Canonical y contenido duplicado

Módulo 3: La base técnica de una página · Tiempo de lectura: 12 minutos

Objetivo de aprendizaje: Después de esta lección sabrá reconocer el contenido duplicado en su sitio, elegir cuál es la dirección real (canónica) y comunicarla correctamente a los buscadores con redirecciones y rel="canonical".

Conceptos clave: contenido duplicado, canonicalización, dirección canónica, variantes (http y https, con y sin www, barra final, parámetros, mayúsculas), rel="canonical", dirección absoluta, el canonical como indicación, la redirección 301 como señal más fuerte, canonical elegido por Google, ninguna penalización por contenido duplicado

Una página, cinco direcciones

Para usted, la página de ramos de novia es una sola página. Para un buscador, cada dirección es una página distinta. Fíjese en cómo el mismo contenido de Bloemenatelier Lotte puede estar accesible en cinco direcciones:

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

Esto se llama contenido duplicado: el mismo contenido (o casi el mismo) en más de una dirección. Google menciona las causas más conocidas:

A esto se suman: una barra al final o no, mayúsculas en la ruta (/Contact y /contact), index.html detrás de la dirección, y parámetros de boletines y anuncios.

¿Es grave?

No hay penalización. Google indica que algo de contenido duplicado en un sitio es normal y no infringe sus políticas contra el spam. No se le penaliza por ello. El problema surge solo cuando alguien crea copias de forma masiva y deliberada para llenar los resultados de búsqueda; eso es otra historia (lección 8.2).

Entonces, ¿por qué conviene resolverlo? Porque, si no, el buscador elige por su cuenta. Google agrupa las páginas con el mismo contenido y elige entre ellas una dirección canónica: la representante que aparece en los resultados de búsqueda y que se rastrea con más frecuencia. Esa elección se llama canonicalización. Si lo deja en manos de Google, puede elegir justo la dirección con ?utm_source=nieuwsbrief al final. Además, sus cifras en Search Console se reparten entre cinco variantes, y el rastreador pierde tiempo con copias.

Las tres señales, de fuerte a débil

Usted le indica al buscador cuál es la dirección real. Google menciona tres maneras, por orden de fuerza:

1. Redirigir (301 o 308): una señal fuerte de que el destino de la redirección debe ser el canónico. Úsela para las variantes que nadie necesita: de http a https, y de la versión con o sin www a la otra. Esto se configura una sola vez para todo el sitio (lección 4.1).
2. rel="canonical": también una señal fuerte. Una línea en el <head> de la página que indica cuál es la dirección real. Úsela cuando la variante deba seguir funcionando, como una dirección con un filtro o con un parámetro de boletín.
3. El sitemap: una señal débil. Las direcciones que incluye en su sitemap las propone como canónicas (lección 3.4). Por eso, incluya solo las direcciones reales.

Un canonical tiene este aspecto:

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

Cada variante de la página lleva la misma línea, también la propia dirección canónica. Esto último se llama referencia a sí misma (self-referencing canonical). No es obligatoria, pero sí práctica: si alguien llega a través de ?utm_source=nieuwsbrief, la dirección real aparece indicada de inmediato.

Una indicación, no una orden

Google lo dice con claridad: un canonical es una indicación, no una regla. Google puede elegir una dirección distinta de la suya. Esto ocurre sobre todo cuando sus señales se contradicen. En la inspección de URLs de Search Console (lección 2.4) verá dos líneas una junto a otra: "URL canónica declarada por el usuario" y "URL canónica seleccionada por Google". Si no coinciden, busque una contradicción:

• el canonical apunta a https://www.example.com/..., pero el sitemap indica https://example.com/...;
• el canonical apunta a https://, pero https:// redirige a http://;
• los enlaces internos de su menú apuntan a otra variante distinta del canonical;
• las páginas no se parecen lo suficiente: un canonical de una página de producto a la página de inicio no funciona, porque no es una copia.

Con el mismo contenido, Google prefiere la versión https como dirección canónica, salvo que tenga algún problema, como un certificado no válido.

Cómo escribir bien un canonical

Para archivos sin HTML, como un pdf, el canonical también puede ir como cabecera HTTP:

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

Lo que no debe hacer

• No use robots.txt para la canonicalización. Google lo dice expresamente: no use robots.txt para esto. Si bloquea las variantes, Google no puede leerlas y, por tanto, tampoco ve su canonical.
• No use noindex para imponer un canonical. Google también lo desaconseja dentro de un mismo sitio. Noindex dice "no incluir en absoluto", no "mejor incluya esa otra".
• No apunte todo a la página de inicio. Un canonical en cada página que apunta a la página de inicio (un error conocido de temas y plugins) le dice a Google que todo su sitio es una sola página.

En la práctica: ¿quién se encarga de qué?

Las redirecciones para todo el sitio se configuran en su hosting. En DirectAdmin de WebOké, la configuración de un dominio incluye las opciones de SSL, redirección a https y "con o sin www"; en otros proveedores tiene otro nombre, pero es el mismo tipo de ajuste. El canonical de la página lo crea su creador de sitios web. WordPress añade por sí mismo un canonical en entradas y páginas, y los plugins de SEO se encargan de ello. El AI Builder de WebOké pone en cada página publicada un canonical a la dirección propia de esa página, y en la página de error (404), deliberadamente, ninguno. Después de cada cambio de dominio o de la opción de www, compruebe si el canonical, la redirección y el sitemap siguen indicando la misma dirección.

Resumen

• El contenido duplicado es normal y no es motivo de penalización, pero sin una señal el buscador elige por su cuenta qué dirección es la canónica.
• Tres señales: redirigir (fuerte), rel="canonical" (fuerte) y el sitemap (débil). Haga que indiquen la misma dirección.
• Un canonical es una indicación: Google puede elegir otra cosa, sobre todo si las señales se contradicen. Consulte la inspección de URLs.
• Escríbalo completo, una sola vez, en el <head>, hacia una página que devuelva 200, no tenga noindex y apunte a sí misma.
• No use robots.txt ni noindex para imponer un canonical.

Cuestionario

Ejercicio

Ejercicio A3.5: ¿Apunta bien su canonical? Introduzca la dirección de una página de su sitio. El programa lee la página, busca el canonical y comprueba si hay exactamente uno, si es completo y con https, si el destino devuelve 200, no tiene noindex y apunta a sí mismo, y si las variantes con http y con o sin www redirigen al mismo host. ¿No tiene sitio propio? Use https://european-union.europa.eu/index_nl.

Para seguir leyendo

Los pasos de estos artículos se aplican a los paneles de WebOké; en otros proveedores funciona de forma similar.

• Manual de DirectAdmin 4.3: Configuración de un dominio: SSL, PHP, www y private_html
• Manual de DirectAdmin 4.7: Redirecciones de sitios: redirigir un dominio o una página
• Curso gratuito de DNS 3.4: www, redirecciones y lo que el DNS no hace
• Google Search Central, Qué es la canonicalización: https://developers.google.com/search/docs/crawling-indexing/canonicalization
• Google Search Central, Consolidar URLs duplicadas (especificar un canonical): https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls