Negli ultimi giorni i risultati di ricerca di Google sono stati colpiti da un attacco di spam che può solo essere descritto come completamente fuori controllo. Molti domini si classificano per centinaia di migliaia di parole chiave ciascuno, il che indica che la portata di questo attacco potrebbe facilmente raggiungere milioni di frasi di parole chiave.
Sorprendentemente, molti domini sono stati registrati solo nelle ultime 24-48 ore.
Questo recentemente è venuto alla mia attenzione da una serie di post di Bill Hartzer (profilo LinkedIn) in cui ha pubblicato il grafico dei collegamenti generato dallo strumento di backlink Majestic che esponeva le reti di collegamenti di diversi siti di spam.
Il grafico dei collegamenti che ha pubblicato mostrava decine di siti Web strettamente interconnessi tra loro, che è un modello abbastanza tipico per le reti di collegamenti contenenti spam.
Screenshot di una rete strettamente interconnessa
Immagine di Bill Hartzer tramite Majestic
Bill e io abbiamo parlato dei siti di spam su Facebook Messenger ed entrambi abbiamo convenuto che, sebbene gli spammer abbiano dedicato molto lavoro alla creazione di una rete di backlink, i link non erano effettivamente responsabili dell'alto posizionamento.
Bill ha detto:
"Questo, secondo me, è in parte colpa di Google, che sembra dare più importanza ai contenuti piuttosto che ai link."
Sono d'accordo al 100% sul fatto che Google stia ponendo più enfasi sui contenuti che sui link. Ma la mia opinione è che i collegamenti spam siano lì in modo che Googlebot possa scoprire le pagine spam e indicizzarle, anche se solo per uno o due giorni.
Una volta indicizzate, le pagine di spam probabilmente sfruttano quelle che considero due lacune negli algoritmi di Google, di cui parlerò in seguito.
Spam fuori controllo nelle SERP di Google
Diversi siti si classificano per frasi a coda lunga che sono piuttosto facili da classificare, così come per frasi con una componente di ricerca locale, che sono anche facili da classificare.
Le frasi longtail sono frasi di parole chiave utilizzate dalle persone ma estremamente raramente. La coda lunga è un concetto che esiste da quasi vent'anni e successivamente reso popolare da un libro del 2006 intitolato The Long Tail: Why the Future of Business is Selling Less of More.
Gli spammer sono in grado di classificarsi per queste frasi raramente ricercate perché c'è poca concorrenza per quelle frasi, il che rende facile il posizionamento.
Pertanto, se uno spammer crea milioni di pagine di frasi longtail, tali pagine possono posizionarsi per centinaia di migliaia di parole chiave ogni giorno in un breve periodo di tempo.
Aziende come Amazon utilizzano il principio della coda lunga per vendere centinaia di migliaia di singoli prodotti al giorno, il che è diverso dalla vendita di un prodotto centinaia di migliaia di volte al giorno.
Questo è ciò che sfruttano gli spammer, la facilità di posizionamento delle frasi longtail.
La seconda cosa che gli spammer stanno sfruttando è la scappatoia inerente alla ricerca locale.
L'algoritmo di ricerca locale non è lo stesso algoritmo per classificare le parole chiave non locali.
Gli esempi emersi sono variazioni di Craigslist e parole chiave correlate.
Esempi sono frasi come ricambi auto Craigslist, stanze in affitto Craigslist, Craigslist in vendita dal proprietario e migliaia di altre parole chiave, la maggior parte delle quali non utilizza la parola Craigslist.
La portata dello spam è enorme e va ben oltre le parole chiave contenenti la parola “Craigslist”.
Come appare la pagina di spam
Dare un'occhiata a come appare la pagina di spam è impossibile visitando le pagine con un browser.
Ho provato a vedere il codice sorgente dei siti classificati su Google ma tutti i siti spam reindirizzano automaticamente a un altro dominio.
Successivamente ho inserito l'URL dello spam nel controllo dei collegamenti del W3C per visitare il sito Web, ma neanche il bot del W3C è riuscito a vedere il sito.
Quindi ho modificato lo user agent del mio browser in modo che si identificasse come Googlebot, ma il sito di spam mi reindirizzava comunque.
Ciò indicava che il sito non stava controllando se l'agente utente era Googlebot.
Il sito di spam stava controllando gli indirizzi IP di Googlebot. Se l'indirizzo IP del visitatore corrispondeva a quello di Google, la pagina di spam mostrava il contenuto a Googlebot.
Tutti gli altri visitatori sono stati reindirizzati ad altri domini che mostravano contenuti imprecisi.
Per vedere l'HTML del sito web ho dovuto visitare con un indirizzo IP di Google. Quindi ho utilizzato il tester Rich Results di Google per visitare il sito di spam e registrare l'HTML della pagina.
Ho mostrato a Bill Hartzer come estrarre l'HTML utilizzando il tester Rich Results e lui è subito andato a twittare al riguardo, lol. Cavolo!
Il Rich Results Tester ha un'opzione per mostrare l'HTML di una pagina web. Quindi ho copiato l'HTML, incollato in un file di testo e quindi salvato come file HTML.
Screenshot dell'HTML fornito dallo strumento Rich Results
Successivamente ho modificato il file HTML per rimuovere eventuali JavaScript, quindi ho salvato nuovamente il file.
Ora sono riuscito a vedere come appare la pagina web a Google:
Screenshot della pagina Web di spam
Un dominio si classifica per oltre 300.000 parole chiave
Bill mi ha inviato un foglio di calcolo contenente un elenco di frasi chiave per le quali si è classificato solo uno dei siti di spam. Un sito di spam, solo uno di questi, si è classificato per oltre 300.000 frasi di parole chiave.
Screenshot che mostra le parole chiave per un dominio
C'erano molte frasi chiave di Craigslist ma c'erano anche altre frasi a coda lunga, molte delle quali contenevano un elemento di ricerca locale. Come ho già detto, è facile classificarsi per le frasi longtail, è facile classificarsi per le frasi di ricerca locali e combinare i due tipi di frasi ed è davvero facile classificarsi per queste frasi chiave.
Perché questa tecnica di spam funziona?
La ricerca locale utilizza un algoritmo diverso rispetto all'algoritmo non locale. Ad esempio, un sito locale, in generale, non ha bisogno di molti link per classificarsi per una query. Le pagine hanno solo bisogno del giusto tipo di parole chiave per attivare un algoritmo di ricerca locale e classificarlo per un'area geografica.
Quindi, se cerchi "ricambi auto Craigslist", verrà attivato l'algoritmo di ricerca locale e poiché è a coda lunga non ci vorrà molto per classificarlo.
Questo è un problema che persiste da molti anni. Diversi anni fa un sito web è stato in grado di classificarsi per "Rinoplastica Plano, Texas" con un sito che conteneva contenuti in latino latino antico e titoli in inglese. La rinoplastica è una ricerca locale a coda lunga e Plano, in Texas, è una città relativamente piccola. Posizionarsi per la frase chiave relativa alla rinoplastica è stato così semplice che il sito web in lingua latina è riuscito a classificarsi facilmente.
Google è a conoscenza di questo problema di spam almeno dal 19 dicembre, come riconosciuto in un tweet da Danny Sullivan.
Sì, l'ho già passato alla squadra di ricerca. Ecco una sbirciatina. E viene osservato. pic.twitter.com/vJH3EisnXD
- Google SearchLiaison (@searchliaison) 19 dicembre 2023
Sarà interessante vedere se Google finalmente, dopo tutto questo tempo, troverà un modo per combattere questo tipo di spam.
