Google Top 3 页面也在互相复读？我读完这篇 Information Gain 研究后的几点判断

Eric Lancheres 最近在 On-Page.ai 发了一篇研究，我觉得所有还在用 AI 批量写 SEO 内容的人，都应该认真看一下。

这篇文章不是那种泛泛而谈的「AI 内容未来趋势」。

它做了一件很具体的事：

扫描 50 个关键词、10 个行业、150 个 Google Top 3 页面，然后给每个页面打一个 Information Gain Score。

用人话说就是：

一个页面排在 Google 前 3，它到底有没有讲出同一个搜索结果里其他页面没讲过的东西？

这个问题非常关键。

因为过去几年，很多 SEO 内容团队的工作流其实特别粗暴：

• 把 Top 10 抓下来
• 把目录合并一下
• 让 AI 补长一点
• 标题里塞关键词
• 最后生成一篇看起来更完整的文章

这套东西以前能跑，是因为 Google 很多时候确实奖励「覆盖足够完整」。

但这篇研究提醒我们一件事：

完整，已经越来越不稀缺了。

新信息，才稀缺。

1 – 这篇研究到底测的是什么？

Information Gain 这个词，很多人会翻译成「信息增益」。

听起来有点学术，其实特别好理解。

假设用户搜一个关键词，Google 第一页已经有 10 篇文章了。

这 10 篇文章共同覆盖了一堆定义、优缺点、购买建议、常见问题。

这些东西就叫 SERP baseline，也就是搜索结果里的基础信息池。

那你的页面如果只是把这些东西换个顺序、换个说法、写得更长一点，本质上没有增加多少新信息。

Eric 在原文里用了一个公式：

G = P ∖ B

翻译成人话就是：

你的页面 P，减掉这个 SERP 里大家都已经讲过的基础内容 B，剩下来的部分，才是你的信息增益 G。

这个视角很有意思。

因为它不是问「你有没有写得全面」。

它问的是：

你有没有给这个搜索结果增加新的东西。

这个判断会逼我们重新看 AI 内容。

很多 AI SEO 内容看起来很完整，其实只是把 baseline 重新包装了一遍。

2 – 最打脸的数据：Top 3 页面也没那么原创

这篇研究里最重要的数据是：

150 个 Google Top 3 页面，Information Gain Score 的中位数只有 52/100。

也就是说，一个排名非常靠前的页面，大概一半内容都能在同一个 SERP 的其他页面里找到语义相近的版本。

更具体一点：

• 21% 的 Top 3 页面属于 highly original，信息增益 70 分以上
• 55% 属于 moderately original，40-69 分
• 24% 属于 mostly shared，低于 40 分

这个结果说明什么？

说明 Google Top 3 里面，也有不少页面其实没贡献太多新东西。

很多人看到这里可能会问：

那是不是说明 Information Gain 根本不是排名因素？

别急。

Eric 原文里也讲得很谨慎：Google 有相关专利，但专利不等于确认的排名系统。

这点要给原作者 credit，他没有硬吹「我发现了 Google 新排名因子」。

他更像是在说：

排名靠前的页面里，原创信息并没有我们想象中那么多，所以这里还有很大的内容机会。

我比较认同这个判断。

SEO 很多时候不是改一个点，然后排名马上暴涨。

更多时候是先找出某个 SERP 里现有内容没讲清楚的地方，然后持续把这些地方补扎实。

这比追一个所谓的新排名因子靠谱得多。

3 – 排名第 1，并不代表信息增益最高

这篇文章还有一个挺反直觉的数据：

Top 1、Top 2、Top 3 的信息增益中位数几乎一样。

• Position 1：52
• Position 2：51.5
• Position 3：52

也就是说，在前三名里面，谁排第一，跟谁更原创没有明显关系。

这点很重要。

因为 SEO 排名从来不是单变量游戏。

一个页面能排第一，可能是因为：

• 域名权重更强
• 外链更多
• 站点主题权威更高
• 页面体验更好
• 品牌点击更强
• 历史表现更稳定
• 内容刚好更匹配这个 query 的主意图

所以不要把 Information Gain 理解成「只要我加原创数据，就一定冲第一」。

这就太天真了。

我的理解是：

Information Gain 更像内容竞争力的一部分。

它不一定决定你今天排第 1 还是第 3。

但如果你的页面长期只是重复别人，Google 和 AI 答案引擎都没有太多理由反复引用你。

尤其是 AI Overviews、ChatGPT、Perplexity 这些答案引擎开始吃内容之后，重复信息的价值会进一步下降。

因为机器根本不缺第 11 个同义改写版本。

机器缺的是可引用的新事实、新案例、新判断。

4 – 真正值钱的是 unique data points

整篇文章里，我最看重的是这个数据：

页面里有 15 个以上 unique data points 的，平均 Information Gain Score 是 62.1。

页面里只有 0-1 个 unique data points 的，平均只有 40.2。

差了 20 多分。

这背后其实就是一句老话：

内容不要只写观点，要写证据。

什么叫 unique data points？

不是那种随便引用别人报告里的「80% 的用户认为 xxx」。

而是这个页面自己贡献的具体信息。

比如：

• SaaS 产品真实 onboarding 完成率
• 某个功能上线后 30 天的激活变化
• 外贸询盘从点击到成交的平均周期
• 某类 B2B 产品的 MOQ、交期、认证成本
• 跨境电商某个品类的退货率、广告 CPA、履约时间
• 你自己跑过 50 个页面之后总结出的标题改写结果

这些东西是 AI 很难凭空生成的。

就算 AI 能编，它也没有可信度。

而且这类信息有一个特别大的好处：

它会让你的内容和别人不一样。

因为别人可以抄你的 H2，可以抄你的结构，可以抄你的观点。

但别人很难抄你的真实数据和真实经历。

这也是为什么我一直说，SEO 内容以后不能只靠写手整理资料。

纯写手型内容会越来越难。

因为写手可以整理信息，但很难生产事实。

5 – 90% 的 SERP 都还有没被回答的问题

这篇研究还有一个很有意思的发现：

在 90% 的 SERP 里，Top 3 页面至少漏掉了一个常见主题问题。

60% 的 SERP 里，有 3 个以上没被 Top 3 回答的问题。

这句话对内容团队很有用。

以前我们做内容 brief，经常会看：

• Top 10 都有哪些 H2
• 他们用了什么标题
• 他们覆盖了哪些 FAQ
• 他们内容长度是多少

但我觉得以后更应该加一个动作：

找 Top 3 没回答的问题。

这个动作比单纯「补 FAQ」有用。

FAQ 很容易写成垃圾扩写。

真正有价值的是找到用户做决策时还卡住的那一块。

举个栗子。

如果你做一个 B2B SaaS 的「best CRM for manufacturers」页面，大家可能都在讲功能对比、价格、集成、评分。

但用户真正关心的可能是：

• 从 Excel 迁移到 CRM 要多久？
• 销售团队不愿意填数据怎么办？
• 制造业报价周期长，CRM pipeline 应该怎么设？
• ERP 和 CRM 数据冲突时，以哪个为准？
• 老板想看预测，销售只想少填表，这个矛盾怎么解决？

这些问题如果 Top 3 都没讲，你讲了，而且讲得具体，页面就开始有自己的价值。

这就是 Information Gain 最实用的地方：它逼你从「别人写了什么」转向「用户还缺什么」。

6 – 为什么健康类内容信息增益最低，法律类最高？

原文里还有一个行业差异：

Legal 法律类的中位数最高，62。

Health 健康类最低，42。

这个结果我觉得挺合理。

健康类内容为什么低？

因为它受到很多限制。

大家都要引用权威医学信息，都要写症状、原因、治疗方式、什么时候看医生。

你不能乱讲，也不应该乱讲。

所以内容很容易长得像。

法律类为什么更高？

因为法律内容更容易出现地区差异、案例差异、流程差异、费用差异。

比如同样是 personal injury lawyer，不同州的时效、赔偿、诉讼流程、保险沟通方式都可能不一样。

这些细节本身就会让内容和别人不一样。

这个对外贸和 B2B 网站也有启发。

如果你的行业本身很容易写成标准答案，那你就更要主动制造差异。

不要只写「什么是 injection molding」。

你要写：

• 不同材料的模具寿命差异
• 小批量打样和量产报价为什么差这么多
• 美国客户最常卡在哪些认证
• 从图纸到样品通常要几轮修改
• 什么情况下中国供应商会拒绝接单

这些才是采购真正想知道，但搜索结果里经常没人讲透的东西。

7 – 对 SEO 内容团队来说，接下来应该怎么改工作流？

如果我是一个内容团队，我不会把这篇研究理解成「以后每篇文章都要做原创研究」。

那不现实。

尤其是中小企业、外贸站、SaaS startup，不可能每篇文章都搞一份大报告。

但你可以把内容 brief 改掉。

以前的 brief 可能是：

• 关键词
• 搜索意图
• Top 10 结构
• 推荐字数
• 必须覆盖的实体词
• FAQ

现在应该加 4 个栏目：

1 – SERP baseline

这个关键词下，大家都已经讲了什么？

把这些内容列出来，但不要把它当成「我要照抄的目录」。

它只是基础盘。

2 – Missing questions

Top 3 没回答什么？

哪些问题用户会问，但现有内容没讲清楚？

尤其关注价格、时间、风险、失败、取舍、实施细节。

3 – Unique evidence

这篇文章能不能放进 3-10 个自己的证据？

比如客户案例、后台截图、报价区间、测试结果、项目经验、真实流程。

数量不用一上来就 15 个。

先从 3 个开始。

4 – Point of view

这篇文章有没有一个明确判断？

如果整篇文章只是「A 有好处，B 也有好处，大家根据情况选择」，读者看完也不会记住你。

读者不是来听你端水的。

读者是来找判断的。

8 – 我对这篇文章的最终解读

Eric 这篇研究真正有价值的地方，不是告诉我们一个新的「排名因子」。

它更像是把 SEO 内容的一个老问题量化了：

大量排名页面其实是在互相复述。

而且哪怕是 Top 3，也没那么神。

这反而说明后来者还有机会。

如果你的网站权重不强、预算不大、外链也没那么多，那你更不能继续写那种「更完整但没新东西」的文章。

你打不过大站的权重，就别继续在「谁写得更全」这件事上硬拼。

你要拼它们没有的东西：

• 真实案例
• 真实数据
• 真实成本
• 真实失败
• 真实判断

说白了，未来 SEO 内容的门槛会从「会不会写」变成「你有没有东西可写」。

AI 可以把一句话扩成 2000 字。

但它不能替你跑客户项目，不能替你看真实后台，不能替你踩坑，也不能替你形成判断。

所以这篇文章我建议大家收藏。

不是因为它给了一个万能公式。

而是因为它提醒我们：

别再只做搜索结果的复读机了。

你要给 Google，也给用户，贡献一点真的东西。

原文 credit：Eric Lancheres / On-Page.ai Research

原文标题：Information Gain in Google’s Top-Ranking Results: A Measurement of 150 Pages

原文链接：https://api.on-page.ai/research/information-gain-study

发布日期：2026 年 6 月 12 日