信息增益内容质量评估法
解决什么问题
不管是写 SEO 落地页、写新闻通讯、还是做播客，行业里普遍存在"抄同行、拼凑重组别人内容"的做法（成本更低），如何用一个简单的标准判断一段内容到底是不是"真正有价值的内容"，而不是又一份重复的信息。
核心内容
Ethan Smith 观察到 SEO 内容行业的普遍现状："内容评分工具"会分析同一关键词下所有排名靠前的文章，告诉你"别人说了什么、你还没说什么"，然后让非专业写手照此把内容补全、让它显得"更典型"——结果是所有人不断互相重写彼此的内容，成本比找真正的专家写作低得多。这个现状目前对搜索引擎和 LLM 都是一个尚未解决的难题。
作者提出判断内容是否值得存在的两个核心标准：
- 信息增量（Information Gain）：你说了别人没说过的东西吗？如果你的内容只是对已有信息的重新排列组合，没有增加任何新信息，就没有真正的价值。
- 典型性（Typicality）：你的内容是否"太典型"，典型到读起来就像是别人内容的重写版？越像"重写别人说过的话"，价值越低。
理想情况下还应加上：是否有原创研究、是否真的具备该领域的专业知识、并且在内容里体现出来（作者提到 Google 的 EEAT 专业性/权威性/可信度框架理论上也该起类似作用，但他实际测算中并未观察到明显效果，只把它列为"理论上应该起作用但尚未验证生效"的机制）。
这套标准的价值在于：它不仅是"如何让内容在算法里排名更高"的技巧，更直接等价于"什么是真正值得读者花时间看的内容"——作者认为这是少数"讨好算法"和"讨好读者"完全对齐、不需要权衡的场景。
适用边界
- 该标准是作者的从业经验总结，不是搜索引擎公开确认的排序公式；EEAT 类信号在其实测中效果不明显，需谨慎对待"专业背书一定加分"的假设。
- 判断"信息增量"和"典型性"本身仍需人工判断力，不是可以自动化打分的硬指标。
关键引述 · 原话
"One concept would be information gain. So did you say something that somebody else didn't say? Two is how typical are you?" — Ethan Smith
"This is exactly what you want these algorithms to be looking for, so the alignment is there." — Lenny Rachitsky（主持人对 Ethan 观点的总结与回应，确认这套标准同时对内容质量和排名有效；并非 Ethan 本人所说）
关联卡片
- 与 ai-generated-content-model-collapse--ethan-smith 同源：都是对"低信息增量、高度重复性内容规模化生产"这一行业问题的批判。
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2+fixed