Сегодня у нас очередной разбор статьи могучего исследователя Шона Андерсона. Рекомендую почитать оригинал статьи (2 раза под карандаш), ну или мои выжимки и дополнения. В статье механика разложена по патентам и утечке Content Warehouse API, и там действительно есть на что опереться.
Итак, существует два уровня сигнала прироста информации (Information Gain) на странице:
➡️Статический считается при индексации, до того как страница кому-то показана.
➡️Динамический пересчитывается внутри живой поисковой сессии, по мере того как пользователь кликает по результатам.
Динамическая часть описывается формулой условной энтропии: I(D; St) = H(D) - H(D | St).
H(D) - общая информационная плотность документа.
H(D | St) - та же плотность, но с учётом того, что пользователь уже увидел в предыдущих кликах St.
Если новая страница просто пересказывает уже увиденные факты другими словами, H(D | St) стремится к H(D), прирост информации схлопывается почти в ноль, и страница перестаёт быть кандидатом на следующий клик в этой сессии.
Статическая часть считается через дельту графа сущностей (ΔE): насколько триплеты "сущность-отношение-значение" в документе отсутствуют или расходятся с триплетами, уже извлечёнными из топ-10 выдачи. Чем больше у страницы подтверждённых узлов, которых нет у конкурентов, тем выше базовая новизна при индексации (раньше, чем до неё дойдёт хоть один пользователь).
В статье есть интересная привязка к реальным production-атрибутам из утечки API Гугла:
➡️originalContentScore - статическая оценка доли неповторяющегося текста относительно веб-индекса. Работает как входной фильтр.
➡️contentEffort - модельная оценка трудозатрат: сложность вёрстки, плотность мультимодальных элементов, глубина проработки.
➡️docEmbeddings - плотные векторные представления документа для вычисления расстояния от существующих кластеров выдачи.
➡️siteAuthority через QualityNsrData - агрегированная новизна и качество по всему сайту; низкая уникальность по URL бьёт по домену целиком.
➡️NavBoost - поведенческая проверка задним числом, трекает 13 месяцев кликов (goodClicks, badClicks, lastLongestClicks).
💡Важно: NavBoost не считает дифференциальные уравнения в реальном времени во время запроса, он фиксирует долгосрочную статистику. Страница может получить начальный буст за статическую новизну, но если пользователи возвращаются на выдачу (badClicks), буст систематически гасится.
Маршрут обработки запроса состоит из трёх стадий:
➡️на этапе индексации считаются ΔE и статические метрики, векторные представления строятся через TwinBERT и MUM;
➡️на этапе запроса Mustang и RankBrain формируют пул кандидатов, сравнивая кандидатов с центроидом текущей выдачи;
➡️на этапе пересессионного переранжирования энтропийный распад I(D; St) не даёт показывать подряд несколько страниц с одной и той же информацией.
Пример из статьи очень показателен. Вот вдумайтесь в него.
Низкий information gain: "чтобы исправить всплески подключений PostgreSQL, задайте max_connections=100 и установите PgBouncer." Это просто пересказ консенсуса выдачи, H(D|St) близко к нулю.
Высокий information gain: указание конкретной версии (PostgreSQL 15+, ядро Linux 5.15+), объяснение источника издержек (2 МБ накладных расходов на процесс), режим transaction pooling вместо session pooling, формула расчёта pool_size = количество ядер × 2 + число шпинделей, и собственный замер на 10 000 одновременных клиентов с результатом минус 68% к переключениям контекста.
Разница не в тоне текста, а в количестве новых проверяемых сущностей и точных параметров.
А теперь вспомним #GIST. Ничего эта механика не напоминает? Точно! Примерно так работает GIST модуль, который ныне встроен в систему Cocoon Engine X4. Очень удивительно было получить подтверждения верности моих наработок от стороннего исследователя.
Итак, что рекомендует проделывать Шон:
➡️Выписать консенсусные триплеты топ-5 конкурентов и добавить минимум два факта, инструмента или подтемы, которых там нет.
➡️Заменить обобщённые формулировки точными параметрами с собственным замером, а не чужой цифрой без источника.
➡️Убрать стоковые изображения без уникальной информации, добавить хотя бы один собственный визуальный актив - схему, график, интерактивный расчёт.
➡️Проверить вступление и выводы на пересказ консенсуса синонимами. Если смысл не меняется при замене слов, это не прирост информации.
➡️Закрыть основной интент в первом экране, чтобы не провоцировать возврат на выдачу (атака на NavBoost и по lastLongestClicks).
ps
На днях выкачу маленькое дополнение к системе Cocoon Engine X4 - слой постобработки контента. Посмотрите потом в спецпромптканале.
📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение
📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026
❄️Всяческая SEO халява
🎮 Реестр моих Free промптов из спецпромптканала
#DrMax #GIST #CocoonEngineX4 #Google #SEO