Scaled content abuse: gdzie kończy się automatyzacja SEO, a zaczyna spam

W skrócie: Scaled content abuse to masowa produkcja treści bez unikalnej wartości – niezależnie od tego, czy generuje je AI, szablon, czy człowiek z copy-paste. Google opisuje to jako treści tworzone „primarily to manipulate search rankings”. W anonimowym audycie polskiego portalu motoryzacyjnego z 8377 artykułami i szczytową produkcją 183 artykułów miesięcznie, diagnostyka zwróciła wynik 89.65/high (spam_scaled_content_risk). Ruch organiczny spadł o 88% – z 77 000 do 9 000 odwiedzin miesięcznie. Serwis nigdy nie odzyskał poziomu sprzed korekty algorytmicznej – a spadek ruchu po Helpful Content Update i marcowym spam update 2024 dotknął cały serwis, nie tylko poszczególne strony.

Ten artykuł jest częścią serii o Google Spam Policies. Scaled content abuse to jedna z najczęściej spotykanych rodzin ryzyka w polskim SEO – szczególnie po popularyzacji narzędzi AI do generowania treści. Ale problem nie zaczął się od ChatGPT. Masowa produkcja niskojakościowego contentu istnieje w SEO od ponad dekady.

Dlaczego treści generowane przez AI same w sobie nie są problemem?

Google wyjaśnił to wprost w oficjalnym stanowisku z lutego 2023: „Appropriate use of AI or automation is not against our guidelines”. Problemem nie jest metoda produkcji treści (AI, szablon, outsourcing, in-house), ale jej cel i jakość. Treść stworzona „primarily to manipulate search rankings” narusza Spam Policies, niezależnie od tego, kto lub co ją napisało.

W praktyce oznacza to, że możesz używać AI do pisania, edycji i skalowania treści – pod warunkiem, że każda strona wnosi unikalną wartość, której użytkownik nie znajdzie na innej stronie Twojego serwisu ani na stronie konkurencji. Problem zaczyna się tam, gdzie automatyzacja – niezależnie czy to AI, spin, czy ręczny copy-paste – produkuje setki stron z identycznym szkieletem. To nie jest nowa technika: scaled content abuse to ewolucja tego, co branża SEO od lat nazywa black hat SEO. Różnica polega na tym, że dziś Google ma patenty i systemy (SpamBrain, Helpful Content System i page experience), które wykrywają ten wzorzec na poziomie domeny, nie tylko na poziomie pojedynczych stron. Scaled content to masowa produkcja stron z identycznym szkieletem, podmienionymi 2-3 frazami i zerowym unique fact ratio.

Czym jest scaled content abuse w rozumieniu Google?

Google w dokumentacji Spam Policies definiuje scaled content abuse jako generowanie dużej ilości treści, których głównym celem jest manipulowanie rankingiem – nie pomoc użytkownikom. Obejmuje to: łączenie treści z różnych stron bez dodawania wartości, masowe tworzenie stron na wiele tematów bez ekspertyzy, automatyzację tworzenia treści bez ludzkiego nadzoru, oraz parafrazowanie istniejących treści bez dodawania nowej perspektywy.

Google wykorzystuje SpamBrain – system oparty na uczeniu maszynowym – do identyfikacji serwisów, które masowo produkują treści niskiej jakości. W branży SEO takie serwisy nazywa się content farmami. Kluczowe jest słowo „primarily”. Google nie mówi, że każda masowo generowana treść to spam. Mówi, że treść, której głównym celem jest manipulowanie rankingiem, narusza rekomendacje. To stawia sprawę jasno: jeśli 200 artykułów o Grand Prix F1 ma identyczną strukturę H2 z podmienioną nazwą kraju i nie wnosi nic, czego użytkownik nie znajdzie w jednym zbiorczym kalendarzu – to jest scaled content abuse. Nawet jeśli każdy artykuł ma 1500 słów i został napisany przez człowieka.

Jak wygląda scaled content abuse w praktyce – anonimowy przypadek z polskiego rynku?

Przeanalizowaliśmy polski portal motoryzacyjny z ambicjami newsowymi. Serwis powstał w 2017 roku i przez pierwsze lata publikował 20-40 artykułów miesięcznie – głównie newsy o premiery samochodowe, testy i relacje z motorsportu. W 2020 roku tempo produkcji gwałtownie wzrosło. W szczytowym okresie (2020-2022) serwis publikował 130-183 artykuły miesięcznie – to 4-6 artykułów dziennie.

Łącznie serwis opublikował 8377 artykułów. Strategia działała: ruch organiczny rósł z 682 odwiedzin miesięcznie w styczniu 2020 do szczytu 77 317 we wrześniu 2023 (dane Ahrefs). Ale pod tym wzrostem kryły się trzy wzorce, które algorytmy Google w końcu zidentyfikowały.

Wzorzec 1: artykuły template „GP [kraj] harmonogram sesji gdzie oglądać”. Przeanalizowaliśmy trzy takie artykuły metodą shingle similarity (porównanie 5-wyrazowych fraz). Wynik: Jaccard similarity 28-34% między artykułami, 732 identyczne frazy 5-wyrazowe wspólne dla wszystkich trzech. Przy takim poziomie similarity algorytm near-duplicate detection (patent US8140505B1) może traktować te artykuły jako warianty tego samego dokumentu, nie jako unikalne strony. Każdy artykuł miał identyczną strukturę H2: informacje o torze, harmonogram, gdzie oglądać, ciekawostki historyczne. Zmieniała się nazwa kraju i daty sesji. W ostatniej sitemap zidentyfikowaliśmy 28 takich artykułów.

Wzorzec 2: artykuły „kiedy/gdzie [event]”. Kolejne 14 artykułów w ostatniej sitemap z identycznym schematem: kiedy i gdzie oglądać wydarzenie motorsportowe. Każdy artykuł 1200-1800 słów, brak widocznego autora, te same sekcje w tej samej kolejności.

Wzorzec 3: off-topic filler content. Portal motoryzacyjny publikował artykuły o fotelikach samochodowych, klucze udarowych, płukankach do silnika i oponach – tematy o zerowej synergii z core tematem serwisu (motorsport, premiery). W treściach pojawiały się frazy typowe dla AI-generated content („podsumowując”, „warto zaznaczyć”). To jest klasyczny filler: treść tworzona pod keyword, nie pod użytkownika.

Co mówi diagnostyka spam o takim serwisie?

Narzędzie diagnostyczne spam_scaled_content_risk zwróciło wynik 89.65 na 100 (high risk). Cztery z pięciu mierzonych sygnałów osiągnęły maksymalny poziom ryzyka.

Sygnał	Wynik	Co oznacza
mass_page_generation	100/100	8377 stron, 183/msc w szczycie – skala znacząco powyżej normy
low_unique_fact_ratio	100/100	Artykuły template mają min. unikalnych faktów – te same dane w innej oprawie
low_information_gain	100/100	Nowa strona nie dodaje informacji, której nie ma na istniejących
domain_level_pattern_anomaly	100/100	Powtarzalny wzorzec URL-i i struktury na poziomie domeny
template_similarity	31/100	31% Jaccard similarity na 5-gramach – wysoko dla „unikalnych” artykułów

Diagnostyka zmapowała 9 patentów z rodzin scaled_content_abuse, keyword_stuffing, content_spam_analysis, scaled_signal_exploitation, rank_manipulation i low_quality_site. Wszystkie z priorytetem P1 lub P2.

Co E-E-A-T audit mówi o serwisie produkującym 183 artykuły miesięcznie?

Oprócz diagnostyki spam przeprowadziliśmy wyrywkowy audyt E-E-A-T na trzech artykułach portalu: artykule o GP F1, poradniku o oponach i poradniku o fotelikach samochodowych. Wyniki są spójne z obrazem scaled content abuse.

Experience i Expertise – brak sygnałów. Artykuły off-topic (opony, foteliki) mają byline „Redakcja” zamiast autora z nazwiska. Żaden z trzech artykułów nie ma sekcji bio autora. Portal motoryzacyjny piszący o doborze fotelików nie ma ani jednego widocznego sygnału ekspertyzy w tym temacie – brak certyfikatów, brak doświadczenia z testami fotelików, brak danych z własnych badań.

• Artykuł o GP Monako: autor „Daniel Mirkiewicz” – ma byline, ale brak bio, brak profilu LinkedIn, brak powiązań z branżą motorsportową poza samym portalem
• Artykuł o oponach: autor „Redakcja” – generyczny byline bez osoby, brak jakichkolwiek credentials
• Artykuł o fotelikach: autor „Redakcja” – identyczny wzorzec, zero ekspertyzy w bezpieczeństwie dzieci

Authoritativeness – słabe sygnały. Serwis ma social sameAs (Facebook, X/Twitter, Instagram, TikTok), ale brak profili LinkedIn, Wikipedia, Wikidata czy ORCID. Entity verification score: 50/100. Brak strony „O nas” z informacjami o redakcji. Brak danych kontaktowych na artykułach.

Trustworthiness – komercyjne linki zamiast źródeł. Linki zewnętrzne na wszystkich trzech artykułach to ten sam zestaw komercyjnych partnerów: „ranking bukmacherów” (Business Insider), „Legalni bukmacherzy” (najlepsibukmacherzy.pl), „Rankomat.pl” (kalkulator OC/AC), „Rejestr Długów” (BIG). Zero linków do źródeł merytorycznych – badań, oficjalnych danych producenta, regulacji bezpieczeństwa (w artykule o fotelikach). To jest typowy wzorzec serwisu, który zarabia na ruchu afiliacyjnym (więcej o tym wzorcu: scraping i thin affiliation oraz site reputation abuse), nie na wartości merytorycznej.

Żeby zobrazować głębokość problemu, przeprowadziliśmy szczegółowy audyt jednego artykułu off-topic: poradnika o doborze fotelika samochodowego dla dziecka. To jest temat YMYL (Your Money or Your Life) – dotyczy bezpieczeństwa dzieci w pojeździe. Oto co znaleźliśmy:

Czego nie ma w artykule o fotelikach na portalu motoryzacyjnym:

• Autor: „Redakcja” – zero osoby z nazwiska, zero bio, zero credentials w bezpieczeństwie dzieci
• 548 słów treści (wg schema wordCount) – na temat YMYL, gdzie rodzic potrzebuje konkretnych danych
• Zero konkretnych produktów – brak Maxi-Cosi, Cybex, Britax, BeSafe, Joie. Artykuł radzi „jak wybrać”, ale nie wymienia ani jednego fotelika z nazwy
• Zero cen – „ile kosztuje fotelik” to naturalne pytanie, na które artykuł nie odpowiada
• Zero grup wagowych z konkretnymi przykładami – brak tabel „0-13 kg”, „9-36 kg”, „15-36 kg”
• Zero wyników testów ADAC lub Euro NCAP – najważniejsze źródło danych o bezpieczeństwie fotelików
• Zero cytatów ekspertów – brak opinii pediatry, ratownika medycznego, instruktora
• Zero źródeł merytorycznych – jedyny link „merytoryczny” prowadzi do sklepu Media Expert (afiliacja)

Co jest zamiast merytoryki:

• Linki do „rankingu bukmacherów” (Business Insider) i „Legalnych bukmacherów” – w artykule o bezpieczeństwie dzieci
• Link do kalkulatora OC/AC (Rankomat.pl) i Rejestru Długów (BIG) – bez nofollow
• Reklamy display zajmujące znaczącą część viewportu
• Sidebar z treściami komercyjnymi niezwiązanymi z tematem artykułu
• 125 linków wewnętrznych w nawigacji – identyczny mega-menu na każdej stronie

Ten artykuł narusza jednocześnie wszystkie cztery filary E-E-A-T. Experience: zero doświadczenia z testowaniem fotelików. Expertise: portal o F1 i premierach samochodowych nie ma kompetencji w bezpieczeństwie dzieci. Authoritativeness: byline „Redakcja” bez bio, bez Person schema, bez sameAs. Trustworthiness: linki afiliacyjne i reklamy bukmacherów zamiast źródeł merytorycznych – na temat YMYL.

I to nie jest wyjątek. Serwis ma setki takich artykułów off-topic: o oponach, klucze udarowych, płukankach do silnika, strefach parkowania. Każdy z nich ma ten sam wzorzec: 500-1200 słów generycznej treści, autor „Redakcja”, zero źródeł merytorycznych, te same reklamy bukmacherów i partnerów afiliacyjnych w sidebarze. Przy 8377 artykułach i ogromnej ilości reklam display na każdej stronie, proporcja treści merytorycznej do treści komercyjnej jest dramatycznie niska. Helpful Content System ocenia dokładnie tę proporcję – czy serwis istnieje dla użytkownika, czy dla przychodów z reklam i afiliacji.

Jakie patenty Google opisują rozpoznawanie skalowanego contentu?

Patent US8775924B1 (Processing web pages based on content quality) opisuje system oceny jakości treści na poziomie strony i grupy stron. W kontekście scaled content: jeśli algorytm wykryje, że 200 stron w serwisie ma ten sam poziom jakości (niski unique fact ratio, powtarzalny szablon, brak oryginalnych danych), może obniżyć ocenę jakości dla całej grupy, a nie tylko dla pojedynczych stron.

Patent US8554769B1 (Identifying gibberish content in resources) opisuje metody identyfikacji treści bez realnego znaczenia. W kontekście scaled content: nie chodzi tylko o losowe ciągi znaków. Patent opisuje sygnały, które mogą obejmować treści gramatycznie poprawne, ale pozbawione informacyjnej wartości – dokładnie ten wzorzec, który widzimy w artykułach template, gdzie zmienia się nazwa kraju, a reszta treści jest identyczna.

Patent US20260023790A1 (Detecting signal exploitation from consistent ranking patterns) jest najnowszym patentem w tej rodzinie. Opisuje system wykrywania, kiedy serwis systematycznie eksploatuje sygnały rankingowe – np. tworzy masowo strony targetujące long-tail keywords z identycznym szablonem, licząc na to, że wolumen pokryje brak jakości. To jest patent, który opisuje dokładnie strategię „8377 artykułów = 8377 szans na ranking”.

Patent US9002832B1 (Classifying sites as low quality sites) opisuje mechanizm klasyfikacji całych serwisów jako niskojakościowych. Bill Slawski w swojej analizie tego patentu zwrócił uwagę na kluczowy mechanizm: system grupuje zasoby linkujące do serwisu według jakości i na tej podstawie oblicza link quality score dla całego serwisu. Jeśli większość zasobów powiązanych z serwisem jest niska jakościowo, cały serwis może zostać sklasyfikowany jako low quality. Slawski opisywał też w osobnym artykule, jak Google może generować site quality scores na podstawie modeli n-gramowych – co ma bezpośrednie zastosowanie do wykrywania template content, gdzie te same frazy powtarzają się w setkach stron. To jest kluczowe: Google może oceniać nie tylko pojedyncze strony, ale cały serwis. Jeśli większość stron w serwisie to thin content z identycznym szkieletem, ocena jakości może spaść dla wszystkich stron – w tym dla tych nielicznych, które faktycznie mają wartość.

Te patenty łączą się z problemem crawl budgetu i taxonomy bloat: serwis, który generuje tysiące niskowartościowych URL-i, marnuje zasoby crawlowania i rozcieńcza sygnały jakości na poziomie domeny. Patenty opisują możliwe modele myślenia algorytmów, nie definitywne instrukcje. Ale wzorzec jest jasny: Google inwestuje w systemy, które wykrywają skalowanie bez wartości na poziomie domeny.

Jak wyglądał timeline wzrostu i spadku – co koreluje z korektami Google?

Ruch organiczny portalu motoryzacyjnego rósł proporcjonalnie do tempa publikacji. Między styczniem 2020 (682 odwiedzin) a wrześniem 2023 (77 317) serwis wyprodukował ponad 6000 artykułów i osiągnął szczyt widoczności. Ale w Q4 2023 nastąpił klif.

Między wrześniem a grudniem 2023 ruch spadł z 77 317 do 28 060 – utrata 64% w trzech miesiącach. Korelacja czasowa jest wyraźna: we wrześniu 2023 Google wdrożył Helpful Content Update, a w marcu 2024 – core update z rozszerzonym spam update. Helpful Content System ocenia, czy serwis jako całość tworzy treści przede wszystkim dla ludzi, czy przede wszystkim pod wyszukiwarkę. Serwis z 8377 artykułami, z których setki to template z podmienioną nazwą kraju, jest dokładnie tym wzorcem, który Helpful Content System ma identyfikować. Do lipca 2024 ruch spadł do 7032 – 91% poniżej szczytu. W 2025-2026 serwis stabilizował się na poziomie 9-13 tysięcy, ale nigdy nie odzyskał nawet 20% dawnej widoczności.

Okres	Artykuły/msc	Ruch organiczny (Ahrefs)	Co się dzieje
I 2020	75	682	Start masowego skalowania
IX 2021	183	27 124	Szczyt produkcji (6 artykułów dziennie)
X 2022	144	52 152	Masowa produkcja trwa, ruch rośnie
IX 2023	82	77 317	Szczyt ruchu, ale tempo publikacji spada
XII 2023	40	28 060	Klif: HCU + Spam Update, -64% w 3 miesiące
VII 2024	47	7 032	Dno: -91% od szczytu
VI 2026	7	9 093	Stabilizacja na -88%, nigdy nie odzyskał

To jest typowy wzorzec scaled content abuse: krótkoterminowy zysk (wolumen pokrywający long tail) zamieniony w długoterminową stratę (algorytmiczna korekta obniżająca cały serwis). Serwis nie otrzymał manual action w Google Search Console – to była korekta algorytmiczna, co oznacza, że odzyskanie widoczności wymaga fundamentalnej zmiany strategii contentowej, nie tylko usunięcia „złych” stron.

Nasz anonimowy portal nie jest wyjątkiem. Glenn Gabe z GSQi w swojej analizie spam update z grudnia 2024 opisał pięć zanonimizowanych case studies, w których scaled content abuse i doorway (tzw. doorway pages) pages były głównymi przyczynami spadków. Serwis ZacJohnson.com opublikował 60 000 artykułów między wrześniem 2023 a marcem 2024 (325 dziennie!) na tematy zupełnie niezwiązane z profilem serwisu – celebrity gossip, best-of content, losowe trendy. Został całkowicie zdeindeksowany. Google po marcowym update 2024 stwierdził, że kombinacja nowych systemów zmniejszyła ilość niskojakościowego contentu w wynikach o 45%.

Jak bezpiecznie skalować content bez ryzyka scaled content abuse?

Skalowanie treści jest normalne i potrzebne. Problem nie polega na ilości, ale na proporcji: ile z tych stron wnosi unikalną wartość?

Cztery zasady, które oddzielają rozsądne skalowanie od scaled content abuse:

• Unique fact ratio – każda strona musi mieć co najmniej 3-5 unikalnych faktów, których nie ma na żadnej innej stronie serwisu. Jeśli artykuł o GP Monako różni się od GP Kanady tylko nazwą kraju – nie przechodzi testu.
• Information gain – nowa strona musi dawać użytkownikowi coś, czego nie dostanie na innej stronie serwisu. „Nic poza podmienionym nagłówkiem” = strona nie powinna istnieć jako osobny URL.
• Konsolidacja zamiast multiplikacji – zamiast 28 artykułów „GP [kraj] harmonogram”, jeden dynamiczny kalendarz F1 z filtrami. Mniej stron, ale każda z unikalną wartością.
• Autorstwo i accountability – treść bez widocznego autora to sygnał braku odpowiedzialności. E-E-A-T wymaga Experience i Expertise – byline „Redakcja” na 8377 artykułach to nie jest autorstwo.

Checklist: czy Twój serwis jest zagrożony scaled content abuse?

Scaled content abuse to jedna z 10 rodzin ryzyka w naszym kompletnym spam audit checkliście z 26 patentami Google.

Skala produkcji:

• Ile artykułów publikujesz miesięcznie? Czy tempo wzrosło nagle (np. po wdrożeniu AI)?
• Ile z opublikowanych stron ma realny popyt w GSC (impressions > 0)?
• Jaki procent stron generuje zero kliknięć?
• Czy stosunek nowych artykułów do artykułów z ruchem rośnie czy maleje?

Template similarity:

• Czy 3 losowe artykuły z tego samego tematu mają identyczną strukturę H2?
• Czy podmiana 2-3 fraz wystarczy do „stworzenia” nowego artykułu?
• Czy artykuły mają identyczny layout z jedynie podmienionym nagłówkiem?

Unique fact ratio:

• Czy każdy artykuł ma co najmniej 3-5 unikalnych faktów?
• Czy wnosi oryginalną analizę, dane lub porównanie?
• Czy audyt treści wykaże warianty tej samej treści? Czy generuje duplicate content?

Autorstwo i E-E-A-T:

• Czy artykuły mają widocznego autora z bio i kompetencjami?
• Czy autorzy mają doświadczenie w temacie? Czy byline „Redakcja” nie maskuje braku ekspertyzy?
• Czy serwis publikuje off-topic filler (np. portal motorsportowy o fotelikach)?
• Czy linki zewnętrzne prowadzą do źródeł merytorycznych, czy tylko do partnerów afiliacyjnych?

Tematyczna spójność:

• Czy treści są spójne z core tematem serwisu?
• Czy filler content stanowi więcej niż 10% publikacji?
• Czy linkowanie wewnętrzne łączy treści w klastry, czy każdy artykuł jest sierotą?

Źródła i dalsze czytanie

Google Search’s guidance about AI-generated content – oficjalne stanowisko Google z lutego 2023 dotyczące treści generowanych przez AI.

Google Spam Policies: Scaled content abuse – definicja scaled content abuse w dokumentacji Google.

March 2024 core update and spam policies – rozszerzenie Spam Policies o nowe kategorie, w tym scaled content abuse.

Bill Slawski, How Google May Classify Sites as Low Quality Sites – analiza patentu US9002832B1 opisującego mechanizm klasyfikacji niskojakościowych serwisów.

Bill Slawski, Using Ngram Phrase Models to Generate Site Quality Scores – analiza patentu opisującego wykorzystanie modeli n-gramowych do oceny jakości serwisu.

Glenn Gabe (GSQi), Google December 2024 Spam Update – 5 Case Studies – zanonimizowane case studies obejmujące scaled content abuse, doorway pages i AI content.

Patenty cytowane w artykule: US8775924B1 (content quality processing), US8554769B1 (gibberish content identification), US9002832B1 (low quality site classification), US20260023790A1 (signal exploitation detection), US8244722B1 (ranking documents).