Content Score kao pokušaj simulacije Discover signala: što mjerimo, zašto i što iz toga zaključujemo

Google Discover ne rangira sadržaj na klasičan način. Ne reagira na ključne riječi, ne koristi klasične SERP signale i ne nagrađuje “popularno”, nego sadržaj koji kod stvarnih korisnika proizvodi stabilan, pozitivan signal nakon klika.

U tom kontekstu, Content Score (CS) u Upscoru nije pokušaj kopiranja Google algoritma, nego operativni pokušaj simulacije onoga dijela Discover logike na koji mi kao izdavači možemo utjecati.

CS ne odlučuje hoće li Google promovirati članak, ali CS može pokazati proizvodi li članak ponašanje korisnika kakvo Google Discover tipično pojačava.

Što pokušavamo simulirati?

Ne možemo simulirati:

• tematski momenat
• konkurenciju u feedu
• individualne interese korisnika
• povijesni trust domene ili autora

To su varijable izvan naše kontrole.

Pokušavamo simulirati:

• click-after ponašanje
• zadovoljstvo korisnika sadržajem
• stabilnost engagementa u ranim fazama objave

Drugim riječima: posljedice E-E-A-T-a.

Što je E-E-A-T

E-E-A-T je akronim koji koristi Google u svojim Search Quality Rater Guidelines i znači:

Experience (iskustvo)

Je li sadržaj nastao iz stvarnog iskustva, a ne prepisivanja?

Primjeri:

• “Kako izgleda živjeti s dijabetesom” (osobno iskustvo)
• “Što sam naučio nakon 10 godina u pravosuđu”
• terenski, reportažni, firsthand sadržaj

Što Google stvarno vidi:

• specifičnost
• detalje koje je teško izmisliti
• ponašanje korisnika (zadržavanje, povratak)
  

Google ne zna je li autor bio tamo, ali vidi je li tekst uvjerljiv kao da jest.

Expertise (stručnost)

Je li autor kompetentan za temu?

To je posebno važno kod:

• zdravlja
• financija
• prava

Što Google gleda:

• dosljednost tematike autora
• dubinu obrade
• terminologiju
• povijest objava na slične teme
  

Google provjerava obrasce ponašanja i sadržaja kroz vrijeme.

Authoritativeness (autoritet)

Prepoznaje li širi ekosustav autora ili medij kao relevantan izvor?

Signali autoriteta:

• citiranja
• spominjanja
• linkovi
• reputacija domene
• povijest točnih informacija
  

Autoritet ne nastaje po članku, nego akumulacijom.

Trustworthiness (povjerenje)

Najvažniji element E-E-A-T-a.

Bez povjerenja, ostalo je irelevantno.

Povjerenje uključuje:

• točnost
• transparentnost
• jasno autorstvo
• konzistentnost
• izbjegavanje manipulacije (clickbait, lažne tvrdnje)
  

U Discover kontekstu trust se najčešće gradi ili gubi nakon klika.

Gdje se tu nalazi naš Content Score

Content Score:

• ne mjeri Experience
• ne mjeri Expertise
• ne mjeri Authoritativeness
• ne mjeri Trustworthiness direktno

Ali mjeri posljedice svega navedenog:

• ostaje li korisnik u članku (View Time)
• završava li čitanje (Complete Read)
• ponaša li se stabilno (Scroll)
• ide li dalje (Recirculation)

Zato je važno naglasiti:

CS ne simulira E-E-A-T. CS simulira click-after signale koje Google koristi da potvrdi ili odbaci E-E-A-T pretpostavku. To je maksimum koji izdavač može postići.

Što iz toga zaključujemo

1. Dobar CS ne jamči Discover distribuciju
   (tema, timing i konkurencija su izvan kontrole)
2. Loš CS gotovo sigurno znači slab Discover potencijal
   (bez obzira na klikove)
3. CS je korektiv. On govori kako su korisnici reagirali, ne što je trebalo napisati.
   

E-E-A-T je Googleov okvir za procjenu povjerenja, a Content Score je naš način da objektivno vidimo potvrđuju li korisnici to povjerenje nakon klika.

Struktura Content Scorea

CS je podijeljen u tri sloja:

1. Engagement core (85 bodova) – što korisnik radi nakon klika
2. Distribution hygiene (10 bodova) – je li signal “zdrav” ili umjetno napuhan
3. Outcome control (5 bodova) – kontrola volumena bez precjenjivanja

Engagement core – 85 bodova

Srce cijelog modela

• View Time – 40 bodova
  Mjerimo prosječno aktivno vrijeme provedeno na članku.
  Zašto 40 bodova:
  View time je najčišći implicitni signal zadovoljstva. Google ne zna je li članak “dobar” – ali vrlo jasno vidi ostaje li korisnik ili odlazi. Ako korisnik klikne, ostane i nastavi čitati to je jak signal da je naslov ispunio očekivanje i da je sadržaj relevantan.
• Complete Read – 30 bodova
  Koliki dio korisnika dođe do kraja sadržaja.
  Zašto 30 bodova:
  Discover feed je brz. Korisnici ne dolaze s namjerom dubinskog čitanja kao sa searcha. Očekivati da trećina ili više svih korisnika završi članak je nerealno. 30 bodova je dovoljno visoko da filtrira slab sadržaj i dovoljno realno za feed okruženje
• Scroll Depth – 10 bodova
  Koliko duboko korisnik stvarno prolazi kroz sadržaj.
  Zašto samo 10 bodova:
  Scroll se može “odraditi” bez čitanja. Zato je važan, ali sekundaran u odnosu na vrijeme. Scroll depth služi kao potvrda view timea, ne kao glavni signal.
• Recirculation – 5 bodova
  Vodi li članak korisnika dalje po siteu.
  Zašto minimalna težina:
  Recirculation više govori o internoj arhitekturi, linkanju, UX-u. Discover ne traži duboko surfanje, ali ne voli “one-off” sadržaj.

Distribution hygiene – 10 bodova

Kontrola anomalija, ne nagrada kanalima

Google Discover ne rangira po kanalima, ali abnormalna distribucija često proizvodi loše engagement signale.

Zato ovdje ne nagrađujemo, nego provjeravamo zdravlje.

Outcome / volume control – 5 bodova

Total Views – postoji samo da se vidi relativni interes u vremenskom okviru.

Zašto samo 5 bodova:

• Volumen je posljedica, ne signal. Discover ne nagrađuje “najčitanije”, nego “najstabilnije”.

Što očekujemo od ukupne CS ocjene?

CS nije presuda i nije editorial KPI u klasičnom smislu.

CS je:

• rani indikator
• filter potencijala
• alat za učenje obrazaca

Praktična interpretacija:

• CS ≥ 90 → vrlo jak Discover-like signal
• CS 70–89 → stabilno, ali ne eksplozivno
• CS < 70 → slab engagement bez obzira na klikove

Koliko smo se približili Discover logici?

Ne znamo hoće li Google pojačati članak, ali znamo prepoznati članak koji Google vrlo vjerojatno neće pojačati i to je operativno izuzetno vrijedno.

Zaključno

Content Score ne pokušava zamijeniti uredničku procjenu. Pokušava joj dati objektivan feedback loop temeljen na ponašanju stvarnih čitatelja.

U Discover okruženju – to je najbliže “istini” do koje mi kao izdavači trenutno možemo doći.

Dokumentacija i referentni izvori

Ovaj model se temelji na:

• javno dostupnim smjernicama i analizama ponašanja u Discover feedu
• Google Search Central dokumentaciji (Discover & helpful content)
• višegodišnjim izdavačkim case-studyjima (Chartbeat, Parse.ly, Newsroom Analytics)
• empirijskim korelacijama između engagementa i Discover distribucije