Как яндекс находит то, чего не должно быть?

Походу он прав.
Пошел отключать и клацнул на примеры того, что может попасть в  индекс благодаря счетчикам.
И там куча говна вида: URL?ymclid=1608хреновакучацифр7140

Т.е. урлы, нагенерированные самим Яндексом, попадают в индекс и гадят :(

Кстати, clean_param работает или тоже фейк от Яшуса?

clean_param работает. Но, вначале "кучка" индексируется, потом удаляется согласно правила роботс.
Но на следующий день, снова в индекс - из метрики то никуда не делось. Итак по кругу циклическое "перенаправление"
Они сами себе сервера засерают. Метрика по рангу выше, чем файл роботс

Это не счётчик, ymclid - это идентификатор Яндекс.Маркета

Пофиг, что это Маркет, Директ или реферальный спам ботов - все это берется из метрики и индексируется.
Ты это никак не можешь понять, уже в какой теме. Тебе пример привел, на твоем сайте...все равно не дошло

Еще webstat/ надо закрыть доступ, там все это в повторе))
И Именно на него рассчитан реферальный спам.

Работает, но, как говорится, есть нюансы. 

Не припомню, чтобы я такое писал в телеге.

Предполагаю, что вы меня путаете с https://alaev.info

Знакомая история. Можно будет увидеть потом, что Яндекс проиндексировал файлы JavaScript, css, а на sitemap.xml и robots.txt будет ругаться как на недостаточно качественные и исключать из индекса 😀

Уже. И роботс и сайтмэп у него недостаточно качественные.

Если открыть лог сервера, то можно увидеть, что изначально это входящий адрес и вне зависимости от того, есть Метрика или нет (а Метрики может и не быть, например, кому-то достаточно Гугл Аналитикса), этот адрес всё равно будет фиксироваться как входящий - хоть анализаторам лога, хоть Аналитиксом, хоть анализом лога вручную. Метрика здесь решительно непричём. Это метка рекламной системы Яндекса, а не системы статистики. Кроме того, не нужно смешивать паразитный ботовский трафик и рекламный.

О моём сайте в данной теме вообще речи не было, другие темы тут тоже не причём, пальцем в небо..