Testo nascosto: guida allo spam (2006)

Fin dalla nascita dello spamdexing si è manifestata l'esigenza di sdoppiare ciò che vede la macchina da ciò che vede l'utente: offrire ai visitatori un'interfaccia pulita e minimale e contemporaneamente fornire agli spider una massa di testo densa di parole chiave.

La prima generazione di trucchi (testo bianco su sfondo bianco) fu presto intercettata da controlli algoritmici elementari sul contrasto cromatico. Si passò quindi al posizionamento negativo assoluto via CSS:

.nascosto {
  position: absolute;
  left: -3001px;
  top: 0px;
}

Spostando il testo fuori dall'area visibile del monitor, l'utente vedeva una pagina ordinata, mentre lo spider che leggeva solo il DOM sequenziale elaborava il contenuto. Già tra il 2003 e il 2004 Google annunciò algoritmi in grado di interpretare le coordinate CSS di base per identificare queste forzature.

Un'altra soluzione diffusa fu la proprietà display: none;. Questa tecnica pose a lungo un dilemma agli ingegneri dei motori di ricerca:

• la regola display: none è legittima e indispensabile per componenti di interfaccia, come menu a tendina, pannelli a schede o tooltip;
• penalizzare indiscriminatamente chiunque usasse tale proprietà avrebbe introdotto un tasso inaccettabile di falsi positivi su siti aziendali perfettamente puliti.

Questo dilemma impose ai motori l'adozione di un doppio filtro: un primo livello algoritmico che intercettava pattern anomali di testo nascosto, e l'intervento dei Quality Raters umani per convalidare le penalizzazioni prima di procedere al declassamento o al ban manuale.

Quando i controlli CSS divennero più stringenti, le tecniche si spostarono a monte, a livello di logica applicativa lato server (cloaking):

1. User-Agent Cloaking: il server intercetta la stringa identificativa del client. Se rileva Googlebot restituisce il payload ottimizzato, altrimenti esegue un reindirizzamento o serve la pagina grafica. Limite: i motori iniziarono presto a usare crawler camuffati con user-agent convenzionale.
2. Referer-Based Cloaking: mostra contenuti diversi a seconda della pagina di provenienza ($_SERVER['HTTP_REFERER']). I visitatori diretti (inclusi gli spider) vedono una pagina, mentre chi arriva da una ricerca o da un link specifico viene reindirizzato.
3. Query-Based Cloaking: analizza la query di ricerca passata dal referrer per adattare istantaneamente il contenuto o la destinazione del visitatore alla sua intenzione di ricerca.
4. IP-Based Cloaking: mappa le subnet e i range IP noti dei data center dei motori di ricerca (es. subnet Googlebot) per servire loro risposte dedicate.