Google lista nove cenários que explicam como escolhe URLs canônicos

John Mueller, do Google, respondeu a uma pergunta no Reddit sobre por que o Google escolhe uma página da web em vez de outra quando várias páginas têm conteúdo duplicado, explicando também por que o Google às vezes parece escolher o URL errado como canônico.

URLs canônicos

A palavra canônico era anteriormente usada principalmente no sentido religioso para descrever quais escritos ou crenças eram reconhecidos como confiáveis. Na comunidade SEO, a palavra é usada para se referir a qual URL é a verdadeira página da web quando várias páginas da web compartilham conteúdo igual ou semelhante.

O Google permite que proprietários de sites e SEOs forneçam uma dica de qual URL é canônico com o uso de um atributo HTML chamado rel=canonical. Os SEOs costumam se referir a rel=canonical como um elemento HTML, mas não é. Rel=canonical é um atributo do elemento. Um elemento HTML é um bloco de construção de uma página da web. Um atributo é uma marcação que modifica o elemento.

Por que o Google escolhe um URL em vez de outro

Uma pessoa no Reddit pediu a Mueller que fornecesse uma análise mais aprofundada dos motivos pelos quais o Google escolhe um URL em vez de outro.

Eles perguntaram:

“Ei, John, posso pedir que você se aprofunde um pouco mais nisso? Digamos que eu queira entender por que o Google acha que duas páginas são duplicadas e escolhe uma em vez da outra e o motivo não está à vista. O que alguém pode fazer para entender melhor por que uma página é escolhida em vez de outra se elas cobrem tópicos diferentes? Tipo, IDK, panda vermelho e panda “normal” 🐼. TY!!”

Mueller respondeu cerca de nove razões diferentes pelas quais o Google escolhe uma página em vez de outra, incluindo as razões técnicas pelas quais o Google parece estar errado, mas na realidade às vezes é devido a algo que o proprietário do site ignorou em relação ao SEO.

Aqui estão as nove razões que ele citou para escolhas canônicas:

1. Conteúdo duplicado exato
   As páginas são totalmente idênticas, não deixando nenhum sinal significativo para distinguir um URL de outro.
2. Duplicação substancial no conteúdo principal
   Uma grande parte do conteúdo principal se sobrepõe às páginas, como o mesmo artigo aparecendo em vários lugares.
3. Muito pouco conteúdo principal exclusivo em relação ao conteúdo do modelo
   O conteúdo exclusivo da página é mínimo, portanto, elementos repetidos como navegação, menus ou layout dominam e fazem as páginas parecerem efetivamente iguais.
4. Padrões de parâmetros de URL inferidos como duplicados
   Quando se sabe que vários URLs parametrizados retornam o mesmo conteúdo, o Google pode generalizar esse padrão e tratar variações de parâmetros semelhantes como duplicatas.
5. Versão móvel usada para comparação
   O Google pode avaliar a versão móvel em vez da versão desktop, o que pode levar a avaliações duplicadas que diferem daquelas verificadas manualmente.
6. Versão visível do Googlebot usada para avaliação
   As decisões canônicas são baseadas no que o Googlebot realmente recebe, não necessariamente no que os usuários veem.
7. Veiculação de páginas alternativas ou sem conteúdo do Googlebot
   Se o Googlebot receber desafios de bot, páginas de pseudoerro ou outras respostas genéricas, elas poderão corresponder ao conteúdo visto anteriormente e serão tratadas como duplicatas.
8. Falha ao renderizar conteúdo JavaScript
   Quando o Google não consegue renderizar a página, ele pode contar com o shell HTML básico, que pode ser idêntico em todas as páginas e acionar a duplicação.
9. Ambiguidade ou classificação incorreta no sistema
   Em alguns casos, um URL pode ser tratado como duplicado simplesmente porque parece “fora do lugar” ou devido a limitações na forma como o sistema interpreta a similaridade.

Aqui está a resposta completa de Mueller:

“Não existe nenhuma ferramenta que diga por que algo foi considerado duplicado. Ao longo dos anos, as pessoas muitas vezes percebem isso, mas nem sempre é óbvio. O vídeo de Matt “Como o Google lida com conteúdo duplicado?” é um bom começo, mesmo agora.

Algumas das razões pelas quais as coisas são consideradas duplicadas são (todas foram mencionadas em vários lugares – conteúdo duplicado sobre conteúdo duplicado, se preferir :-)): duplicata exata (tudo é duplicado), correspondência parcial (uma grande parte é duplicada, por exemplo, quando você tem a mesma postagem em dois blogs; às vezes também não há muito conteúdo para continuar, por exemplo, se você tiver um menu gigante e uma pequena postagem de blog) ou – isso é mais difícil – quando o URL parece que seria duplicado com base nas duplicatas encontradas em outro lugar no site (por exemplo, se /page?tmp=1234 e /page?tmp=3458 são iguais, provavelmente /page?tmp=9339 também é – isso pode ser complicado e acabar errado com vários parâmetros, /page?tmp=1234&city=detroit também é o mesmo? que tal /page?tmp=2123&city=chicago ?).

Duas razões pelas quais vi pessoas ficarem desconcertadas são: usamos a versão móvel (as pessoas geralmente verificam no desktop) e usamos a versão que o Googlebot vê (e se você mostrar ao Googlebot um desafio de bot ou alguma outra página de pseudo-erro, é provável que já tenhamos visto isso antes e possamos considerá-lo uma duplicata). Além disso, usamos a versão renderizada – mas isso significa que precisamos ser capazes de renderizar sua página se ela estiver usando uma estrutura JS para o conteúdo (se não pudermos renderizá-la, podemos usar a página HTML de inicialização e, provavelmente, ela será duplicada).

Acontece que esses sistemas não são perfeitos na escolha de conteúdo duplicado; às vezes, a URL alternativa parece obviamente perdida. Às vezes isso se acalma com o tempo (já que nossos sistemas reconhecem que as coisas são realmente diferentes), às vezes não.

Se for um conteúdo semelhante, os usuários ainda poderão encontrá-lo, então geralmente não é tão terrível. É muito raro acabarmos escalando uma duplicata errada – ao longo dos anos, as equipes fizeram um trabalho fantástico com esses sistemas; a maioria das estranhas não apresenta problemas, muitas vezes é apenas alguma página de erro estranha que é difícil de detectar.”

Remover

Mueller ofereceu um mergulho profundo nas razões pelas quais o Google escolhe canônicos. Ele descreveu o processo de escolha de canônicos como um sistema de classificação difuso construído a partir de sinais sobrepostos, com o Google comparando conteúdo, padrões de URL, saída renderizada e versões visíveis ao rastreador, enquanto classificações limítrofes (“estranhas”) são ignoradas porque não representam um problema.

Imagem em destaque por Shutterstock/Garun .Prdt