Canonical și conținutul duplicat

Modulul 3: Baza tehnică a unei pagini · Timp de citire: 12 minute

Obiectivul lecției: După această lecție veți putea recunoaște conținutul duplicat de pe site-ul dumneavoastră, veți putea alege care adresă este cea reală (canonică) și veți putea transmite corect acest lucru motoarelor de căutare prin redirecționare și rel="canonical".

Concepte cheie: conținut duplicat, canonicalizare, adresă canonică, variante (http și https, cu și fără www, slash, parametri, majuscule), rel="canonical", adresă absolută, canonical ca indiciu, redirecționarea 301 ca semnal mai puternic, canonical ales de Google, nicio penalizare pentru conținutul duplicat

O singură pagină, cinci adrese

Pentru dumneavoastră, pagina cu buchete de mireasă este o singură pagină. Pentru un motor de căutare, fiecare adresă este o pagină separată. Priviți cum același conținut de la Bloemenatelier Lotte poate fi accesat la cinci adrese:

http://example.com/bruidsboeketten
https://example.com/bruidsboeketten
https://www.example.com/bruidsboeketten
https://www.example.com/bruidsboeketten/
https://www.example.com/bruidsboeketten?utm_source=nieuwsbrief

Acest lucru se numește conținut duplicat: același conținut (sau aproape același) la mai mult de o adresă. Google menționează cele mai cunoscute cauze:

La acestea se adaugă: un slash la final sau nu, majuscule în cale (/Contact și /contact), index.html după adresă, precum și parametrii din buletine informative și reclame.

Este grav?

Nicio penalizare. Google scrie că un anumit conținut duplicat pe un site este normal și nu încalcă regulile sale privind spamul. Nu veți fi penalizat pentru asta. Problema apare abia când cineva creează intenționat copii în masă pentru a umple rezultatele căutării; aceasta este o altă poveste (lecția 8.2).

De ce să vă ocupați totuși de acest lucru? Pentru că altfel motorul de căutare alege singur. Google grupează paginile cu același conținut și alege dintre ele o singură adresă canonică: reprezentanta care apare în rezultatele căutării și care este accesată cel mai des de crawler. Această alegere se numește canonicalizare. Dacă lăsați alegerea în seama Google, acesta poate alege tocmai adresa cu ?utm_source=nieuwsbrief la final. În plus, cifrele dumneavoastră din Search Console se împart între cinci variante, iar crawlerul pierde timp cu copiile.

Cele trei semnale, de la puternic la slab

Dumneavoastră îi spuneți motorului de căutare care adresă este cea reală. Google menționează trei metode, în ordinea puterii lor:

1. Redirecționarea (301 sau 308): un semnal puternic că ținta redirecționării trebuie să devină canonică. Folosiți-o pentru variantele de care nu are nevoie nimeni: de la http la https și de la versiunea cu sau fără www la cealaltă. Configurați acest lucru o singură dată pentru întregul site (lecția 4.1).
2. rel="canonical": tot un semnal puternic. Un rând în <head>-ul paginii care spune care adresă este cea reală. Folosiți-l acolo unde varianta trebuie să funcționeze în continuare, de exemplu o adresă cu un filtru sau cu un parametru de buletin informativ.
3. Sitemap-ul: un semnal slab. Adresele pe care le includeți în sitemap le propuneți ca fiind canonice (lecția 3.4). Includeți deci doar adresele reale.

Un canonical arată astfel:

<head>
  <title>Bruidsboeketten op maat | Bloemenatelier Lotte</title>
  <link rel="canonical" href="https://www.example.com/bruidsboeketten">
</head>

Fiecare variantă a paginii conține același rând, inclusiv adresa canonică însăși. Acest ultim caz se numește trimitere către sine (self-referencing canonical). Nu este obligatorie, dar este utilă: dacă cineva ajunge prin ?utm_source=nieuwsbrief, adresa reală este indicată imediat.

Un indiciu, nu o poruncă

Google o spune clar: un canonical este un indiciu, nu o regulă. Google poate alege o altă adresă decât dumneavoastră. Acest lucru se întâmplă mai ales atunci când semnalele dumneavoastră se contrazic. În Inspectarea adresei URL din Search Console (lecția 2.4) vedeți două rânduri unul lângă altul: "Adresa URL canonică declarată de utilizator" și "Adresa URL canonică selectată de Google". Dacă acestea diferă, căutați o contradicție:

• canonical-ul indică https://www.example.com/..., dar sitemap-ul menționează https://example.com/...;
• canonical-ul indică https://, dar https:// redirecționează către http://;
• linkurile interne din meniul dumneavoastră indică o altă variantă decât canonical-ul;
• paginile nu seamănă suficient între ele: un canonical de la o pagină de produs către pagina principală nu funcționează, deoarece aceasta nu este o copie.

La conținut identic, Google preferă versiunea https ca adresă canonică, cu excepția cazului în care există o problemă cu ea, de exemplu un certificat nevalid.

Cum scrieți corect un canonical

Pentru fișierele fără HTML, cum ar fi un pdf, un canonical poate fi transmis și ca antet HTTP:

Link: <https://www.example.com/prijslijst.pdf>; rel="canonical"

Ce nu trebuie să faceți

• Nu folosiți robots.txt pentru canonicalizare. Google spune explicit: nu folosiți robots.txt în acest scop. Dacă blocați variantele, Google nu le poate citi și, prin urmare, nu vede nici canonical-ul dumneavoastră.
• Nu folosiți noindex pentru a impune un canonical. Nici acest lucru nu este recomandat de Google în cadrul aceluiași site. Noindex înseamnă "nu include deloc", nu "include mai bine cealaltă pagină".
• Nu trimiteți totul către pagina principală. Un canonical pe fiecare pagină care indică pagina principală (o greșeală cunoscută în teme și pluginuri) îi spune lui Google că întregul dumneavoastră site este o singură pagină.

În practică: cine se ocupă de ce?

Redirecționările pentru întregul site le configurați la furnizorul de găzduire. În DirectAdmin la WebOké, în setările unui domeniu găsiți opțiunile pentru SSL, redirecționarea https și "cu sau fără www"; la alți furnizori se numesc altfel, dar este același tip de setare. Canonical-ul din pagină îl creează instrumentul de construire a site-ului. WordPress adaugă singur un canonical pe articole și pagini, iar pluginurile SEO preiau această sarcină. AI Builder de la WebOké adaugă pe fiecare pagină publicată un canonical către adresa proprie a paginii respective, iar pe pagina de eroare (404) în mod intenționat niciunul. După fiecare schimbare de domeniu sau de opțiune www, verificați dacă canonical-ul, redirecționarea și sitemap-ul indică în continuare aceeași adresă.

Rezumat

• Conținutul duplicat este normal și nu este motiv de penalizare, dar fără un semnal motorul de căutare alege singur care adresă este canonică.
• Trei semnale: redirecționarea (puternic), rel="canonical" (puternic) și sitemap-ul (slab). Asigurați-vă că toate indică aceeași adresă.
• Un canonical este un indiciu: Google poate alege altfel, mai ales când semnalele se contrazic. Verificați în Inspectarea adresei URL.
• Scrieți-l complet, o singură dată, în <head>, către o pagină care returnează 200, nu are noindex și indică spre sine.
• Nu folosiți robots.txt și noindex pentru a impune un canonical.

Test

Exercițiu

Exercițiul A3.5: Indică corect canonical-ul dumneavoastră? Introduceți adresa unei pagini de pe site-ul dumneavoastră. Programul citește pagina, caută canonical-ul și verifică dacă există exact unul, dacă este complet și cu https, dacă ținta returnează 200, nu are noindex și indică spre sine, precum și dacă variantele cu http și cu sau fără www redirecționează către aceeași gazdă. Nu aveți un site propriu? Folosiți https://european-union.europa.eu/index_nl.

Resurse suplimentare

Pașii din aceste articole se aplică panourilor WebOké; la alți furnizori funcționează în mod similar.

• Manual DirectAdmin 4.3: Setările unui domeniu: SSL, PHP, www și private_html
• Manual DirectAdmin 4.7: Site Redirects: redirecționarea unui domeniu sau a unei pagini
• Curs gratuit de DNS 3.4: www, redirecționare și ce nu face DNS
• Google Search Central, Ce este canonicalizarea: https://developers.google.com/search/docs/crawling-indexing/canonicalization
• Google Search Central, Consolidarea adreselor URL duplicate (specificarea canonical-ului): https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls