Google Spam Policies bez paniki: jak odczytać spam w SEO – subiektywnie

W skrócie: Google Spam Policies to 14 kategorii rekomendacji dotyczących jakości treści, struktury serwisu i profilu linków. Nie są regulaminem z karami – opisują sygnały, które mogą algorytmicznie obniżyć widoczność. W praktyce większość serwisów nie ma problemów z żadną z nich, ale skalowanie treści, migracje i rozbudowa taksonomii mogą nieświadomie aktywować te sygnały. Poniżej: 6 rodzin ryzyka, model audytu oparty o 64 patenty i dwa anonimowe case study z polskiego rynku.

Większość artykułów o Google Spam Policies zaczyna się od straszenia. „Google ukarze Twój serwis”, „unikaj tych technik, bo stracisz ruch”. Tymczasem Google niczego nie zakazuje. Google rekomenduje. To ich wyszukiwarka, ich zasady, ich definicja tego, co uznają za wartościowe – i co uznają za spam. Zrozumienie tych rekomendacji to nie kwestia strachu, tylko świadomego zarządzania ryzykiem.

W testach narzędzi diagnostycznych przeanalizowaliśmy 36 properties i 139 stron pod kątem ryzyk spamowych. Rozkład wyników: zero przypadków wysokiego ryzyka, 3 przypadki średniego, 26 wymagających przeglądu i 7 niskiego ryzyka. To nie jest świat, w którym każdy serwis jest zagrożony. To świat, w którym większość serwisów jest w porządku – ale kilka procent ma realne problemy, o których właściciele nie wiedzą.

Ten artykuł jest hubem całej serii o spam-risk w SEO. Nie jest poradnikiem „jak spamować” ani listą zakazanych technik (jeśli szukasz ogólnego przeglądu, czym jest black hat SEO, zacznij od tamtego artykułu). Jest mapą: jak Google definiuje rodziny ryzyka, jakie rodziny sygnałów opisują patenty, jak to sprawdzić i od czego zacząć audyt. Bo niezależnie od tego, czy mówimy o SEO, o AI Search czy o GEO – to nadal te same fundamenty jakości.

Co Google faktycznie nazywa spamem i czego nie warto demonizować?

Google Spam Policies to dokument, który opisuje praktyki obniżające jakość wyników wyszukiwania. Nie jest to lista zakazów. Jest to zbiór rekomendacji: co Google uznaje za wartościowe, a co za manipulację. Różnica jest kluczowa, bo zmienia sposób myślenia z „czego nie robić” na „co budować”.

Dokument wyróżnia kilkanaście kategorii. Najważniejsze grupy to: treści generowane na dużą skalę bez wartości (scaled content abuse), strony wejściowe (doorway pages)s” target=”_blank” rel=”noopener”>doorway pages), ukryte treści i linki (hidden text/links), upychanie słów kluczowych (keyword stuffing), spam linkowy (link spam), nadużycie reputacji serwisu (SRA) domeny (site reputation abuse), scraping i thin affiliation, spam w treściach użytkowników, cloaking i przekierowania, nadużycie wygasłych domen oraz scam i misleading functionality.

Czego nie warto demonizować? Treści generowanych przez AI. Google nigdzie nie mówi, że AI content jest spamem. W oficjalnym stanowisku z lutego 2023 Google wyjaśnia, że nagradza treści wysokiej jakości niezależnie od sposobu ich powstania. Problemem nie jest narzędzie, problemem jest brak wartości. Tysiąc stron napisanych przez człowieka, ale bez unikalnych faktów, to taki sam problem jak tysiąc stron wygenerowanych przez model językowy.

Warto wiedzieć, że obok Spam Policies istnieje drugi kluczowy dokument: Search Quality Rater Guidelines. To ponad 170 stron instrukcji dla ludzkich ewaluatorów, którzy oceniają jakość wyników wyszukiwania. Ewaluatorzy nie wpływają bezpośrednio na ranking, ale ich oceny służą do kalibracji algorytmów. Jeśli Spam Policies mówią „co jest spamem”, to Quality Rater Guidelines mówią „co jest jakością” – i te dwa dokumenty czyta się razem, bo opisują dwa końce tej samej skali.

Podobnie z linkami. Nie każdy pozyskany link jest spamem. Google opisuje wzorce manipulacji: kupowanie linków, wymiany na dużą skalę, automatyczne generowanie linków, linki z niskiej jakości katalogów. Ale naturalny link building, digital PR, guest posting z wartościową treścią – to nie są praktyki, które Spam Policies opisują jako ryzyko. Więcej o tym, jak Google rozumie link spam, można przeczytać w sekcji Link spam dokumentacji.

Dlaczego jeden sygnał rzadko wystarczy do problemu?

Największy błąd w interpretacji Spam Policies to myślenie binarne: „mam ukryty tekst w akordeonie, więc Google uzna to za spam”. Tak to nie działa. Patenty Google opisują rodziny sygnałów, nie pojedyncze testy pass/fail. Algorytm ocenia kombinację czynników, kontekst i skalę.

Patent US8775924B1 (Processing web pages based on content quality) opisuje model, w którym jakość treści jest oceniana na podstawie wielu sygnałów jednocześnie: unikalności faktów, głębokości pokrycia tematu, użyteczności dla użytkownika, proporcji oryginalnej treści do szablonu. Co istotne, patent opisuje agregację sygnałów na wielu poziomach – strony, sekcji serwisu i całej domeny. Jedna słaba podstrona nie oznacza automatycznie, że cały serwis jest niskiej jakości. Ale sto słabych podstron z identycznym szablonem – to już wzorzec, który patent opisuje wprost.

Podobnie patent US8818982B1 (Classifying resources based on user reactions) opisuje model, w którym sygnały jakości pochodzą z zachowań użytkowników w wyszukiwarce – kliknięcia, powroty do wyników, czas spędzony na stronie, interakcje po powrocie. To nie jest jednorazowy test. To ciągły strumień danych, który buduje obraz serwisu w czasie. Serwis, na który użytkownicy wchodzą i natychmiast wracają do wyników wyszukiwania (tzw. pogo-sticking), wysyła inny sygnał niż serwis, na którym użytkownicy zostają.

Praktyczny wniosek jest taki: jeśli narzędzie diagnostyczne pokaże jeden sygnał ryzyka, nie panikuj. Zbadaj kontekst. Czy ten sygnał występuje na jednej stronie, czy na setkach? Czy towarzyszy mu niski unique fact ratio, duplikacja treści i brak zaangażowania użytkowników? Kombinacja ma znaczenie, nie pojedynczy alert. Dobrze to widać w analizach Google Core Updates – co łączy większość aktualizacji, to właśnie wielowymiarowa ocena jakości, nie jeden czynnik.

Jak to wygląda w praktyce – dwa anonimowe przykłady z polskiego rynku?

Żeby nie pisać abstrakcyjnie, pokażę dwa realne serwisy z polskiego rynku. Nazwy zanonimizowane, ale struktury są publiczne i każdy może je zweryfikować w sitemapie.

Przypadek A: producent z branży budowlanej, 187 stron w indeksie. Firma sprzedająca jeden typ produktu (konstrukcje metalowe) stworzyła rozbudowaną siatkę stron lokalnych: /produkt-[wariant]-[województwo]/produkt-[wariant]-[miasto]/. W sitemapie widać ponad 100 stron tego typu, pokrywających kilkadziesiąt miast w 16 województwach. Schemat nazewnictwa jest identyczny: „produkt [wariant] [nazwa miasta]”. Do tego dochodzą strony wymiarowe: produkt-3×5, produkt-4×5, produkt-5×6, produkt-6×6 – kolejne kilkanaście URL-i, gdzie jedyną różnicą jest wymiar w tytule.

Z perspektywy patentów to jest wzorzec, który US7346839B2 (Information retrieval based on historical data) i US8224827B2 opisują jako potencjalny doorway: wiele stron o bardzo podobnej treści, które funnelują do tego samego celu (formularz wyceny). Kluczowe pytanie brzmi: czy strona „produkt wariant Białystok” zawiera cokolwiek, czego nie ma na stronie „produkt wariant Katowice”? Jeśli jedyną różnicą jest nazwa miasta w tytule i nagłówku H1 – to jest dokładnie to, co Google definiuje jako doorway pages.

Co by tu pomogło? Lokalne fakty. Realne zdjęcia realizacji w danym mieście – nie stockowe, ale konkretne montaże u klientów z tego regionu. Opinie klientów z tego województwa z imieniem, miastem i datą. Informacje o czasie dostawy do konkretnego regionu i kosztach transportu, które realnie się różnią. Dane o popularnych wymiarach zamawianych w danym województwie – jeśli w Podlaskiem ludzie zamawiają większe garaże niż w Łódzkiem, to jest unikalny fakt. Lokalne regulacje budowlane, które różnią się między powiatami – czy potrzeba pozwolenia, czy wystarczy zgłoszenie. Bez tego – 100 stron z podmienioną nazwą miasta to 100 stron thin content z jednym szablonem, które kanibalizują się nawzajem w wynikach wyszukiwania.

Przypadek B: firma usługowa z branży nieruchomości, 377 URL-i. Serwis oferujący jedną usługę (skup nieruchomości) zbudował siatkę 224 stron typu „usługa-[miasto]” – od dużych miast (Warszawa, Kraków, Wrocław) po mniejsze (Kobyłka, Łaziska Górne, Czerwionka-Leszczyny). Do tego 16 stron wojewódzkich i 108 artykułów poradnikowych.

Struktura jest klasycznym przykładem opisywanym w briefie tego artykułu: „usługa + miasto” × setki wariantów. Sam wzorzec nie jest automatycznie spamem – Google nie mówi, że strony lokalne są zakazane. Problemem jest to, czy strona /usługa-Kobyłka/ wnosi wartość, której nie ma na /usługa-Warszawa/ lub na stronie głównej. Jeśli firma realnie działa w Kobyłce, ma tam zrealizowane transakcje, lokalne opinie i specyficzne informacje o rynku nieruchomości w tej lokalizacji – strona ma rację bytu. Jeśli jedyną różnicą jest „Kobyłka” zamiast „Warszawa” w nagłówku – to jest doorway.

Warto też zwrócić uwagę na skalę: 224 stron „usługa + miasto” przy 108 artykułach poradnikowych to proporcja 2:1 na korzyść stron komercyjnych. Dla użytkownika, który szuka „skup nieruchomości Kobyłka”, wartością byłaby informacja o cenach skupu w tej konkretnej lokalizacji, o warunkach rynku w małym mieście pod Warszawą, o różnicy między skupem w centrum a na obrzeżach. Jeśli tego nie ma – strona istnieje wyłącznie po to, żeby rankować na long-tail, nie żeby pomagać użytkownikowi.

W obu przypadkach kluczowy sygnał to template similarity score. Narzędzie diagnostyczne porównuje treść stron parami i mierzy, jaki procent treści jest identyczny po usunięciu nazwy lokalizacji. Jeśli 90% treści jest identyczne – to jest silny sygnał doorway. Jeśli 40% jest identyczne, a reszta to unikalne lokalne treści – to jest akceptowalna strona lokalna.

Jakie rodziny ryzyka opisują Google Spam Policies?

Rodzina ryzyka	Przykłady	Kluczowe patenty	Typowe ryzyko
1. Content quality i skala	Thin content, content farm, gibberish, masowe generowanie bez wartości	US8775924B1, US8554769B1, US9002832B1	Skalowanie treści bez wartości
2. Struktura i duplikacja	Doorway pages, taxonomy bloat, duplicate, near-duplicate	US7346839B2, US8224827B2, US6658423B1	Miasto+usługa, filtry, tagi
3. Techniczny spam on-page	Hidden text/links, cloaking, keyword stuffing	US8392823B1, US7603345B2, US8244722B1	False positive: akordeony, taby
4. Linki i graf	Link spam, PBN, anchor manipulation, widget links	US7509344B1, US7953763B2, US9165040B1	Agresywny link building
5. Reputacja i zaufanie	Site reputation abuse, expired domain, UGC spam	US8818982B1, US9875313B1	Nowe w Spam Policies: marzec 2024
6. Jakość i doświadczenie	User satisfaction, Page Experience, predykcyjna jakość	US8661029B1, US9031929B1	Patent-inspired, nie CWV clone

Spam Policies można pogrupować w sześć rodzin ryzyka. Każda rodzina ma swoje patenty, swoje sygnały i swoje narzędzia diagnostyczne. W kolejnych artykułach tej serii rozbieramy każdą z nich na czynniki pierwsze – tutaj daję mapę.

Rodzina 1: Content quality i skala. Treści generowane masowo bez wartości, content farmy, thin content, gibberish. Patenty z tej rodziny (US8775924B1, US8554769B1, US9002832B1) opisują sygnały: niski stosunek unikalnych faktów do szablonu, powtarzalność zdań między stronami, brak oryginalnego doświadczenia, query-page overmatching. Najnowszy patent z tej rodziny – US20260023790A1 – opisuje wykrywanie eksploatacji sygnałów rankingowych przez konsekwentne wzorce, co może dotyczyć masowego generowania stron zoptymalizowanych pod jeden schemat.

Rodzina 2: Struktura i duplikacja. Doorway pages, taxonomy bloat, duplicate content, near-duplicate pages. Patenty z tej rodziny (US7346839B2, US8224827B2, US6658423B1) opisują sygnały: wiele podobnych stron funnelujących do tego samego celu, puste archiwa taksonomii, kanibalizacja zapytań, brak lokalnych lub produktowych dowodów wartości. Oba anonimowe przypadki opisane wyżej wpadają w tę rodzinę.

Rodzina 3: Techniczny spam on-page. Hidden text, hidden links, cloaking, keyword stuffing, sneaky redirects. Patenty z tej rodziny (US8392823B1, US7603345B2, US8244722B1) opisują sygnały: treści widoczne dla crawlera, ale nie dla użytkownika, nienaturalne zagęszczenie fraz, różnice w renderingu mobilnym i desktopowym, przekierowania zależne od referrera.

Rodzina 4: Linki i graf. Link spam, PBN, nienaturalne wzorce anchor text, reciprocal clusters, widget links. Patenty z tej rodziny (US7509344B1, US7953763B2, US8250114B2, US9165040B1) opisują sygnały: anomalie w grafie linków, nadreprezentacja exact-match anchorów, podejrzane sąsiedztwo domen, nagłe skoki liczby linków. Więcej o tym, na co zwracać uwagę w profilu linków, opisujemy w audycie linków zwrotnych.

Rodzina 5: Reputacja i zaufanie. Site reputation abuse, expired domain abuse, UGC spam, scam i misleading functionality. Patenty z tej rodziny (US8818982B1, US9875313B1, US7346839B2) opisują sygnały: tematyczny rozjazd między domeną a treścią, nagła zmiana profilu domeny po przejęciu, niekontrolowane treści użytkowników z linkami, fałszywe obietnice funkcjonalności. Google w marcu 2024 rozszerzył Spam Policies właśnie o site reputation abuse, expired domain abuse i scaled content abuse. Szczegółową analizę tej aktualizacji opisaliśmy w artykule Aktualizacja algorytmu Google – marzec 2024.

Rodzina 6: Jakość i doświadczenie użytkownika. To nie jest stricte spam, ale łączy się z oceną jakości serwisu. Patenty z tej rodziny (US8661029B1, US9031929B1, US20140280011A1) opisują sygnały: satysfakcja użytkownika mierzona zachowaniem w wyszukiwarce, predykcyjna jakość serwisu, dane o doświadczeniu strony. Więcej o Page Experience można przeczytać w dokumentacji Google.

Co patenty Google mówią o wykrywaniu spamu i jak to czytać?

Patenty Google nie są instrukcją algorytmu. Są opisem możliwych modeli myślenia. Google patentuje setki rozwiązań, z których część nigdy nie trafia do produkcji, część jest zmodyfikowana, a część działa inaczej niż sugeruje opis patentowy. Traktowanie patentu jako pewnika („Google na pewno używa dokładnie tego sygnału w taki sposób”) to błąd, który widuję regularnie w polskich artykułach o SEO.

Ale patenty są najlepszym publicznym źródłem wiedzy o tym, jak wyszukiwarka może myśleć o jakości i spamie. Weźmy konkretny przykład. Patent US9002832B1 (Classifying sites as low quality sites) opisuje model klasyfikacji serwisów jako niskojakościowych. Wymienia konkretne sygnały: stosunek reklam do treści, głębokość merytoryczna treści, oryginalność, obecność sygnałów eksperckich – autor, źródła, cytaty, czyli to, co Google opisuje jako E-E-A-T. Ciekawostka: autorami tego patentu są Rajan Patel, Zhihuan Qiu i Chung Tin Kwok, ale sam patent jest częścią szerszej rodziny sygnałów jakości, którą branża SEO zna pod nazwą Panda – od nazwiska inżyniera Google Navneeta Pandy. To Navneet Panda jest autorem patentu US8682892 (Ranking search results), który Bill Slawski opisał jako pierwszy patent z nazwiskiem Pandy. Patent US9002832B1 uzupełnia tę rodzinę o mechanizm klasyfikacji serwisów jako niskojakościowych, a algorytm Panda ewoluuje do dziś jako część core rankingu. Nie wiemy, czy Google używa dokładnie tych wag w produkcji. Bill Slawski przeanalizował ten patent w artykule How Google May Classify Sites as Low Quality Sites i zwrócił uwagę na kluczowy mechanizm: patent opisuje, jak system może określić link quality score na podstawie dystrybucji jakości zasobów linkujących do serwisu. Jeśli ten score spada poniżej progu, serwis może zostać sklasyfikowany jako niskojakościowy. Narzędzie diagnostyczne, które mierzy te same sygnały, daje użyteczną informację o ryzyku.

Patent US7346839B2 (Information retrieval based on historical data) opisuje model, w którym historia domeny jest jednym z czynników oceny. Nagła zmiana tematu, nagły wzrost liczby stron, gwałtowna zmiana profilu linków – to sygnały, które patent opisuje jako potencjalne wskaźniki manipulacji. Slawski uznał ten patent za jeden z trzech najważniejszych do przeczytania dla każdego, kto chce rozumieć SEO. W 10 Most Important SEO Patents opisał, jak z tego jednego patentu wyrosła cała rodzina divisional patents – w tym patent dotyczący wykrywania stron, które z czasem przekształcają się w doorway pages (How Google May Identify When Sites Transform into Doorway Pages). Wracając do naszych dwóch przypadków: jeśli producent z branży budowlanej miał 20 stron przez 5 lat, a nagle opublikował 100 stron lokalnych w jednym miesiącu – sam wzorzec czasowy jest sygnałem, niezależnie od treści.

Bill Slawski, który przez lata analizował patenty Google na swoim blogu SEO by the Sea, podkreślał kluczową zasadę: patenty najlepiej czytać jako „co Google uważa za warte zbadania”, nie jako „co Google robi”. Warto dodać, że wyciek Google Content Warehouse API w 2024 roku potwierdził, że wiele sygnałów opisywanych przez patenty jakościowe jest faktycznie zakodowanych w systemie rankingowym. Shaun Anderson z Hobo Web w analizie The Google Leak, Page Quality Rating and the Rater Connections wykazał, że zmienne PQ (Page Quality) i BabyPanda są obecne w kluczowych modułach kodu – co potwierdza, że koncepcje z patentów Panda/quality nie są tylko teoretyczne. W naszej praktyce audytowej traktujemy patenty jako rodziny sygnałów, które warto zmierzyć, nie jako wyroki.

Jak wygląda prosty model audytu spam-risk?

Model, który stosujemy w audytach, opiera się na czterech elementach: evidence, score, confidence i next step.

Evidence to surowe dane: co narzędzie diagnostyczne wykryło. Na przykład: „47 stron z identycznym szablonem i podmienioną nazwą miasta, template similarity 94%”, albo „12% URL-i z pustymi archiwami taksonomii, zero kliknięć w GSC w ciągu 90 dni”, albo „nagły wzrost 340 linków z anchorami exact-match w ciągu jednego miesiąca z 12 domen o DR poniżej 5”. Evidence samo w sobie nie mówi „to jest spam”. Mówi „tu jest coś do zbadania”.

Score to zagregowana ocena ryzyka, zwykle na skali low/review/medium/high. Score łączy wiele sygnałów z jednej rodziny i daje orientacyjny poziom. W naszych testach na 36 properties rozkład wyglądał tak: high 0, medium 3, review 26, low 7. Większość serwisów jest w strefie „review” – co oznacza, że nie ma pożaru, ale są elementy wymagające uwagi. Te 3 serwisy w strefie „medium” miały wspólny wzorzec: rozbudowane siatki stron lokalnych z niskim unique fact ratio.

Confidence to pewność, z jaką możemy interpretować wynik. Jeśli narzędzie miało dostęp do pełnego HTML, crawla Screaming Frog i danych z Google Search Console – confidence jest wysoka. Jeśli bazowało tylko na meta danych lub próbce 5 stron z 5000 – confidence jest niska. To kluczowe rozróżnienie. Wynik „medium risk” z niskim confidence to hipoteza do weryfikacji. Wynik „medium risk” z pełnym audytem to sygnał do działania.

Next step to decyzja operacyjna: co zrobić z wynikiem. Opcje: publish (ryzyko niskie, idziemy dalej), review (potrzebna ręczna weryfikacja konkretnych stron), rewrite (treść wymaga przebudowy – dodania unikalnych faktów, lokalnych dowodów), noindex (strona nie powinna być w indeksie), merge (kilka stron powinno zostać scalonych w jedną silniejszą), delete (strona nie ma prawa istnieć). Nigdy nie podejmujemy decyzji na podstawie samego score – zawsze weryfikujemy evidence.

Ważne rozróżnienie, które ten model pomaga zrozumieć: istnieje różnica między ręcznym działaniem Google (manual action) a algorytmiczną degradacją. Manual action to sytuacja, w której człowiek z zespołu Google Search Quality ręcznie oznacza serwis jako naruszający Spam Policies – informacja o tym pojawia się w Google Search Console w sekcji „Ręczne działania”. Algorytmiczna degradacja jest subtelniejsza: serwis po prostu traci widoczność, bo algorytm ocenił sygnały jakości jako niewystarczające. Nie dostaniesz powiadomienia, nie zobaczysz alertu. Właśnie dlatego audyt spam-risk ma sens proaktywnie – zanim spadniesz, nie po fakcie. Różnicę między tym, co Google mówi, a tym, co pokazują dane po kolejnych aktualizacjach, analizujemy szczegółowo w artykule Google Core Update kontra rzeczywistość SERP-ów: czego Google nie mówi wprost?

Od czego zacząć, jeśli skalujesz SEO albo planujesz migrację?

Trzy scenariusze, w których audyt spam-risk jest krytyczny: publikacja dużej liczby nowych stron (100+), migracja domeny lub zmiana struktury serwisu i przejęcie lub kupno domeny z historią.

Przy skalowaniu treści najważniejsze pytanie brzmi: czy każda nowa strona wnosi coś, czego nie ma na żadnej innej stronie w serwisie? Wróćmy do przypadku A – producenta z branży budowlanej. 100+ stron „produkt [wariant] [miasto]” to nie jest problem sam w sobie. Problemem jest to, że strona „produkt wariant Łódź” prawdopodobnie zawiera ten sam opis produktu, ten sam formularz wyceny, te same zdjęcia i te same warunki dostawy co strona „produkt wariant Gdańsk”. Google definiuje doorway pages jako strony tworzone w celu rankowania na podobne zapytania, które przekierowują użytkowników do tej samej strony docelowej lub tej samej treści. Zanim opublikujesz, sprawdź: unique fact ratio, template similarity i local entity evidence gap.

Przy migracji najważniejsze pytanie brzmi: czy nowa struktura nie tworzy duplikatów, nie rozbija istniejących sygnałów jakości i nie zmienia drastycznie profilu tematycznego domeny? Patent US7346839B2 opisuje model, w którym historia domeny jest czynnikiem. Nagła zmiana profilu to sygnał. Migracja powinna zachowywać ciągłość tematyczną i przekierowania 301. Dokumentacja Google o migracji opisuje ten proces krok po kroku.

Przy kupnie domeny najważniejsze pytanie brzmi: co ta domena robiła wcześniej i czy jej historia jest spójna z tym, co planujesz? Domena, która przez 10 lat była portalem medycznym, a nagle staje się sklepem z elektroniką, ma profil historyczny, który nie pasuje. Google w marcu 2024 dodał expired domain abuse jako osobną kategorię Spam Policies.

Kiedy alarm jest fałszywy – typowe false positive?

Każde narzędzie diagnostyczne generuje false positive i warto o tym mówić otwarcie. W naszych testach narzędzia hidden content na stronach WordPress z motywem Kadence pierwotnie generowały wynik 100/high – bo akordeony, taby, lazy-loaded sekcje i elementy menu były technicznie „ukryte” w DOM. Po kalibracji zredukowaliśmy to do 0/low, bo te elementy to legalny UI, nie manipulacja.

Typowe false positive, na które warto uważać. Akordeony i taby w opisach produktów – to standardowy UX, nie ukryty tekst. Lazy-loaded treści poniżej folda – to optymalizacja wydajności, nie cloaking. Menu mobilne z display:none na desktopie – to responsive design, nie hidden content. Canonical na warianty produktu – to zarządzanie duplikacją, nie manipulacja. Nofollow na linkach w komentarzach – to higiena, nie podejrzany wzorzec. Google w sekcji o hidden text podkreśla, że chodzi o treści celowo ukrywane przed użytkownikami w celu manipulowania rankingiem, a nie o standardowe elementy interfejsu.

Dlatego model audytu zawiera element confidence i next step. Narzędzie pokazuje evidence, ale decyzję podejmuje człowiek, który rozumie kontekst. Warto też pamiętać, że Google od lat rozwija SpamBrain – system oparty na AI, który automatycznie wykrywa spam. SpamBrain działa niezależnie od ręcznych działań i potrafi identyfikować wzorce spamowe na skalę, której żaden człowiek nie pokryje. Automatyczny raport bez interpretacji jest gorszy niż brak raportu, bo prowadzi do paniki i niepotrzebnych zmian.

Checklist: audyt spam-risk przed skalowaniem

Pełny checklist z 40 pytaniami diagnostycznymi, tabelami progów i mapą 26 patentów znajdziesz w artykule Spam audit checklist: 10 rodzin ryzyka, 26 patentów Google.

Poniższy checklist to punkt startowy. Każdy element jest rozwinięty w osobnym artykule tej serii – linki pojawią się w miarę publikacji.

Content quality i skala. Czy każda strona ma unikalne fakty, których nie ma na żadnej innej stronie w serwisie? Czy jest realny popyt (GSC impressions/clicks) na każdy wariant? Czy stosunek szablonu do unikalnej treści jest akceptowalny (poniżej 60% wspólnej treści)? Regularny audyt treści pomaga to kontrolować. Czy strona wnosi coś, czego użytkownik nie znajdzie na stronie nadrzędnej?

Struktura i duplikacja. Ile URL-i jest w indeksie vs ile powinno być (więcej o optymalizacji crawl budget)? Czy taksonomie (tagi, filtry, kategorie) mają unikalne treści, czy są pustymi archiwami? Czy landing pages lokalne mają lokalne dowody wartości (zdjęcia, opinie, dane rynkowe)? Czy canonical jest spójny?

Techniczny spam on-page. Czy w DOM są treści widoczne dla crawlera, ale nie dla użytkownika (poza legalnym UI: akordeony, taby, menu)? Czy zagęszczenie fraz jest naturalne? Czy renderowana strona wygląda tak samo dla Googlebota i użytkownika?

Linki i graf. Czy profil anchorów jest naturalny, czy zdominowany przez exact-match? Czy są nagłe skoki w liczbie linków? Czy linki przychodzą z tematycznie powiązanych źródeł? Czy internal linking wygląda jak naturalna nawigacja, czy jak siatka zoptymalizowana pod anchor text?

Reputacja i zaufanie. Czy wszystkie sekcje serwisu są tematycznie spójne z domeną? Czy treści użytkowników (komentarze, profile, fora) są moderowane? Czy domena ma spójną historię tematyczną? Czy obietnice na stronie (narzędzia, porównywarki, generatory) naprawdę działają?

Jakość i doświadczenie użytkownika. Jak wyglądają Core Web Vitals i page experience w CrUX (dane field, nie lab)? Czy strona ładuje się akceptowalnie na mobilnych? Czy użytkownicy wracają do wyników wyszukiwania po wejściu na stronę?

Źródła i dalsze czytanie

Google Spam Policies – pełna dokumentacja rekomendacji Google dotyczących spamu w wyszukiwarce.

Google Search Essentials – podstawowe wytyczne Google dla właścicieli serwisów.

March 2024 core update and new spam policies – wpis na blogu Google Search Central o rozszerzeniu Spam Policies o site reputation abuse, expired domain abuse i scaled content abuse.

Google Search’s guidance about AI-generated content – oficjalne stanowisko Google na temat treści generowanych przez AI.

Bill Slawski, How Google May Classify Sites as Low Quality Sites – analiza patentu US9002832B1 opisującego klasyfikację serwisów jako niskojakościowych na podstawie link quality score.

Bill Slawski, How Google May Identify When Sites Transform into Doorway Pages – analiza divisional patentu z rodziny US7346839B2, opisującego wykrywanie stron przekształcających się w doorway pages.

Bill Slawski, 10 Most Important SEO Patents: Part 2 – The Original Historical Data Patent Filing and its Children – przegląd patentu US7346839B2 i jego potomnych, w tym wpływ na freshness, doorway detection i ocenę zmian w profilach domen.

Bill Slawski, Google’s Quality Score Patent: The Birth of Panda? – seria siedmiu artykułów o patentach jakościowych Google, obejmująca quality scores, site quality i n-gram phrase models.

Shaun Anderson, The Google Leak, Page Quality Rating and the Rater Connections (2026) – analiza wycieku Google Content Warehouse API potwierdzająca, że sygnały PQ i BabyPanda są zakodowane w systemie rankingowym.

Patenty cytowane w artykule: US8775924B1 (content quality), US8818982B1 (user reactions), US9002832B1 (low quality sites), US7346839B2 (historical data), US8244722B1 (rank manipulation), US8554769B1 (gibberish), US8392823B1 (hidden content), US7603345B2 (phrase spam), US7509344B1 (link analysis), US8661029B1 (user satisfaction), US20260023790A1 (signal exploitation).