Jak działa wyszukiwarka Google? Od zapytania do wyniku

Co właściwie robi wyszukiwarka Google?

Wyszukiwarka Google wydaje się prosta: wpisujesz zapytanie, naciskasz Enter i po ułamku sekundy widzisz wyniki. Pod spodem działa jednak złożony ekosystem algorytmów, serwerów i procesów, który musi zrozumieć treść całego internetu, zinterpretować, o co pytasz, a następnie w kilka milisekund wybrać najbardziej pasujące strony.

Aby zrozumieć, jak działa wyszukiwarka Google od zapytania do wyniku, trzeba rozłożyć ten proces na kilka etapów:

• odkrywanie i zbieranie treści w sieci (crawlery, roboty Google),
• indeksowanie, czyli budowanie gigantycznej bazy wiedzy,
• interpretacja zapytania użytkownika,
• dobór i ranking wyników (algorytmy wyszukiwania),
• prezentacja wyników na stronie z wynikami (SERP),
• ciągłe uczenie się na podstawie zachowań użytkowników.

Żaden z tych etapów nie jest „oderwany” od pozostałych. Google jednocześnie przeszukuje internet, aktualizuje indeks, testuje nowe algorytmy i modyfikuje to, jak wygląda strona wyników. Dzięki temu, gdy użytkownik wpisze proste hasło, na przykład „pizza”, wyszukiwarka sama zdecyduje, czy pokazać mu definicję potrawy, listę przepisów, czy może pizzerie w najbliższej okolicy.

Jak Google odkrywa strony: crawlery i skanowanie sieci

Roboty Google: kim jest Googlebot?

Podstawowym narzędziem, które pozwala wyszukiwarce Google „widzieć” internet, jest Googlebot – automat, który działa jak wirtualny użytkownik przeglądarki. Robot odwiedza strony, pobiera ich zawartość i zapisuje ją do dalszego przetworzenia. Robi to na masową skalę, 24 godziny na dobę.

Google nie ma jednego robota, a całą rodzinę crawlerów, które mogą się różnić funkcją i sposobem działania. Przykładowo:

• roboty do stron mobilnych i desktopowych,
• roboty do indeksowania grafik, filmów, plików PDF,
• roboty specjalistyczne (np. do testowania nowych funkcji renderowania).

Kluczowe z punktu widzenia działania wyszukiwarki jest to, że robot Google nie „klika” w nic losowo. Podąża po linkach i wskazówkach, które znajdzie w kodzie strony, mapach witryny i innych serwisach, tworząc coś w rodzaju wirtualnej mapy sieci.

Skąd robot wie, które strony odwiedzić?

Skuteczne działanie wyszukiwarki Google zależy od tego, czy robot w ogóle odkryje daną stronę. Służy do tego kilka źródeł:

• linki z innych stron (połączenia między witrynami),
• mapy XML witryny zgłoszone w Google Search Console,
• adresy podane ręcznie przez właścicieli stron,
• dane z wcześniejszych skanów (aktualizacje znanych już URL-i).

W praktyce większość nowych stron robot poznaje dzięki linkom. Jeśli nowa podstrona jest podlinkowana z już znanej strony, prędzej czy później Googlebot ją znajdzie. Dla wyszukiwarki link jest nie tylko drogą do nowej treści, ale też sygnałem, że ktoś uznał tę treść za na tyle ważną, by do niej prowadzić użytkowników.

Przykład praktyczny: jeśli prowadzisz bloga i dodasz nowy artykuł, ale nigdzie w serwisie nie pojawi się link do tego tekstu, robot może mieć trudność z jego odkryciem. Z perspektywy wyszukiwarki taka „sieroca” podstrona prawie nie istnieje.

Skanowanie strony krok po kroku

Gdy robot wejdzie na stronę, wykonuje serię operacji, które w uproszczeniu przedstawiają się następująco:

1. Sprawdza plik robots.txt serwisu, aby dowiedzieć się, co wolno indeksować, a czego nie.
2. Pobiera kod HTML strony (czasem także zasoby dodatkowe: CSS, JS, obrazy).
3. W razie potrzeby renderuje stronę, uruchamiając JavaScript, by zobaczyć treść generowaną dynamicznie.
4. Wyszukuje linki do innych stron i odkłada je do kolejki skanowania.
5. Przekazuje zebrane dane do procesu indeksowania.

Ten proces jest kontrolowany przez algorytmy, które decydują, jak często robot wraca na daną stronę i jak głęboko ją przeszukuje. Aktywność robota jest też ograniczana przez tzw. crawl budget – budżet skanowania przypisany do danej witryny.

Crawl budget: dlaczego Google nie skanuje wszystkiego?

Internet jest ogromny, a zasoby obliczeniowe – mimo że potężne – są ograniczone. Z tego powodu Google wprowadza pojęcie crawl budget, czyli umownego limitu zasobów poświęcanych na skanowanie konkretnej strony.

Na budżet skanowania wpływają m.in.:

• wielkość i popularność witryny,
• częstotliwość pojawiania się nowych treści,
• wydajność serwera (czy wytrzyma częste odwiedziny robota),
• liczba błędów (np. częste 404, przekierowania w pętli).

Duży serwis informacyjny, w którym codziennie pojawiają się setki artykułów, otrzyma znacznie większy crawl budget niż mały statyczny serwis firmowy aktualizowany raz w roku. Z punktu widzenia działania wyszukiwarki taki przydział jest logiczny: Google musi w pierwszej kolejności śledzić zmiany tam, gdzie treści najszybciej się dezaktualizują.

Indeksowanie: jak Google buduje swoją bazę wiedzy

Co to jest indeks Google?

Wyszukiwarka Google nie przeszukuje internetu „na żywo” w momencie wpisania zapytania. Szukanie w całej sieci za każdym razem byłoby zbyt wolne i kosztowne. Zamiast tego Google wykorzystuje własną, gigantyczną bazę danych – indeks wyszukiwarki.

Indeks można traktować jak ogromną, stale aktualizowaną encyklopedię, w której każdy wpis odpowiada jednej stronie lub jej fragmentowi. Dla każdej strony Google przechowuje zestaw informacji, np.:

• adres URL i tytuł strony,
• treść tekstową i jej strukturę (nagłówki, akapity, listy),
• informacje o obrazkach, filmach i innych elementach,
• dane techniczne (język, wersja mobilna, typ pliku),
• sygnały jakościowe i linki prowadzące do strony.

Gdy użytkownik wpisuje zapytanie, wyszukiwarka Google korzysta właśnie z tego indeksu, a nie z „żywego” internetu. To dzięki temu odpowiedź pojawia się w ułamku sekundy.

Jak wygląda proces indeksowania strony?

Indeksowanie to etap, w którym dane zebrane przez robota są analizowane i zapisywane w uporządkowanej formie. W dużym uproszczeniu można wyróżnić kilka kroków:

1. Parsowanie kodu – odczytanie struktury HTML i wyodrębnienie z niej treści oraz metadanych.
2. Interpretacja treści – rozpoznanie języka, tematyki, kontekstu oraz podstawowych bytów (osoby, miejsca, marki, daty).
3. Ekstrakcja sygnałów SEO – odczyt tytułu, nagłówków, opisów meta, struktury linków wewnętrznych, znaczników schema.org itp.
4. Ocena jakości technicznej – sprawdzenie wersji mobilnej, bezpieczeństwa (HTTPS), szybkości ładowania i innych aspektów.
5. Dodanie strony do indeksu lub aktualizacja istniejącego wpisu.

Nie każda strona, którą odwiedzi robot Google, trafi do indeksu. Jeśli treść jest niskiej jakości, duplikatem innej strony, łamie wytyczne lub została wykluczona przez właściciela (np. znacznikiem noindex), wyszukiwarka może ją pominąć.

Duplikaty, kanonizacja i wybór wersji strony

W praktyce wiele witryn udostępnia tę samą treść pod różnymi adresami URL – czasem świadomie, czasem przez przypadek (np. różne parametry w URL, wersje z „www” i bez, wersje HTTP i HTTPS). Dla działania wyszukiwarki Google problem duplikacji jest kluczowy, bo utrudnia zrozumienie, który adres należy pokazać użytkownikom.

W takiej sytuacji Google stosuje proces zwany kanonizacją. Polega on na wyborze jednej wersji strony jako kanonicznej, czyli głównej, reprezentatywnej. Wybór wersji kanonicznej zależy m.in. od:

• znacznika rel="canonical" wskazanego przez właściciela strony,
• spójności linków prowadzących do danej wersji,
• protokółów (HTTPS preferowany względem HTTP),
• obecności w mapach witryny i wewnętrznego linkowania.

Użytkownik zwykle widzi tylko wybraną przez Google wersję kanoniczną, choć w indeksie mogą istnieć informacje o kilku zduplikowanych adresach. Taki mechanizm poprawia jakość wyników wyszukiwania i przyspiesza działanie indeksu.

Jak Google „rozumie” treść – nie tylko słowa kluczowe

W początkach wyszukiwarek indeksowanie polegało głównie na zliczaniu słów kluczowych. Dziś wyszukiwarka Google korzysta z zaawansowanych technik przetwarzania języka naturalnego (NLP), aby zrozumieć znaczenie tekstu, a nie tylko jego powierzchowną formę.

Indeks przechowuje nie tylko surowy tekst, ale też informacje o:

• powiązaniach między pojęciami (np. że „Warszawa” to miasto, stolica Polski),
• synonimach i bliskoznacznych wyrażeniach,
• bytach nazwanych (osoby, firmy, produkty, wydarzenia),
• relacjach przyczynowo-skutkowych i hierarchiach (co jest częścią czego).

Dzięki temu wyszukiwarka Google może powiązać zapytania semantycznie podobne, nawet jeśli używają innych słów. Przykład: zapytanie „jak naprawić cieknący kran” może wywołać wyniki zawierające frazy „uszczelka baterii”, „naprawa baterii kuchennej” czy „wymiana głowicy kranu”, chociaż nie powtarzają one dokładnie wpisanego zdania.

Interpretacja zapytania: co użytkownik ma na myśli?

Składnia zapytania a jego znaczenie

Moment wpisania zapytania w wyszukiwarkę Google uruchamia zupełnie inny zestaw procesów niż skanowanie sieci. Zadaniem algorytmów jest nie tylko przeczytanie ciągu znaków, ale przede wszystkim zrozumienie intencji użytkownika.

Google analizuje m.in.:

• użyte słowa i ich znaczenie w języku naturalnym,
• kolejność słów i konstrukcję zdania,
• znaki specjalne i operatory (np. cudzysłów, minus, site:),
• poprzednie zapytania (jeśli są dostępne i powiązane),
• kontekst językowy i lokalizacyjny.

Inaczej zostanie potraktowane samo słowo „java”, a inaczej „java programowanie dla początkujących” czy „kawa z wyspy Java”. Długość zapytania, użyte określenia i ich kombinacja zmieniają sugestię co do tego, czego użytkownik rzeczywiście szuka.

Typy intencji wyszukiwania

Wyszukiwarka Google stara się najpierw odpowiedzieć na pytanie: po co użytkownik wpisuje tę frazę?. W świecie SEO wyróżnia się zwykle trzy główne typy intencji:

• informacyjna – użytkownik chce się czegoś dowiedzieć („jak działa wyszukiwarka Google”, „co to jest DNS”),
• nawigacyjna – użytkownik chce dostać się do konkretnej strony lub marki („facebook logowanie”, „poczta gmail”),
• transakcyjna / komercyjna – użytkownik chce coś kupić lub porównać oferty („laptop do 3000 zł”, „najlepsze konto osobiste ranking”).

Ta klasyfikacja nie jest sztywna, ale pomaga lepiej zrozumieć działanie wyszukiwarki Google. Algorytm stara się dopasować typ wyników do przewidywanej intencji. Jeśli wpiszesz „kurs programowania online”, zobaczysz głównie oferty szkół i platform, a przy frazie „algorytmy sortowania przykłady” – raczej artykuły edukacyjne i dokumentację.

BERT, MUM i inne modele językowe w tle

W ostatnich latach Google intensywnie wykorzystuje modele uczenia maszynowego do lepszego rozumienia zapytań. Dwa ważne przykłady to:

• BERT – model do analizy kontekstu słów w zdaniu, pozwalający zrozumieć zależności między wyrazami, nawet przy skomplikowanej składni,
• MUM (Multitask Unified Model) – bardziej zaawansowany model, który potrafi analizować informacje wielojęzyczne i wielomodalne (np. tekst + obraz), a także wyciągać wnioski na wyższym poziomie abstrakcji.

W praktyce oznacza to, że wyszukiwarka Google lepiej radzi sobie z naturalnymi, długimi pytaniami („jak porównać karty graficzne do gier, jeśli gram tylko w gry e-sportowe?”) i potrafi łączyć informacje z różnych źródeł, aby zaproponować sensowną odpowiedź.

Dla użytkownika efekt jest taki, że wyszukiwarka jest mniej „dosłowna”, a bardziej „rozumna” – mniej czepia się dokładnego brzmienia frazy, a bardziej jej znaczenia.

Personalizacja i kontekst użytkownika

Jak Google wykorzystuje dane o użytkowniku

Interpretacja zapytania nie odbywa się w próżni. Ten sam ciąg znaków może oznaczać coś innego w zależności od osoby, miejsca i chwili. Dlatego przy przetwarzaniu zapytania wyszukiwarka Google bierze pod uwagę dodatkowe konteksty, o ile użytkownik wyraził na to zgodę w ustawieniach prywatności.

Do najczęściej wykorzystywanych sygnałów należą m.in.:

• przybliżona lokalizacja – kraj, miasto, czasem dzielnica, jeśli da się to ustalić na podstawie IP, GPS lub sieci,
• język interfejsu i preferencje językowe,
• rodzaj urządzenia – telefon, tablet, komputer, głośnik z Asystentem Google,
• historia wyszukiwania i aktywność w usługach Google (gdy jest włączone „Aktywność w internecie i aplikacjach”),
• kontekst sesji – poprzednie zapytania wpisane kilka sekund lub minut wcześniej.

Efekt widać na prostych przykładach. Zapytanie „mecz dziś” w Warszawie i w Madrycie da inne wyniki, nawet jeśli reszta ustawień jest identyczna. Z kolei wpisanie hasła „python” po kilku wcześniejszych pytaniach o kursy online programowania zwiększa szansę, że wyszukiwarka pokaże dokumentację języka i kursy, a nie informacje o gatunku węża.

Personalizacja nie oznacza, że każda osoba widzi zupełnie inny internet. Google w pierwszej kolejności korzysta z ogólnych sygnałów jakości i trafności, a dopiero później dopasowuje wyniki do konkretnej osoby, głównie w obrębie kilku pierwszych stron i elementów specjalnych (np. map, wizytówek firm).

Granice personalizacji i prywatność

Istnieją ograniczenia tego, jak głęboko wyszukiwarka może ingerować w wyniki. Część wyników jest praktycznie taka sama dla wszystkich użytkowników w danym kraju i języku – zwłaszcza przy zapytaniach mocno eksperckich lub niszowych. Silniejszą personalizację widać przy frazach lokalnych („fryzjer”, „pizzeria”), markowych („moja paczka inpost”), a także w rekomendacjach w innych produktach Google (YouTube, Discover).

Użytkownik ma pewną kontrolę nad tym procesem. W ustawieniach konta Google można wyłączyć przechowywanie historii aktywności lub usuwać ją częściowo. Da się też korzystać z wyszukiwarki w trybie incognito przeglądarki – wtedy wyniki nadal będą uwzględniać lokalizację i język, ale nie będą bazowały na długoterminowej historii konta.

Ranking: jak Google układa wyniki w kolejności

Setki sygnałów zamiast jednego „algorytmu”

Po zrozumieniu zapytania i wybraniu z indeksu setek, tysięcy, a czasem milionów potencjalnie pasujących stron, wyszukiwarka musi je ułożyć w kolejności. Ten etap nazywany jest rankingiem wyników.

Nie istnieje jeden prosty wzór, który określa pozycję strony. Google wykorzystuje kombinację setek sygnałów, a ich waga zależy od typu zapytania. W ogólnym ujęciu algorytmy oceniają przede wszystkim:

• trafność treści względem zapytania oraz rozpoznanej intencji,
• jakość i wiarygodność źródła,
• użyteczność strony dla użytkownika (w tym aspekty UX i techniczne),
• świeżość informacji tam, gdzie liczy się aktualność,
• powiązania z innymi stronami poprzez linki.

Dla zapytania „jak przewinąć noworodka” wyszukiwarka mocniej skupi się na jakości poradnika i czytelności instrukcji. Przy frazie „kurs euro” duże znaczenie będzie miała aktualność danych. Dla „historia starożytnego Rzymu” świeżość nie jest tak ważna jak rzetelność źródła.

Zgodność tematyczna i analiza treści

Na poziomie pojedynczej strony Google sprawdza, czy faktycznie odpowiada ona na zadane pytanie. Nie chodzi tu wyłącznie o obecność słów kluczowych, ale o całościowy kontekst.

Przy ocenie zgodności tematycznej uwzględniane są m.in.:

• główne nagłówki i tytuł – czy jasno opisują temat,
• pełna treść strony – czy wyczerpuje ważne wątki związane z zapytaniem,
• powiązane pojęcia – czy pojawiają się naturalnie istotne terminy z danej dziedziny,
• elementy dodatkowe – listy, tabele, grafiki, które pomagają zrozumieć temat.

Jeśli ktoś wpisuje „procedura rozwodu krok po kroku”, tekst ograniczony do definicji małżeństwa będzie miał mniejsze szanse na wysoką pozycję niż artykuł omawiający konkretne etapy, wymagane dokumenty, koszty i terminy.

Autorytet i sygnały zewnętrzne

Od początku istnienia wyszukiwarki jednym z fundamentów rankingu były linki z innych stron. Link można traktować jak rodzaj rekomendacji: ktoś uznał treść za na tyle wartościową, że postanowił do niej odesłać swoich użytkowników.

Google nie patrzy jednak wyłącznie na liczbę linków. Ważne są też:

• jakość i tematyka strony linkującej,
• naturalność profilu linków (różne domeny, różne typy odnośników),
• kontekst linku – w jakim fragmencie tekstu się znajduje, jak jest opisany.

Dodatkowo wprowadzono koncepcję E‑E‑A‑T (Experience, Expertise, Authoritativeness, Trustworthiness) – doświadczenie, ekspertyza, autorytet i wiarygodność. Nie jest to pojedynczy „czynnik rankingowy”, lecz ramy, w których oceniane są treści, zwłaszcza z kategorii zdrowie, finanse czy prawo. Strona prowadzona przez uznaną instytucję medyczną z wyraźnie podpisanymi autorami ma tu przewagę nad anonimowym blogiem.

Jakość techniczna i doświadczenie użytkownika

Nawet najlepsza treść może zostać zepchnięta w dół, jeśli strona jest trudna w użyciu. Dlatego w rankingu uwzględniane są również sygnały związane z techniką i UX.

Na pierwszy plan wysuwają się:

• przystosowanie do urządzeń mobilnych – czy strona dobrze działa na smartfonach,
• szybkość ładowania i stabilność wizualna (np. czy elementy „nie skaczą” podczas wczytywania),
• bezpieczeństwo połączenia (HTTPS),
• nadmierne elementy przeszkadzające – natrętne pop‑upy, zasłaniające reklamy, automatyczne odtwarzanie dźwięku.

Google nie wymaga perfekcyjnych wyników w narzędziach typu PageSpeed, ale sygnały techniczne pomagają rozstrzygać sytuacje, gdy kilka stron ma podobną jakość treści. Wtedy lepszy wynik może uzyskać ta, która zwyczajnie sprawniej działa.

Świeżość i aktualizacja treści

Dla części zapytań kluczowe jest, aby informacja była aktualna. Dotyczy to m.in. wiadomości, danych finansowych, wydarzeń, technologii czy zmian w prawie. W takich sytuacjach Google:

• preferuje strony często aktualizowane,
• czyta sygnały wskazujące datę publikacji i ostatniej modyfikacji,
• mocniej eksponuje treści z kategorii „Top stories” lub podobnych modułów newsowych.

Przy tematach o bardziej stałym charakterze (np. historia, podstawy matematyki) data odgrywa mniejszą rolę, o ile starsza treść nie jest błędna lub nieaktualna. W takich przypadkach decydująco działa jakość opracowania tematu.

Prezentacja wyników: co widać na stronie wyszukiwania

Klasyczne wyniki a elementy rozszerzone

Gdy ranking zostanie obliczony, wyszukiwarka musi zdecydować, jak zaprezentować wyniki. Strona wyników (SERP) to nie tylko lista linków niebieskich. W zależności od zapytania użytkownik może zobaczyć m.in.:

• organiczne wyniki tekstowe – klasyczne linki z tytułem, adresem i opisem,
• bloki reklamowe Google Ads,
• mapy i wizytówki firm (tzw. Local Pack),
• pola z odpowiedzią (featured snippets),
• panele wiedzy (Knowledge Panel) po prawej stronie lub nad wynikami,
• galerie grafik, karuzele wideo, wyniki z Zakupów Google.

Kombinacja tych elementów zależy od typu zapytania. Frazy lokalne częściej pokazują mapy, informacyjne – odpowiedzi bezpośrednie, a zapytania o produkty – moduły zakupowe. Algorytm stara się dobrać układ tak, by jak najszybciej zaspokoić potrzebę użytkownika.

Fragmenty rozszerzone i dane strukturalne

Część wyników wyróżnia się dodatkowymi elementami: gwiazdkami ocen, cenami, FAQ pod wynikiem, zdjęciami przepisów. To fragmenty rozszerzone (rich snippets), które powstają na podstawie danych strukturalnych (np. schema.org) zapisanych w kodzie strony.

Dla wyszukiwarki takie oznaczenia są ułatwieniem: pomagają jasno określić, że dany dokument opisuje produkt, wydarzenie, przepis, kurs czy recenzję. Dzięki temu Google może:

• lepiej zrozumieć typ treści,
• zaprezentować podsumowanie w atrakcyjniejszej formie,
• czasem zakwalifikować stronę do specjalnych modułów (np. karuzela przepisów).

Z punktu widzenia właściciela witryny poprawne wdrożenie danych strukturalnych nie gwarantuje konkretnej pozycji, ale zwiększa szansę na widoczniejszy, bogatszy wynik – a tym samym na wyższy współczynnik kliknięć (CTR).

Odpowiedzi bezpośrednie i pozycja „zero”

Przy wielu pytaniach wyszukiwarka Google stara się udzielić odpowiedzi bez konieczności przechodzenia na zewnętrzną stronę. Dotyczy to zwłaszcza:

• prostych faktów („ile to 3 mile w kilometrach”, „ile lat ma…?”),
• definicji pojęć,
• pogody, kursów walut, godzin otwarcia,
• wyników sportowych.

Źródłem mogą być zewnętrzne strony (featured snippet), ale też dane z tzw. Graphu Wiedzy lub z wyspecjalizowanych usług (np. Google Finance, Google Weather). Wynik tego typu bywa nazywany „pozycją zero”, bo pojawia się nad klasycznymi wynikami.

Z perspektywy użytkownika to wygoda – odpowiedź jest widoczna od razu. Dla właścicieli witryn oznacza to jednak zmianę modelu: w części przypadków sukcesem nie jest kliknięcie, lecz samo wyświetlenie i obecność jako cytowane źródło.

Wyniki lokalne i Google Business Profile

Przy zapytaniach z intencją lokalną kluczową rolę odgrywa ekosystem Map Google oraz wizytówek firm (Google Business Profile). Dla haseł typu „dentysta kraków” czy nawet samego „dentysta” na telefonie, użytkownik zobaczy zwykle:

• mapkę z zaznaczonymi punktami,
• listę kilku firm z ocenami, opiniami, godzinami otwarcia,
• przyciski „zadzwoń”, „trasa”, „strona internetowa”.

Te wyniki są rankowane według połączenia trzech głównych czynników: trafności (czy firma pasuje do szukanego typu usługi), odległości od lokalizacji użytkownika oraz renomy (opinie, znana marka, aktywność wizytówki). Dobra strona internetowa nadal ma znaczenie, ale często pierwszym punktem styku staje się właśnie wizytówka w Mapach.

Ciągła ewolucja: uczenie się z zachowań użytkowników

Testy, aktualizacje i sygnały behawioralne

Algorytmy wyszukiwarki nie są statyczne. Google nieustannie prowadzi eksperymenty: zmienia układ strony wyników dla niewielkiego procenta użytkowników, testuje nowe moduły i porównuje, jak wpływają one na zachowania.

W analizie efektów wykorzystywane są m.in.:

• częstotliwość kliknięć w poszczególne wyniki (CTR),
• czas spędzony na stronie i powroty do wyników (tzw. pogo‑sticking),
• interakcje z elementami SERP – mapkami, filtrami, karuzelami.

To nie pojedyncze zachowanie konkretnej osoby decyduje o rankingu, lecz zagregowane dane statystyczne z dużej liczby wyszukiwań. Jeśli użytkownicy masowo ignorują któryś wynik lub moduł, ma on mniejsze szanse na utrzymanie swojej pozycji w dłuższej perspektywie.

Aktualizacje głównego algorytmu

Co jakiś czas Google wprowadza większe zmiany w sposobie oceniania stron, tzw. core updates. Ich celem jest poprawa ogólnej jakości wyników, a nie ukaranie konkretnych witryn. W praktyce jednak wiele serwisów obserwuje wtedy skoki lub spadki widoczności.

Zmiany tego typu mogą: