Canonical e contenuti duplicati

Modulo 3: La base tecnica di una pagina · Tempo di lettura: 12 minuti

Obiettivo della lezione: Al termine di questa lezione saprà riconoscere i contenuti duplicati sul Suo sito, scegliere quale indirizzo è quello vero (canonico) e comunicarlo correttamente ai motori di ricerca con i reindirizzamenti e con rel="canonical".

Concetti chiave: contenuti duplicati, canonicalizzazione, indirizzo canonico, varianti (http e https, con e senza www, barra finale, parametri, maiuscole), rel="canonical", indirizzo assoluto, canonical come suggerimento, reindirizzamento 301 come segnale più forte, canonical scelto da Google, nessuna penalizzazione per i contenuti duplicati

Una pagina, cinque indirizzi

Per Lei la pagina con i bouquet da sposa è una sola pagina. Per un motore di ricerca ogni indirizzo è una pagina a sé. Guardi come lo stesso contenuto di Bloemenatelier Lotte possa essere raggiungibile da cinque indirizzi:

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

Questo si chiama contenuto duplicato: lo stesso contenuto (o quasi lo stesso) su più di un indirizzo. Google indica le cause più comuni:

A queste si aggiungono: la barra finale presente o assente, le maiuscole nel percorso (/Contact e /contact), index.html in coda all'indirizzo e i parametri di newsletter e annunci pubblicitari.

È grave?

Nessuna penalizzazione. Google scrive che un po' di contenuti duplicati su un sito è normale e non viola le sue norme contro lo spam. Non viene penalizzato per questo. I problemi nascono solo quando qualcuno crea di proposito copie in massa per riempire i risultati di ricerca; questa è un'altra storia (lezione 8.2).

Perché sistemarlo, allora? Perché altrimenti è il motore di ricerca a scegliere. Google raggruppa le pagine con lo stesso contenuto e ne sceglie un solo indirizzo canonico: il rappresentante che compare nei risultati di ricerca e che viene scansionato più spesso. Questa scelta si chiama canonicalizzazione. Se lascia decidere Google, potrebbe scegliere proprio l'indirizzo con ?utm_source=nieuwsbrief in coda. Inoltre i Suoi dati in Search Console si disperdono su cinque varianti e il crawler spreca tempo sulle copie.

I tre segnali, dal più forte al più debole

È Lei a dire al motore di ricerca quale indirizzo è quello vero. Google indica tre modi, in ordine di forza:

1. Reindirizzamento (301 o 308): un segnale forte che la destinazione del reindirizzamento deve diventare canonica. Lo usi per le varianti che non servono a nessuno: da http a https, e dalla versione con o senza www all'altra. Si imposta una sola volta per tutto il sito (lezione 4.1).
2. rel="canonical": anche questo è un segnale forte. Una riga nel <head> della pagina che indica quale indirizzo è quello vero. Lo usi quando la variante deve continuare a funzionare, come un indirizzo con un filtro o un parametro della newsletter.
3. La sitemap: un segnale debole. Gli indirizzi che inserisce nella Sua sitemap li propone come canonici (lezione 3.4). Inserisca quindi solo gli indirizzi veri.

Un canonical si presenta così:

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

Ogni variante della pagina riporta la stessa riga, anche l'indirizzo canonico stesso. Quest'ultimo caso si chiama riferimento a se stesso (self-referencing canonical). Non è obbligatorio, ma è utile: se qualcuno arriva tramite ?utm_source=nieuwsbrief, l'indirizzo vero è subito indicato.

Un suggerimento, non un ordine

Google lo dice chiaramente: un canonical è un suggerimento, non una regola. Google può scegliere un indirizzo diverso dal Suo. Succede soprattutto quando i Suoi segnali si contraddicono. Nel Controllo URL di Search Console (lezione 2.4) vede due righe una accanto all'altra: "URL canonico dichiarato dall'utente" e "URL canonico selezionato da Google". Se sono diverse, cerchi una contraddizione:

• il canonical punta a https://www.example.com/..., ma la sitemap indica https://example.com/...;
• il canonical punta a https://, ma https:// reindirizza a http://;
• i link interni del Suo menu puntano a una variante diversa da quella del canonical;
• le pagine non sono abbastanza simili: un canonical da una pagina prodotto alla homepage non funziona, perché non è una copia.

A parità di contenuto, Google preferisce la versione https come indirizzo canonico, a meno che non presenti un problema, come un certificato non valido.

Come scrivere correttamente un canonical

Per i file senza HTML, come un pdf, il canonical può essere indicato anche come intestazione HTTP:

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

Cosa non fare

• Non usare robots.txt per la canonicalizzazione. Google lo dice espressamente: non usi robots.txt a questo scopo. Se blocca le varianti, Google non può leggerle e quindi non vede nemmeno il Suo canonical.
• Non usare noindex per imporre un canonical. Anche questo è sconsigliato da Google all'interno di uno stesso sito. Noindex significa "non inserire affatto", non "preferisci quell'altra".
• Non puntare tutto alla homepage. Un canonical su ogni pagina che punta alla homepage (un errore noto di temi e plugin) dice a Google che tutto il Suo sito è una sola pagina.

In pratica: chi si occupa di cosa?

I reindirizzamenti per tutto il sito si impostano presso il Suo hosting. In DirectAdmin di WebOké, tra le impostazioni di un dominio, trova le opzioni per SSL, il reindirizzamento a https e la scelta "con o senza www"; presso altri fornitori il nome è diverso, ma si tratta dello stesso tipo di impostazione. Il canonical nella pagina lo crea il Suo strumento per costruire siti. WordPress inserisce da solo un canonical su articoli e pagine, e i plugin SEO se ne fanno carico. L'AI Builder di WebOké inserisce su ogni pagina pubblicata un canonical verso l'indirizzo della pagina stessa, e sulla pagina di errore (404) volutamente nessuno. Dopo ogni cambio di dominio o della scelta con o senza www, verifichi che canonical, reindirizzamento e sitemap indichino ancora lo stesso indirizzo.

Riepilogo

• I contenuti duplicati sono normali e non sono motivo di penalizzazione, ma senza segnali è il motore di ricerca a scegliere quale indirizzo è canonico.
• Tre segnali: reindirizzamento (forte), rel="canonical" (forte) e sitemap (debole). Faccia in modo che indichino lo stesso indirizzo.
• Un canonical è un suggerimento: Google può scegliere diversamente, soprattutto con segnali contraddittori. Controlli nel Controllo URL.
• Lo scriva completo, una sola volta, nel <head>, verso una pagina che restituisce 200, non ha noindex e punta a se stessa.
• Non usi robots.txt e noindex per imporre un canonical.

Quiz

Esercizio

Esercizio A3.5: Il Suo canonical punta all'indirizzo giusto? Inserisca l'indirizzo di una pagina del Suo sito. Il programma legge la pagina, cerca il canonical e controlla che ce ne sia esattamente uno, che sia completo e in https, che la destinazione restituisca 200, non abbia noindex e punti a se stessa, e che le varianti con http e con o senza www reindirizzino allo stesso host. Non ha un sito proprio? Usi https://european-union.europa.eu/index_nl.

Per approfondire

I passaggi descritti in questi articoli valgono per i pannelli di WebOké; presso altri fornitori il funzionamento è simile.

• Guida DirectAdmin 4.3: Impostazioni di un dominio: SSL, PHP, www e private_html
• Guida DirectAdmin 4.7: Reindirizzamenti del sito: inoltrare un dominio o una pagina
• Corso gratuito DNS 3.4: www, reindirizzamento e ciò che il DNS non fa
• Google Search Central, Che cos'è la canonicalizzazione: https://developers.google.com/search/docs/crawling-indexing/canonicalization
• Google Search Central, Consolidare gli URL duplicati (specificare un canonical): https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls