Contenido duplicado: títulos, canonical y variantes de URL

Qué es el contenido duplicado

Contenido duplicado significa el mismo contenido principal, o uno muy parecido, en más de una dirección. La mayor parte no es texto copiado, sino un asunto técnico: una página responde en varias direcciones. Google llama canonicalización a la elección de una dirección representativa. Agrupa las páginas con el mismo contenido principal o uno muy parecido y muestra una de ellas en los resultados de búsqueda.

Google escribe que cierto contenido duplicado es normal y no infringe sus políticas contra el spam. El problema es otro: no decides tú qué dirección aparece, señales como los enlaces se reparten entre varias direcciones, las estadísticas son más difíciles de leer y los rastreadores pierden tiempo en copias en lugar de páginas nuevas.

De dónde vienen los duplicados

• Protocolo y host: http y https, con y sin www. Google menciona ambos como variantes típicas.
• Parámetros: parámetros de seguimiento como gclid o utm_source, identificadores de sesión, y la ordenación o los filtros en páginas de categoría.
• Pequeñas diferencias en la dirección: una barra al final, mayúsculas y minúsculas o index.html pueden convertir una página en varias direcciones.
• El mismo producto en varias categorías, con una dirección para cada ruta.
• Vistas de impresión, páginas móviles separadas y copias de prueba o de demostración a las que llegan los rastreadores.
• Variantes regionales: direcciones separadas para varios países con el mismo contenido en el mismo idioma.

Para encontrarlos, compara tres listas: las direcciones de tu sitemap, las direcciones que aparecen en tus estadísticas y las direcciones que encuentra un rastreo de tu sitio. Una dirección que aparece en tus estadísticas pero falta en el sitemap suele ser una variante.

Títulos, descripciones y H1 duplicados

Un segundo tipo de duplicado afecta a los textos, no a las direcciones. Google aconseja un título distinto y descriptivo para cada página y desaconseja el texto repetido o genérico en el elemento title. Su ejemplo es una tienda que usa la misma frase comercial como título de todas las páginas, de modo que ya no se pueden distinguir. Si el título no es útil, Google también puede recurrir al título principal visible y a encabezados como h1.

Las causas típicas son plantillas que solo rellenan el nombre de la tienda, páginas de categoría con números de página y variantes de producto que comparten un texto. Da a cada página de ese grupo un título, una descripción y un H1 que nombren lo que es diferente: el producto, el color, la ciudad o el tema. Cómo escribirlos se explica en nuestra guía sobre títulos y meta descripciones.

Páginas casi iguales

Las páginas con casi el mismo texto principal son más difíciles de valorar: páginas de ubicación que solo cambian el nombre de la ciudad, variantes con un texto compartido, páginas de etiquetas y de categorías que enumeran los mismos artículos. Pregúntate para cada grupo si cada página tiene un propósito propio para los visitantes. Si lo tiene, dale contenido propio. Si no, une las páginas en una y redirige las demás, o marca una página como versión principal.

Cómo decirle a Google cuál es la dirección principal

Google nombra tres vías y dice qué fuerza tiene cada una como señal:

• Una redirección, por ejemplo 301: una señal fuerte de que el destino debe ser el canónico. Úsala cuando retires el duplicado.
• Un enlace canónico en el head de la página o como cabecera HTTP: también una señal fuerte. La cabecera sirve también para archivos como los PDF.
• Un sitemap que enumera solo direcciones principales: una señal débil.

Google trata tu elección como una indicación, no como una regla, y puede elegir otra página si otras señales no coinciden. Por eso, haz que todas las señales apunten a la misma dirección.

Reglas para los enlaces canónicos

• Cada página principal se nombra a sí misma como canónica.
• Usa direcciones completas con https://, no relativas.
• No indiques direcciones canónicas distintas para la misma página en lugares distintos.
• No uses noindex para elegir entre duplicados de tu propio sitio. Deja la página totalmente fuera de la Búsqueda.
• No uses robots.txt para esto. Google puede indexar igualmente las direcciones bloqueadas, solo que sin su contenido.
• Enlaza internamente a la dirección principal, en los menús, en el texto y en el sitemap.
• Las versiones de idioma se nombran a sí mismas, no a otro idioma. Nuestra guía sobre los errores de hreflang explica por qué.

www, https y otras variantes del sitio

Decide una forma de tu dominio, por ejemplo https con www, y redirige todas las demás formas a ella, página por página y no a la página de inicio. Google suele preferir la versión https como canónica, salvo que haya problemas como un certificado no válido, y desaconseja las redirecciones de https a http. Después, comprueba que los enlaces internos, los enlaces canónicos y el sitemap usan todos la forma elegida.

Trabajar con Do4U

La Comprobación de contenido duplicado lee tu sitio web desde la página de inicio, desde una lista de direcciones o desde un sitemap. En un número limitado de páginas compara títulos, meta descripciones, H1, enlaces canónicos, noindex y el texto principal visible. Recibes cada hallazgo agrupado con las direcciones afectadas: títulos y descripciones duplicados o que faltan, páginas con poco texto, páginas con casi el mismo texto, enlaces canónicos a páginas rotas o a otros sitios web, y páginas noindex que enlazan tus propias páginas. Puedes exportarlo todo como CSV. La comprobación funciona sin IA y es gratuita, con un límite diario por cuenta.

Las páginas se leen tal como las entrega el servidor, sin JavaScript, y un sitio web grande solo se lee en parte. Las longitudes de título son valores orientativos, no reglas de Google. Do4U encuentra indicios; tú revisas y decides qué dirección se queda.