Rok 2007 to mój początek przygody z pozycjonowaniem stron. Wystarczyło nasycić stronę frazami kluczowymi czy zdobyć trochę linków, by pojawić się na samej górze wyników wyszukiwania. Wyszukiwarka dopiero raczkowała, tak jak i pozycjonowanie. Królowały wtedy różne narzędzia do zdobywania linków czy systemy wymiany linków. Google nie oceniało wtedy jakości strony z której pochodził link, więc chodziło o zdobycie ich w jak największej liczbie.
Stworzyłem wtedy stronę o wiązaniu krawata. Pamiętam, że zdobyłem jakieś linki z forów i byłem zaskoczony jak szybko udało mi się pojawić wysoko w wynikach. Był to też czas rozwoju systemów wymiany linków, które dawały niesamowite efekty.
W tamtym okresie do oceny wartości stron internetowych służył PageRank, była to skala oceny strony w zakresie 0-10. Ocena odbywała się na podstawie ilości linków prowadzących do danej strony.
Algorytm Google Panda
Algorytm Google Panda został wprowadzony po raz pierwszy w lutym 2011 roku w Stanach Zjednoczonych. Miał za zadanie oceniać treści na stronach internetowych.
- Algorytm nagradzał unikalny, wyczerpujący i wartościowy content.
- Algorytm ograniczał widoczność zduplikowanych treści (wewnętrznie i zewnętrznie), krótkich i mało wartościowych. Karał także za zbyt duże nasycenie słowami kluczowymi.
Panda została włączona do głównych systemów rankingowych w 2015 roku.
Algorytm Google Pingwin
Algorytm Google Pingwin został wprowadzony w kwietniu 2012 roku.
- Algorytm karał za nienaturalny przyrost linków, za co nakładana była kara. W pierwszej kolejności algorytm miał za zadanie ograniczyć spam w sieci, związany z wykorzystywaniem zapleczy niskiej jakości i pozyskiwaniem linków przy pomocy Systemów Wymiany Linków. Kolejne aktualizacje miały za cel obniżyć pozycje stron do których prowadziły linki niskiej jakości.
- Celem algorytmu było promowanie witryn do których prowadziły linki z wartościowych, tematycznie powiązanych, różnorodnych domen. Istotna stała się jakość odnośników i dywersyfikacja źródeł.
Knowledge Graph
Google oficjalnie ogłosiło wprowadzenie Grafu Wiedzy (Knowledge Graph) 16 maja 2012 roku. Ta zaawansowana baza danych zmieniła wyszukiwarkę z narzędzia dopasowującego słowa kluczowe w system rozumiejący powiązania między encjami (osobami, miejscami i rzeczami). Umożliwiło to m.in. wyświetlanie paneli wiedzy.
Kiedyś „Jaguar” był ciągiem liter, teraz zrozumienie obiektów i relacji pozwoliło na rozróżnianie auta od zwierzęcia.
Algorytm Google Pirat
Algorytm Google Pirat został wprowadzony w sierpniu 2012 roku. Jest to mechanizm penalizujący strony udostępniające treści naruszające prawa autorskie poprzez obniżanie ich widoczności w wynikach wyszukiwania.
Algorytm Google Koliber (Hummingbird)
Wprowadzenie w 2013 roku algorytmu nazwanego od ptaka, jakim jest Koliber, to przełomowy moment. Jego celem było zrozumienie intencji użytkownika. Przykładowo, po wpisaniu w wyszukiwarkę „jaki jest dobry psychoterapeuta w Warszawie” pojawią nam się strony gabinetów, mimo iż wspomniana fraza nie musi pojawiać się na danej stronie.
Nową funkcją było wskazywanie poszukiwanych informacji bez konieczności wychodzenia z wyników wyszukiwania. Przykład:
Algorytm Google Gołąb
Algorytm Google Gołąb został wdrożony w 2014 roku. Wprowadził wyświetlanie wyników odpowiednich dla lokalizacji wyszukującego daną usługę użytkownika. Zyskały firmy oferujące usługi lokalne oraz posiadające dobrze zoptymalizowane strony i uzupełnione wizytówki Google.
Mobilegeddon
„Mobilegeddon” to potoczna nazwa aktualizacji algorytmu Google Mobile Friendly Update z 21 kwietnia 2015 roku. Powstał ze względu na rosnącą liczbę użytkowników przeglądających strony www na smartfonach. Celem było nagradzanie stron optymalizowanych pod kątem małych ekranów oraz zapewniających dobre wrażenia użytkownikom (UX).
Algorytm Google RankBrain
RankBrain to element algorytmu Google oparty na sztucznej inteligencji i uczeniu maszynowym. Został wdrożony do systemu Google w 2015 roku i od tamtego czasu jest systematycznie rozwijany. Odpowiada za lepsze rozumienie intencji użytkowników, zwłaszcza przy nietypowych lub całkiem nowych zapytaniach. Zamiast dopasowywać słowa kluczowe, łączy je z pojęciami. Takie rozwiązanie pomaga łączyć różne pojęcia i frazy ze sobą, aby w ten sposób wyświetlać wyniki dopasowane do intencji użytkownika.
Około 15% zapytań generowanych przez użytkowników to zapytania, które nigdy wcześniej nie pojawiły się w Google. Wyszukiwarka przed wdrożeniem algorytmu RankBrain wielokrotnie miała problem z tym, aby wyświetlić odpowiednie wyniki użytkownikom.
Algorytm Google Opos
Algorytm Google Opos (znany w świecie SEO jako Possum) to aktualizacja wprowadzona w 2016 roku, która udoskonaliła lokalne wyniki wyszukiwania Google. Jego głównym celem jest prezentowanie bardziej zróżnicowanych wyników i dokładniejsze dopasowanie firm do fizycznej lokalizacji użytkownika.
Google Medic Update
Google Medic Update to potoczna nazwa przełomowej aktualizacji głównego algorytmu wyszukiwarki z sierpnia 2018 roku. Skupiono się w niej na drastycznym podniesieniu jakości treści medycznych i zdrowotnych (stąd nazwa) oraz stron typu YMYL (Your Money or Your Life), czyli witryn o szczególnym znaczeniu, witryn wpływających na zdrowie, finanse i bezpieczeństwo użytkowników. Są to na tyle istotne dziedziny, dlatego też zyskały specjalne traktowanie.
Dla stron YMYL wprowadzono kryteria E-A-T:
- Expertise – Eksperckość, czyli czy treści są pisane przez profesjonalistów
- Authoritativeness – Autorytet, czyli czy strona i autor są uznawani w swojej dziedzinie za wiarygodne źródło
- Trustworthiness – Wiarygodność, czyli czy witryna jest bezpieczna, a publikowane informacje są dokładne, aktualne i bezstronne
W ten sposób kiedyś w wynikach pojawiały się porady medyczne od amatorów, a po aktualizacji pojawiają się wyniki od lekarzy i instytucji.
Google BERT
Algorytm Google BERT (Bidirectional Encoder Representations from Transformers) został zaprezentowany przez Google w październiku 2018 roku. Algorytm analizuje kontekst całego zdania i relacje między wszystkimi słowami naraz, a nie pojedynczo. Pozwala to wyszukiwarce lepiej rozumieć intencje złożonych zapytań i precyzyjniej dopasowywać wyniki.
Algorytm rozumie kontekst całych zdań i rolę przyimków (np. „z”, „do”). Rozumie kontekst słów w obu kierunkach. Przykładowo: „Bilet z Krakowa do Rzymu” kontra „Bilet z Rzymu do Krakowa” to te same słowa, ale o innym znaczeniu. Wcześniej Google miało z tym realny problem, lecz dzięki aktualizacji BERT algorytm zrozumiał kierunek podróży zawarty we frazie.
MUM
MUM oznacza Multitask Unified Model, czyli „wielozadaniowy ujednolicony model”. Google przedstawiło go 18 maja 2021 roku jako technologię sztucznej inteligencji mającą lepiej rozumieć złożone pytania, informacje i intencje użytkowników.
MUM to model multimodalny. Jego celem jest rozumienie tekstu, obrazów i wideo jednocześnie, odpowiadanie na złożone, wieloetapowe pytania.
MUM nie był typową aktualizacją algorytmu rankingowego, taką jak Core Update czy Pingwin, wdrożoną jednego dnia i powodującą powszechne zmiany pozycji. Był raczej bazowym modelem AI, którego możliwości Google miało stopniowo wykorzystywać w różnych elementach wyszukiwarki. Google wyraźnie podaje, że MUM nie służy obecnie do ogólnego ustalania rankingu — wykorzystano go w wybranych zastosowaniach.
E-E-A-T
15 grudnia 2022 roku Google poinformowało o aktualizacji wytycznych dla testerów jakości wyników wyszukiwania. Dotychczasowe E-A-T otrzymało dodatkowe „E” oznaczające Experience — doświadczenie. Google wyraźnie zaznaczyło, że oceny testerów i same wytyczne nie wpływają bezpośrednio na pozycje stron, jednakże algorytmy uczą się na podstawie ocen testerów, więc ma to pośrednie przełożenie na wyniki w wyszukiwarce.
Sygnał Experience, czyli doświadczenia powoduje, że algorytm premiuje treści zakorzenione w realnym doświadczeniu. Kiedyś liczyła się wiedza i reputacja, teraz liczy się też realne doświadczenie.
Helpful Content Update
Helpful Content Update (HCU) został uruchomiony po raz pierwszy 25 sierpnia 2022 roku. Jego celem było częstsze pokazywanie treści, które rzeczywiście pomagają użytkownikowi, oraz ograniczenie widoczności materiałów tworzonych przede wszystkim po to, aby zdobywać ruch z Google. Pierwsze wdrożenie zakończyło się 9 września 2022 roku.
Nie chodziło więc po prostu o długość artykułu, liczbę słów kluczowych, użycie AI, obecność autora czy poprawność techniczną strony.
System próbował szerzej ocenić, czy użytkownik po wejściu na stronę otrzymuje satysfakcjonującą i wystarczającą odpowiedź, czy też musi wrócić do Google i szukać dalej.
Kiedyś pisało się artykuły pod wyszukiwarkę, po wdrożeniu HCU celem jest pisanie, by rozwiązać problem.
Ten update wyszukiwarki Google zapamiętałem dość dobrze, gdyż bardzo mocno spadły w wynikach wyszukiwania moje strony z życiorysami znanych ludzi, o ponad 90%. Po wielu analizach doszedłem do wniosku, że zgodnie z tym algorytmem Google nie uznaje mojej strony jako pierwotnego źródła, a takie są premiowane. Moje artykuły opierały się na artykułach z innych stron i artykułach z książek. O ile te drugie może jeszcze były na korzyść, to powielanie artykułów z innych stron wpłynęło negatywnie na ocenę mojej strony przez algorytm. Choć treść była unikalna to merytorycznie powielała różne tematy.
Topic Authority
Topic Authority to system opisany przez Google w maju 2023 roku, który działał już od kilku lat. Jego celem jest premiowanie niszowych ekspertów w konkretnych dziedzinach. Kiedyś portale mogły pisać na różne tematy, teraz premiowana jest głęboka wiedza niszowa.
AI Overviews
AI Overviews wywodzą się z eksperymentalnego rozwiązania Search Generative Experience — SGE. W maju 2024 roku Google rozpoczęło powszechne wdrażanie AI Overviews w Stanach Zjednoczonych. Do Polski funkcja została oficjalnie wprowadzona w marcu 2025 roku, w języku polskim i angielskim. W maju 2025 roku była już dostępna w ponad 200 krajach i terytoriach oraz w ponad 40 językach.
Nie każdy użytkownik zobaczy jednak Przegląd od AI dla tego samego zapytania. Wyświetlenie może zależeć od rodzaju zapytania, języka, regionu, urządzenia, wersji interfejsu oraz bieżących testów Google.
AI Overviews są to odpowiedzi generowane przez AI bezpośrednio na stronie wyników wyszukiwania. Użytkownik dostaje gotową odpowiedź, skonstruowaną przez model językowy na podstawie treści z sieci. Gotowa odpowiedź bazuje na szeregu źródeł.
AI Mode
Google przedstawiło AI Mode 5 marca 2025 roku jako eksperyment w Search Labs. Początkowo funkcja była dostępna dla ograniczonej grupy użytkowników w Stanach Zjednoczonych. 20 maja 2025 roku Google rozpoczęło udostępnianie jej wszystkim użytkownikom w USA bez konieczności zapisywania się do Labs.
W Polsce AI Mode pojawił się w październiku 2025 roku jako osobna zakładka obok klasycznych wyników.
AI Mode to krok dalej niż AI Overviews. Komponuje szczegółową odpowiedź i pozwala zadawać kolejne pytania w temacie wcześniejszej rozmowy. To rozmowa, w której Google prowadzi użytkownika przez temat.
Kiedyś sukcesem w Google było pojawianie się w wynikach wyszukiwania, teraz sukcesem jest także bycie cytowanym w odpowiedziach.
Pomocne źródła:
Książka „Marka osobista w czasach AI i generatywnego wyszukiwania”, Ewelina Podrez-Siama
Delante.pl, W którą stronę zmierza wyszukiwarka? Historia aktualizacji algorytmów Google, https://delante.pl/historia-aktualizacji-algorytmow-google/