Google dodało „Experience” do „Expertise, Authoritativeness, Trustworthiness” w grudniu 2022 — tworząc E-E-A-T. Zmiana wydawała się subtelna, ale sygnalizowała coś ważnego: Google chciało odróżnić treść napisaną przez kogoś kto ma doświadczenie od treści napisanej przez kogoś kto tylko wie że temat istnieje.
Kontekst był jasny: AI mogła pisać treść z „wiedzą” ale bez doświadczenia. E-E-A-T miało premiować autentyczność człowieka.
Ironicznie, rok później AI stała się narzędziem do tworzenia treści E-E-A-T friendly — przez pomoc w strukturyzowaniu doświadczeń eksperta, nie przez zastępowanie go.
Czym jest E-E-A-T w erze AI
E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) w erze AI to framework Google Search Quality Rater Guidelines — rozszerzony o kontekst generatywnych systemów AI — opisujący sygnały jakości treści które wpływają na zarówno tradycyjny ranking jak i prawdopodobieństwo cytowania przez AI Overviews i inne generatywne systemy, z rosnącą rolą weryfikowalnej tożsamości autora i organizacji.
Cztery składowe i ich znaczenie dla AI
Experience (Doświadczenie): treść napisana przez kogoś kto osobiście doświadczył tematu — first-hand experience, case studies, własne dane. Dla AI Overviews: Google preferuje cytowanie treści z autentycznym doświadczeniem nad treść encyklopedyczną. Sygnały: first-person voice, konkretne przykłady, daty kiedy coś zostało zrobione.
Expertise (Ekspertyza): kwalifikacje i wiedza autora w danej dziedzinie. Dla AI: Author schema z afiliacją, linki do profilu eksperta, cytowania w innych autorytatywnych źródłach. Szczególnie ważne dla YMYL (Your Money Your Life) tematów: zdrowie, finanse, prawo.
Authoritativeness (Autorytatywność): reputacja w branży i wśród innych ekspertów. Dla AI: linki z autorytatywnych źródeł, wzmianki w mediach, obecność w Wikidata, cytowania w publikacjach. Organization schema z sameAs linkami do LinkedIn, katalogów branżowych.
Trustworthiness (Wiarygodność): rzetelność informacji, transparentność, brak manipulacyjnych elementów. Dla AI: spójność NAP, brak błędów faktograficznych, wyraźna data publikacji i aktualizacji, czytelne informacje o autorze i organizacji.
E-E-A-T a generatywna AI
Modele AI które generują odpowiedzi preferują cytowanie źródeł z wyraźnym E-E-A-T — bo to redukuje ryzyko halucynacji i błędów. Cytowanie eksperta z Author schema jest bezpieczniejsze dla modelu niż cytowanie anonimowej strony.
Google AI Overviews szczególnie mocno uwzględnia E-E-A-T dla zapytań YMYL. Dla zapytań technicznych (jak Agentic Web) — expertise i authoritativeness mają większe znaczenie niż experience.
Jak budować E-E-A-T w praktyce
Author pages z Person schema, About page z Organization schema, sameAs linki do weryfikowalnych profili zewnętrznych, regularne aktualizacje treści (dateModified), cytowania i linki z innych autorytatywnych źródeł, case studies i dane własne zamiast tylko parafrazy, bylines na każdym artykule z linkiem do profilu autora.