Gestionar hábilmente el contenido duplicado

Lunes, 18 de diciembre de 2006

En la reciente conferencia Search Engine Strategies en un Chicago helado, a muchos de los que trabajamos en Google nos hicieron preguntas sobre el contenido duplicado. Reconocemos que hay muchos matices y algo de confusión sobre el tema, por lo que nos gustaría ayudar a aclarar las cosas.

¿Qué es el contenido duplicado?

El contenido duplicado se refiere generalmente a bloques sustanciales de contenido dentro o entre dominios que coinciden completamente con otro contenido o son apreciablemente similares. La mayoría de las veces que vemos esto, es involuntario o al menos no malintencionado en su origen: foros que generan páginas tanto normales como simplificadas para móviles, artículos de tienda mostrados (y, lo que es peor, enlazados) a través de múltiples URL distintas, y así sucesivamente. En algunos casos, el contenido se duplica entre dominios en un intento de manipular los rankings de los motores de búsqueda o conseguir más tráfico a través de consultas populares o de cola larga.

¿Qué no es contenido duplicado?

Aunque ofrecemos
una útil herramienta de traducción, nuestros algoritmos no verán el mismo artículo escrito en inglés y en español como contenido duplicado. Del mismo modo, no debe preocuparse de que fragmentos ocasionales (citas y otros) sean marcados como contenido duplicado.

¿Por qué le importa a Google el contenido duplicado?

Nuestros usuarios normalmente quieren ver una muestra diversa de contenido único cuando realizan búsquedas. Por el contrario, es comprensible que se molesten cuando ven sustancialmente el mismo contenido dentro de un conjunto de resultados de búsqueda. Además, los webmasters se entristecen cuando mostramos una URL compleja (example.com/contentredir?value=shorty-george〈=en) en lugar de la URL bonita que prefieren (example.com/en/shorty-george).

¿Qué hace Google al respecto?

Durante nuestro rastreo y al ofrecer resultados de búsqueda, nos esforzamos por indexar y mostrar páginas con información distinta. Este filtrado significa, por ejemplo, que si su sitio tiene artículos en versiones “normal” y “de impresora” y ningún conjunto está bloqueado en robots.txt o mediante una etiqueta meta noindex, elegiremos una versión para mostrar. En los raros casos en los que percibimos que el contenido duplicado puede mostrarse con la intención de manipular nuestros rankings y engañar a nuestros usuarios, también haremos los ajustes apropiados en la indexación y el ranking de los sitios involucrados. Sin embargo, preferimos centrarnos en el filtrado en lugar de en los ajustes de ranking… por lo que en la gran mayoría de los casos, lo peor que les sucederá a los webmasters es ver la versión “menos deseada” de una página mostrada en nuestro índice.

¿Cómo pueden los webmasters abordar de forma proactiva los problemas de contenido duplicado?

• Bloquee adecuadamente: En lugar de dejar que nuestros algoritmos determinen la “mejor” versión de un documento, es posible que desee ayudar a guiarnos hacia su versión preferida. Por ejemplo, si no desea que indexemos las versiones para impresora de los artículos de su sitio, desautorice esos directorios o utilice expresiones regulares en su archivo robots.txt.
• Utilice 301 redirecciones: Si ha reestructurado su sitio,
  utilice 301 redirecciones
  (RedirectPermanent) en su .htaccess archivo para redirigir inteligentemente a los usuarios, el Googlebot y otras arañas.
• Sea coherente: Esfuércese por mantener su enlazado interno coherente; no enlace a
  /page/ y /page y /page/index.htm.
• Utilice TLD: Para ayudarnos a ofrecer la versión más adecuada de un documento, utilice dominios de nivel superior siempre que sea posible para gestionar contenido específico de cada país. Es más probable que sepamos que
  .de indica contenido centrado en Alemania, por ejemplo, que /de o
  de.example.com.
• Sindique cuidadosamente: Si sindica su contenido en otros sitios, asegúrese de que incluyan un enlace de vuelta al artículo original en cada artículo sindicado. Aun así, tenga en cuenta que siempre mostraremos la versión (no bloqueada) que creamos que es más adecuada para los usuarios en cada búsqueda dada, que puede o no ser la versión que usted preferiría.
• Utilice la función de dominio preferido de Webmaster Tools: Si otros sitios enlazan al suyo utilizando tanto la versión www como la no-www de sus URL, puede hacernos saber de qué manera prefiere que se indexe su sitio.
• Minimice la repetición de textos estándar: Por ejemplo, en lugar de incluir un texto de copyright largo en la parte inferior de chaque página, incluya un resumen muy breve y luego enlace a una página con más detalles.
• Evite publicar fragmentos (stubs): A los usuarios no les gusta ver páginas “vacías”, así que evite los marcadores de posición siempre que sea posible. Esto significa no publicar (o al menos bloquear) páginas con cero reseñas, sin anuncios inmobiliarios, etc., para que los usuarios (y los bots) no estén sujetos a un millón de instancias de “A continuación encontrará una excelente lista de todas las grandes oportunidades de alquiler en [inserte el nombre de la ciudad]…” sin anuncios reales.
• Entienda su CMS: Asegúrese de estar familiarizado con cómo se muestra el contenido en su sitio web, particularmente si incluye un blog, un foro o un sistema relacionado que a menudo muestra el mismo contenido en múltiples formatos.
• No se preocupe, sea feliz: No se preocupe demasiado por los sitios que hacen scraping (se apropian indebidamente y republican) de su contenido. Aunque es molesto, es muy poco probable que dichos sitios puedan afectar negativamente a la presencia de su sitio en Google. Si detecta un caso que es particularmente frustrante,
  solicitud DMCA
  es bienvenido a presentar una para reclamar la propiedad del contenido y hacer que nos ocupemos del sitio deshonesto.

En resumen, una conciencia general de los problemas de contenido duplicado y unos minutos de mantenimiento preventivo cuidadoso deberían ayudarle a ayudarnos a proporcionar a los usuarios contenido único y relevante.