Klasyczny thin content dawało się znaleźć w pięć minut. Kategoria z dwoma zdaniami opisu, wpis na 300 słów, sto podstron różniących się nazwą miasta. Wystarczyło posortować adresy po liczbie znaków i było wiadomo, co ciąć.
Dziś ta metoda przestaje wystarczać. Bo problem, który widzę na blogach i w kategoriach sklepów, wygląda zupełnie inaczej: tekst ma 1800 słów, sensowną strukturę nagłówków, sekcję FAQ, akapit z definicją, nawet tabelkę. Jest poprawny. Jest wyczerpujący. I nie ma w nim ani jednego zdania, którego czytelnik nie znalazłby w pięciu innych miejscach.
To jest thin content 2.0 – cienki nie objętością, tylko substancją. I to właśnie ten typ treści dostaje najmocniej po kolejnych aktualizacjach algorytmu.
Czym różni się thin content 2.0 od starego
Stary thin content był problemem ilościowym. Nowy jest jakościowy, przez co znacznie trudniej go wykryć narzędziami.
| Thin content 1.0 | Thin content 2.0 | |
|---|---|---|
| Objaw | za mało treści | dużo treści, zero wkładu własnego |
| Jak wykryć | liczba słów, duplikacja | ocena człowieka, porównanie z konkurencją |
| Typowy sprawca | zaniedbanie, brak zasobów | szybka produkcja „pod pokrycie tematu” |
| Co czuje czytelnik | „tu nic nie ma” | „przeczytałem i nic z tego nie mam” |
Najczęstsze objawy, które wyłapuję przy audytach treści:
- Brak weryfikowalnego konkretu. W całym tekście nie pada ani jedna data, liczba, nazwa własna czy wynik, który dałoby się sprawdzić.
- Wiedza z drugiej ręki. Tekst streszcza to, co napisali inni, zamiast dokładać cokolwiek od siebie.
- Brak stanowiska. Wszystkie opcje są przedstawione jako równie dobre, bo autor nie wie, która działa.
- Filler. Akapity, które istnieją, żeby tekst „miał odpowiednią długość” – wstępy o tym, jak ważny jest temat, i podsumowania powtarzające nagłówki.
- Przewidywalny rytm. Ten sam szkielet w każdym artykule na blogu, niezależnie od tematu.
Ostatni punkt jest ciekawy, bo to sygnał, który da się zauważyć bez czytania: jeśli dziesięć kolejnych wpisów ma identyczną architekturę, to zwykle znaczy, że powstały z jednego szablonu, a nie z jednej myśli.
Co realnie zmieniło się w 2026 roku
Zanim wyciągnę wniosek, ustalmy fakty, bo w rozmowach o update’ach zdumiewająco często miesza się to, co Google potwierdził, z tym, co ktoś przeczuł.
Potwierdzone zmiany od początku roku (źródło: Google Search Status Dashboard):
- luty 2026 – Discover core update, pierwsza aktualizacja opisana jako dotycząca wyłącznie Discovera, startowo dla anglojęzycznych użytkowników w USA
- marzec 2026 – spam update (rekordowo krótki, ok. 20 godzin) oraz core update, który ruszył 27 marca i zakończył się 8 kwietnia
- 15 maja 2026 – Google rozszerza definicję spamu o próby manipulowania odpowiedziami generatywnej AI w wyszukiwarce
- maj 2026 – core update, 21 maja – 2 czerwca
- czerwiec 2026 – spam update, 24–26 czerwca; Google potwierdził, że nie celuje w link spam ani w site reputation abuse, i że nie dokłada nowych kategorii polityk
Dwie rzeczy w tym zestawieniu są dla contentu ważniejsze niż same daty.
Pierwsza: komunikat Google praktycznie zniknął. Przy obu core update’ach 2026 padło to samo zdanie o „zwykłej aktualizacji, która ma lepiej pokazywać trafne i satysfakcjonujące treści”. Żadnego wpisu na blogu, żadnych nowych wskazówek. Mniej tłumaczenia, więcej egzekwowania.
Druga: polityka scaled content abuse jest neutralna technologicznie. Google nie pyta, czy tekst napisał człowiek, czy model. Pyta, czy strony powstały masowo, bez wartości dla czytającego. To rozróżnienie działa w obie strony – dobrze zredagowany artykuł, przy którym AI pomogła w researchu i porządkowaniu, jest czymś innym niż tysiąc lekko przerobionych podstron pod każde wyobrażalne zapytanie.
Warto też spojrzeć na skalę zamieszania, jakie zrobił marcowy update. Badanie SE Ranking, którego wyniki opisał Search Engine Land, pokazało wyraźnie wyższą zmienność niż po grudniowej aktualizacji: w top 3 pozycję zmieniło 79,5% adresów (wobec 66,8% w grudniu), w top 10 – 90,7% (wobec 83,1%), a 24,1% stron z pierwszej dziesiątki wypadło poza top 100 (w grudniu 14,7%). W tym samym materiale Search Engine Land przywołuje analizę Aleydy Solis opartą na danych Sistrix, wskazującą na przesunięcie ruchu od agregatorów i pośredników w stronę marek i źródeł pierwotnych.
Traktuję to jako obserwację rynkową, nie jako dowód. Każde takie badanie zależy od doboru monitorowanych zapytań i rynku, a „strony wypadły z top 100″ nie mówi nam, dlaczego wypadły. Ale kierunek zgadza się z tym, co widać w wynikach: opłaca się być źródłem, a nie streszczeniem źródła.
Dlaczego poprawny tekst przestał wystarczać
Tu dochodzimy do mechanizmu, a nie do korelacji.
Jeśli model językowy jest w stanie wygenerować Twój artykuł, to znaczy, że wszystko, co w nim jest, znajdowało się już wcześniej w indeksie. Tekst nie wnosi nowej informacji do sieci – porządkuje istniejącą. Kiedyś to była realna wartość, bo porządkowanie było kosztowne. Dziś kosztuje kilkanaście sekund i każdy Twój konkurent też to ma.
Poprawność przestała być przewagą. Stała się progiem wejścia.
Co zostaje po drugiej stronie? Rzeczy, których model nie wyprodukuje, bo ich nie ma:
- doświadczenie – nie testował, nie wdrażał, nie rozmawiał z Twoim klientem, nie widział, co poszło źle na produkcji
- własne dane – pomiary, wyniki, statystyki reklamacji, obserwacje z pięćdziesięciu wdrożeń
- sąd – decyzja, którą opcję wybrać, podjęta z konsekwencjami
Nieprzypadkowo Google trzyma się przy core update’ach tej samej ramy E-E-A-T i powtarza, że najważniejszym z jej filarów jest zaufanie. A wytyczne dla oceniających jakość (Search Quality Rater Guidelines) idą krok dalej: filler jest tam opisany wprost jako element pogarszający doświadczenie użytkownika, a ocena E-E-A-T ma się opierać na tym, co treść pokazuje, nie na tym, co o sobie deklaruje. Przesadzone albo doklejone „na wszelki wypadek” zapewnienia o doświadczeniu autora są w tych wytycznych powodem do obniżenia oceny, nie do podniesienia.
To ostatnie zdanie jest według mnie najczęściej ignorowaną częścią całej dyskusji o E-E-A-T. Dopisanie pod tekstem „autor ma 10 lat doświadczenia” nie jest sygnałem doświadczenia. Sygnałem jest treść, której nie da się napisać bez tego doświadczenia.
Uczciwie o granicach tego wywodu: jeśli Twój ruch spadł po majowym update’cie, nie twierdzę, że stało się to „przez AI”. Core update to przeliczenie całego indeksu względem konkurencji. Twoje strony mogły się nie zmienić, natomiast mogła się zmienić ocena tego, co robią inni. Ale kierunek, w którym idą kolejne aktualizacje, jest na tyle powtarzalny, że nie widzę sensu w czekaniu na kolejny.
Jak sprawdzić, czy masz thin content 2.0
Nie ma na to metryki w Search Console. Są za to testy, które da się zrobić na własnym tekście w kilka minut.
Test przeglądarki. Czy ten materiał mógł powstać bez wychodzenia poza kilka otwartych kart? Jeśli tak, prawdopodobnie tak właśnie powstał i tak też zostanie odczytany.
Test konkretu. Zaznacz w tekście każde zdanie zawierające weryfikowalną datę, liczbę, nazwę, wynik albo cytat. Jeśli zaznaczeń jest mniej niż pięć na 1500 słów, masz materiał na przepisanie.
Test pierwszego akapitu. Czy pierwsze 60 słów mówi coś, czego czytelnik nie wiedział przed kliknięciem? Czy tylko zapowiada, że dowie się później?
Test „co nie zadziałało”. Dobre teksty oparte na doświadczeniu prawie zawsze zawierają opis czegoś, co się nie udało. Wygenerowane – nigdy.
Do tego dochodzą sygnały ilościowe, które warto zestawić z datami aktualizacji. Bez wróżenia: w Search Console porównaj dwa okna, przed i po rolloucie (dla majowego update’u sensowne będzie np. 7–20 maja kontra 3–16 czerwca) i szukaj nie tyle globalnego spadku, ile wzorca – czy tracą konkretne typy podstron. Osobno przyjrzyj się stronom z dużą liczbą wyświetleń i śladowymi kliknięciami oraz tym, które od miesięcy siedzą na pozycjach 11–20 i nie ruszają się w żadną stronę. To zwykle materiał, który Google widzi, ocenił i uznał za wymienny.
Co dołożyć, żeby tekst przestał być wymienny
Kolejność ma znaczenie: najpierw dowód, potem redakcja, na końcu optymalizacja.
1. Wstaw dowód, że to robiłeś. Własny zrzut ekranu zamiast grafiki ze stocka. Własny pomiar zamiast cudzej statystyki. Zdjęcie produktu z Twojego magazynu zamiast rendera producenta. Screen z panelu, na którym widać konkretną konfigurację.
2. Opisz przypadek, nie kategorię. Zamiast „migracja może wpłynąć na widoczność” – co się stało przy konkretnej migracji, w jakim terminie, ile trwało odbicie, czego nie przewidziałeś.
3. Zajmij stanowisko. Jeśli z trzech rozwiązań w praktyce wybierasz jedno, napisz które i dlaczego. Symetryczne „to zależy” jest uczciwe tylko wtedy, gdy wyjaśnisz, od czego.
4. Podpisz treść człowiekiem. Imię, nazwisko, biogram, link do profilu, który da się zweryfikować. „Zespół redakcyjny” pod tekstem doradczym to strata sygnału, którą naprawia się w kwadrans.
5. W e-commerce sięgnij po dane, które już masz. Opis kategorii napisany na podstawie tego, co realnie zgłasza obsługa klienta – który rozmiar schodzi, dlaczego wracają zwroty, jakie pytania padają przed zakupem – jest treścią pierwotną, której nie ma nikt inny. To jeden z najbardziej niedocenianych zasobów w sklepach: baza wiedzy BOK-u leży odłogiem, a redakcja pisze opisy ze strony producenta.
6. Rozdziel aktualizację od odświeżenia daty. Zmiana „2025″ na „2026″ w tytule nie jest aktualizacją. Dopisanie, co się od tamtej pory zmieniło i co nadal jest aktualne – jest.
7. A jeśli nie ma czego ratować – usuń albo scal. Metodyka pruningu z poprzedniego artykułu działa tu bez zmian. Dziesięć wymiennych tekstów przerobionych na dwa mocne to lepszy ruch niż dziesięć poprawionych kosmetycznie.
Gdzie AI nadal jest dobrym narzędziem
Żeby nie było nieporozumień: to nie jest tekst przeciwko generowaniu treści. Google nie ocenia narzędzia, tylko efekt, a przy dobrze ustawionym procesie AI zabiera z pisania dokładnie tę część, która nie wymaga doświadczenia.
Dobrze się sprawdza przy: zbieraniu i porządkowaniu materiału, budowie szkieletu, wyłapywaniu luk względem tekstów konkurencji, redakcji i skracaniu, wariantach tytułów i leadów, sprawdzaniu spójności terminologii, przygotowaniu danych ustrukturyzowanych.
Źle się sprawdza przy: wnioskach, przykładach, danych, rekomendacjach i wszystkim, co ma być dowodem doświadczenia.
Granica jest prosta: AI może zrobić szkielet i porządek, człowiek musi dołożyć dowód i sąd. Tekst, w którym model wykonał obie robocizny, jest właśnie tym thin contentem 2.0, o którym mówimy.
Checklista przed publikacją
Przejdź przez to przed każdym „opublikuj”:
- Jest w tekście minimum jeden fakt, którego nie ma w pierwszej dziesiątce wyników.
- Jest przynajmniej jeden własny materiał wizualny – zrzut, zdjęcie, wykres.
- Jest konkretna liczba, data albo nazwa, którą da się zweryfikować.
- Jest zdanie o tym, co nie zadziałało lub czego tekst nie obejmuje.
- Autor jest człowiekiem z imienia, nazwiska i biogramu.
- Pierwsze 60 słów daje wartość, a nie zapowiedź wartości.
- Test podmiany marki wypada negatywnie.
- Nie ma akapitu, który istnieje wyłącznie dla długości.
- Tekst prowadzi czytelnika do następnego kroku – linkiem, narzędziem, konkretnym działaniem.
- Data aktualizacji odpowiada realnej zmianie w treści.
Dziewięć na dziesięć to publikacja. Mniej niż siedem – wracaj do punktu pierwszego z tej listy, a nie do optymalizacji nagłówków.
Co z tym zrobić w najbliższym miesiącu
Kierunek kolejnych aktualizacji jest na tyle powtarzalny, że nie ma sensu planować pod konkretną datę. Sensowniej ustawić proces:
- tydzień 1 – inwentaryzacja: które podstrony mają wyświetlenia bez kliknięć, które stoją w martwym punkcie od trzech miesięcy
- tydzień 2 – testy z tego artykułu na 20 najważniejszych tekstach, decyzja: poprawić / scalić / usunąć
- tydzień 3–4 – przepisanie pięciu najważniejszych z realnym dowodem doświadczenia, nie kosmetyką
Efektów po core updatach nie widać z dnia na dzień – Google sam przypomina, że większe zmiany przychodzą zwykle przy kolejnej aktualizacji rdzeniowej. Tym bardziej opłaca się zacząć przed nią, a nie po.
