Zmiana daty to nie aktualizacja – meaningful update vs date bump w Google i AI

Zmiana daty modyfikacji bez zmiany głównej treści to nie jest aktualizacja – ani dla Google, ani dla systemów AI. Google w grudniowym core update 2025 doprecyzował rozróżnianie między treścią rzeczywiście zaktualizowaną a fałszywymi sygnałami świeżości. Serwisy zmieniające daty publikacji bez merytorycznych zmian otrzymują redukcję sygnału wiarygodności i degradację pozycji na zapytaniach zależnych od czasu. Patent US7346839B2 (Google, 2008) wprost opisuje mechanizm, w którym zmiany elementów mało istotnych – boilerplate, reklam, JavaScriptu, znaczników daty – mogą otrzymywać małą wagę albo zostać pominięte.

Blacksmith SEO w playbooku freshness z 2026 nazywa to wprost: „Gruniowy core update z grudnia 2025 karze powierzchowne zmiany dat”. Gander na bazie danych Seer Interactive dodaje, że 65% wizyt botów AI dotyczy treści z ostatniego roku – ale „aktualizacja” w tych danych obejmuje cały zakres zmian, od kosmetycznej zmiany daty do pełnego rewrite. Ten artykuł rozdziela te dwa scenariusze i mierzy różnicę.

Metodologia: artykuł opiera się na retrospektywnej analizie historycznych zmian na stronach klientów Semgence oraz na kontrolowanej próbie na własnych materiałach semgence.pl. Nie dokonywaliśmy sztucznych zmian daty na stronach klientów. Dane klientów zanonimizowane (branże: e-commerce, B2B, usługi). Eksperyment przeprowadził Paweł Gontarek (Zgred) z agencji Semgence.

Uwaga: To jest test przeprowadzony przez Semgence na naszej własnej domenie, z naszą metodologią i w naszym środowisku testowym. Czytelnik przeprowadzający podobny test może uzyskać inne wyniki ze względu na inną domenę, autorytet, język, branżę i konfigurację techniczną.

Co mówi patent US7346839B2 o rozróżnianiu zmian?

Patent „Information retrieval based on historical data” (Google, przyznany 2008, Anurag Acharya i Jeff Dean jako współautorzy) opisuje system oceniający dokumenty na podstawie danych historycznych. Sekcja dotycząca treści wymienia: datę powstania lub pierwszego wykrycia, historię zmian treści, częstotliwość aktualizacji, wielkość aktualizacji, historię linków oraz historię zapytań i zachowań użytkowników.

Kluczowy fragment: patent zaznacza, że zmiany elementów mało istotnych – boilerplate, reklam, kodu JavaScript czy znaczników daty – mogą otrzymywać małą wagę lub zostać pominięte w ocenie. System może też porównywać wielkość aktualizacji: duża zmiana treści głównej może mieć inną wagę niż drobna korekta jednego zdania.

To nie jest dowód, że Google tak robi w 2026 roku w identycznej formie. To jest dowód, że Google opisał i zastrzegł mechanizm rozróżniający istotną zmianę treści od kosmetycznej. WhitePress przeprowadził eksperyment testujący, czy samo ustawienie nowej daty w kodzie HTML wystarcza jako sygnał freshness. John Mueller z Google skomentował wątek na Reddicie: „zmiana daty publikacji na stronach nie poprawi rankingów, jeśli nie dokonano istotnych zmian w treści”.

To jest bezpośrednie potwierdzenie z Google, że sam sygnał daty nie wystarczy. Ale w praktyce branża SEO traktuje to selektywnie: na konferencjach i w artykułach temat „odśwież treść co kwartał” pojawia się regularnie, ale rzadko kto definiuje, co oznacza „odśwież”. Zmiana „2025” na „2026” w tytule to nie odświeżenie – to manipulacja datą. Dodanie nowych danych z badania, nowej tabeli cenowej lub nowej sekcji z odpowiedzią na pytanie – to odświeżenie.

Czym różni się meaningful update od date bump?

Wymiar	Meaningful update	Date bump
Nowy fakt	Co najmniej jeden weryfikowalny	Brak
Nowe źródło	Badanie, raport, dane pierwotne	Brak
Zmiana dateModified	Odzwierciedla rzeczywistą zmianę	Jedyna zmiana na stronie
Zmiana lastmod w sitemap	Odzwierciedla merytoryczną aktualizację	Automatyczna, bez treści
Nowa odpowiedź na pytanie	Nowy H2 lub rozbudowana sekcja	Brak
Korekta błędu	Poprawiona wartość, data, parametr	Brak
Oczekiwany efekt	Nowy marker w odpowiedzi AI	Żadnego lub krótkotrwały boost selekcji

Meaningful update musi zawierać co najmniej dwa z elementów: nowy fakt lub wynik pomiaru, nowe źródło pierwotne, aktualną cenę lub parametr, nową tabelę porównawczą, jasną odpowiedź pod nagłówkiem pytaniowym, nowy krok procedury, wyjaśnienie wyjątku lub ograniczenia, korektę wcześniejszego błędu, nowe zdjęcie lub diagram zgodny z tekstem, albo jawny opis metodologii.

Nie uznajemy za meaningful update: samej zmiany roku w tytule („Poradnik 2025” → „Poradnik 2026”), zmiany dateModified bez zmiany treści, kosmetycznego przepisania zdań, dodania synonimów, zmiany kolejności akapitów bez nowej informacji ani automatycznego rozbudowania tekstu przez AI bez nowych dowodów. Menko Services nazywa to „iluzją świeżości” – i radzi: „jeśli odpowiedź na pytanie czy treść się zmieniła brzmi nie, nie zmieniaj daty”.

Co zmienił grudniowy core update 2025 w traktowaniu świeżości?

Według analizy ALM Corp grudniowy core update 2025 doprecyzował cztery kategorie treści z perspektywy świeżości:

Kategoria	Opis	Efekt w rankingu
Rzeczywiście zaktualizowana	Nowe informacje i nowe insights	Pozytywny sygnał freshness
Fałszywa świeżość (fake freshness)	Zmiana daty bez merytorycznej zmiany	Redukcja wiarygodności + degradacja na zapytaniach czasowych
Właściwie statyczna	Treść historyczna, nie wymaga aktualizacji	Neutralna – stabilna pozycja
Zaniedbana	Nieaktualne informacje, które powinny być odświeżone	Stopniowa utrata pozycji

Trzecia kategoria (właściwie statyczna) jest często pomijana w dyskusjach o freshness. Artykuł o historii Internetu nie wymaga kwartalnej aktualizacji. Definicja protokołu HTTP nie zmienia się co miesiąc. Wymuszanie aktualizacji na treściach ponadczasowych to marnowanie zasobów – i ryzyko, że każda nowa data zostanie odczytana jako fałszywy sygnał. Blacksmith SEO w playbooku freshness podkreśla: „świeżość jest na poziomie zapytania, nie strony”. QDF (Query Deserves Freshness) dotyczy tylko zapytań, w których użytkownicy oczekują aktualnych informacji.

W praktyce oznacza to, że strategia odświeżania musi być zróżnicowana według typu zapytania. Cennik usług SEO wymaga kwartalnej aktualizacji z nowymi danymi rynkowymi – bo użytkownicy szukają aktualnych cen. Poradnik o podstawach meta tagów nie wymaga kwartalnej zmiany daty – bo treść jest ponadczasowa. Wymuszanie odświeżania na treściach ponadczasowych generuje fałszywe sygnały, które system może zacząć ignorować – a gorzej, może zacząć ignorować również prawdziwe sygnały z tej samej domeny.

W Semgence dzielimy treści klientów na trzy kategorie: zależne od czasu (ceny, daty, regulacje, rankingi roczne) – aktualizacja kwartalna z nowymi danymi; częściowo zależne od czasu (procesy, narzędzia, best practices) – aktualizacja półroczna przy zmianie stanu faktycznego; ponadczasowe (definicje, historia, zasady) – aktualizacja tylko przy korygowaniu błędu. Każda kategoria ma inny cykl i inne kryteria meaningful update.

Czy sztuczna data naprawdę przesuwa ranking? Dane z badań

Badanie z Waseda University (SIGIR 2025) przetestowało 7 modeli LLM dodając sztuczne daty publikacji do fragmentów tekstu. „Świeże” fragmenty były promowane o nawet 95 pozycji w rankingu wewnętrznym modelu, a preferencje parowe odwracały się o 25% po wstrzyknięciu daty. To potwierdza, że modele AI mają silny bias na datę postrzeganą.

Ale bias na datę to nie to samo co bias na treść. Fragment z nową datą i starą treścią może wygrać selekcję (etap 1: citation selection), choć nie wnosi nowej informacji. W artykule o citation vs fresh-content-use rate opisaliśmy tę różnicę: system może zacytować URL (dzięki nowej dacie), ale odpowiedź wciąż opierać się na starej treści z poprzedniego snapshotu.

Ten mechanizm tłumaczy, dlaczego date bump może dawać krótkotrwałe efekty (co widzieliśmy w case study B2B). Nowa data przesuwa URL w górę w rankingu selekcji kandydatów. System AI cytuje URL częściej. Ale odpowiedź nadal opiera się na starej treści, bo nie ma nowej informacji do wchłonięcia. Po kilku tygodniach system „uczy się”, że ten URL nie dostarcza nowej wartości mimo świeżej daty – i cofa go niżej, niż był przed date bumpem. To hipotetyczny mechanizm, nie potwierdzony fakt – ale nasz case study B2B jest z nim spójny.

Dane ConvertMate cytowane przez AuthorityTech pokazują, że treści zaktualizowane w ciągu 30 dni otrzymują 3,2 razy więcej cytowań AI. Kevin Indig w raporcie State of AI Search Optimization 2026 dodaje, że strony nieaktualizowane kwartalnie są 3 razy bardziej narażone na utratę cytowań. Ale „aktualizacja” w tych danych nie rozróżnia meaningful update od date bump. Pytanie, które testujemy: czy 3,2x dotyczy meaningful update, date bump, czy obu?

Case study: co się stało po zmianie daty bez treści? (przypadek negatywny)

Na jednym z projektów B2B (branża SaaS, serwis z 180 artykułami) zidentyfikowaliśmy retrospektywnie przypadek date bump. W marcu 2026 CMS automatycznie zaktualizował dateModified na 45 artykułach po migracji kategorii taksonomii. Żadna treść główna nie została zmieniona – jedyna różnica to nowa data i zmieniony slug kategorii w breadcrumbie.

Metryka	Przed (luty)	Po date bump (marzec)	Zmiana	Po 90 dniach (czerwiec)
Kliknięcia GSC (łącznie)	4 200	4 350	+3,6%	3 980
Średnia pozycja (top 50 fraz)	12,4	11,8	+0,6 poz	13,1
Citation rate AI Monitor	2/20 (10%)	3/20 (15%)	+5pp	1/20 (5%)
Fresh-content-use rate	0%	0%	brak	0%

Krótkotrwały boost: w ciągu pierwszego miesiąca kliknięcia GSC wzrosły o 3,6%, pozycje poprawiły się o 0,6 poz, citation rate w AI Monitor wzrósł z 10% do 15%. Wyglądało to jak sukces – i gdyby pomiar zakończył się po 30 dniach, byłby to „case study o tym, że odświeżanie działa”.

Ale po 90 dniach wyniki spadły poniżej baseline: kliknięcia -5,2%, pozycje -0,7 poz, citation rate z 15% do 5% (niżej niż przed date bump). Fresh-content-use rate pozostał na 0% przez cały okres, bo żadna treść się nie zmieniła – nie było markera do wykrycia. System AI tymczasowo awansował URL-e (dzięki nowej dacie), ale nie znalazł nowej informacji i po kilku tygodniach wrócił do starszych, ale bardziej merytorycznych źródeł konkurencji.

Ten przypadek jest negatywnym wynikiem w pełnym tego słowa znaczeniu: interwencja (date bump) nie tylko nie pomogła, ale pogorszyła pozycję wyjściową po 90 dniach. O wartości negatywnych wyników pisaliśmy w artykule o testowaniu rekomendacji SEO – ten case study potwierdza, że negatywny wynik chroni przed powtarzaniem błędu.

Dla porównania: na innym projekcie B2B (branża fintech, 120 artykułów) przeprowadziliśmy meaningful update na 8 artykułach – dodając nowe dane rynkowe, aktualne regulacje KNF i nowe tabele porównawcze. Po 90 dniach: kliknięcia GSC na tych 8 artykułach wzrosły o 22%, średnia pozycja poprawiła się o 2,1 poz, a citation rate w AI Monitor wzrósł z 5% do 15% i utrzymał się na tym poziomie. Fresh-content-use rate wzrósł z 0% do 10% (2 z 20 odpowiedzi zawierały nowe dane regulacyjne). Różnica między date bump a meaningful update nie jest subtelna – to różnica między spadkiem a wzrostem.

Różnica między tymi dwoma przypadkami (SaaS date bump vs fintech meaningful update) nie wynika z branży, wielkości serwisu ani profilu linkowego. Wynika z jednego czynnika: czy aktualizacja wniosła nową informację. 45 artykułów SaaS z nową datą i starą treścią = spadek po 90 dniach. 8 artykułów fintech z nowymi danymi regulacyjnymi = stabilny wzrost po 90 dniach. Oba serwisy miały porównywalny autorytet domeny (DR 35-40 w Ahrefs).

Jak automatyczny lastmod w CMS psuje sygnał świeżości?

John Mueller z Google na Reddicie skomentował praktykę aktualizowania lastmod na dzisiejszą datę bez zmiany treści: nazwał ją „lazy” i ostrzegł, że może spowodować, iż wyszukiwarki zaczną ignorować ten sygnał całkowicie. SEO TL;DR cytując Muellera podsumowuje: „lastmod jest użyteczny, ale tylko gdy odzwierciedla prawdziwe zmiany”.

Większość CMS-ów automatycznie aktualizuje lastmod przy każdym zapisie. WordPress: zmiana kategorii, tagu, miniaturki, ręczny klik „Zaktualizuj” bez zmiany treści. Shopify: każda edycja metafieldów. Shoper: zmiana ceny wariantu. Na dużym serwisie e-commerce (10 000+ URL-i) to generuje falę fałszywych sygnałów świeżości codziennie.

Wyniki audytu lastmod opisaliśmy szczegółowo w szóstym artykule serii. W skrócie: na próbie URL-i z WordPress, Shopify i Shoper średnio mniej niż 30% zmian lastmod odpowiadało rzeczywistej zmianie treści głównej — reszta to aktualizacje kategorii, tagów, miniaturek i innych elementów niezwiązanych z contentem.

Semgence rekomenduje kontrolowane ustawianie lastmod: tylko wtedy, gdy zmieniła się treść główna strony. W WordPress: filtr w functions.php lub konfiguracja Rank Math Pro. W Shopify: webhook + API do warunkowego ustawiania daty. Operacyjnie opisaliśmy to w artykule o IndexNow dla e-commerce – readiness gate sprawdza, czy zmiana jest merytoryczna, zanim zgłosi URL.

Dodatkowa rekomendacja: osobne sitemapy dla różnych typów stron. Sitemap produktowy z cenami – aktualizacja codzienna (ceny zmieniają się często i to jest prawdziwy sygnał). Sitemap contentowy z artykułami – aktualizacja na żądanie, tylko po meaningful update. Sitemap kategorii – aktualizacja tygodniowa (nowe produkty, zmiany filtrów). Rozdzielenie sitemap daje robotowi jasny sygnał: „to się naprawdę zmieniło” vs „to jest stabilne”.

W projekcie drogerii online wdrożyliśmy tę strategię: sitemap produktowy (3 800 URL-i) aktualizowany codziennie, sitemap kategorii (120 URL-i) aktualizowany tygodniowo, sitemap blogowy (45 URL-i) aktualizowany ręcznie. Po 3 miesiącach: crawl rate na stronach produktowych wzrósł, bo robot nie musiał już „przebijać się” przez 4 000 URL-i z fałszywym lastmod na blogu. Rozdzielenie sitemap to prosta zmiana techniczna, która poprawia jakość sygnału freshness na całej domenie.

Jak mierzyć istotność aktualizacji? Information gain jako kryterium

Patent US11354342B2 (Contextual estimation of link information gain) opisuje mechanizm oceny nowej, nieredundantnej informacji wnoszonej przez dokument. W kontekście aktualizacji treści: zmiana dodająca nowy fakt lub własne dane ma wyższy information gain niż kosmetyczne przepisanie tekstu opartego na tych samych źródłach.

W praktyce mierzymy information gain aktualizacji na trzech poziomach.

Poziom	Pytanie	Przykład meaningful	Przykład date bump
Nowa wartość	Czy dodano nową cenę, datę, wynik?	„429 zł od września 2026”	„2025” → „2026” w tytule
Nowe źródło	Czy dodano badanie, patent, raport?	Cytowanie raportu ALM Corp z 2025	Brak nowego źródła
Nowa odpowiedź	Czy dodano sekcję na pytanie wcześniej nieobsługiwane?	H2 „Ile kosztuje audyt SEO w 2026?” z tabelą cen	Brak nowej sekcji

O extractability – czy system AI potrafi wyciągnąć nowy fakt z treści strony – pisaliśmy w artykule o extractability. Nowy fakt musi być nie tylko na stronie, ale również w sekcji, którą parser AI potrafi odczytać – jasny tekst HTML pod nagłówkiem pytaniowym, nie w tabeli renderowanej przez JavaScript.

Na danych z drogerii internetowej (branża beauty) widzieliśmy ten problem na żywo. Sklep dodał nową tabelę cenową z porównaniem trzech marek perfum, ale tabela była renderowana przez widget JavaScript (Kadence Advanced Table). Parser AI nie odczytał wartości z tabeli – widział pustkę w tym miejscu. Po przeniesieniu kluczowych cen do jawnego tekstu HTML pod nagłówkiem „Ile kosztują perfumy [marka] w 2026?” – Perplexity zaczął cytować te wartości w ciągu 5 dni.

Ten przykład pokazuje różnicę między „wartość jest na stronie” a „wartość jest dostępna dla AI”. Information gain aktualizacji był wysoki (nowa tabela cenowa), ale extractability był zerowy (JavaScript widget). Dopiero przeniesienie kluczowych danych do HTML odseparowanego od widgetu uruchomiło pełny pipeline: crawl → indeks → cytowanie → użycie nowej wartości. Dlatego extractability jest warunkiem koniecznym meaningful update – bez niego nawet najlepsza nowa treść nie dotrze do odpowiedzi AI.

Wyniki eksperymentu: meaningful update vs date bump

Wyniki 14-dniowego eksperymentu na semgence.pl (24 URL-e, 72 prompty, 7 094 runów na 7 platformach AI):

Metryka	A (meaningful update)	B (date bump)	C (kontrola)
Prompty w Top 20 (wg avg_score)	7	7	6
Prompty w Bottom 20	8	6	6
Najwyższy wynik	33,66/90	38,14/90	36,07/90
Fresh-content-use rate	~0%	n/a	n/a

Hipoteza H1 odrzucona. Meaningful update NIE dał przewagi nad date bumpem w oknie 14 dni. Najwyższy wynik w całym teście (38,14/90) osiągnął prompt z grupy B (date bump). Różnica między grupami jest statystycznie nieistotna. Co więcej, fresh-content-use rate w grupie A wyniósł ~0% — nawet gdy platformy cytowały URL z meaningful update, NIE używały nowo dodanej treści. Systemy AI w 14-dniowym oknie nie rozróżniają meaningful update od date bump — cytują na podstawie dopasowania tematycznego i autorytetu, nie świeżości aktualizacji.

Monitoring był ciągły (codzienny) przez 14 dni, nie punktowy. Dane dzienne ujawniły ważną prawidłowość: cytacje są cykliczne, nie stałe. Dzienne wahania citation rate wynosiły od 30% do 58% na tych samych promptach. Trend spadkowy był widoczny u Gemini (53→47%), AI Overview (52→37%) i Perplexity (50→37%). Copilot pozostał stabilny (~37-43%). Badanie SparkToro (2 961 runów, 600 uczestników, listopad-grudzień 2025) potwierdza ten wniosek: prawdopodobieństwo uzyskania identycznej listy rekomendacji w dwóch zapytaniach do ChatGPT lub Google AI wynosi poniżej 1%. Spójność kolejności rekomendacji spada do ~0,1%. Cytacje w systemach AI nie są stałe — zmieniają się z każdym zapytaniem.

Ograniczenia: czego ten test nie dowodzi?

Nie testujemy wewnętrznych mechanizmów rankingu Google ani systemów AI. Case study z date bump (branża SaaS, 45 artykułów) jest retrospektywną analizą, nie kontrolowanym eksperymentem – spadek po 90 dniach mógł wynikać z core update, zmiany konkurencji lub sezonowości, nie tylko z date bump. Dlatego traktujemy go jako obserwację („widzieliśmy”), nie jako dowód („date bump powoduje”).

Nie dokonujemy sztucznych zmian daty na stronach klientów. Grupa B (date bump) w pełnym eksperymencie opiera się na retrospekcji i kontrolowanej próbie na semgence.pl. Artykuł jest trzecim z serii dziesięciu publikacji Semgence o odświeżaniu treści. W drugim artykule opisujemy, dlaczego citation rate nie wystarcza do mierzenia świeżości.

Patenty w kontekście: US7346839B2 (ocena dokumentów z wykorzystaniem danych historycznych, w tym historii zmian treści i rozróżniania elementów istotnych od boilerplate), US11354342B2 (kontekstowa ocena information gain – ilość nowej, nieredundantnej informacji). Patenty opisują mechanizmy zastrzegłe przez Google. Nie potwierdzają, że identyczne mechanizmy działają w ChatGPT, Claude czy Perplexity.

Checklista: jak odrożnić meaningful update od date bump

Przed aktualizacją: Sprawdź, czy masz nowy fakt, nowe źródło lub nową odpowiedź na pytanie. Jeśli nie masz żadnego z tych elementów, nie aktualizuj daty. Ustalić 1-3 markery świeżej treści (wartości, których będziesz szukać w odpowiedziach AI). Zapisać HTML strony przed zmianą (baseline do porównania).

Podczas aktualizacji: Dodać minimum dwa elementy meaningful update z listy wyżej. Umieścić nowy fakt w jawnym tekście HTML pod nagłówkiem pytaniowym (nie tylko w tabeli JS). Zaktualizować dateModified w schema Article/Product. Zaktualizować lastmod w sitemap (kontrolowanie, nie automatycznie).

Po aktualizacji: Sprawdzić odpowiedzi AI w checkpointach +24h, +72h, +7d. Zmierzyć citation rate i fresh-content-use rate osobno. Porównać z baseline (odpowiedzi sprzed aktualizacji). Nie deklarować sukcesu po jednym checkpoincie – mierzyć stabilność.

Dla zespołów contentowych: Prowadzić rejestr aktualizacji z kolumnami: URL, data zmiany, typ (meaningful/date bump/kosmetyczna), dodane elementy (nowy fakt/źródło/tabela), markery świeżej treści, wynik citation per checkpoint. Rejestr pozwala retrospektywnie ocenić, które typy aktualizacji dają efekt, a które nie – i uniknąć powtarzania date bumpów, które w naszych danych pogarszały pozycję po 90 dniach.

Ostatnia aktualizacja artykułu: wrzesień 2026. Artykuł jest trzecim z serii dziesięciu publikacji Semgence o odświeżaniu treści.