykule, zanim go opublikuję:
Pytanie pierwsze: Czy czytelnik, który właśnie przeczytał 5 topowych artykułów na ten temat, dowie się z mojego artykułu czegoś, czego jeszcze nie wie? Jeśli odpowiedź jest „nie” lub „może trochę” – artykuł wymaga pracy.
Pytanie drugie: Czy jest cokolwiek w tym artykule, czego AI model nie mógłby wygenerować na podstawie publicznie dostępnych danych treningowych? To może być własne doświadczenie, własne dane, konkretna opinia z uzasadnieniem, przykład z projektu. Jeśli nie ma nic takiego – information gain jest zbliżony do zera.
Pytanie trzecie: Jeśli użytkownik przeczyta mój artykuł i wróci do Google z kolejnym zapytaniem – co będzie szukał? Jeśli to powinno być „jak wdrożyć to, o czym przeczytałem” – znaczy, że mój artykuł zatrzymał się na teorii. Jeśli nie mam pomysłu, co by szukał dalej, bo artykuł wyczerpał temat – mam wysoki information gain.
Czwarty test, który stosuję regularnie: Google Natural Language API na własnym tekście vs. text z pierwszych wyników. Jeśli mapa encji i ich relacji wygląda identycznie – semantycznie nie wnoszę nic nowego.
Information gain nie jest tylko cechą pojedynczego artykułu – jest strategią na poziomie całego serwisu.
Serwis, który systematycznie wnosi nową perspektywę, własne dane i pogłębioną analizę w swojej niszy – buduje reputację źródła, do którego Google i AI sięgają po cytowania. To buduje autorytet inaczej niż link building: nie przez ilość stron, które do Ciebie linkują, ale przez to, że jesteś autorytatywnym źródłem pierwotnym dla informacji w swojej dziedzinie.
W praktyce oznacza to strategiczne planowanie, gdzie Twój serwis ma informacyjną przewagę. Gdzie masz dane, których nie mają inni? Gdzie masz doświadczenie, które nie zostało opisane? Gdzie branżowa narracja jest uproszczona lub przestarzała? To są tematy, na które warto pisać – nawet jeśli ich wolumen wyszukiwań jest niski. Artykuł z wysokim information gain na temat o 200 wyszukiwaniach miesięcznie może budować autorytet skuteczniej niż generyczny artykuł na temat o 10 000 wyszukiwaniach.
Wnioski
Information gain to odpowiedź Google na pytanie: „czy ten dokument wnosi cokolwiek, czego nie ma już w internecie?“. W erze masowej produkcji treści AI – to pytanie staje się coraz bardziej fundamentalne.
Pisanie z myślą o information gain oznacza porzucenie modelu, w którym analizujesz co rankuje i tworzysz to samo. Oznacza pytanie: co wiem, co przeżyłem, co zmierzyłem, co mogę ocenić – czego nie ma w artykułach, które już istnieją?
Odpowiedź na to pytanie jest fundamentem treści, które Google uznaje za warte rankowania – i które AI Overviews uznają za warte cytowania.
Od ponad dekady rozkładam Google na czynniki pierwsze – i składam z powrotem w strategie, które działają dla firm różnej wielkości: od lokalnych MŚP po ogólnopolskie marki e-commerce i korporacje. Łączę rzadko spotykaną kombinację: wiedzę o semantycznym SEO, solidne zaplecze techniczne oraz umiejętność przełożenia tego wszystkiego na spójną strategię contentową. Dzielę się wiedzą, której nie znajdziesz w typowych poradnikach SEO. Co najważniejsze - staram się mówić o SEO w sposób przystępny i zrozumiały dla każdego.
Od ponad dekady rozkładam Google na czynniki pierwsze – i składam z powrotem w strategie, które działają dla firm różnej wielkości: od lokalnych MŚP po ogólnopolskie marki e-commerce i korporacje. Łączę rzadko spotykaną kombinację: wiedzę o semantycznym SEO, solidne zaplecze techniczne oraz umiejętność przełożenia tego wszystkiego na spójną strategię contentową. Dzielę się wiedzą, której nie znajdziesz w typowych poradnikach SEO. Co najważniejsze - staram się mówić o SEO w sposób przystępny i zrozumiały dla każdego.
Nie. Information gain jest niezależny od długości. Krótki artykuł z unikalną perspektywą lub konkretnym doświadczeniem może mieć wyższy information gain niż obszerny przewodnik złożony z syntezy istniejących źródeł.
Są głęboko powiązane. „Experience” w E-E-A-T to właśnie to, co generuje information gain niedostępny dla AI: perspektywa z pierwszej ręki, własne dane, praktyczne wnioski z realnych projektów. Wysoki information gain jest często naturalnym efektem silnego Experience.
Nie. Własne badania to jeden ze sposobów na information gain, ale nie jedyny. Wystarczy informowana opinia, pogłębienie jednego aspektu ponad to, co istnieje, aktualizacja przestarzałej wiedzy lub operacyjna perspektywa tam, gdzie inne artykuły zatrzymują się na teorii.
Brak jednego narzędzia, które mierzy information gain bezpośrednio. Pośrednio: czas na stronie i brak powrotu do wyników (sygnał, że użytkownik znalazł odpowiedź), tempo zbierania cytowań i wzmianek (sygnał, że wniosłeś coś warte odniesienia), obecność w AI Overviews (sygnał, że AI uznała treść za wartą włączenia do odpowiedzi).
Nie zamiast – obok. Autorytet domeny i linki nadal mają znaczenie, szczególnie w konkurencyjnych niszach. Ale information gain decyduje o tym, czy treść ma rację bytu – czy wnosiłeś cokolwiek poza wolumenem. Bez niego nawet silna domena nie ochroni przed erozją widoczności w erze Helpful Content Updates.
