Conținut duplicat: titluri, canonical și variante de URL

Ce este conținutul duplicat

Conținut duplicat înseamnă conținut principal identic sau foarte asemănător la mai multe adrese. Cea mai mare parte nu este text copiat, ci o chestiune tehnică: o pagină răspunde la mai multe adrese. Google numește alegerea unei adrese reprezentative canonizare (canonicalization). Grupează paginile cu conținut principal identic sau foarte asemănător și arată una dintre ele în rezultatele căutării.

Google scrie că o parte din conținutul duplicat este normală și nu încalcă politicile sale privind spamul. Problema este alta: nu tu decizi ce adresă apare, semnalele precum linkurile se împart între mai multe adrese, statisticile sunt mai greu de citit, iar crawlerele pierd timp cu copii în loc de pagini noi.

De unde vin duplicatele

• Protocolul și hostul: http și https, cu și fără www. Google le numește pe amândouă variante tipice.
• Parametri: parametri de urmărire precum gclid sau utm_source, ID-uri de sesiune și sortări sau filtre pe paginile de categorie.
• Mici diferențe în adresă: o bară oblică la final, majuscule și minuscule sau index.html pot transforma o pagină în mai multe adrese.
• Același produs în mai multe categorii, cu câte o adresă pentru fiecare cale.
• Vizualizări de tipărire, pagini mobile separate și copii de test sau demo la care ajung crawlerele.
• Variante regionale: adrese separate pentru mai multe țări, cu același conținut în aceeași limbă.

Ca să le găsești, compară trei liste: adresele din sitemap-ul tău, adresele care apar în statisticile tale și adresele pe care le găsește un crawl al site-ului. O adresă care apare în statistici, dar lipsește din sitemap, este adesea o variantă.

Titluri, descrieri și H1 duplicate

Un al doilea tip de duplicat privește textele, nu adresele. Google recomandă un titlu distinct și descriptiv pentru fiecare pagină și avertizează împotriva textului repetat sau standard în elementul title. Exemplul său este un magazin care folosește aceeași frază de vânzare ca titlu pe fiecare pagină, astfel încât paginile nu mai pot fi deosebite. Dacă titlul nu este util, Google se poate baza și pe titlul principal vizibil și pe titluri precum h1.

Cauze tipice sunt șabloanele care completează doar numele magazinului, paginile de categorie cu numere de pagină și variantele de produs care împart un singur text. Dă fiecărei pagini dintr-un astfel de grup un titlu, o descriere și un H1 care numesc diferența: produsul, culoarea, orașul sau subiectul. Cum le scrii explică ghidul nostru despre titlu și meta descriere.

Pagini aproape identice

Paginile cu aproape același text principal sunt mai greu de judecat: pagini de locație care schimbă doar numele orașului, variante cu un text comun, pagini de etichete și de categorie care listează aceleași articole. Întreabă-te pentru fiecare grup dacă fiecare pagină are un scop propriu pentru vizitatori. Dacă da, dă-i conținut propriu. Dacă nu, unește paginile într-una și redirecționează-le pe celelalte sau marchează o pagină ca versiune principală.

Cum îi spui lui Google care adresă este cea principală

Google numește trei căi și spune cât de puternic este fiecare semnal:

• O redirecționare, de exemplu 301: un semnal puternic că ținta ar trebui să devină canonică. Folosește-o când renunți la duplicat.
• Un link canonical în head-ul paginii sau ca antet HTTP: tot un semnal puternic. Antetul funcționează și pentru fișiere precum PDF-urile.
• Un sitemap care listează doar adresele principale: un semnal slab.

Google tratează alegerea ta ca pe un indiciu, nu ca pe o regulă, și poate alege altă pagină dacă alte semnale contrazic. De aceea, fă ca toate semnalele să indice aceeași adresă.

Reguli pentru linkurile canonical

• Fiecare pagină principală se numește pe sine canonică.
• Folosește adrese complete, cu https://, nu relative.
• Nu indica adrese canonice diferite pentru aceeași pagină în locuri diferite.
• Nu folosi noindex ca să alegi între duplicatele de pe propriul site. Asta scoate pagina complet din Căutare.
• Nu folosi robots.txt pentru asta. Google poate indexa totuși adresele blocate, doar fără conținutul lor.
• Pune linkuri interne către adresa principală, în meniuri, în text și în sitemap.
• Versiunile lingvistice se numesc pe ele însele, nu altă limbă. Ghidul nostru despre greșelile hreflang explică de ce.

www, https și alte variante ale site-ului

Alege o singură formă a domeniului tău, de exemplu https cu www, și redirecționează orice altă formă către ea, pagină cu pagină, nu spre pagina de start. Google preferă în general versiunea https drept canonică, cu excepția cazului în care există probleme precum un certificat invalid, și recomandă să eviți redirecționările de la https la http. După aceea, verifică dacă linkurile interne, linkurile canonical și sitemap-ul folosesc toate forma aleasă.

Lucrează cu Do4U

Verificarea conținutului duplicat citește site-ul tău de la pagina de start, dintr-o listă de adrese sau dintr-un sitemap. Pentru un număr limitat de pagini compară titlurile, meta descrierile, H1, linkurile canonical, noindex și textul principal vizibil. Primești fiecare constatare grupată cu adresele afectate: titluri și descrieri duplicate sau lipsă, pagini cu puțin text, pagini cu aproape același text, linkuri canonical către pagini defecte sau alte site-uri și pagini noindex spre care trimit propriile tale pagini. Poți exporta totul ca CSV. Verificarea funcționează fără IA și este gratuită, cu o limită zilnică pe cont.

Paginile sunt citite așa cum le livrează serverul, fără JavaScript, iar un site mare este citit doar parțial. Lungimile titlurilor sunt valori orientative, nu reguli Google. Do4U găsește indicii, tu verifici și decizi ce adresă rămâne.