Peningkatan Informasi

TL;DR — Information gain adalah banyaknya informasi baru yang ditambahkan halaman Anda dan belum dilihat pencari di hasil lain untuk topik tersebut. Ini tidak sama dengan “konten bagus” atau “konten panjang”—sebuah halaman dapat sangat lengkap tetapi tetap tidak menambahkan sesuatu yang baru. Istilahnya berasal dari paten Google, tetapi Google tidak pernah menyatakan bahwa paten itu benar-benar digunakan untuk menentukan peringkat halaman. Dalam panduan sederhananya, Google mengatakan: jangan sekadar menulis ulang hal yang sudah ada—tambahkan sesuatu yang orisinal.

Arti information gain

Information gain adalah konsep teori informasi dan paten yang sering digunakan praktisi SEO; Google tidak mendokumentasikan faktor peringkat publik dengan skor universal bernama demikian. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google patent: Contextual estimation of link information gain Namun, panduan konten bermanfaat Google memang menanyakan apakah konten menambahkan informasi, pelaporan, riset, atau analisis orisinal. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google: Helpful content guidance

Bayangkan seseorang sedang meneliti suatu topik. Ia membuka hasil pertama dan membacanya, lalu membuka hasil kedua. Jika halaman kedua hanya mengulang semua yang dikatakan halaman pertama dengan susunan kata berbeda, ia tidak memperoleh informasi baru. Jika halaman itu memberikan titik data baru, cerita langsung, atau sudut pandang berbeda, ia memperoleh informasi.

Itulah gagasan utamanya. Information gain berkaitan dengan kebaruan relatif terhadap apa yang sudah dilihat pencari, bukan dengan seberapa rapi atau lengkap sebuah halaman jika dinilai sendiri. Artikel sepanjang 4 000 kata yang mengulang dengan cermat fakta konsensus dari sepuluh hasil teratas memiliki information gain rendah. Tulisan singkat dengan satu angka yang benar-benar baru dapat memiliki information gain tinggi.

Asal istilah ini

Google memperoleh paten (diajukan pada 2018 dan diberikan pada 2022) berjudul “Estimasi kontekstual information gain tautan”. Paten itu menjelaskan pemberian skor pada dokumen berdasarkan banyaknya informasi tambahan yang dikandungnya di luar dokumen yang sudah dilihat pengguna—dan penggunaan skor tersebut untuk membantu menentukan apa yang diperingkatkan atau ditampilkan berikutnya.

Dua hal yang perlu dibedakan:

1. Paten bukan konfirmasi. Google mengajukan ribuan paten. Kepemilikan paten membuktikan bahwa Google dapat melakukan sesuatu, bukan bahwa Google melakukannya. Google tidak pernah mengonfirmasi penggunaan mekanisme ini dalam pemeringkatan penelusuran langsung.
2. Ini bukan sinonim “kualitas”. Paten tersebut secara sempit membahas kebaruan, bukan mutu secara umum.

Mengapa hal ini makin penting sekarang

Hasil penelusuran semakin sering dijawab oleh AI—Google AI Overviews, AI Mode, ChatGPT, dan sistem lainnya. Sistem-sistem ini sangat baik dalam merangkum hal yang sudah diterbitkan di berbagai tempat. Jadi, jika halaman Anda hanya mengatakan hal yang juga dikatakan semua orang, AI dapat menyerapnya dan menjawab pertanyaan tanpa mengirim pengguna kepada Anda.

Konten yang bertahan adalah konten yang tidak dapat sekadar diparafrasekan oleh AI: riset orisinal, data milik Anda sendiri, pengalaman langsung, dan kutipan pakar yang tidak dimiliki pihak lain. Itulah information gain dalam praktik.

Tindakan yang perlu dilakukan

• Sebelum menerbitkan, tanyakan: apa yang dikatakan halaman ini yang tidak dikatakan halaman yang sudah mendapat peringkat? Jika jawaban jujurnya “tidak ada”, Anda belum menambahkan information gain.
• Tambahkan sesuatu yang hanya Anda miliki—survei kecil, tangkapan layar dari pengujian nyata, atau kutipan dari anggota tim yang benar-benar melakukan pekerjaan tersebut.
• Berhenti mengejar “lebih banyak” (lebih banyak kata, subtopik, atau FAQ). Kejarlah hal yang baru.

Ingin melihat detail paten, batasan cakupan, bahasa resmi Google yang mencerminkan gagasan ini, dan panduan praktisnya? Buka tab Lanjutan.

TL;DR — Information gain adalah kebaruan relatif terhadap korpus yang sudah dilihat pencari pada suatu topik—bukan kelengkapan, E-E-A-T, atau “kualitas” secara abstrak. Istilah ini diambil dari paten Google yang telah diberikan (“Estimasi kontekstual information gain tautan”, diajukan 2018, diberikan 2022), yang memberi skor dokumen 0,00–1,00 berdasarkan banyaknya informasi baru yang ditambahkan dan sebagian memeringkat berdasarkan skor itu. Namun, Google tidak pernah mengonfirmasi penggunaan langsung; kerangka paten membahas apa yang ditampilkan berikutnya setelah pengguna melihat beberapa hasil, bukan halaman pertama; dan tidak ada skor terlihat, API, atau rumus yang diungkapkan. Hal yang resmi adalah panduan konten bermanfaat Google yang meminta “informasi, pelaporan, riset, atau analisis orisinal”. Ini makin penting di SERP berjawaban AI karena LLM dapat menyintesis konsensus tanpa biaya—hanya informasi yang benar-benar baru yang menuntut rujukan.

Apa sebenarnya information gain (dan apa yang bukan)

Paten yang dirujuk menjelaskan metode yang mungkin digunakan, bukan bukti bahwa sistem pemeringkatan produksi tertentu bekerja persis demikian. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google patent: Contextual estimation of link information gain Gunakan panduan nilai orisinal sebagai prinsip editorial, bukan sebagai jaminan peringkat yang dapat diukur. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google: Helpful content guidance

Sebagian besar artikel tentang topik ini diam-diam mencampuradukkan tiga hal berbeda. Pisahkan ketiganya:

• Information gain — informasi baru marginal yang ditambahkan dokumen dibandingkan dengan hal yang sudah dilihat pencari tentang topik tersebut. Ini adalah selisih.

• Kelengkapan / kedalaman topik — mencakup segala hal tentang suatu topik. Halaman dapat sangat lengkap tetapi memiliki nol information gain jika setiap faktanya sudah terdapat di halaman yang mendapat peringkat lebih tinggi.

• E-E-A-T / kualitas konten — kepercayaan, keahlian, pengalaman, dan otoritas. Hal-hal ini berkaitan, tetapi merupakan penilaian berbeda. Anda dapat menjadi pakar yang sangat tepercaya tetapi tetap menerbitkan halaman yang tidak menambahkan sesuatu yang baru.

• Kebenaran dan akurasi — sesuatu yang baru belum tentu benar. Halaman dapat menambahkan klaim yang benar-benar baru tetapi tetap keliru. Kebaruan, akurasi, dan kepercayaan adalah penilaian terpisah; perlakukan orisinalitas sebagai salah satu masukan untuk penerbitan, bukan pengganti verifikasi.

Jika Anda hanya mengingat satu hal dari halaman ini: information gain secara khusus membahas selisih, bukan kedalaman dan bukan kepercayaan. Hampir setiap penjelasan pesaing mengaburkan pembedaan ini.

Ada satu pembedaan lagi yang layak disebut karena SEO meminjam istilah ini secara longgar: “information gain” juga memiliki makna teknis yang lebih tua di luar penelusuran. Dalam teori informasi, konsep ini berasal dari karya Claude Shannon tahun 1948 tentang entropi dan ukuran informasi—uraian matematis mengenai seberapa banyak suatu sinyal mengurangi ketidakpastian, yang tidak berkaitan dengan peringkat penelusuran. Dalam riset temu kembali informasi, gagasan sejajar muncul sebagai kebaruan dan keberagaman: metode seperti Maximal Marginal Relevance (Carbonell dan Goldstein, 1998) memeringkat ulang atau memilih hasil untuk mengurangi pengulangan terhadap hal yang sudah dilihat pembaca. Paten Google memakai intuisi dasar yang sama—baru dibandingkan dengan yang sudah ditampilkan—tetapi konsep-konsep tersebut tidak dapat saling dipertukarkan. “Information gain” dalam industri SEO adalah singkatan yang dibangun di atas paten tertentu, bukan penerapan langsung matematika Shannon atau algoritme keberagaman temu kembali informasi yang diterbitkan, walaupun ketiganya berbagi naluri yang sama: jangan hanya mengulang hal yang sudah ada.

Paten Google di balik istilah ini

Isi paten

Paten tersebut berjudul “Estimasi kontekstual information gain tautan” (US20200349181A1, diajukan Oktober 2018, diberikan Juni 2022; penemunya mencakup Victor Carbune dan Pedro Gonnet Anders). Definisi intinya, diterjemahkan dari paten:

“Skor information gain untuk dokumen tertentu menunjukkan informasi tambahan yang disertakan dalam dokumen tersebut di luar informasi yang terdapat dalam dokumen lain yang sudah disajikan kepada pengguna.”

Paten itu menjelaskan model pembelajaran mesin yang menerima vektor semantik dari dokumen yang sudah dilihat pengguna beserta data dari dokumen kandidat baru, lalu menghasilkan, menurut paten tersebut:

“skor kuantitatif antara 0,00 dan 1,00, dengan 0,00 menunjukkan bahwa tidak ada information gain yang diharapkan”

— sedangkan 1,00 berarti dokumen hanya berisi informasi yang belum terdapat pada hal yang sudah dilihat. Dokumen kemudian dapat diperingkatkan, setidaknya sebagian, berdasarkan skor information gain masing-masing.

Hal yang tidak dikatakan paten

Di sinilah sebagian besar konten SEO melampaui bukti, jadi batasannya perlu dijelaskan dengan tepat:

• Tidak ada konfirmasi penggunaan langsung. Paten yang diberikan adalah bukti bahwa Google dapat menerapkan mekanisme ini, bukan bahwa Google menerapkannya. Google tidak mengonfirmasi atau menyangkal penggunaannya dalam pemeringkatan. Siapa pun yang menyebutnya faktor peringkat terkonfirmasi sedang menebak.
• Cakupannya lebih sempit daripada dugaan umum. Kerangka paten berpusat pada pemilihan dokumen atau tautan yang ditampilkan berikutnya—misalnya tindak lanjut percakapan atau asisten setelah pengguna melihat beberapa hasil—bukan halaman pertama berisi sepuluh tautan biru. Analisis Roger Montti di Search Engine Journal menjelaskan cakupan ini dengan baik: penekanannya ada pada asisten otomatis, dan skor tersebut tidak dijelaskan sebagai sesuatu yang berlaku pada kumpulan hasil pertama (SEJ).
• Tidak ada rumus publik. Paten menyebut “vektor semantik” dan informasi penting yang diekstrak, tetapi tidak mengungkapkan bobot, daftar fitur, atau metode penilaian yang dapat direproduksi. Jangan percaya artikel yang memberi Anda rumus tepat tentang “cara Google menghitungnya”—rumus itu dibuat-buat.
• Ini adalah keluarga paten, bukan satu pengajuan. Google memperoleh kelanjutan dalam keluarga yang sama—US12013887B2, dengan judul dan penerima hak yang sama (Google LLC), serta tanggal prioritas kembali ke pengajuan awal Oktober 2018. Kelanjutan berarti ada bahasa klaim tambahan yang diungkapkan dalam keluarga tersebut, bukan konfirmasi baru tentang penerapan. Paten yang diberikan dan kelanjutannya hanya menetapkan apa yang Google ungkapkan dapat dibangun, bukan apa yang berjalan dalam produksi.

Uraian awal Bill Slawski di Go Fish Digital membingkai masalah dasar yang coba dipecahkan Google—ketika banyak dokumen membahas topik yang sama, dokumen-dokumen itu cenderung memuat informasi serupa—dan bagaimana paten tersebut mengusulkan pemeringkatan yang sebagian didasarkan pada skor information gain untuk mengatasinya (Go Fish Digital).

Panduan resmi Google yang mencerminkan gagasan ini

Berikut bagian jujur yang dilewatkan banyak penjelasan: tidak ada dokumen, posting blog, atau juru bicara Google yang memakai frasa “information gain” dalam panduan penelusuran publik. Istilah itu adalah singkatan industri. Namun, panduan resmi Google yang sebenarnya—“Membuat konten yang bermanfaat, andal, dan mengutamakan orang”—berulang kali menjelaskan gagasan dasar yang sama melalui pertanyaan penilaian mandiri. Berikut terjemahan pertanyaan dari halaman tersebut:

“Apakah konten menyediakan informasi, pelaporan, riset, atau analisis orisinal?”

“Jika konten mengambil bahan dari sumber lain, apakah konten menghindari sekadar menyalin atau menulis ulang sumber tersebut, dan justru memberikan nilai tambahan serta orisinalitas yang berarti?”

“Apakah konten menyediakan analisis yang mendalam atau informasi menarik yang melampaui hal-hal yang sudah jelas?”

“Apakah konten memberikan nilai yang berarti dibandingkan dengan halaman lain dalam hasil penelusuran?”

Pertanyaan terakhir—nilai yang berarti dibandingkan dengan halaman lain dalam hasil penelusuran—adalah ungkapan resmi Google yang paling mendekati konsep information gain tanpa menggunakan istilah tersebut. Ini merupakan kaitan resmi terkuat yang tersedia, dan menjelaskan mengapa “information gain” menjadi singkatan berguna bagi prinsip nyata yang jelas dianggap penting oleh Google, walaupun bukan istilah Google sendiri.

Apakah Bing menggunakan information gain?

Tidak sejauh yang saya temukan. Tidak ada dokumen atau juru bicara Bing maupun Microsoft yang memakai istilah itu dalam materi yang saya tinjau. Faktor peringkat yang dibahas Bing secara publik—reputasi situs dan penulis, kelengkapan konten, serta relevansi semantik—mengarah ke arah serupa (kedalaman dan orisinalitas dibandingkan pesaing), tetapi itu gagasan yang berdekatan, bukan klaim atau kosakata yang sama. Jika seseorang mengutip Bing memakai frasa harfiah “information gain”, curigai kutipan itu sampai Anda melihat sumber primernya.

Mengapa information gain makin penting di SERP yang didominasi jawaban AI

Bagian inilah yang membuat information gain lebih dari sekadar trivia paten.

AI telah membaca internet. ChatGPT, Claude, Gemini, serta AI Overviews dan AI Mode milik Google sangat baik dalam satu hal: menyintesis dan mengemas ulang hal yang sudah ada di web. Nathan Wahl dari Animalz menyampaikan argumennya dengan tegas—sistem ini sudah dapat mengulang dan mengemas kembali segala sesuatu yang diterbitkan, sehingga pertanyaannya menjadi: mengapa menerbitkan sesuatu yang tidak menambah nilai? Saat Google menyintesis jawaban, ia mengambil informasi dari banyak sumber. Menurut kerangka Wahl, Anda tidak harus mengungguli situs raksasa jika konten Anda memiliki informasi yang tidak mereka miliki (Animalz).

Itulah mekanismenya. Jika halaman Anda mengulang konsensus, AI Overview menyerapnya dan menjawab tanpa mengirim siapa pun kepada Anda. Jika halaman Anda memuat sesuatu yang hanya Anda miliki—angka eksklusif, eksperimen nyata, atau pandangan langsung pakar—sistem AI harus merujuk secara khusus kepada Anda untuk menyertakan fakta itu, bukan memparafrasekannya dari tempat lain. Namun, ini bukan jaminan: pengambilan, penyertaan dalam konteks model, pembuatan jawaban, dan pengutipan adalah langkah terpisah; lolos pada satu langkah karena orisinalitas tidak berarti lolos pada langkah lainnya. Riset terbatas tentang visibilitas mesin generatif (Aggarwal et al., “GEO: Generative Engine Optimization”) menemukan bahwa penambahan sumber, statistik, dan kutipan dapat meningkatkan visibilitas konten dalam jawaban AI pada konfigurasi yang mereka uji—bukti bahwa orisinalitas membantu, bukan bukti jaminan kutipan, peringkat, atau trafik. Information gain adalah prasyarat untuk dirujuk alih-alih diparafrasekan, bukan janji bahwa hal itu akan terjadi.

Bernard Huang dari Clearscope mengaitkan hal ini dengan Knowledge Graph Google: bidik konten yang membahas konsep dan entitas di pinggiran hal yang sudah “diketahui” Google tentang suatu topik, karena LLM sangat baik menangani konsensus tetapi kebaruan sejati masih menjadi tempat manusia menambah nilai (Clearscope). Kerangka awal Amanda King di Search Engine Land menangkap gagasan intinya—skor information gain pada dasarnya mengukur keunikan konten dibandingkan dengan korpus lainnya, dan konten berisiko diturunkan jika tidak unik meskipun hanya menyampaikan gagasan yang sama dengan kata berbeda (Search Engine Land). Andrew Holland kemudian membingkai ulang seluruh konsep untuk era AI: istilah ini berarti hal berbeda bagi orang berbeda, tetapi tugasnya adalah terus meningkatkan laju information gain—dan kita semakin mengoptimalkan untuk AI, bukan hanya Google (Search Engine Land).

Saya juga melihatnya dari arah sebaliknya. Saya menjalankan beberapa pengujian untuk mencoba memeringkatkan konten di AI Mode Google, tetapi konten tersebut sama sekali tidak mendapat peringkat—meskipun, sejauh yang dapat saya nilai, kontennya lebih baik dan lebih relevan daripada halaman yang mendapat peringkat. Salah satu kemungkinan yang saya sampaikan secara publik adalah kurangnya information gain dalam artikel: jika konten hanya merupakan pengulangan yang ditulis dengan baik dari hal yang sudah ada, mungkin tidak ada sesuatu yang layak diberi penghargaan oleh sistem (postingan saya di X).

Hal yang benar-benar menghasilkan information gain

Dengan menyintesis berbagai sumber dan pengalaman saya sendiri, berikut hal yang benar-benar memberi dampak:

• Riset orisinal, survei, dan eksperimen. Bentuk yang paling dapat dipertahankan. Jalankan studi, terbitkan datanya, dan biarkan pihak lain mengutip Anda. Di Ahrefs, konten berkinerja terbaik kami sangat condong pada studi data karena alasan ini.
• Data eksklusif / pihak pertama. Data produk atau penggunaan internal yang tidak dapat direproduksi pihak lain. Jika Anda memiliki kumpulan data, kumpulan data itu adalah information gain Anda.
• Wawancara pakar dan pengalaman langsung. Ini adalah taktik utama saya. Alih-alih menerbitkan teks buatan tanpa sumber, hubungi beberapa pakar bidang yang sudah dapat Anda jangkau—melalui Slack, surel, atau panggilan singkat dengan bantuan AI—beberapa kali seminggu, lalu catat kisah dan pengalaman nyata mereka. Itulah informasi orisinal yang belum ada di web sebelum Anda menerbitkannya. Saya menerapkan cara ini saat membangun ulang pusat SEO teknis Ahrefs (sekitar 160 halaman buatan AI) dengan menambahkan tinjauan pakar dan umpan balik pembaca agar halaman memuat sesuatu di luar konsensus yang dikemas ulang.
• Pandangan yang menentang atau memperbarui konsensus. Menguji klaim yang sering diulang dan melaporkan apa yang benar-benar terjadi merupakan information gain, bahkan jika “studinya” kecil.
• Mengembangkan karya pendahulu. Ambil riset yang sudah diterbitkan seseorang, perluas, dan tambahkan titik data berikutnya. Anda menambah korpus, bukan menyalinnya.

Tangga kualitas konten milik Ahrefs (karya Si Quan Ong, “Cara membuat konten berkualitas”) merupakan peta yang berguna: tangga ini naik dari artikel daftar sederhana ke studi riset dan gagasan orisinal—secara efektif menjadi tangga information gain yang lebih menghargai data langsung daripada agregasi, tanpa pernah memakai istilah tersebut.

Cara mengevaluasi information gain konten Anda

Ubah pertanyaan konten bermanfaat Google menjadi pemeriksaan praktis sebelum penerbitan:

• Buka hasil teratas untuk kueri target. Daftar apa yang sudah dikatakan setiap hasil.
• Pada draf, sorot setiap kalimat yang menambahkan fakta, angka, sudut pandang, atau pengalaman yang tidak ada di daftar tersebut. Jika tidak ada yang disorot, Anda memiliki tulisan ulang, bukan sumber daya.
• Tanyakan apakah AI dapat menjawab kueri sepenuhnya dari halaman yang sudah mendapat peringkat. Jika ya, satu-satunya jalan menuju relevansi adalah menyumbangkan sesuatu yang tidak dimiliki halaman-halaman tersebut.
• Periksa secara harfiah pertanyaan “nilai dibandingkan dengan halaman lain dalam hasil penelusuran”—bukan “apakah ini bagus”, melainkan “apakah ini menambahkan sesuatu”.

Kesimpulan

Information gain adalah konsep nyata dan berguna yang berdiri di atas mekanisme yang belum dikonfirmasi. Jangan menjualnya secara internal sebagai faktor peringkat Google terkonfirmasi dengan skor yang dapat Anda atur—itu tidak benar dan akan merusak kredibilitas Anda. Sampaikan sebagai hal yang terbukti berguna dalam SERP sarat AI: berhenti menerbitkan versi yang sekadar lebih dioptimalkan dari hal yang sudah ada, dan mulailah menerbitkan hal yang hanya Anda miliki. Itulah pertahanan Anda.

Bacaan terkait dalam kelompok ini: SEO entitas, markup skema untuk AI, GEO, dan AEO semuanya berkaitan dengan cara konten Anda ditampilkan dan dikutip setelah benar-benar memiliki sesuatu yang baru untuk dikatakan.

Ringkasan AI

Ringkasan padat dari versi Lanjutan:

• Information gain = kebaruan relatif terhadap hal yang sudah dilihat pencari pada suatu topik. Ini adalah selisih marginal, bukan kelengkapan atau E-E-A-T. Halaman yang lengkap dapat memiliki nol information gain.
• Namanya berasal dari paten Google yang telah diberikan (“Estimasi kontekstual information gain tautan”, diajukan 2018, diberikan 2022), yang memberi skor dokumen 0,00–1,00 berdasarkan informasi baru yang ditambahkan dan sebagian memeringkat berdasarkan skor itu.
• Google tidak pernah mengonfirmasi penggunaan langsung. Kerangka paten membahas hal yang ditampilkan berikutnya setelah pengguna melihat beberapa hasil—bukan halaman pertama. Tidak ada skor terlihat, API, atau rumus yang diungkapkan; “skor information gain” apa pun dalam alat hanyalah perkiraan.
• Hal yang resmi adalah panduan konten bermanfaat Google yang menanyakan apakah konten menyediakan “informasi, pelaporan, riset, atau analisis orisinal” dan “nilai yang berarti dibandingkan dengan halaman lain dalam hasil penelusuran”—gagasan yang sama tanpa memakai istilah itu.
• Mengapa penting sekarang: AI Overviews dan AI Mode menyintesis konten konsensus tanpa biaya. Informasi yang benar-benar baru—riset orisinal, data eksklusif, keahlian langsung—membuat sistem AI perlu merujuk kepada Anda alih-alih memparafrasekan tempat lain, meski hal itu bukan jaminan kutipan, peringkat, atau trafik (pengambilan, penyertaan, pembuatan jawaban, dan pengutipan adalah langkah terpisah).
• Kebaruan bukan akurasi. Halaman dapat menambahkan klaim yang benar-benar baru tetapi tetap salah—perlakukan orisinalitas sebagai salah satu masukan penerbitan, bukan pengganti verifikasi.
• Hal yang menghasilkannya: studi orisinal, data pihak pertama, wawancara pakar dan pengalaman langsung, pandangan yang menentang atau memperbarui konsensus, serta pengembangan riset pihak lain.
• Waspadai rincian palsu—statistik presisi seperti “pembaruan inti mengonfirmasi information gain, visibilitas +X%” tanpa sumber primer adalah pola mitos, bukan data.

Dokumentasi resmi

Sumber primer. Perhatikan bahwa panduan Google tidak pernah memakai istilah “information gain”—paten memang memakainya, tetapi paten adalah pengajuan hukum, bukan pernyataan tentang pemeringkatan langsung.

Google — paten (sumber primer, bukan “panduan”)

• Estimasi kontekstual information gain tautan (US20200349181A1) — pengajuan yang menjadi asal istilah ini: uraian skor 0,00–1,00 dan definisi “informasi tambahan di luar dokumen yang sudah disajikan kepada pengguna”.

Google — panduan resmi konten bermanfaat (menggunakan konsep, bukan istilah)

• Membuat konten yang bermanfaat, andal, dan mengutamakan orang — pertanyaan penilaian mandiri tentang informasi/riset/analisis orisinal dan nilai berarti dibandingkan hasil lain. Inilah bahasa resmi yang paling dekat dengan information gain.

Kutipan dari sumber

Bahasa yang tercatat resmi. Butir Google di bawah diterjemahkan dari sumber primer (paten dan dokumentasi konten bermanfaat Google). Pendapat industri diparafrasekan dalam isi artikel, bukan dikutip, karena saya tidak dapat memverifikasi ulang redaksi tepatnya secara independen pada halaman asli—saya tidak akan menempatkan kata-kata dalam tanda kutip jika tidak dapat mengonfirmasinya.

Google — paten (US20200349181A1)

• “Skor information gain untuk dokumen tertentu menunjukkan informasi tambahan yang disertakan dalam dokumen tersebut di luar informasi yang terdapat dalam dokumen lain yang sudah disajikan kepada pengguna.” — Estimasi kontekstual information gain tautan. Baca paten
• “skor kuantitatif antara 0,00 dan 1,00, dengan 0,00 menunjukkan bahwa tidak ada information gain yang diharapkan” — skala penilaian yang dijelaskan paten (1,00 berarti dokumen hanya memuat informasi yang belum dilihat). Baca paten

Google — panduan konten bermanfaat (konsep tanpa istilah)

• “Apakah konten menyediakan informasi, pelaporan, riset, atau analisis orisinal?” Buka kutipan
• “Jika konten mengambil bahan dari sumber lain, apakah konten menghindari sekadar menyalin atau menulis ulang sumber tersebut, dan justru memberikan nilai tambahan serta orisinalitas yang berarti?” Buka kutipan
• “Apakah konten menyediakan analisis yang mendalam atau informasi menarik yang melampaui hal-hal yang sudah jelas?” Buka kutipan
• “Apakah konten memberikan nilai yang berarti dibandingkan dengan halaman lain dalam hasil penelusuran?” Buka kutipan

Panduan kerja: menambahkan information gain yang nyata

Proses berulang untuk mengubah draf “satu lagi artikel tentang X” menjadi sesuatu yang benar-benar menambah nilai.

1. Petakan korpus terlebih dahulu. Buka 10 hasil teratas untuk kueri Anda. Dalam dokumen, daftar klaim, titik data, dan sudut pandang berbeda yang sudah dicakup masing-masing hasil. Inilah garis dasar yang akan “sudah dilihat” pencari.

2. Temukan kesenjangan. Di mana konsensus masih tipis, usang, atau belum diuji? Pertanyaan apa yang diajukan halaman berperingkat tetapi tidak dijawab? Kesenjangan itulah target Anda.

3. Pilih sumber kebaruan. Urutan kasar berdasarkan ketahanannya:

• Riset orisinal / survei / eksperimen yang Anda jalankan.
• Data pihak pertama atau data eksklusif yang sudah Anda miliki.
• Wawancara pakar dan pengalaman langsung.
• Pandangan yang menentang atau memperbarui konsensus dan benar-benar dapat Anda dukung.

4. Siklus wawancara pakar (pilihan utama saya). Hampir selalu ada pakar bidang yang dapat Anda jangkau. Beberapa kali seminggu, kirim satu pertanyaan tajam kepada beberapa orang melalui Slack, surel, atau panggilan singkat berbantuan AI. Catat kisah, angka, dan rincian “sebenarnya, dalam praktik…”. Cantumkan atribusi. Itulah informasi orisinal yang belum ada di web sebelum Anda menerbitkannya.

5. Beri atribusi pada semuanya. Sertakan sumber klaim Anda. Tautkan keluar. Tampilkan data Anda. Konten yang menjelaskan asal informasi terasa menambah nilai; teks buatan tanpa sumber terasa seperti pengisi—dan semakin sering diperlakukan demikian.

6. Pemeriksaan sebelum penerbitan. Sorot setiap kalimat dalam draf yang belum ada di salah satu dari 10 halaman teratas. Jika hanya sedikit yang disorot, jangan terbitkan dahulu—kembali ke langkah 3.

7. Tambahkan lapisan, jangan sekadar menumpuk. Jika Anda menghasilkan konten dalam skala besar, jangan berhenti setelah pembuatan. Tambahkan tinjauan pakar, umpan balik pembaca, dan contoh nyata agar setiap halaman membawa sesuatu di luar konsensus. Volume tanpa kebaruan adalah hal yang diserap AI tanpa biaya.

Anti-pola: bagaimana “information gain” disalahgunakan

Memperlakukannya sebagai faktor peringkat terkonfirmasi dengan skor yang dapat diatur. Ini berasal dari paten yang diberikan, tetapi Google belum mengonfirmasi penggunaannya dalam pemeringkatan langsung. Tidak ada kolom Search Console, sinyal log, atau API publik. “Skor information gain” dalam suatu alat adalah perkiraan alat tersebut, bukan skor Google. Jangan menjualnya secara internal sebagai pengungkit terkonfirmasi—kredibilitas Anda akan hilang saat seseorang meminta sumbernya.

Mengulang statistik yang sangat presisi tetapi tidak bersumber. Gelombang posting bertanggal 2026 menyatakan hal seperti “pembaruan inti [tanggal] mengonfirmasi information gain sebagai sinyal dominan, visibilitas +15–25% untuk konten orisinal, dan –30–50% untuk konten berpola”, bahkan sampai cap waktu tertentu. Tidak ada sumber primer yang mendukungnya. Rincian ini tampak dibuat-buat atau terhalusinasi dengan menumpang istilah populer. Jika statistik tentang information gain tidak memiliki sumber primer yang dapat dilacak, jangan mengulanginya.

Menyamakan “menulis lebih banyak” dengan information gain. Panjang dan kelengkapan bukan information gain. Artikel 5 000 kata yang mengulang konsensus memiliki lebih sedikit information gain daripada posting 400 kata dengan satu titik data baru. Penjejalan FAQ—menambahkan 50 atau 100 FAQ ke halaman—adalah contoh paling jelas: tindakan itu menambah kata, bukan kebaruan, dan tidak berhasil.

Mencampuradukkannya dengan E-E-A-T atau “kualitas”. Keduanya berkaitan tetapi berbeda. Anda dapat menjadi pakar sejati tetapi tetap menerbitkan halaman yang tidak menambahkan sesuatu yang baru ke korpus. Information gain adalah selisih marginal, bukan penilaian kepercayaan atau keahlian.

Menganggapnya berlaku pada halaman pertama hasil. Kerangka paten berpusat pada apa yang ditampilkan berikutnya—dalam konteks asisten atau tindak lanjut—setelah pengguna melihat beberapa hasil, bukan selalu pada sepuluh tautan biru awal. Kebanyakan penjelasan melewatkan batasan cakupan ini; jangan lakukan hal yang sama.

Mengklaim Google atau Bing mengatakan “information gain”. Sejauh yang saya temukan, keduanya tidak menggunakan frasa harfiah itu dalam panduan peringkat publik. Istilah ini adalah singkatan industri yang dibangun di atas paten Google dan prinsip konten bermanfaat secara umum. Curigai kutipan “information gain” yang dikaitkan dengan Google atau Bing sampai Anda melihat sumber primernya.

Prompt untuk meninjau information gain

Compare my draft with these competing-page notes. Build a claim matrix with one row
per substantive point and columns for: already common in the corpus, genuinely new,
new only in wording, supported by first-hand evidence, source needed, and remove or
keep. Do not assign a fake information-gain score. Finish with the three strongest
original contributions and the evidence needed to publish each.

DRAFT:
[paste]

COMPETING-PAGE NOTES:
[paste]

Turn these raw first-party materials into an evidence plan, not finished prose.
Separate proprietary data, direct observation, expert experience, original examples,
and repeatable analysis. For each candidate contribution, state the claim it could
support, the minimum method disclosure, limitations, and what would make the claim too
weak to publish. Do not infer results that are absent.

[paste interview notes, dataset description, tests, or case documentation]

Kerangka kerja untuk menciptakan information gain nyata

Kerangka korpus–klaim–bukti

1. Korpus: Ringkas hal yang telah disepakati halaman berguna saat ini.
2. Klaim: Nyatakan apa yang ditambahkan halaman Anda di luar konsensus tersebut.
3. Bukti: Sebutkan data, pengamatan, pengalaman, atau sumber yang membuat klaim baru dapat dipertahankan.
4. Batasan: Dokumentasikan kondisi ketika bukti tidak dapat digeneralisasi.

Jika klaim hanya mengubah susunan kata, klaim itu tidak baru. Jika bukti tidak dapat mendukung klaim, klaim tersebut belum siap.

Tangga kebaruan

• Pernyataan ulang: Fakta sama dengan susunan kata berbeda.
• Sintesis: Fakta yang ada dihubungkan dengan cara baru yang berguna.
• Penerapan: Pengetahuan yang ada diuji dalam konteks tertentu.
• Pengamatan: Bukti langsung yang tidak dimiliki pihak lain.
• Penemuan: Temuan yang dapat direproduksi dan mengubah pengetahuan pembaca.

Tangga ini adalah model perencanaan, bukan skor tersembunyi Google.

Lembar ringkas information gain

Pemeriksaan realitas: Google tidak menyediakan skor atau rumus information gain publik. Nilai kontribusi beserta buktinya, bukan angka desimal buatan.

Sumber daya yang layak dibaca

Tulisan dan presentasi saya

• Apakah Trafik Penelusuran AI Menghasilkan Konversi Lebih Baik daripada Penelusuran Tradisional? (Ahrefs) — data yang menjelaskan mengapa visibilitas penelusuran AI layak dikejar dan mengapa information gain penting secara komersial.
• “GEO? AEO? LLMO? Ada Apa dengan Semua Hal SEO AI Ini?” — presentasi Ahrefs Evolve 2025 saya tentang penelusuran AI, tempat argumen “terbitkan hal yang hanya Anda miliki” dijelaskan.
• Posting pengujian peringkat AI Mode saya (X) — eksperimen alami ketika konten yang tidak mendapat peringkat di AI Mode mungkin kekurangan information gain.
• Patrick Stox tentang Membangun di Era GEO (Unscripted SEO Podcast) — tempat saya menjelaskan taktik “hubungi lima pakar nyata dan sertakan sumber klaim Anda”.
• Strategi AEO Mutakhir bersama Patrick Stox (Marketing Speak) — episode yang membingkai information gain sebagai pertahanan nyata, dengan poin tentang studi data Ahrefs.
• Cara Membuat Konten Berkualitas (Ahrefs, oleh Si Quan Ong) — konten internal tentang tangga kualitas dari artikel daftar hingga riset orisinal, yang pada dasarnya merupakan tangga information gain.

Dari industri

• Estimasi kontekstual information gain tautan (US20200349181A1) — paten sebenarnya. Baca sumbernya sebelum memercayai ringkasan siapa pun.
• Membuat konten yang bermanfaat, andal, dan mengutamakan orang (Google Search Central) — pertanyaan penilaian mandiri resmi yang menjelaskan konsep tanpa istilahnya.
• Paten Information Gain Google untuk Memeringkat Halaman Web (Roger Montti, Search Engine Journal) — pembahasan paling hati-hati tentang cakupan: konteks asisten atau tindak lanjut, bukan halaman pertama.
• Apa Itu Information Gain dalam SEO dan Mengapa Penting (Amanda King, Search Engine Land) — definisi arus utama awal.
• Information Gain: Arti Sebenarnya “Istilah Populer” SEO Ini (Andrew Holland, Search Engine Land) — pembingkaian ulang untuk era AI.
• Information Gain dalam SEO (Bernard Huang, Clearscope) — kerangka Knowledge Graph dan sudut pandang praktis.
• Information Gain: Teori SEO yang Diwajibkan oleh AI (Nathan Wahl, Animalz) — argumen “mengapa sekarang” terkuat yang dikaitkan dengan sintesis AI dan kutipan multisumber.
• Skor Information Gain (Bill Slawski, melalui Go Fish Digital) — uraian teknis awal tentang paten.
• Apa Itu Information Gain dalam SEO dan Apakah Google Mengukurnya? (Rachel Handley, Semrush) — ikhtisar definisi tambahan yang baik.

Uji pemahaman Anda: Information Gain

Lima pertanyaan singkat tentang apa itu information gain, asalnya, dan tindakan yang perlu dilakukan. Pilih jawaban untuk masing-masing, lalu periksa hasilnya.

Log perubahan