Contenuti duplicati
Contenuti duplicati significa che lo stesso contenuto, o uno molto simile, è raggiungibile a più indirizzi, all'interno dello stesso sito o su siti diversi. Per lo più nasce senza intenzione per ragioni tecniche. Google non lo penalizza in modo generalizzato, ma sceglie una versione per i risultati di ricerca, e non è detto che sia quella che vuoi tu.
È una penalizzazione?
No. Nella documentazione di Google il contenuto duplicato in sé non è una violazione. Le norme sullo spam sono rivolte contro altre cose, ad esempio lo scraping: copiare contenuti altrui senza valore aggiunto, modificarli solo leggermente oppure riprendere feed di altri siti senza utilità per i visitatori. Sono una violazione anche le pagine generate in massa e difficilmente distinguibili (doorway page). Chi non fa nulla di tutto ciò, con i duplicati tecnici non ha un problema di penalizzazione, ma di scelta: è Google a decidere quale indirizzo mostrare.
Cause tipiche
- più grafie dello stesso indirizzo: http e https, con e senza www, con e senza barra finale
- parametri URL per tracciamento, ordinamento, filtri o sessioni, ad esempio
?gclid= - una pagina in più categorie o percorsi
- versioni per la stampa e indirizzi mobile separati
- prodotti con descrizioni quasi uguali o testi del produttore
- contenuti copiati su altri siti
Perché dovresti stabilire un indirizzo
Se non indichi un indirizzo, Google sceglie da solo quello che ritiene migliore. Se lo stabilisci, ottieni dei vantaggi:
- Decidi tu quale indirizzo compare nei risultati di ricerca, ad esempio quello pulito invece di quello con il parametro di tracciamento.
- I segnali, come i backlink verso varianti diverse, confluiscono in un solo indirizzo.
- I valori misurati si leggono più facilmente quando un contenuto ha un solo indirizzo.
- Il crawler passa meno tempo sui duplicati (vedi Crawl budget).
Confronto dei metodi
| Metodo | Forza | Impiego |
|---|---|---|
| Redirect 301 | segnale forte | quando la pagina duplicata deve sparire |
rel="canonical" nell'HTML | segnale forte | quando entrambe le pagine restano raggiungibili, solo per pagine HTML |
rel="canonical" come header HTTP | segnale forte | per file senza HTML come i PDF |
| Inserimento nella sitemap | segnale debole | come integrazione, per sostenere l'indirizzo desiderato |
I metodi si possono combinare. Delle due varianti di canonical dovresti usarne una sola, perché usarle insieme è più soggetto a errori. Google raccomanda inoltre un canonical autoreferenziale, cioè un rimando della pagina a se stessa.
<!-- nell'head della pagina duplicata E di quella principale -->
<link rel="canonical" href="https://www.tuodominio.it/tua-pagina"># Apache: reindirizzare http a https con 301
RewriteEngine On
RewriteCond %{HTTPS} off
RewriteRule ^(.*)$ https://www.tuodominio.it/$1 [R=301,L]Come Google sceglie l'indirizzo
Google valuta i segnali citati e considera le peculiarità del sito. In genere preferisce https a http e preferisce gli indirizzi che stanno in un cluster hreflang. Un canonical è quindi un forte indizio, ma non una garanzia.
Pagine multilingue e casi simili
Le pagine in lingue diverse non sono duplicati, anche se corrispondono per contenuto. Collegale con hreflang. Per pagine molto simili nella stessa lingua per paesi diversi aiuta anch'esso hreflang. Le semplici varianti generate soltanto da un filtro dovresti invece accorparle oppure, se non hanno valore di ricerca, contrassegnarle con noindex. Con un canonical verso un'altra pagina la variante sparisce dai risultati.
Errori frequenti
- Canonical verso una pagina completamente diversa: il contenuto dovrebbe corrispondere alla pagina a cui rimandi.
- Canonical e noindex insieme: invia segnali contraddittori.
- Indirizzi doppi nella sitemap: la sitemap dovrebbe contenere solo l'indirizzo principale.
- Canonical nel body invece che nell'head: l'elemento va nell'intestazione della pagina.
- Reagire a penalizzazioni che non esistono: è più importante che nei risultati stia la versione giusta.
Termini correlati
- Sitemap.xml: segnalare gli indirizzi preferiti
- Tag noindex: togliere le pagine dall'indice
- Hreflang: collegare le versioni linguistiche
- Paginazione: contrassegnare correttamente le sequenze di pagine
Fonti
- Google Search Central: Consolidare URL duplicati con i canonical
- Google Search Central: Norme sullo spam per la Ricerca Google (scraping, doorway page)