Qué es el spam en SEO y por qué el contenido masivo falla

La palabra nació en el correo electrónico y hoy se aplica a cualquier canal, buscadores incluidos. Lo que define el spam es el volumen y la falta de interés para el destinatario, no la herramienta.

Un ejemplo de spamming en buscadores: una tienda de bicicletas que publica una página por ciudad, «bicicletas en Burgos», «bicicletas en Soria» y así con cada ciudad, con el mismo texto y solo el nombre cambiado. Ninguna le da al lector algo que no tenga en la anterior. Google cita las páginas orientadas a ciudades concretas que llevan a un mismo destino como ejemplo de abuso de páginas puerta.

La definición literal de las políticas de Google es esta: «el spam hace referencia a las técnicas que se utilizan para engañar a los usuarios o manipular nuestros sistemas de Búsqueda para que destaquen contenido». La misma página aclara que incluye intentar manipular las respuestas de la IA generativa de la Búsqueda de Google, no solo el orden de los resultados clásicos.

Las políticas de spam de Google enumeran 16 prácticas, que se pueden agrupar por lo que intentan manipular:

• Lo que ve el buscador frente a lo que ve la persona: encubrimiento, texto y enlaces ocultos, redirecciones engañosas y páginas puerta.
• El contenido: abuso de contenido a gran escala, raspado de contenido de otros sitios, exceso de palabras clave y páginas de afiliación sin valor.
• La autoridad prestada: spam de enlaces, abuso de dominios caducados y abuso de la reputación de un sitio. Lo que supone pagar por enlaces está contado en qué pasa al comprar backlinks.
• El engaño o el daño directo: prácticas maliciosas, funciones engañosas, contenido pirateado, tráfico generado automáticamente y spam generado por usuarios.

Los ejemplos de abuso de contenido a gran escala que dan las políticas de spam de Google:

• Generar muchas páginas con IA generativa u otras herramientas similares sin añadir valor para los usuarios.
• Raspar feeds, resultados de búsqueda u otro contenido para crear páginas, aunque se transformen con sinónimos, traducciones automáticas u otras técnicas para disimularlo.
• Combinar texto de varias páginas web sin aportar nada nuevo.
• Crear varios sitios para ocultar que el contenido se produce a escala.
• Crear páginas llenas de palabras clave que apenas tienen sentido para quien las lee.

Google anunció la política el 5 de marzo de 2024, junto con la actualización principal de ese mes, como sustituta de su anterior política sobre contenido generado automáticamente. Según su blog de Search Central, la política nueva cubre el contenido a escala tanto si lo produce una máquina como si lo escriben personas.

Las directrices de Google piden dos cosas a quien publica con IA. La primera es verificar a mano los datos y revisar el texto antes de publicarlo, porque un modelo generativo predice palabras probables y puede inventar datos. La segunda es revisar igual el título, la metadescripción, los datos estructurados y los textos alternativos, que también se muestran en los resultados.

La guía de Google para crear contenido útil, actualizada el mismo día, pregunta si el contenido ofrece información, datos o análisis originales, si resume lo que dicen otros sin aportar nada y si se usa una automatización extensa para producir contenido sobre muchos temas. Ninguna de esas preguntas trata de quién o qué escribió el texto.

La ayuda de Search Console, consultada el 8 de octubre de 2026, dice que los algoritmos de Google descubren y eliminan automáticamente el spam en la mayor parte de los casos, y que las acciones manuales son un refuerzo para proteger el índice. Por eso una web puede perder tráfico por spam con el informe de acciones manuales vacío.

Para el contenido, Search Console tiene una acción manual específica: contenido con poco o ningún valor añadido. Google la aplica cuando detecta páginas superficiales o de baja calidad, como las de enlaces de afiliado sin valor, las copiadas de otras fuentes o las páginas puerta, y la retira cuando el sitio corrige el problema y pide una revisión.

Las políticas de spam de Google hablan de sitios, no de páginas sueltas: con contenido de relleno, una empresa arriesga la visibilidad de todo su dominio.

Ese rango sale de Google Search Console de dos proyectos, a 14 de septiembre de 2026: es una referencia, no un estándar del mercado, y no significa que las páginas sin indexar sean spam, porque Google deja páginas fuera por muchos motivos.

En las respuestas de IA de Google el reparto es todavía más desigual. HeyTalent tiene 600 páginas indexadas en varios idiomas, según los datos de HeyTalent, y aun así sus 10 páginas con más impresiones en esas respuestas suman el 72,3 % de las impresiones por página, según Google Search Console, entre el 15 de junio y el 14 de septiembre de 2026. Una sola página, que responde a una pregunta de precio, suma el 29,8 %.

En Kulturo se concentran en otro tipo de página. Las calculadoras de salario neto, de indemnización por despido y de neto de autónomo suman el 54,9 % de las impresiones por página en las respuestas de IA de Google, según Google Search Console, en el mismo periodo.

Las dos cifras son una correlación, no una regla: no demuestran que una calculadora o una respuesta de precio causen la aparición. Lo que sí muestran es que, en una web con cientos de páginas, unas pocas con información concreta se llevan la mayoría de las apariciones.

El estudio analizó 21.143 citas en 602 preguntas controladas y descargó 18.151 de las páginas citadas. Las páginas con números o estadísticas tienen una influencia media en la respuesta un 61,55 % mayor que las que no los tienen, y las que contienen una definición explícita, un 57,33 % mayor. Los autores lo presentan como una correlación descriptiva, no como una causa demostrada.

El mismo estudio muestra el filtro previo: entre el 79,12 % y el 87,52 % de las citas, según el motor, van a fuentes oficiales, medios y webs especializadas. Una web que publica en masa lo que ya dicen esas fuentes compite con ellas sin nada que la distinga. Lo que mira cada motor antes de elegir una fuente está explicado en cómo eligen sus fuentes los modelos de IA.