Canonical e conteúdo duplicado

Módulo 3: A base técnica de uma página · Tempo de leitura: 12 minutos

Objetivo de aprendizagem: No final desta lição, saberá reconhecer conteúdo duplicado no seu site, escolher qual é o endereço verdadeiro (canónico) e indicá-lo corretamente aos motores de pesquisa com redirecionamentos e rel="canonical".

Conceitos chave: conteúdo duplicado, canonicalização, endereço canónico, variantes (http e https, com e sem www, barra final, parâmetros, maiúsculas), rel="canonical", endereço absoluto, canonical como sugestão, redirecionamento 301 como sinal mais forte, canonical escolhido pelo Google, nenhuma penalização por conteúdo duplicado

Uma página, cinco endereços

Para si, a página dos ramos de noiva é uma única página. Para um motor de pesquisa, cada endereço é uma página separada. Veja como o mesmo conteúdo do Bloemenatelier Lotte pode estar acessível em cinco endereços:

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

A isto chama-se conteúdo duplicado: o mesmo conteúdo (ou quase o mesmo) em mais do que um endereço. O Google indica as causas mais conhecidas:

A isto juntam-se ainda: uma barra no fim ou não, maiúsculas no caminho (/Contact e /contact), index.html no fim do endereço e parâmetros de newsletters e anúncios.

Isso é grave?

Não há penalização. O Google escreve que algum conteúdo duplicado num site é normal e não viola as suas regras contra spam. Não é penalizado por isso. Só corre mal quando alguém cria cópias em massa de propósito para encher os resultados de pesquisa; isso é outra história (lição 8.2).

Então porque deve tratar disto? Porque, caso contrário, é o motor de pesquisa que escolhe. O Google agrupa páginas com o mesmo conteúdo e escolhe entre elas um único endereço canónico: o representante que aparece nos resultados de pesquisa e que é rastreado com mais frequência. Essa escolha chama-se canonicalização. Se deixar a decisão ao Google, ele pode escolher precisamente o endereço com ?utm_source=nieuwsbrief no fim. Além disso, os seus números no Search Console ficam dispersos por cinco variantes e o crawler desperdiça tempo com cópias.

Os três sinais, do mais forte ao mais fraco

É o senhor ou a senhora quem diz ao motor de pesquisa qual é o endereço verdadeiro. O Google indica três formas, por ordem de força:

1. Redirecionar (301 ou 308): um sinal forte de que o destino do redirecionamento deve tornar-se canónico. Utilize-o para variantes de que ninguém precisa: de http para https e da versão com ou sem www para a outra. Isto configura-se uma única vez para todo o site (lição 4.1).
2. rel="canonical": também um sinal forte. Uma linha no <head> da página que indica qual é o endereço verdadeiro. Utilize-o quando a variante tem de continuar a funcionar, como um endereço com um filtro ou um parâmetro de newsletter.
3. O sitemap: um sinal fraco. Os endereços que coloca no seu sitemap são propostos como canónicos (lição 3.4). Por isso, coloque lá apenas os endereços verdadeiros.

Um canonical tem este aspeto:

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

Cada variante da página tem a mesma linha, incluindo o próprio endereço canónico. Este último caso chama-se referência a si próprio (self-referencing canonical). Não é obrigatório, mas é útil: se alguém chegar através de ?utm_source=nieuwsbrief, o endereço verdadeiro está logo indicado.

Uma sugestão, não uma ordem

O Google di-lo claramente: um canonical é uma sugestão, não uma regra. O Google pode escolher um endereço diferente do seu. Isso acontece sobretudo quando os seus sinais se contradizem. Na Inspeção de URL do Search Console (lição 2.4) vê duas linhas lado a lado: "Canónico declarado pelo utilizador" e "Canónico selecionado pelo Google". Se forem diferentes, procure uma contradição:

• o canonical aponta para https://www.example.com/..., mas o sitemap indica https://example.com/...;
• o canonical aponta para https://, mas https:// redireciona para http://;
• as ligações internas do seu menu apontam para uma variante diferente da do canonical;
• as páginas não são suficientemente parecidas: um canonical de uma página de produto para a página inicial não funciona, porque não é uma cópia.

Com conteúdo igual, o Google prefere a versão https como endereço canónico, a menos que haja algum problema com ela, como um certificado inválido.

Como escrever corretamente um canonical

Para ficheiros sem HTML, como um pdf, o canonical também pode ser indicado como cabeçalho HTTP:

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

O que não deve fazer

• Não utilize o robots.txt para canonicalização. O Google diz expressamente: não use o robots.txt para isso. Se bloquear as variantes, o Google não as consegue ler e, por isso, também não vê o seu canonical.
• Não utilize noindex para impor um canonical. O Google também desaconselha isso dentro de um mesmo site. Noindex significa "não incluir de todo", não "prefira antes aquela outra".
• Não aponte tudo para a página inicial. Um canonical em todas as páginas a apontar para a página inicial (um erro conhecido em temas e plugins) diz ao Google que todo o seu site é uma única página.

Na prática: quem trata de quê?

Os redirecionamentos para todo o site configuram-se no seu alojamento. No DirectAdmin da WebOké, nas definições de um domínio, encontra as opções de SSL, redirecionamento https e "com ou sem www"; noutros fornecedores o nome é diferente, mas trata-se do mesmo tipo de definição. O canonical na página é criado pelo seu construtor de sites. O WordPress coloca automaticamente um canonical em artigos e páginas, e os plugins de SEO assumem essa tarefa. O AI Builder da WebOké coloca em cada página publicada um canonical para o endereço dessa mesma página e, propositadamente, nenhum na página de erro (404). Depois de cada mudança de domínio ou da escolha de www, verifique se o canonical, o redirecionamento e o sitemap continuam a indicar o mesmo endereço.

Resumo

• O conteúdo duplicado é normal e não dá origem a penalização, mas sem um sinal é o motor de pesquisa que escolhe qual o endereço canónico.
• Três sinais: redirecionar (forte), rel="canonical" (forte) e o sitemap (fraco). Faça com que todos indiquem o mesmo endereço.
• Um canonical é uma sugestão: o Google pode escolher outro, sobretudo com sinais contraditórios. Consulte a Inspeção de URL.
• Escreva-o completo, uma única vez, no <head>, para uma página que devolve 200, não tem noindex e aponta para si própria.
• Não utilize o robots.txt nem o noindex para impor um canonical.

Questionário

Exercício

Exercício A3.5: O seu canonical aponta para o sítio certo? Introduza o endereço de uma página do seu site. O programa lê a página, procura o canonical e verifica se existe exatamente um, se está completo e em https, se o destino devolve 200, não tem noindex e aponta para si próprio, e se as variantes com http e com ou sem www redirecionam para o mesmo anfitrião. Não tem site próprio? Utilize https://european-union.europa.eu/index_nl.

Para saber mais

Os passos destes artigos aplicam-se aos painéis da WebOké; noutros fornecedores funciona de forma semelhante.

• Manual DirectAdmin 4.3: Definições de um domínio: SSL, PHP, www e private_html
• Manual DirectAdmin 4.7: Config. redirecionamentos do site: redirecionar um domínio ou uma página
• Curso gratuito de DNS 3.4: www, redirecionamento e o que o DNS não faz
• Google Search Central, O que é a canonicalização: https://developers.google.com/search/docs/crawling-indexing/canonicalization
• Google Search Central, Consolidar URLs duplicados (indicar o canonical): https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls
• Curso gratuito de WordPress 3.2: www, redirecionamento e conteúdo misto