Googlebot nie jest archeologiem. Jak architektura informacji zakopuje treści w serwisie

W skrócie: Architektura informacji decyduje o tym, czy Googlebot w ogóle dotrze do Twojej treści. Strona zakopana na /blog/page/31/, bez linków z kategorii tematycznej i bez sensownego anchor textu, jest praktycznie niewidoczna – niezależnie od jakości contentu. Crawl depth (liczba kliknięć od strony głównej), struktura linków wewnętrznych i hierarchia kategorii to sygnały opisane w co najmniej 8 patentach Google. Ten artykuł pokazuje, jak je audytować i jak naprawić architekturę, zanim marnowanie crawl budgetu zje widoczność całego serwisu.

Możesz napisać artykuł tak dobry, że aż sam siebie cytuje w lustrze. Możesz dodać tabelę, FAQ, autora z bio, dane, porównania i nawet fragment, który wygląda, jakby Google miał go wyciąć do AI Overview z kokardką.

A potem możesz wsadzić ten tekst na /blog/page/31/, nie podlinkować go z żadnej kategorii tematycznej, nie pokazać w hubie, nie dać mu sensownego anchor textu – i dziwić się, że Google traktuje go jak dokument znaleziony za szafą.

Googlebot nie jest archeologiem. Nie powinien musieć odkopywać Twoich treści łopatką przez 19 kliknięć paginacji.

Problem nie polega na tym, że treść jest zła. Problem polega na tym, że architektura informacji mówi crawlerowi: „nie zawracaj sobie tym głowy”. I crawler słucha. John Mueller z Google powiedział to wprost w jednym z Google SEO Office Hours: linkowanie wewnętrzne jest jednym z najważniejszych elementów strony i jednym z największych narzędzi, jakimi dysponujesz, żeby wskazać Google i użytkownikom, które strony uważasz za ważne.

W tym artykule pokażę, dlaczego architektura informacji to nie UX-owa dekoracja, tylko warstwa technicznego SEO, która decyduje o odkrywalności, crawl priority i – pośrednio – o widoczności w AI Search. Pokażę, jakie patenty Google opisują mechanizmy stojące za tym problemem, jakie metryki warto mierzyć i co z tym zrobić w praktyce.

Czy wystarczy mieć dobrą treść, żeby Google ją znalazł?

Nie. W SEO często analizujemy title, H1, content quality, schema, topical coverage, E-E-A-T, linki zewnętrzne i dane z Google Search Console. To wszystko jest ważne. Ale za mało patrzymy na pytania strukturalne: ile kliknięć od homepage dzieli ważny URL, czy URL ma linki z hubów tematycznych, czy jest widoczny w menu, breadcrumbs i sitemapie jednocześnie, czy dostaje linki kontekstowe z treści innych artykułów, czy siedzi na /blog/page/31/ i czeka na cud.

To są pytania o architekturę informacji jako element crawlability. Treść, która nie ma dobrego miejsca w strukturze serwisu, jest jak dobry dokument bez adresu zwrotnego – może istnieć, ale system musi się namęczyć, żeby go znaleźć, zrozumieć i ocenić.

Mueller potwierdził to w innej sesji: jeśli strona jest kilka kliknięć od ważnych stron – jak homepage – Google może uznać, że ta treść nie jest aż tak istotna. To nie jest domysł SEO-wców. To jest wprost powiedziane przez osobę z zespołu Google Search.

Jak crawler widzi serwis – graf, nie folder z plikami?

Widzi go jako graf linków z odległościami, priorytetami i pułapkami. Wyszukiwarka nie patrzy na serwis jak na listę adresów URL w katalogu. Widzi graf, w którym węzły to URL-e, krawędzie to linki (z menu, breadcrumbs, footera, sidebaru, treści głównej), wejścia to homepage, sitemap, huby i strony kategorii, priorytety to money pages, kategorie, poradniki i produkty, a pułapki to paginacja, facety, parametry i duplikaty.

Gary Illyes z Google opisał mechanizm priorytetyzacji crawlowania w podcaście Search Off the Record: Google tworzy „bucket” URL-i posortowany według sygnałów ważności – sitemap, PageRank, inne sygnały – i zaczyna crawlować od góry. Jeśli serwer zwalnia, crawler się zatrzymuje. Nie wszystkie URL-e zostaną pobrane.

Kilka patentów Google opisuje mechanizmy, które pomagają myśleć o stronach właśnie przez pryzmat odległości w grafie linków. Patent US9165040B1 (Producing a ranking for pages using distances in a web-link graph) opisuje model, w którym odległości między dokumentami w grafie linków wewnętrznych mogą wpływać na ich ocenę. Podobny kierunek myślenia widać w US9953049B1 (kontynuacja tego samego tematu) i US8082246B2 (Ranking search results using click distance), gdzie dystans kliknięć jest jednym z sygnałów oceny wyników.

Nie twierdzę, że Google stosuje te patenty dokładnie tak, jak je opisano. Ale jako rama diagnostyczna – myślenie o serwisie jako grafie z odległościami, wejściami i priorytetami – to jedno z najbardziej użytecznych podejść do audytu architektury informacji.

Według analizy My Rankings Metrics, strony na głębokości 1-3 kliknięcia mogą generować nawet kilkukrotnie więcej ruchu SEO niż strony głębsze. To nie jest przypadek – to jest konsekwencja tego, jak crawlery odkrywają i priorytetyzują treści.

Dlaczego crawl depth to nie jest tylko metryka z Screaming Frog?

Crawl depth to praktyczny sygnał: jak daleko od punktu startowego crawler musi iść, żeby dotrzeć do URL-a. Jeżeli artykuł siedzi na depth 12, ma 3 linki wewnętrzne i nie jest podlinkowany z żadnego huba – problem nie leży wyłącznie w treści. Problem leży w tym, że serwis nie komunikuje ważności tej treści.

Patenty z rodziny crawler scheduling – US8042112B1 i US10621241B2 (Scheduler for search engine crawler) – opisują mechanizmy planowania pracy crawlera i priorytetyzacji pobierania URL-i. W takim modelu strona, która jest łatwa do odkrycia, często linkowana i blisko istotnych punktów wejścia, ma wyższy priorytet pobierania niż strona zakopana w głębokiej paginacji.

Case study: serwis B2B SaaS z dużym blogiem

W ramach audytu architektury informacji przeprowadzonego przez Semgence przeanalizowaliśmy serwis z branży e-commerce SaaS, który miał ponad 280 artykułów na blogu. Crawl z Screaming Frog pokazał: 93% URL-i miało crawl depth 1 (pozorna „płaskość” wynikająca z globalnego menu, nie z celowej architektury), brak kategorii tematycznych, starsze artykuły dostępne wyłącznie przez paginację (max depth paginacji: 28), 47 near-orphan pages z ≤ 3 linkami kontekstowymi. Jedna ze stron z 16 728 impressions w GSC miała 1 kliknięcie – nie dlatego, że treść była zła, ale dlatego, że strona była architektonicznie niewidoczna.

Rekomendacja nie brzmiała: „napisz więcej treści”. Brzmiała: „wydobądź treści, które już masz”.

Czy sitemap może zastąpić dobrą architekturę?

Nie. Sitemap to zaproszenie dla crawlera. Nie jest dowodem, że URL jest ważny, dobrze osadzony i dobrze połączony z resztą serwisu. Trzy patenty z rodziny sitemap crawler scheduling – US7769742B1, US20130226898A1 i US8417686B2 (Web crawler scheduler that utilizes sitemaps from websites) – opisują mechanizmy, w których crawler wykorzystuje sitemapę jako jeden z sygnałów planowania. Ale jako jeden z wielu.

Gary Illyes powiedział wprost: jeśli URL jest w sitemapie, to Google prawdopodobnie będzie chciał go zcrawlować wcześniej lub częściej. Ale jeśli sitemapa jest generowana automatycznie i zawiera każdy możliwy URL – Google użyje innych sygnałów, np. PageRank. Dokumentacja Google Search Central o sitemapach potwierdza to samo.

Według danych z Google Search Off the Record podcast (2025), blisko 85% poważnych problemów z crawlowaniem wynika z pułapek strukturalnych – faceted navigation, parametry akcji, nieskończone kalendarze i zduplikowane ścieżki URL-i.

Dlaczego paginacja bloga jest cichym zabójcą widoczności?

Paginacja sama w sobie nie jest zła. Problem zaczyna się wtedy, gdy jest jedyną realną ścieżką odkrywania starszych artykułów. Dokumentacja Google Search Central o paginacji opisuje, jak strony z paginacją i incremental loading powinny być dostępne dla wyszukiwarki. W praktyce Google zaleca, żeby ważne treści miały alternatywne ścieżki odkrywania poza samą paginacją.

Patenty z rodziny crawler scheduling (US8042112B1, US10621241B2) i click distance (US8082246B2, US9165040B1) tworzą spójny obraz: URL na głębokiej paginacji jest dla crawlera daleko od punktu wejścia, co w modelu priorytetyzacji może obniżać jego „ważność odkrycia”. Zamiast polegać na paginacji, warto zbudować kategorie tematyczne, huby dla najważniejszych intencji, linki kontekstowe z aktualnych artykułów do starszych evergreenów i sekcje „najważniejsze poradniki w temacie” na money pages.

Uwaga: noindex paginacji nie powinien być pierwszą rekomendacją. Najpierw trzeba zapewnić alternatywne ścieżki odkrywania artykułów. Inaczej można pogorszyć discovery, zamiast je poprawić.

Czym są near-orphan pages i dlaczego to nie to samo co „zero linków”?

Near-orphan page to nie zawsze strona bez żadnych linków. Częściej to strona, która formalnie istnieje, ale architektonicznie jest samotna: ma crawl depth ≥ 8, ma 1-5 unikalnych linków wewnętrznych, nie jest w menu ani w hubie tematycznym, nie ma breadcrumbs prowadzących do sensownej kategorii i ma słabe anchory typu „czytaj więcej”.

Mueller powiedział: „Jeśli chodzi o linkowanie wewnętrzne, uważam, że jest to jeden z najważniejszych elementów strony. Bo to świetny sposób, żeby powiedzieć nam, co uważasz za ważne na swoich stronach”. Odwracając tę logikę: strona, która nie dostaje linków wewnętrznych, mówi Google, że nie jest ważna.

Czy link z menu to to samo co link z treści?

Nie. Patent US7716225B1 (Link weighting by position/context/features) opisuje model różnicowania linków według ich cech, pozycji i kontekstu. Mueller potwierdził to, mówiąc, że structured data (np. breadcrumbs) nie zastępuje zwykłych linków wewnętrznych: „Nawet jeśli w structured data podajecie URL-e, nie używamy tych URL-i w ten sam sposób, co zwykłych linków wewnętrznych na stronie”.

Patenty z rodziny boilerplate detection – US8898296B2 i US20120297025A1 (Detection of boilerplate content) – opisują mechanizmy odróżniania treści głównej od powtarzalnych fragmentów strony. Badanie Zyppy wykazało, że URL-e zawierające 45-50 lub więcej linków wewnętrznych zaczynają tracić ruch – nadmiar linków rozmywa ich wartość.

Dlaczego anchor text to drogowskaz, nie ozdoba?

Bo mówi crawlerowi, dokąd prowadzi link i jaki jest temat docelowej strony. Anchor text pomaga crawlerowi zrozumieć, po co istnieje link. Patent US7308643B1 (Anchor tag indexing in a web crawler system) opisuje mechanizm wykorzystywania anchor tagów i anchor textu w systemie crawlera. W takim modelu „czytaj więcej” to semantyczne zero. Mueller potwierdził, że anchor text daje dodatkowy kontekst o temacie strony docelowej.

Jak breadcrumbs, menu i sitemap opowiadają historię serwisu?

Przez spójną hierarchię – i powinny mówić to samo. Google może interpretować serwis jako hierarchię. Patent US20110276562A1 (Site hierarchy from breadcrumbs/menu/sitemap/link structures) opisuje mechanizm wyciągania hierarchii serwisu z elementów nawigacyjnych. Powiązane patenty – US7818683B2 i US20060123361A1 (breadcrumb hierarchy) oraz US20080134015A1 i US8156448B2 (menu/navigation structure) – opisują modele, w których breadcrumbs, menu i sitemapa powinny opowiadać tę samą historię o strukturze serwisu. Dokumentacja Google Search Central o breadcrumbs zaleca spójność z hierarchią.

Czym jest crawl waste i dlaczego zjada budżet crawlowania?

Crawl waste to sytuacja, w której crawler zużywa uwagę na URL-e, które nie wnoszą proporcjonalnej wartości. Illyes ujął to plastycznie w podcaście Search Off the Record, mówiąc o parametrach typu ?add-to-cart=true: sam fakt, że link „Dodaj do koszyka” używa parametru GET, natychmiast podwaja liczbę URL-i, które Googlebot widzi.

Patenty z rodziny duplicate detection – US7627613B1, US8140505B1, US6658423B1 i US7779002B1 – opisują mechanizmy wykrywania duplikatów. Patenty z rodziny dynamic URLs – US7827166B2, US7827254B1, US20090198662A1 i US8538949B2 – opisują obsługę dynamicznych URL-i. Źródła crawl waste to duplikaty tytułów i H1, warianty -new/-old, parametry filtrów, session IDs i dynamiczne warianty bez canonical.

Czy kategorie tematyczne mogą uratować stary blog?

Tak. Kategorie tematyczne pełniące funkcję hubów to jeden z najprostszych sposobów skrócenia ścieżki do treści i uporządkowania topical authority. Patenty z rodziny kategoryzacji – US8271484B1, US8498984B1, US6963867B2 i US8612453B2 (Topic distillation via subsite retrieval) – opisują mechanizmy, w których kategorie wpływają na rozumienie struktury tematycznej serwisu.

Mueller opisał to jako strukturę piramidy: struktura top-down pomaga Google zrozumieć kontekst poszczególnych stron w ramach serwisu. Dobry hub tematyczny ma własny indeksowalny URL, ma opis tematu, linkuje do najważniejszych artykułów i do money page, jest linkowany z blog index i menu, a artykuły z tego tematu linkują z powrotem do huba.

Poniższa tabela podsumowuje kluczowe sygnały architektoniczne i ich wpływ na crawlowanie i indeksację.

Sygnał architektoniczny	Co widzi Googlebot	Ryzyko gdy źle	Jak naprawić
Crawl depth >3 kliknięcia	Strona daleko od roota, niski priorytet crawlowania	Treść nieindeksowana lub rzadko odświeżana	Skrócić ścieżkę przez linki z hubów i kategorii
Orphan / near-orphan pages	Zero lub 1 link wewnętrzny, brak ścieżki crawlowania	Strona nieodkryta, brak equity	Dodać kontekstowe linki z tematycznie powiązanych stron
Link z menu vs link z treści	Menu link = niższa waga (Reasonable Surfer), content link = wyższa	Przekonanie, że menu wystarczy	Dodawać linki kontekstowe w body obok menu
Anchor text = „czytaj więcej”	Brak sygnału tematycznego, link niemal bezwartościowy	Google nie wie, o czym jest strona docelowa	Anchor opisowy: „audyt architektury informacji”
Paginacja /blog/page/N/	Treści z page/5+ niemal niedostępne dla crawlera	Starsze artykuły zakopane i nieindeksowane	Kategorie tematyczne zamiast chronologicznej paginacji
Breadcrumbs niespójne z hierarchią	Sprzeczny sygnał struktury serwisu	Google nie rozumie relacji parent-child	Breadcrumbs = odzwierciedlenie rzeczywistej hierarchii URL

Jak praktycznie audytować architekturę informacji?

Potrzebujesz crawla ze Screaming Frog, sitemap XML, danych z GSC i kilku kluczowych metryk – crawl depth distribution, sitemap reliability, anchor discovery i crawl waste.

Minimalny zestaw danych to Screaming Frog crawl (internal HTML, all inlinks, crawl depth), sitemap XML, dane z GSC (query/page) i opcjonalnie GA4 (landing pages). Kluczowe metryki to crawl depth distribution, sitemap reliability (ile URL-i z sitemap jest w crawlu, ile jest 200, ile redirectów), paginated discovery (artykuły dostępne tylko przez paginację), anchor discovery (puste i generyczne anchory) i crawl waste (duplikaty, parametry, facety).

Co powiedzieć klientowi – rekomendacje wdrożeniowe

P0 (pilne): Huby i kategorie tematyczne. Stworzyć indeksowalne strony kategorii/hubów dla głównych tematów. To jest najważniejsza rekomendacja, którą Semgence wdraża w pierwszej kolejności u klientów – huby rozwiązują jednocześnie problem paginacji, near-orphan pages, crawl depth i topical authority.

P0 (pilne): Near-orphan rescue. Dla stron z depth ≥ 8 i inlinks ≤ 5: znaleźć powiązane artykuły, dodać 2-3 linki kontekstowe, dodać do hubów, sprawdzić ruch w GSC.

P1: Sitemap cleanup. Usunąć 404, przekierowania, duplikaty z canonical, non-indexable. Dodać huby, indeksowalne kategorie, aktualne money pages.

P1: Anchor cleanup. Zamienić generyczne anchory na opisowe, uzupełnić puste anchory, zróżnicować anchory prowadzące do tego samego URL-a.

P2: Crawl waste. Duplikaty tytułów i H1, warianty -new/-old, canonical mismatch, faceted URL traps, parametry sortowania.

Co to ma wspólnego z AI Search i AI Overview?

AI Search nie unieważnia architektury informacji. Wręcz przeciwnie – wzmacnia jej znaczenie. Modele i systemy generatywne – Google AI Overview, Google AI Mode, Perplexity, ChatGPT z web browsing, Gemini – wykorzystują crawl, indexing, retrieval, cytowalność, autorytet źródeł i topical coverage. Jeżeli ważna treść jest słabo odkrywalna, trudniej jej zostać dobrze zindeksowaną, skojarzoną z tematem, wybraną jako źródło i zacytowaną w AI Overview.

Według danych branżowych crawlowanie przez boty AI wzrosło o 305% w 2025 roku. Jeśli boty AI spowalniają serwer, Google automatycznie zmniejsza swoją częstotliwość crawlowania. Architektura informacji to warstwa bazowa pod AI Search. W audytach realizowanych przez Semgence analiza IA jest stałym elementem oceny gotowości serwisu na AI visibility. Fundamenty SEO są jeszcze ważniejsze, gdy warstwa generatywna buduje odpowiedzi na bazie tego samego indeksu.

Podsumowanie

Architektura informacji to nie dekoracja. To sposób, w jaki serwis tłumaczy crawlerowi, co jest ważne, co jest powiązane, co jest nadrzędne, co jest wspierające, gdzie zaczyna się temat i gdzie kończy się wariant. Sitemap może pomóc, ale nie zastąpi dobrej struktury. Menu pokazuje priorytety, ale nie zastąpi linków kontekstowych. Paginacja porządkuje archiwum, ale nie powinna być jedyną drogą do starszych treści.

Patenty Google – te omówione w artykule i wiele innych – nie mówią „tak dokładnie działa algorytm”. Ale tworzą spójną ramę diagnostyczną: wyszukiwarka widzi serwis jako graf z odległościami, priorytetami, hierarchią i szumem. Architektura informacji to jedyna warstwa, nad którą masz pełną kontrolę, a która wpływa na to, jak ten graf wygląda.

Jeśli treść jest ważna, nie zakopuj jej na /blog/page/31/. Googlebot nie jest archeologiem.