Duplicate Content

El duplicate content surge casi siempre sin querer: la misma página con y sin www, con un número de sesión de una campaña, como versión para imprimir, como vista filtrada en una tienda, o porque un texto está a la vez en una entrada de blog y en una página de resumen temático. De un único contenido resultan así varias direcciones que a las personas les parecen iguales y que, para un buscador, en un primer momento parecen varias páginas distintas.

En torno al término se ha instalado un malentendido persistente: la idea de una «sanción por duplicate content» que penaliza activamente una web por tener contenido duplicado. Google lo desmiente expresamente en su propia documentación — no existe tal sanción en el sentido habitual. Lo que ocurre en su lugar Google lo llama filtrado o canonicalización: de varias direcciones equivalentes se elige una para los resultados, las demás quedan relegadas, no sancionadas.

Esta selección la hace el buscador de forma algorítmica a partir de señales — enlazado interno, redirecciones, entradas en el directorio de direcciones y la etiqueta canonical, que sirve como indicación de qué dirección debe ser la principal. Google suele seguir esta indicación, pero no siempre. Con señales contradictorias puede elegirse una dirección distinta de la deseada, sin que ningún mensaje de error lo advierta.

El daño real no está en una penalización, sino en la dispersión: si media web enlaza a la variante con www y la otra mitad a la variante sin www, el prestigio que una página ha acumulado se reparte entre dos direcciones en lugar de concentrarse en una. Además, el buscador desperdicia capacidad de rastreo en variantes que al final no se van a mostrar de todos modos.

Hay una excepción que contribuye a la confusión: en la copia masiva de contenido ajeno a través de muchos dominios, por ejemplo en redes de spam, Google sí puede intervenir — pero eso ocurre a través de las directrices contra el spam, no mediante una regla propia de duplicate content. El caso habitual en la propia web, del que trata este apartado, es distinto de eso y bastante más inofensivo.

Para la práctica esto significa: fijar una variante de dirección (con o sin www, con o sin barra final), reflejar esa decisión de forma consistente en la etiqueta canonical, llevar los contenidos realmente trasladados mediante una redirección y no mediante una simple indicación, y no publicar el mismo texto dos veces en la misma web sin necesidad. Los detalles sobre la implementación técnica de la indicación están en la entrada sobre la etiqueta canonical; aquí lo que cuenta sobre todo es la regla de fondo.