본문 바로가기
SEO·GEO 용어사전

정보 이득 (Information Gain)

마지막 업데이트
목차
SEO 정보 이득과 머신러닝 정보 이득의 차이Google 특허가 설명하는 정보 이득의 작동 방식특허 등록과 실제 랭킹 적용 사이의 거리콘텐츠에 고유 정보를 더하는 실무 방법자주 묻는 질문함께 알아두면 좋은 용어참고 문서

정보 이득은 독자가 이미 본 문서들과 비교해 새 문서가 얼마나 더 새로운 정보를 담고 있는지 나타내는 SEO 개념입니다. Google이 2018년 출원한 특허 문서에서 이 표현을 처음 정의했지만, 실제 검색 랭킹에 그대로 쓰인다고 공식 확인된 적은 없습니다.

같은 이름이 머신러닝 결정 트리 학습에서도 쓰여서 두 개념이 자주 섞입니다. 이 글은 검색과 콘텐츠 전략에서 쓰는 SEO 문맥의 정보 이득만 다룹니다.

이 글은 Google이 공개한 특허 문서(US11354342B2, US12013887B2)와 Google 검색 센터의 사람 우선 콘텐츠 공식 문서를 기준으로 작성했습니다. Search Engine Land와 Semrush의 실무 해설도 참고했습니다.

SEO 정보 이득과 머신러닝 정보 이득의 차이

검색에서 쓰는 정보 이득과 인공지능 학습에서 쓰는 정보 이득은 이름만 같을 뿐 계산 대상이 다릅니다.

구분계산 대상쓰이는 곳
SEO 정보 이득새 문서가 독자가 이미 본 문서보다 얼마나 더 새로운 정보를 담는지Google 특허가 설명하는 검색과 어시스턴트의 문서 재정렬
머신러닝 정보 이득특정 속성으로 데이터를 나눴을 때 엔트로피(불확실성)가 줄어드는 정도결정 트리 학습에서 데이터를 나눌 기준을 고르는 계산

두 개념 모두 새로운 정보가 얼마나 늘었는지를 잰다는 방향은 비슷합니다. 다만 SEO 정보 이득은 문서와 문서를 비교하고, 머신러닝 정보 이득은 데이터를 어떤 속성으로 나눌지 결정합니다. 정보 이득을 검색하면 두 결과가 섞여 나오니, 지금 찾는 것이 콘텐츠 전략인지 결정 트리 계산인지부터 확인하는 편이 좋습니다.

Google 특허가 설명하는 정보 이득의 작동 방식

정보 이득이라는 표현은 Google이 출원한 특허 "Contextual Estimation of Link Information Gain"에서 나왔습니다. 이 특허는 같은 발명을 두 차례에 걸쳐 등록했습니다.

  • 최초 출원일은 2018년 10월 18일입니다
  • 최초 등록(특허 번호 US11354342B2)은 2022년 6월 7일입니다
  • 같은 발명 가족의 후속 등록(특허 번호 US12013887B2)은 2024년 6월 18일이며, 출원일은 2023년 6월 27일, 우선일은 최초 출원과 같은 2018년 10월 18일입니다
  • 출원인은 Google LLC입니다

특허 원문은 정보 이득 점수를 "사용자에게 이미 제시된 다른 문서의 정보를 넘어서는, 해당 문서에 담긴 추가 정보"로 정의합니다. 사용자가 검색이나 대화에서 후속 질문을 했을 때, 이미 답한 내용과 겹치지 않는 문서를 우선하도록 순위를 다시 매기는 데 이 점수를 씁니다.

특허가 집중하는 상황은 자동화된 어시스턴트가 음성이나 대화형 인터페이스로 후속 질문에 답하는 경우입니다. 사용자가 눈으로 훑어보기 어려운 환경에서 이미 들은 내용을 다시 읽어 주지 않도록, 새로운 정보가 있는 문서를 골라내려는 목적입니다.

특허 등록과 실제 랭킹 적용 사이의 거리

특허가 있다는 사실과 그 방식이 실제 검색 랭킹에 쓰인다는 사실은 다릅니다. Google은 이 특허를 검색 랭킹에 쓴다고 공식 확인하거나 부인한 적이 없습니다.

기업은 실제 제품에 적용하지 않는 아이디어도 특허로 등록합니다. 특허는 그 방식을 다른 회사가 함부로 쓰지 못하게 막는 법적 장치이지, 지금 서비스에 쓰이고 있다는 증명서가 아닙니다.

정보 이득이 SEO 업계에서 화제가 되면서, 정보를 많이 넣을수록 정보 이득 점수가 올라가 순위가 오른다는 해석도 퍼졌습니다. 이 해석은 특허 원문과 다릅니다. 특허가 설명하는 상황은 사용자가 후속 질문을 했을 때 이미 본 문서와 겹치지 않는 문서를 고르는 재정렬이지, 검색 결과 전체에서 정보량이 많은 문서를 항상 우선한다는 내용이 아닙니다.

콘텐츠에 고유 정보를 더하는 실무 방법

특허가 실제로 쓰이는지 확인할 수 없더라도, 같은 내용을 재조합하지 않고 고유 정보를 더하는 방향은 실무에서 여전히 유효합니다. Google 검색 센터의 사람 우선 콘텐츠 문서도 다음 질문을 자체 평가 기준으로 제시합니다.

  • 이 콘텐츠는 독창적인 정보나 분석을 제공하는가
  • 다른 출처를 그대로 옮기지 않고 실질적인 추가 가치를 주는가

이 문서는 정보 이득 특허와는 별개 문서입니다. 다만 같은 정보를 다시 조합해서 내놓지 말고 새로운 것을 더하라는 방향은 같습니다.

실무에서 고유 정보를 더하는 방법은 다음과 같습니다.

  • 직접 수집한 데이터나 설문 결과를 공개합니다
  • 실무에서 직접 겪은 사례와 판단 기준을 씁니다
  • 다른 곳에서 구하기 어려운 전문가 코멘트를 받습니다
  • 직접 촬영하거나 제작한 이미지와 화면을 넣습니다

시작하는 방법은 상위 경쟁 문서를 직접 열어 이미 다뤄진 내용을 정리하는 것입니다. 그다음 자기 글이 그중 무엇을 새로 채우는지 목록으로 확인하면, 어디에 고유 정보를 더할지 판단하기 쉬워집니다. 상위 문서와 자기 글의 차이를 체계적으로 찾는 절차는 콘텐츠 갭 분석에서 다룹니다.

자주 묻는 질문

정보 이득은 확정된 구글 랭킹 요소인가요?

아닙니다. Google은 이 특허를 검색 랭킹에 쓴다고 공식 확인하거나 부인한 적이 없습니다. 특허가 등록됐다는 사실과 실제 서비스에 쓰인다는 사실은 다른 문제입니다.

머신러닝의 정보 이득과 완전히 다른 개념인가요?

이름과 새로운 정보를 잰다는 큰 방향은 비슷하지만, 계산 대상과 쓰이는 곳이 다릅니다. SEO 정보 이득은 문서와 문서를 비교하고, 머신러닝 정보 이득은 데이터를 나눌 속성을 고릅니다.

정보 이득 점수를 도구로 확인할 수 있나요?

일부 콘텐츠 도구가 자체 계산한 점수를 제공하지만, Google 공식 지표는 아닙니다. 도구마다 계산 방식이 다르고, 특허 원문이 설명하는 계산식과 같다는 근거도 없습니다.

네이버에도 비슷한 정책이 있나요?

네이버 서치어드바이저와 서치앤테크 공식 자료에서 정보 이득에 해당하는 정책이나 특허를 확인하지 못했습니다. 이 부분은 공식 근거 미확인으로 남겨둡니다.

함께 알아두면 좋은 용어

  • 콘텐츠 품질: 독자가 찾는 답을 정확하고 믿을 만하게 제공하는 정도를 보는 기준
  • 헬프풀 콘텐츠 업데이트: 사람이 사람을 위해 쓴 콘텐츠를 우선하려던 시스템의 이름과 지금 남은 판단 기준
  • 씬 콘텐츠: 다른 페이지와 구별되는 정보나 기능이 부족한 콘텐츠
  • E-E-A-T: 경험, 전문성, 권위성과 신뢰성을 함께 살펴보는 개념
  • 콘텐츠 갭 분석: 상위 경쟁 문서와 비교해 빠진 정보와 채울 지점을 찾는 작업

참고 문서

다른 용어

모든 용어 보기