📖 本文是《AI 工具站 SEO 小册子：图解入门》的一部分，完整目录与源文件见 GitHub：JeffLi1993/saas-seo-playbook
AI 时代不缺内容。
同一个关键词，大家参考同一批 SERP 页面，让 AI 汇总大纲，再扩写正文，很容易做出一批差不多的页面。
结构可能完整，但用户看完还是没有得到更多东西。
站在 Google 的角度，我们希望提供的是：新的，而且对搜索用户有价值的内容。
这就是这一章要讲的信息增量。
它可以来自自己的一手创造，也可以来自 Research 后得到的结论。关键是内容准确、有依据，能帮助用户解决当前问题。
一、信息增量从哪里来
我认为主要有两个方向。
1. 自己创造的一手内容
比如：
- 真实产品和功能
- 自己操作后截取的界面与结果
- 亲自完成的案例
- 实测数据与效果差异
- 失败原因、报错情况和调整方法
- 不同场景下推荐的参数与配置
这些内容来自实际做过的事情。
尤其是失败经验。哪些输入效果不好，遇到什么问题应该怎么调整，往往比一句生成效果很好更有用。
2. Research 后得到的结论
不是所有内容都必须自己做实验。
也可以研究专家观点、报告原始数据和用户讨论，再围绕当前问题整理出有依据的结论。
比如从 Google People Also Ask、Reddit、Quora 中找到用户还在追问的问题，再继续研究：现有结果为什么没有讲清楚？我们能补充什么？
Research 的价值，是把资料变成对用户有用的解释和判断。
引用别人的测试或数据，就说明来源。自己的结论，也要让读者看得出依据在哪里。
二、人有我有、人有我优、人无我有
内容创作可以分成这三个层次。
人有我有：把基础内容讲完整
先看 SERP，汇总前排页面的 H2、H3 和核心段落，知道用户普遍需要什么。
这里要对齐的是核心问题与内容结构，再结合自己的产品来写。
这一步建立基础，但只做到这里，页面还是很容易和其他结果一样。
人有我优：把已有内容讲得更具体
同样讲一个功能，可以补上真实截图、操作过程、具体场景和结果。
比如大家都有 How to，我们的教程能不能直接对应产品真实操作？大家都讲使用场景，我们能不能补一个具体小案例？
同样支持某项能力，也可以讲清楚产品更强在哪里，或者在什么场景下该用什么配置。
这些改进往往发生在 H3 和段落里。
人无我有：补上还没有被回答好的问题
继续研究搜索意图，找到现有页面没有覆盖、用户却真正关心的子问题。
比如 ai video generator 页面，大家都介绍 Text / Image / Video to Video。
如果产品确实支持 PDF、Audio 或 Music to Video，就可以把这些能力作为新的 H3 展开，说明输入、操作和结果。
这些独有而且有价值的内容，可以前置介绍。
新内容要与搜索需求有关，也要与真实产品能力对得上。
三、信息增量落在大纲和段落里
补信息增量时，可以分别看两层。
| 层面 | 怎么补 | 可以放什么 |
|---|---|---|
| 大纲 | 增加值得单独讲的 H2、H3 | 未覆盖的子问题、功能、场景和 FAQ |
| 段落 | 把已有问题讲得更具体、更可信 | 实操截图、数据、小案例、配置、失败原因和使用限制 |
有些页面大纲差不多，真正的区别就在段落里。
一段泛泛的功能介绍，和一段带真实效果、操作细节、适用条件的说明，交付给用户的信息不同。
所以补信息增量时，也要看自己是否真正理解这个场景：用户最关心什么、想得到什么结果、什么情况下适合用、什么情况下不适合。
四、E-E-A-T：这些内容凭什么可信
信息增量回答的是：我们多提供了什么。
E-E-A-T 继续问：这些内容有什么依据，读者为什么可以相信？
可以从四个方面理解：
| 维度 | 大白话理解 | 内容里怎么体现 |
|---|---|---|
| Experience，经验 | 你是否真的用过、做过 | 真实操作、案例、截图、失败与调整过程 |
| Expertise，专业知识 | 你是否理解这个问题 | 解释差异和原因，给出配置、场景与限制，而不只是下结论 |
| Authoritativeness，权威性 | 作者或来源在这个领域是否有认可和依据 | 相关专家观点、原始报告，以及领域内对作者或团队的认可 |
| Trustworthiness，可信度 | 内容是否真实、准确、可核对 | 数据有来源，结论有证据，引用与亲测分清楚，限制如实说明 |
这几个方面会有重叠。
比如一组真实测试，既能体现经验，也可以通过对结果的分析体现专业知识。把测试过程和来源交代清楚，又能增强可信度。
AI 可以写出看起来很专业的句子，但实际经验、测试过程和证据，需要有人真正完成。
五、放到上一篇的测评博客里怎么做
比如写 best ai video generator。
如果每个产品下面都只有功能介绍，再写一句效果很好，用户还是很难选择。
做真实测评时，可以把这些内容写进去：
- 实际用了什么输入素材，怎么操作
- 生成的结果是什么，配对应截图或视频
- 几个工具在效果上有什么差别
- 哪些情况失败了，后来怎么调整
- 根据测试结果，分别适合什么人和场景
这些就是一手经验和信息增量。
如果再引用报告或其他人的测试，要和自己的实测分开交代。
自己测到的，就说明测试过程；引用的，就给出原始来源。最后再根据这些材料给出选择建议。
用户看到的不只有推荐结论，也能看到结论怎么来的。
六、AI 可以帮忙，证据还要人来补
AI 很适合先做这些工作：
- 抓取和整理 SERP 页面结构
- 汇总 H2、H3 初稿
- 归纳 FAQ 和竞品共同内容
- 改写表达、补全结构、生成初稿
接下来要由人补上产品独有能力、实操截图、真实案例、数据和判断。
AI 也可以帮助 Research 和整理材料，但结果仍然需要人工 Review。
尤其要避免几种看起来高效、实际没有增加多少价值的做法：
- 把视频或文章改写、拼贴成另一篇博客
- 把 Chatbot 对话记录直接拼成页面
- 同一个模板只替换关键词、数字或地区
这些内容即使增加了字数，也未必增加了用户真正需要的信息。
人工写作同样要回答这个问题：这页到底提供了什么价值？
七、小结
信息增量可以来自一手创造，也可以来自 Research 后形成的有依据的结论。
先把基础内容讲完整，再用真实功能、案例、截图、数据和经验，把已有内容讲得更具体，并补上没有回答好的问题。
E-E-A-T 则要落实在这些内容背后的经验、专业知识、权威与可信依据上。
多交付一点对用户有价值的新信息，也让读者知道这些信息为什么可信。
本章节完毕，谢谢大家，欢迎随时讨论。
