Canonical en dubbele inhoud

Module 3: De technische basis van een pagina · Leestijd: 12 minuten

Leerdoel: Na deze les kun je dubbele inhoud op je site herkennen, kiezen welk adres het echte (canonieke) adres is, en dat met doorsturen en rel="canonical" goed aan zoekmachines doorgeven.

Kernbegrippen: dubbele inhoud, canonicalisatie, canoniek adres, varianten (http en https, met en zonder www, slash, parameters, hoofdletters), rel="canonical", absoluut adres, canonical als hint, 301-doorsturing als sterker signaal, door Google gekozen canonical, geen straf voor dubbele inhoud

Eén pagina, vijf adressen

Voor jou is de pagina met bruidsboeketten één pagina. Voor een zoekmachine is elk adres een aparte pagina. Kijk maar hoe dezelfde inhoud bij Bloemenatelier Lotte op vijf adressen te bereiken kan zijn:

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

Dat heet dubbele inhoud: dezelfde (of bijna dezelfde) inhoud op meer dan één adres. Google noemt de bekendste oorzaken:

Daar komen nog bij: een slash aan het eind of niet, hoofdletters in het pad (/Contact en /contact), index.html achter het adres, en parameters van nieuwsbrieven en advertenties.

Is dat erg?

Geen straf. Google schrijft dat wat dubbele inhoud op een site normaal is en niet in strijd met zijn spamregels. Je wordt er niet voor gestraft. Het gaat pas mis als iemand met opzet massaal kopieën maakt om de zoekresultaten te vullen; dat is een ander verhaal (les 8.2).

Waarom zou je het dan regelen? Omdat de zoekmachine anders zelf kiest. Google groepeert pagina's met dezelfde inhoud en kiest daaruit één canoniek adres: de vertegenwoordiger die in de zoekresultaten komt en het vaakst wordt gecrawld. Die keuze heet canonicalisatie. Laat je het aan Google over, dan kan hij net het adres kiezen met ?utm_source=nieuwsbrief erachter. Bovendien raken je cijfers in Search Console versnipperd over vijf varianten, en verspilt de crawler tijd aan kopieën.

De drie signalen, van sterk naar zwak

Je vertelt de zoekmachine welk adres het echte is. Google noemt drie manieren, in volgorde van kracht:

1. Doorsturen (301 of 308): een sterk signaal dat het doel van de doorsturing canoniek moet worden. Gebruik dit voor varianten die niemand nodig heeft: http naar https, en de versie met of zonder www naar de andere. Dat regel je één keer voor de hele site (les 4.1).
2. rel="canonical": ook een sterk signaal. Een regel in de <head> van de pagina die zegt welk adres het echte is. Gebruik dit waar de variant moet blijven werken, zoals een adres met een filter of een nieuwsbriefparameter.
3. De sitemap: een zwak signaal. Adressen die je in je sitemap zet, stel je voor als canoniek (les 3.4). Zet er dus alleen de echte adressen in.

Een canonical ziet er zo uit:

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

Elke variant van de pagina draagt dezelfde regel, ook het canonieke adres zelf. Dat laatste heet een verwijzing naar zichzelf (self-referencing canonical). Die is niet verplicht, maar wel handig: komt iemand binnen via ?utm_source=nieuwsbrief, dan staat het echte adres er meteen bij.

Een hint, geen bevel

Google zegt het duidelijk: een canonical is een hint, geen regel. Google kan een ander adres kiezen dan jij. Dat gebeurt vooral als je signalen elkaar tegenspreken. In de URL-inspectie van Search Console (les 2.4) zie je twee regels naast elkaar: "Door gebruiker opgegeven canonieke URL" en "Door Google geselecteerde canonieke URL". Verschillen die, zoek dan naar een tegenstrijdigheid:

• de canonical wijst naar https://www.example.com/..., maar de sitemap noemt https://example.com/...;
• de canonical wijst naar https://, maar https:// stuurt door naar http://;
• de interne links in je menu wijzen naar een andere variant dan de canonical;
• de pagina's lijken niet genoeg op elkaar: een canonical van een productpagina naar de homepage werkt niet, want dat is geen kopie.

Google geeft bij gelijke inhoud de voorkeur aan de https-versie als canoniek adres, tenzij er iets mis mee is, zoals een ongeldig certificaat.

Zo schrijf je een canonical goed

Voor bestanden zonder HTML, zoals een pdf, kan een canonical ook als HTTP-kopregel:

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

Wat je niet moet doen

• Geen robots.txt voor canonicalisatie. Google zegt uitdrukkelijk: gebruik robots.txt daar niet voor. Blokkeer je de varianten, dan kan Google ze niet lezen en ziet hij dus ook je canonical niet.
• Geen noindex om een canonical af te dwingen. Ook dat raadt Google af binnen één site. Noindex zegt "helemaal niet opnemen", niet "neem liever die andere".
• Niet alles naar de homepage. Een canonical op elke pagina die naar de homepage wijst (een bekende fout in thema's en plugins), vertelt Google dat je hele site één pagina is.

In de praktijk: wie regelt wat?

De doorsturingen voor de hele site regel je bij je hosting. In DirectAdmin bij WebOké staan bij de instellingen van een domein de keuzes voor SSL, https-doorsturing en "met of zonder www"; bij andere aanbieders heet het anders, maar het is dezelfde soort instelling. De canonical in de pagina maakt je websitebouwer. WordPress zet zelf een canonical op berichten en pagina's, en SEO-plugins nemen dat over. De AI Builder van WebOké zet op elke gepubliceerde pagina een canonical naar het eigen adres van die pagina, en op de foutpagina (404) bewust geen. Controleer na elke verandering van domein of van www-keuze of canonical, doorsturing en sitemap nog hetzelfde adres noemen.

Samenvatting

• Dubbele inhoud is normaal en geen reden voor straf, maar zonder signaal kiest de zoekmachine zelf welk adres canoniek is.
• Drie signalen: doorsturen (sterk), rel="canonical" (sterk) en de sitemap (zwak). Laat ze hetzelfde adres noemen.
• Een canonical is een hint: Google kan anders kiezen, vooral bij tegenstrijdige signalen. Kijk in de URL-inspectie.
• Schrijf hem volledig, één keer, in de <head>, naar een pagina die 200 geeft, geen noindex heeft en naar zichzelf wijst.
• Gebruik robots.txt en noindex niet om een canonical af te dwingen.

Quiz

Opdracht

Opdracht A3.5: Wijst je canonical goed? Vul het adres van een pagina van je site in. Het programma leest de pagina, zoekt de canonical en controleert of er precies één is, of hij volledig en https is, of het doel 200 geeft, geen noindex heeft en naar zichzelf wijst, en of de varianten met http en met of zonder www naar dezelfde host doorsturen. Geen eigen site? Gebruik https://european-union.europa.eu/index_nl.

Verder lezen

De stappen in deze artikelen gelden voor de panelen van WebOké; bij andere aanbieders werkt het vergelijkbaar.

• DirectAdmin handleiding 4.3: Instellingen van een domein: SSL, PHP, www en private_html
• DirectAdmin handleiding 4.7: Site Omleiden: een domein of pagina doorsturen
• Gratis DNS-cursus 3.4: www, doorsturen en wat DNS niet doet
• Google Search Central, Wat is canonicalisatie: https://developers.google.com/search/docs/crawling-indexing/canonicalization
• Google Search Central, Dubbele URL's samenvoegen (canonical opgeven): https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls
• Gratis WordPress-cursus 3.2: www, doorsturen en gemengde inhoud