Google Panda e Penguin: storia, evoluzione e impatto sulla SEO moderna

Panda e Penguin sono due algoritmi storici di Google, lanciati rispettivamente nel 2011 e nel 2012 per combattere contenuti di bassa qualità e link spam. Oggi non esistono più come sistemi autonomi: sono stati integrati nella pipeline di ranking core e i loro principi sono alla base di sistemi moderni come lo Helpful Content System e SpamBrain. Comprendere la loro architettura e la loro evoluzione è fondamentale per diagnosticare correttamente i cali di traffico legati ai Core Update.

Panda e Penguin in sintesi

Caratteristica	Google Panda	Google Penguin
Lancio	Febbraio 2011	Aprile 2012
Problema target	Contenuti di bassa qualità, thin content, content farm	Link spam, link scheme, anchor text manipulation
Meccanismo	Classificatore di qualità site-level	Analisi del link graph, devalutazione link innaturali
Granularità originale	Sito / sezione	Sito
Integrazione nel core	~2015-2016 (confermato Google)	Settembre 2016 (Penguin 4.0)
Successore moderno	Helpful Content System → Core ranking (marzo 2024)	SpamBrain + Link Spam Update
Stato attuale	Integrato nei Core Update	Real-time, parte del core

Entrambi gli algoritmi hanno rappresentato un punto di svolta nella storia di Google Search. Prima di Panda, le content farm come Demand Media ed eHow dominavano le SERP con contenuti prodotti in serie a basso costo. Prima di Penguin, intere industrie di link building artificiale prosperavano indisturbate. L’impatto combinato di questi due algoritmi ha ridefinito le regole del gioco per la SEO.

La storia di Google Panda

Google Panda prende il nome dall’ingegnere Navneet Panda, che ha sviluppato l’algoritmo. Il primo rilascio, il 24 febbraio 2011, ha colpito circa il 12% delle query negli Stati Uniti. L’annuncio ufficiale di Amit Singhal e Matt Cutts sul Google Webmaster Central Blog lo descriveva come un aggiornamento progettato per ridurre il ranking di siti con contenuti di bassa qualità e promuovere siti con contenuti originali e approfonditi.

Il problema: le content farm

Nel 2010-2011, le SERP di Google erano dominate da siti che producevano contenuti su scala industriale ottimizzati per le keyword ma privi di valore reale. Il modello era semplice: identificare query con alto volume di ricerca, produrre articoli superficiali a costo minimo (spesso pagati pochi dollari ciascuno a copywriter non specializzati), e monetizzare il traffico con advertising. Demand Media (eHow), Suite101 e Associated Content erano tra gli esempi più noti.

Questi siti sfruttavano una debolezza strutturale del ranking di Google: l’algoritmo pre-Panda era efficace nel valutare la rilevanza topica di una pagina rispetto a una query, ma non disponeva di un classificatore robusto per la qualità del contenuto. Un articolo di 300 parole che rispondeva superficialmente a una query poteva posizionarsi al pari di un’analisi approfondita di un esperto.

Il meccanismo: classificatore site-level

Panda opera come un classificatore machine learning che assegna un quality score a livello di sito o di sezione del sito, non di singola pagina. Questo è un punto fondamentale: un sito con una percentuale elevata di pagine thin o duplicate riceve un punteggio di qualità basso che influenza il ranking di tutte le sue pagine, comprese quelle di buona qualità.

I segnali utilizzati dal classificatore includono, secondo quanto documentato e confermato da Google nel tempo:

• Rapporto contenuto originale / contenuto duplicato o thin
• Rapporto contenuto utile / advertising e elementi non-content
• Segnali di user engagement (pogo-sticking, dwell time — documentati nei leak del 2024)
• Presenza di contenuti prodotti su scala senza expertise o valore aggiunto
• Assenza di segnali E-A-T (autore identificabile, fonti, esperienza dimostrabile)

L’impatto è diretto sull’intero dominio: se un sito ha 10.000 pagine di cui il 60% sono thin content, il quality score di Panda penalizza anche il restante 40% di contenuti validi. Questa dinamica spiega perché la rimozione o il miglioramento dei contenuti di bassa qualità (content pruning) è sempre stata una delle strategie di recupero più efficaci, e perché la qualità media del contenuto di un sito ha un impatto diretto sul crawl budget allocato da Google.

Le 23 domande di Google sulla qualità

In concomitanza con Panda, Google pubblicò un elenco di 23 domande che i webmaster avrebbero dovuto porsi per valutare la qualità del proprio sito. Queste domande non sono i “segnali” diretti dell’algoritmo, ma rappresentano il framework concettuale su cui Panda è costruito. Alcune delle più rilevanti, ancora oggi applicabili:

• Ti fideresti delle informazioni presentate in questo articolo?
• L’articolo è scritto da un esperto o appassionato che conosce l’argomento in profondità?
• Il sito contiene articoli duplicati o ridondanti su argomenti uguali con leggere variazioni di keyword?
• L’articolo fornisce contenuto originale, reporting originale, ricerca originale o analisi originale?
• Metteresti tra i preferiti questo articolo o lo consiglieresti a qualcuno?
• L’articolo contiene una quantità eccessiva di annunci che distraggono dal contenuto principale?

Queste domande sono state poi riprese quasi integralmente nelle linee guida ufficiali per la creazione di contenuti utili di Google Search Central, confermando la continuità diretta tra Panda e il sistema di valutazione della qualità attuale.

Timeline delle versioni principali

Tra il 2011 e il 2015, Google ha rilasciato oltre 25 aggiornamenti Panda documentati, ciascuno con refresh dei dati che potevano causare recuperi o nuove penalizzazioni. Dal 2015-2016, i dati di Panda sono stati incorporati nel core ranking algorithm e non vengono più aggiornati come componente separato. Google ha confermato questa integrazione senza specificare una data esatta, ma l’ultimo aggiornamento Panda etichettato è stato Panda 4.2 (luglio 2015).

La storia di Google Penguin

Google Penguin, inizialmente denominato “Webspam Update”, è stato lanciato il 24 aprile 2012. L’obiettivo dichiarato da Matt Cutts: colpire i siti che violavano le linee guida per i webmaster di Google attraverso tecniche di link building manipolative e keyword stuffing.

Il problema: l’industria dei link

Prima di Penguin, la SEO off-page era dominata da pratiche che oggi sarebbero considerate spam puro: acquisto massivo di link, private blog network (PBN), article marketing con anchor text exact-match, directory submission su scala industriale, link wheel e schemi a piramide di link. Il segnale PageRank, che Google utilizzava come proxy per la qualità e l’autorevolezza, era sistematicamente manipolato.

Il risultato era una distorsione significativa delle SERP: siti con contenuti mediocri ma profili link aggressivi superavano regolarmente risorse di qualità superiore. La fiducia degli utenti nei risultati di ricerca era a rischio.

L’evoluzione: da penalizzazione a devalutazione

L’evoluzione di Penguin attraverso le sue versioni rappresenta uno dei cambiamenti architetturali più significativi nella storia degli algoritmi di Google:

Versione	Data	Cambiamento chiave
Penguin 1.0	Aprile 2012	Primo lancio: penalizzazione site-level per link spam
Penguin 2.0	Maggio 2013	Analisi più profonda: considera link a livello di pagina, non solo homepage
Penguin 3.0	Ottobre 2014	Refresh dei dati (non un nuovo algoritmo)
Penguin 4.0	Settembre 2016	Real-time, granularità page-level, devalutazione invece di penalizzazione

Penguin 4.0 è il punto di svolta. Gary Illyes ha confermato tre cambiamenti fondamentali in un post ufficiale del settembre 2016:

1. Real-time: Penguin non opera più come aggiornamento batch periodico. I dati vengono ricalcolati continuamente durante il processo di crawling e re-indexing, eliminando i lunghi periodi di attesa tra un update e il successivo.
2. Granularità page-level: L’algoritmo valuta i link a livello di singola pagina e singolo URL di destinazione, non più a livello di intero dominio. Una pagina con un profilo link pulito non viene penalizzata per i link spam che puntano ad altre pagine dello stesso sito.
3. Devalutazione, non penalizzazione: Invece di penalizzare attivamente un sito abbassandone il ranking, Penguin 4.0 ignora i link spam, devalutandoli. I link manipolativi non trasmettono più valore positivo, ma non causano nemmeno un danno diretto. Questo ha reso il Disavow Tool meno critico rispetto al passato, anche se resta utile per casi specifici.

Come funzionano tecnicamente

Il classificatore di qualità di Panda

Il sistema Panda funziona in due fasi. Nella prima fase, un modello machine learning viene addestrato utilizzando valutazioni umane di qualità (quality raters) su un ampio campione di siti. I rater assegnano punteggi di qualità seguendo le Quality Rater Guidelines. Nella seconda fase, il modello addestrato viene applicato su scala a tutto il web index, assegnando un quality score a ciascun sito o sezione.

I segnali chiave del classificatore, ricostruibili dalla documentazione ufficiale, dai brevetti Google e dalle informazioni emerse nel processo antitrust DOJ vs Google (2023-2024):

• Content quality signals: unicità del testo, profondità tematica, completezza della risposta rispetto all’intent, rapporto tra contenuto originale e contenuto riciclato
• Site-level aggregation: la qualità viene calcolata come media ponderata su tutto il sito. Un sito con 70% di pagine thin riceve un quality score basso che deprime anche le pagine di qualità
• User interaction signals: i documenti del processo antitrust hanno confermato che Google utilizza metriche di interazione utente (click patterns, long vs short clicks) come input per i modelli di qualità. Un contenuto che genera sistematicamente short click (l’utente torna rapidamente ai risultati di ricerca) è un segnale negativo
• Ads-to-content ratio: pagine con troppi annunci rispetto al contenuto utile ricevono penalizzazioni. Questo segnale è stato poi formalizzato nel Page Layout Algorithm (2012), che condivide la logica Panda
• E-E-A-T signals: presenza di autore identificabile, citazioni di fonti, struttura editoriale professionale. Questi segnali sono diventati sempre più rilevanti con le evoluzioni successive

L’interazione con il crawl budget è documentata: Google alloca meno risorse di crawling ai siti con quality score basso. Sezioni di un sito identificate come low-quality possono ricevere meno crawl, rallentando l’indicizzazione di nuovi contenuti anche nelle aree di qualità superiore. Per un approfondimento tecnico su questo meccanismo, si veda la guida al crawl budget.

L’analisi del link graph di Penguin

Penguin opera sul link graph analizzando pattern statistici che distinguono profili link naturali da profili manipolati. L’algoritmo valuta:

• Distribuzione anchor text: un profilo link naturale ha una distribuzione variegata di anchor text (brand, URL nuda, generici come “clicca qui”, long-tail variati). Un profilo manipolato mostra concentrazione anomala su anchor text exact-match commerciali
• Qualità dei domini referenti: link provenienti da PBN (Private Blog Network), directory spam, siti di article marketing, comment spam. Penguin valuta la qualità del sito linkante usando un quality score analogo a quello di Panda
• Link velocity e pattern temporali: acquisizione improvvisa di migliaia di link in un breve periodo, pattern ripetitivi (es. un link al giorno da domini diversi ma con lo stesso template), burst seguiti da inattività
• Contesto topico: link da siti tematicamente irrilevanti rispetto al sito di destinazione. Un sito di ricette che riceve link massivi da siti di casinò online è un pattern anomalo
• Reciprocità e triangolazione: schemi di link reciproci (A→B→A) o triangolari (A→B→C→A) su scala, tipici delle link wheel

Dal 2016 (Penguin 4.0), il sistema processa questi segnali in real-time durante l’indexing. I link identificati come spam vengono semplicemente esclusi dal calcolo del ranking — non trasmettono né valore positivo né penalizzazione. Questo approccio a devalutazione rende il sistema più resiliente e riduce i falsi positivi che affliggevano le versioni precedenti.

Segnale	Panda (Qualità)	Penguin (Link)
Tipo di analisi	Contenuto on-site	Link graph off-site
Segnali chiave	Unicità, profondità, E-E-A-T, engagement	Anchor text, qualità referrer, pattern temporali
Granularità	Sito / sezione	Pagina (dal 2016)
Azione	Demotion del ranking (quality score basso)	Devalutazione link (ignora i link spam)
Recupero	Miglioramento contenuti + attesa ricalcolo	Automatico (real-time, link devalutati)

Dove si collocano oggi nella pipeline di Google

Nel 2026, né Panda né Penguin esistono come sistemi autonomi. I loro principi e i loro modelli sono stati assorbiti nei sistemi di ranking core di Google. Comprendere questa evoluzione è essenziale per interpretare correttamente l’impatto dei Core Update moderni.

Da Panda all’Helpful Content System e oltre

L’evoluzione di Panda segue una traiettoria chiara:

1. 2011-2015: Panda come algoritmo separato con aggiornamenti periodici
2. 2015-2016: Integrazione nel core ranking algorithm
3. 2022: Lancio dell’Helpful Content System (HCU), che estende e raffina i principi di Panda con un classificatore site-wide dedicato alla valutazione di contenuti “utili” vs “creati primariamente per i motori di ricerca”
4. Marzo 2024: L’Helpful Content System viene integrato nel core ranking. Google rimuove HCU dalla lista dei sistemi di ranking separati e lo incorpora nei Core Update. Questo significa che i segnali di qualità del contenuto (l’eredità diretta di Panda) sono ora parte integrante di ogni Core Update

La conseguenza pratica: quando un Core Update colpisce un sito, la causa è spesso riconducibile a problemi di qualità del contenuto che Panda avrebbe identificato nel 2011. La differenza è che il classificatore moderno è significativamente più sofisticato, utilizza modelli di linguaggio avanzati per valutare la qualità e incorpora segnali E-E-A-T che nel 2011 non erano ancora formalizzati.

Da Penguin a SpamBrain

L’evoluzione del sistema anti-link-spam di Google è altrettanto significativa:

1. 2012-2016: Penguin come algoritmo separato (batch fino alla 3.0, real-time dalla 4.0)
2. 2016: Penguin 4.0 integrato nel core, modello a devalutazione
3. 2018: Lancio di SpamBrain, un sistema AI-based per il rilevamento dello spam che include la detection di link spam tra le sue capacità
4. 2021-2024: Multipli Link Spam Update che utilizzano SpamBrain per identificare e neutralizzare link artificiali su scala. Il Link Spam Update di dicembre 2022 è stato particolarmente aggressivo, colpendo link da guest post, comunicati stampa e link a pagamento

SpamBrain è un sistema AI che va ben oltre le capacità di Penguin originale. Non si limita a valutare i link in ingresso: è in grado di identificare siti che vendono link e siti che acquistano link, anche senza analizzare direttamente i link stessi, ma riconoscendo pattern comportamentali dei siti coinvolti. La relazione tra segnali di qualità del sito (brand authority, traffico diretto, engagement) e la capacità di Google di valutare la naturalezza dei link è approfondita nella guida sul Site Quality Score e branded search.

Sistema originale	Anno	Successore	Stato attuale (2026)
Panda	2011	Helpful Content System	Integrato nei Core Update (da marzo 2024)
Penguin	2012	SpamBrain + Link Spam Update	Real-time nel core + update specifici periodici
Page Layout Algorithm	2012	Core ranking (ads-to-content ratio)	Integrato nel core
Exact-Match Domain Update	2012	Core ranking	Integrato nel core

Le spam policy di Google e l’eredità di Panda e Penguin

Le spam policy documentate da Google Search Central sono in larga parte la formalizzazione dei principi introdotti da Panda e Penguin. La corrispondenza è diretta:

Eredità Panda (qualità del contenuto):

• Thin content / Automatically generated content: contenuti generati su scala senza valore aggiunto, incluso il contenuto AI-generated senza supervisione editoriale (la policy è stata aggiornata nel 2024 per includere esplicitamente “scaled content abuse”)
• Scraped content: contenuti copiati o rielaborati meccanicamente da altre fonti
• Doorway pages: pagine create esclusivamente per posizionarsi su varianti di keyword, senza contenuto sostanziale differente
• Site reputation abuse (“parasite SEO”): contenuti di terze parti ospitati su domini autorevoli per sfruttarne il quality score — una variante moderna del problema che Panda affrontava

Eredità Penguin (link manipulation):

• Link spam: acquisto/vendita di link, scambio eccessivo di link, utilizzo di programmi o servizi automatizzati per creare link
• Keyword stuffing: originariamente target di Penguin insieme ai link, oggi policy separata
• Hidden text and links: tecniche per inserire link invisibili all’utente ma visibili ai crawler

La policy più recente, “scaled content abuse” (marzo 2024), è particolarmente rilevante: colpisce la produzione massiva di contenuti (con o senza AI) quando l’obiettivo primario è manipolare il ranking. È la versione 2024 del problema delle content farm che Panda combatteva nel 2011, aggiornata per l’era dei large language model.

Diagnosi pratica: il tuo sito ha problemi Panda o Penguin?

Quando un sito subisce un calo significativo di traffico organico in concomitanza con un Core Update, la prima domanda da porsi è: si tratta di un problema di qualità del contenuto (eredità Panda) o di profilo link (eredità Penguin)? La diagnosi corretta determina la strategia di recupero.

Audit di qualità dei contenuti (Panda)

L’audit parte dai dati di Google Search Console. L’obiettivo è identificare le pagine che deprimono il quality score complessivo del sito:

1. Pagine con impression ma zero click: Google mostra la pagina nei risultati, ma nessun utente la clicca. Segnale di contenuto non rilevante o title/description non efficaci
2. Pagine in calo costante: confronto tra periodi (ultimi 3 mesi vs 3 mesi precedenti) per identificare pagine che perdono posizioni progressivamente
3. Thin content ratio: rapporto tra pagine con contenuto sostanziale (>800 parole di contenuto unico) e pagine thin (<300 parole, contenuto duplicato o prevalentemente boilerplate)
4. Contenuto duplicato interno: pagine con contenuto sostanzialmente identico o sovrapponibile, tipico di architetture con parametri URL non gestiti o tassonomie ridondanti
5. Contenuto obsoleto: pagine con informazioni datate che non vengono aggiornate, segnale negativo per la freshness e l’accuratezza

Per un framework completo di analisi delle metriche GSC, si veda la guida a SEOdata.app.

Audit del profilo link (Penguin)

L’audit del profilo link richiede l’analisi della distribuzione degli anchor text e della qualità dei domini referenti:

1. Distribuzione anchor text: analizzare la percentuale di anchor text exact-match commerciali vs brand vs URL vs generici. Un profilo sano ha tipicamente <5% di anchor exact-match commerciali. Concentrazioni >15-20% sono un segnale di manipolazione
2. Qualità dei domini referenti: verificare la presenza di link da PBN, siti spam, directory di bassa qualità, siti di article marketing. Strumenti come Ahrefs e Majestic permettono di classificare i domini referenti per qualità
3. Pattern temporali: un’acquisizione naturale di link è graduale e distribuita nel tempo. Spike improvvisi di centinaia o migliaia di link in pochi giorni sono anomali
4. Link report GSC: la sezione “Links” di Google Search Console fornisce dati diretti su link esterni, anchor text principali e pagine più linkate. È la fonte più affidabile perché riflette i dati che Google effettivamente utilizza

Script Python per analisi GSC

Lo script seguente utilizza l’API di Google Search Console per estrarre le pagine a rischio qualità (impression elevate, CTR basso, posizione media in calo). Queste pagine sono candidate per un audit Panda-style: contenuto thin, obsoleto o non allineato all’intent di ricerca.

# gsc_quality_audit.py
# Identifica pagine a rischio qualità: alto impression, basso CTR, posizione in calo
# Richiede: google-api-python-client, oauth2client

from googleapiclient.discovery import build
from google.oauth2.credentials import Credentials
import json
from datetime import datetime, timedelta

def get_gsc_service(token_path="token.json"):
    """Inizializza il servizio GSC con le credenziali OAuth."""
    creds = Credentials.from_authorized_user_file(token_path)
    return build("searchconsole", "v1", credentials=creds)

def fetch_pages(service, site_url, start_date, end_date):
    """Estrae dati per pagina dal GSC API."""
    response = service.searchanalytics().query(
        siteUrl=site_url,
        body={
            "startDate": start_date,
            "endDate": end_date,
            "dimensions": ["page"],
            "rowLimit": 5000
        }
    ).execute()
    return response.get("rows", [])

def quality_audit(site_url, token_path="token.json"):
    """Identifica pagine con segnali di bassa qualità."""
    service = get_gsc_service(token_path)

    # Periodo recente vs periodo precedente (28 giorni ciascuno)
    end = datetime.now() - timedelta(days=3)  # GSC ha 3 giorni di ritardo
    mid = end - timedelta(days=28)
    start = mid - timedelta(days=28)

    recent = fetch_pages(service, site_url, mid.strftime("%Y-%m-%d"), end.strftime("%Y-%m-%d"))
    previous = fetch_pages(service, site_url, start.strftime("%Y-%m-%d"), mid.strftime("%Y-%m-%d"))

    # Indicizza periodo precedente per confronto
    prev_map = {r["keys"][0]: r for r in previous}

    risk_pages = []
    for row in recent:
        url = row["keys"][0]
        impressions = row["impressions"]
        ctr = row["ctr"]
        position = row["position"]

        # Soglie di rischio: impression > 100, CTR < 2%, posizione > 10
        if impressions > 100 and ctr < 0.02 and position > 10:
            prev = prev_map.get(url, {})
            prev_pos = prev.get("position", position)
            delta_pos = position - prev_pos  # positivo = peggioramento

            risk_pages.append({
                "url": url,
                "impressions": impressions,
                "ctr": round(ctr * 100, 2),
                "position": round(position, 1),
                "position_delta": round(delta_pos, 1),
                "risk": "HIGH" if delta_pos > 5 else "MEDIUM"
            })

    # Ordina per impression decrescenti (impatto potenziale)
    risk_pages.sort(key=lambda x: x["impressions"], reverse=True)
    return risk_pages

if __name__ == "__main__":
    SITE = "https://www.example.com/"  # Sostituire con il proprio sito
    results = quality_audit(SITE)
    print(f"\n{'='*80}")
    print(f"PAGINE A RISCHIO QUALITÀ — {len(results)} trovate")
    print(f"{'='*80}")
    for p in results[:20]:
        print(f"[{p['risk']}] Pos: {p['position']} (Δ{p['position_delta']:+.1f}) "
              f"CTR: {p['ctr']}% Imp: {p['impressions']} — {p['url']}")

Lo script confronta due periodi di 28 giorni e identifica le pagine che ricevono molte impression ma hanno CTR basso e posizioni in calo — il profilo tipico di pagine con problemi di qualità Panda-style. Per approfondire l’analisi da terminale, si veda la guida SEO da terminale.

Prevenzione e monitoraggio continuo

La prevenzione è più efficace del recupero. Un framework di monitoraggio continuo permette di identificare segnali di degradazione della qualità prima che un Core Update li amplifichi.

Content quality framework

• Audit trimestrale dei contenuti: identificare e aggiornare/rimuovere pagine thin, duplicate o obsolete. Mantenere il rapporto contenuto di qualità / contenuto totale sopra l’80%
• Standard editoriali: ogni nuovo contenuto deve superare una checklist di qualità prima della pubblicazione (autore esperto, fonti citate, valore aggiunto rispetto all’esistente, aggiornamento informazioni)
• Freshness management: programmare la revisione periodica dei contenuti evergreen, aggiornando dati, screenshot, riferimenti a documentazione ufficiale

Link profile hygiene

• Monitoraggio mensile: verificare nuovi backlink acquisiti e identificare link spam in ingresso. Strumenti: GSC Links report, Ahrefs, Majestic
• Disavow proattivo: anche se Penguin 4.0 devaluta automaticamente i link spam, il Disavow Tool resta utile per link tossici particolarmente aggressivi (es. negative SEO attack, link da siti hackerati)
• Link earning vs link building: investire in contenuti che attraggono link naturali (ricerche originali, tool, dataset, guide di riferimento) piuttosto che in outreach aggressivo

Metrica	Frequenza	Soglia di allarme	Azione
Thin content ratio	Trimestrale	>20% pagine indicizzate	Content pruning o consolidamento
Pagine zero-click (GSC)	Mensile	>30% delle pagine indicizzate	Audit intent matching + title optimization
CTR medio sito	Mensile	Calo >15% mese su mese	Analisi SERP features + title/description
Nuovi backlink spam	Mensile	>50 link da domini tossici/mese	Valutare disavow + monitoraggio source
Anchor text concentration	Trimestrale	>15% exact-match commerciali	Diversificazione anchor + audit link recenti
Core Update impact	Ad ogni update	Calo >10% traffico organico	Root cause analysis: contenuto vs link vs tecnico

Checklist operativa

Checklist prioritizzata per siti che sospettano problemi legati ai principi di Panda o Penguin, organizzata per urgenza di intervento.

Priorità 1 — Interventi immediati

• Identificare e rimuovere/noindex pagine con contenuto duplicato o auto-generato
• Eliminare o riscrivere pagine thin (<300 parole senza valore aggiunto)
• Verificare il link report GSC e disavow link palesemente tossici
• Controllare che le pagine più importanti abbiano contenuto sostanziale, autore identificabile e fonti citate

Priorità 2 — Miglioramenti strutturali

• Consolidare pagine con keyword cannibalization in un unico contenuto completo
• Aggiornare contenuti evergreen con dati recenti e riferimenti attuali
• Implementare dati strutturati (Article/TechArticle schema) per rafforzare i segnali E-E-A-T
• Ottimizzare il rapporto ads/contenuto sulle pagine principali

Priorità 3 — Manutenzione continua

• Audit trimestrale dei contenuti: identificare e trattare pagine in degradazione
• Monitoraggio mensile del profilo link per link spam in ingresso
• Revisione della distribuzione anchor text a ogni trimestre
• Tracking dell’impatto di ogni Core Update con analisi comparativa pre/post
• Investimento continuo in contenuti originali, data-driven, che attraggano link naturali

---

Fonti e riferimenti: Google Blog — More guidance on building high-quality sites (2011) · Google Blog — Penguin is now part of our core algorithm (2016) · Google Search Central — Spam Policies · Google Search Central — Creating helpful content · Google Search Status Dashboard — Ranking Systems