Contenido duplicado debido a scrapers

Lunes, 9 de junio de 2008

Dado que el contenido duplicado es un tema candente entre los webmasters, pensamos que podría ser un buen momento para abordar las preguntas comunes que nos hacen regularmente en conferencias y en el
Grupo de ayuda para webmasters de Google.

Antes de profundizar, me gustaría mencionar brevemente una preocupación que los webmasters expresan a menudo: en la mayoría de los casos, un webmaster no tiene influencia sobre terceros que extraen y redistribuyen contenido sin el consentimiento del webmaster. Nos damos cuenta de que esto no es culpa del webmaster afectado, lo que a su vez significa que el contenido idéntico que aparece en varios sitios en sí mismo no se considera inherentemente una violación de nuestras
directrices para webmasters.
Esto simplemente conduce a otros procesos con la intención de determinar la fuente original del contenido, algo en lo que Google es bastante bueno, ya que en la mayoría de los casos el contenido original se puede identificar correctamente, sin que ello tenga efectos negativos para el sitio que originó el contenido.

En general, podemos diferenciar entre dos escenarios principales para problemas relacionados con el contenido duplicado:

• Contenido duplicado dentro del dominio, es decir, contenido idéntico que (a menudo sin querer) aparece en más de un lugar de su sitio
• Contenido duplicado entre dominios, es decir, contenido idéntico de su sitio que aparece (nuevamente, a menudo sin querer) en diferentes sitios externos

Con el primer escenario, puede tomar cartas en el asunto para evitar que Google indexe contenido duplicado en su sitio. Consulte la publicación de Adam Lasnik
Cómo lidiar hábilmente con el contenido duplicado
y la de Vanessa Fox
Cumbre de contenido duplicado en SMX Advanced,
ambas le ofrecen excelentes consejos sobre cómo resolver problemas de contenido duplicado dentro de su sitio. Aquí tiene un consejo adicional para ayudar a evitar que el contenido de su sitio sea rastreado como duplicado: incluya la versión preferida de sus URLs en su archivo Sitemap. Al encontrar diferentes páginas con el mismo contenido, esto puede ayudar a aumentar la probabilidad de que sirvamos la versión que prefiera. También puede encontrar información adicional sobre el contenido duplicado en nuestro completo
artículo del Centro de ayuda
que analiza este tema.

En el segundo escenario, es posible que alguien extraiga su contenido para colocarlo en otro sitio, a menudo para intentar monetizarlo. También es común que muchos servidores proxy web indexen partes de sitios a los que se ha accedido a través del proxy. Al encontrar dicho contenido duplicado en diferentes sitios, observamos varias señales para determinar qué sitio es el original, lo cual suele funcionar muy esto también significa que no debe preocuparse demasiado por ver efectos negativos en la presencia de su sitio en Google si nota que alguien extrae su contenido.

En los casos en los que sindica su contenido pero también desea asegurarse de que su sitio sea identificado como la fuente original, es útil pedir a sus socios de sindicación que incluyan un enlace a su contenido original. Puede encontrar algunos consejos adicionales sobre cómo lidiar con el contenido sindicado en una publicación reciente de Vanessa Fox,
Posicionamiento como la fuente original para el contenido que sindica.

Algunos webmasters han preguntado qué podría hacer que el contenido extraído se posicione más alto que la fuente original. Eso debería ser un caso raro, pero si se encuentra en esta situación:

• Compruebe si su contenido sigue siendo accesible para nuestros rastreadores. Es posible que haya bloqueado sin querer el acesso a partes de su contenido en su archivo robots.txt.
• Puede consultar su archivo Sitemap para ver si realizó cambios en el contenido específico que ha sido extraído.
• Compruebe si su sitio cumple con nuestras directrices para webmasters.

Para concluir, me gustaría señalar que en la mayoría de los casos, tener contenido duplicado no tiene efectos negativos en la presencia de su sitio en el índice de Google. Simplemente se filtra. Si consulta algunos de los consejos mencionados en los recursos anteriores, básicamente aprenderá a tener un mayor control sobre lo que rastreamos e indexamos exactamente y qué versiones tienen más probabilidades de aparecer en el índice. Solo cuando hay señales que apuntan a una intención deliberada y maliciosa, las apariciones de contenido duplicado pueden considerarse una violación de las directrices para webmasters.

Si desea seguir discutiendo este tema, puede visitar nuestro
Grupo de ayuda para webmasters.

Escrito por Sven Naumann, Equipo de Calidad de Búsqueda