Conteúdo duplicado: títulos, canonical e variantes de URL

O que é conteúdo duplicado

Conteúdo duplicado significa o mesmo conteúdo principal, ou um muito semelhante, em mais de um endereço. A maior parte não é texto copiado, mas uma questão técnica: uma página responde em vários endereços. A Google chama canonização à escolha de um endereço representativo. Agrupa as páginas com o mesmo conteúdo principal ou um muito semelhante e mostra uma delas nos resultados de pesquisa.

A Google escreve que algum conteúdo duplicado é normal e não viola as suas políticas contra spam. O problema é outro: não és tu quem decide que endereço aparece, sinais como as ligações dividem-se por vários endereços, as estatísticas ficam mais difíceis de ler e os rastreadores gastam tempo com cópias em vez de páginas novas.

De onde vêm os duplicados

• Protocolo e host: http e https, com e sem www. A Google indica ambos como variantes típicas.
• Parâmetros: parâmetros de rastreio como gclid ou utm_source, IDs de sessão, e ordenação ou filtros em páginas de categoria.
• Pequenas diferenças no endereço: uma barra no fim, maiúsculas e minúsculas ou index.html podem transformar uma página em vários endereços.
• O mesmo produto em várias categorias, com um endereço para cada caminho.
• Vistas de impressão, páginas móveis separadas e cópias de teste ou de demonstração a que os rastreadores conseguem chegar.
• Variantes regionais: endereços separados para vários países com o mesmo conteúdo na mesma língua.

Para os encontrar, compara três listas: os endereços do teu sitemap, os endereços que aparecem nas tuas estatísticas e os endereços que um rastreio do teu site encontra. Um endereço que aparece nas estatísticas mas falta no sitemap é muitas vezes uma variante.

Títulos, descrições e H1 duplicados

Um segundo tipo de duplicado diz respeito aos textos, não aos endereços. A Google aconselha um título distinto e descritivo para cada página e desaconselha texto repetido ou genérico no elemento title. O seu exemplo é uma loja que usa a mesma frase comercial como título de todas as páginas, de modo que as páginas já não se distinguem. Se o título não for útil, a Google também pode recorrer ao título principal visível e a cabeçalhos como h1.

As causas típicas são modelos que só preenchem o nome da loja, páginas de categoria com números de página e variantes de produtos que partilham um texto. Dá a cada página desse grupo um título, uma descrição e um H1 que digam o que é diferente: o produto, a cor, a cidade ou o tema. Como os escrever está explicado no nosso guia sobre títulos e meta descrições.

Páginas quase iguais

As páginas com quase o mesmo texto principal são mais difíceis de avaliar: páginas de localização que só mudam o nome da cidade, variantes com um texto partilhado, páginas de etiquetas e de categorias que listam os mesmos artigos. Pergunta para cada grupo se cada página tem um objetivo próprio para os visitantes. Se tiver, dá-lhe conteúdo próprio. Se não, junta as páginas numa só e redireciona as outras, ou marca uma página como versão principal.

Como dizer à Google qual é o endereço principal

A Google indica três formas e diz quão forte é cada uma como sinal:

• Um redirecionamento, por exemplo 301: um sinal forte de que o destino deve tornar-se canónico. Usa-o quando retirares o duplicado.
• Uma ligação canónica no head da página ou como cabeçalho HTTP: também um sinal forte. O cabeçalho funciona também para ficheiros como PDF.
• Um sitemap que lista apenas endereços principais: um sinal fraco.

A Google trata a tua escolha como uma indicação, não como uma regra, e pode escolher outra página se outros sinais não coincidirem. Por isso, faz com que todos os sinais apontem para o mesmo endereço.

Regras para ligações canónicas

• Cada página principal indica-se a si própria como canónica.
• Usa endereços completos com https://, não relativos.
• Não indiques endereços canónicos diferentes para a mesma página em sítios diferentes.
• Não uses noindex para escolher entre duplicados no teu próprio site. Isso deixa a página totalmente fora da Pesquisa.
• Não uses o robots.txt para isto. A Google pode indexar na mesma os endereços bloqueados, só que sem o seu conteúdo.
• Liga internamente para o endereço principal, nos menus, no texto e no sitemap.
• As versões linguísticas indicam-se a si próprias, não outra língua. O nosso guia sobre erros de hreflang explica porquê.

www, https e outras variantes do site

Decide uma forma do teu domínio, por exemplo https com www, e redireciona todas as outras formas para ela, página a página e não para a página inicial. A Google prefere geralmente a versão https como canónica, a menos que haja problemas como um certificado inválido, e desaconselha redirecionamentos de https para http. Depois, verifica se as ligações internas, as ligações canónicas e o sitemap usam todos a forma escolhida.

Trabalhar com o Do4U

A Verificação de conteúdo duplicado lê o teu site a partir da página inicial, de uma lista de endereços ou de um sitemap. Num número limitado de páginas compara títulos, meta descrições, H1, ligações canónicas, noindex e o texto principal visível. Recebes cada conclusão agrupada com os endereços afetados: títulos e descrições duplicados ou em falta, páginas com pouco texto, páginas com quase o mesmo texto, ligações canónicas para páginas com erro ou para outros sites, e páginas noindex para as quais as tuas próprias páginas têm ligações. Podes exportar tudo em CSV. A verificação funciona sem IA e é gratuita, com um limite diário por conta.

As páginas são lidas tal como o servidor as entrega, sem JavaScript, e um site grande só é lido em parte. Os comprimentos dos títulos são valores de referência, não regras da Google. O Do4U encontra indícios; tu verificas e decides que endereço fica.