contenido duplicado

Qué cuenta como duplicado y qué no

Contenido duplicado es el mismo texto servido desde más de una dirección. Ni más ni menos. La palabra suena a plagio, y esa es la razón de que casi todo el mundo la entienda mal: en la inmensa mayoría de los casos que me encuentro no hay nadie copiando nada. Hay una web que sirve la misma página desde seis direcciones porque nadie decidió cuál era la buena.

Estas cuatro direcciones son, para un buscador, cuatro páginas distintas hasta que se le diga lo contrario:

• ejemplo.com/servicios
• www.ejemplo.com/servicios
• ejemplo.com/servicios/
• ejemplo.com/servicios?utm_source=boletin

Y no se acaba ahí. Los filtros de una tienda («color=azul», «orden=precio»), la versión imprimible, la paginación mal montada, las fichas de producto que reproducen el texto del fabricante palabra por palabra, la ciudad cambiada en veinte páginas idénticas de «fontanero en X»: todo eso genera copias de sí mismo sin que nadie lo haya escrito dos veces.

Lo que no es contenido duplicado: citar una fuente entre comillas, tener un aviso legal parecido al de otra web, o repetir tu dirección y tus datos de contacto en todas las páginas. Eso es normal y ningún buscador espera otra cosa.

Qué hace Google realmente cuando lo detecta

Aquí está el malentendido más caro del asunto. No existe una penalización por contenido duplicado. Una penalización es una acción manual de un revisor contra una web que hace algo prohibido. Duplicar sin querer no lo es.

Lo que ocurre es un proceso de agrupación: el buscador detecta que varias direcciones sirven lo mismo, las mete en un mismo grupo y elige una como representante. Esa es la que sale en los resultados. Las demás quedan indexadas como duplicadas y no aparecen. Si tú no señalas cuál prefieres, la elige él, y a menudo elige la que tú no querías: la que lleva el parámetro de la campaña de correo, o la vieja.

El daño real no es una sanción, son tres cosas más aburridas y más caras:

1. Se reparte el trabajo hecho. Si diez sitios te enlazaron a la versión con www y otros diez a la versión sin www, tu autoridad está partida en dos mitades en lugar de sumada en una.
2. Se desperdicia el rastreo. El robot dedica su tiempo a recorrer variantes de lo mismo en vez de a descubrir lo nuevo. En webs pequeñas da igual; en un catálogo de miles de referencias con filtros, es la diferencia entre que tus productos nuevos se indexen en dos días o en tres semanas.
3. Sale la dirección equivocada. Y con ella, a veces, una versión antigua del precio o del texto.

Cómo lo diagnostico

Empiezo siempre por el mismo sitio: el informe de indexación de páginas de Search Console. Los estados que me interesan son «Página duplicada sin etiqueta canónica del usuario» y «Google ha elegido una página canónica diferente de la del usuario». El segundo es el más informativo de los dos, porque significa que tú sí diste una indicación y el buscador no se la creyó; normalmente porque los enlaces internos del propio sitio apuntan a otra dirección distinta de la que declaras como buena.

Después hago dos comprobaciones manuales que cuestan un minuto y descartan la mitad de los casos: escribo la dirección con www y sin www, y con http y con https, y miro si las cuatro cargan la página en vez de redirigir a una sola. Si cargan las cuatro, ya sé por dónde empezar, y no hay que tocar ni una línea de texto.

La tercera comprobación es para tiendas: añado a mano un parámetro inventado al final de una URL de categoría. Si la página carga igual y sin declarar cuál es la dirección buena, tienes duplicados infinitos esperando a que alguien los enlace.

Cómo se arregla

Por orden de contundencia:

• Redirección 301 cuando la copia no debe existir. Es la señal más fuerte: esta dirección se mudó a esta otra, para siempre. Es lo que se usa con el www, con el https y con las páginas viejas.
• Etiqueta canónica cuando ambas versiones deben seguir siendo accesibles para la persona pero solo una debe posicionar. Es el caso de los filtros y de la paginación. Ojo: es una sugerencia, no una orden, y solo se respeta si el resto de señales del sitio la acompañan.
• Enlaces internos coherentes. Es la parte que casi nadie revisa y la que más peso tiene. Si declaras una dirección como buena pero tu menú, tus migas de pan y tu mapa del sitio enlazan a otra, estás mandando dos mensajes contradictorios y ganará el más repetido.
• Escribir texto propio en las fichas donde el duplicado sí es de contenido, no de dirección. En un catálogo grande no hace falta reescribirlo todo: se prioriza por lo que vende.

Por qué le importa a un negocio

Porque es de las pocas cosas del SEO que se arreglan una vez, se quedan arregladas y no dependen de la opinión de nadie. No hay que convencer a ningún cliente de que cambie su propuesta de valor ni esperar seis meses a ver si funciona: se consolidan las direcciones y el trabajo que estaba repartido entre cuatro copias pasa a sumar en una.

Y hay un efecto secundario que se nota en cuanto se limpia: los informes empiezan a ser legibles. Cuando cuatro direcciones sirven la misma página, las visitas de esa página aparecen partidas en cuatro filas en analítica, y cualquier decisión que tomes sobre esos datos parte de números más pequeños que la realidad.

Errores frecuentes

Creer que hay una penalización. Es el mito que más tiempo hace perder. Genera reescrituras urgentes de textos que estaban bien, cuando el problema estaba en la configuración del servidor. Antes de tocar una palabra, comprueba las direcciones.

Bloquear las copias con robots.txt. Parece la solución obvia y es la peor de todas: al bloquear el rastreo, el buscador ya no puede leer la etiqueta canónica ni ver la redirección, así que no puede consolidar nada. Las copias siguen conociéndose y ahora, además, son opacas.

Poner la etiqueta canónica apuntando a la portada. La he visto muchas veces, y en el mejor de los casos se ignora. Una página solo puede declararse equivalente a otra que sirva ese mismo contenido, no a la que más te guste.

Confundirlo con la canibalización. Son problemas distintos con soluciones distintas. El duplicado es el mismo texto en varias direcciones; la canibalización son textos diferentes peleando por la misma búsqueda. Fusionar dos páginas que se canibalizan puede estar bien; poner una etiqueta canónica entre ellas, casi nunca.

Duplicar «por si acaso» al hacer una web nueva. Dejar la web vieja colgando en un subdominio de pruebas accesible es la forma más rápida de competir contra ti mismo con tu propio texto. Si tiene que existir, que exija contraseña.