Canonical și conținut duplicat: când și cum folosești rel=canonical

Canonical URL este adresa pe care o recomanzi Google ca versiune principală, atunci când același conținut sau unul foarte asemănător apare la mai multe adrese. O declari cu eticheta rel="canonical" în <head>, cu un antet HTTP sau prin redirect. Google tratează eticheta ca un semnal puternic, nu ca pe o comandă, și decide singur adresa afișată în rezultate.

Duplicatele apar aproape fără să le vezi: aceeași pagină cu și fără www, cu ?utm_source=, cu sortare diferită, în variantă print sau în mai multe categorii. Fără indicații, Google alege singur o variantă, iar alegerea poate să nu fie cea dorită. În ghid vezi cum judecă Google duplicatele, când folosești canonicalul, cum arată codul, ce se întâmplă în magazine online și cum verifici rezultatul. Este o parte centrală a SEO-ului tehnic.

Ce este conținutul duplicat și de ce nu înseamnă penalizare

Conținutul duplicat este text identic sau foarte asemănător care poate fi accesat la mai multe URL-uri, în interiorul unui site sau între site-uri. Cauzele frecvente sunt tehnice, nu intenționate:

• variante http și https, www și fără www, cu slash final sau fără;
• parametri de urmărire sau de sortare (?utm_medium=, ?sort=pret);
• aceeași pagină de produs în mai multe categorii;
• pagini de arhivă, etichete sau tipărire care repetă articole;
• conținut republicat pe alt site, cum se întâmplă cu advertorialele.

Contrar unei idei răspândite, Google nu are o „penalizare pentru duplicate” în cazurile normale. El grupează paginile similare, alege o variantă reprezentativă și o afișează. Penalizările vizează duplicarea făcută cu intenția de a păcăli, nu o pagină accesibilă prin trei adrese.

Problemele reale sunt altele:

1. Dispersarea semnalelor. Linkurile și interacțiunile se împart între variante, în loc să se adune la una.
2. Alegerea greșită. Google poate afișa varianta cu parametri sau o pagină secundară.
3. Risipa de crawlare. Google cheltuiește cereri pe copii, nu pe pagini noi.

Nu confunda duplicatul tehnic cu canibalizarea cuvintelor-cheie: acolo paginile sunt diferite, dar concurează pentru aceeași căutare.

Cum funcționează rel=canonical

Google acceptă mai multe metode de a spune care adresă este preferată, cu forță diferită, conform documentației:

Observă că redirectul face ca duplicatul să dispară pentru utilizatori, pe când canonicalul păstrează ambele pagini accesibile. Dacă varianta nu trebuie să mai existe, alege redirectul; despre tipuri și configurare vezi ghidul despre redirecturile 301 și 302. Dacă ambele pagini trebuie să rămână accesibile (filtre, parametri, variante), alege canonicalul.

Fiecare metodă poate fi combinată cu celelalte, atât timp cât toate indică aceeași adresă. Semnalele care se contrazic scad șansele ca Google să respecte preferința ta.

Cum implementezi canonicalul corect

Regulile din documentația Google:

1. Folosește URL absolut, cu protocol și domeniu complet, nu cale relativă.
2. Pune un singur canonical pe pagină, în <head>. O etichetă apărută în <body> este, în general, ignorată.
3. Pune canonicalul și pe pagina preferată, către ea însăși (auto-referențial).
4. Indică o pagină accesibilă, cu răspuns 200, nu o pagină redirecționată, blocată sau inexistentă; altfel Google poate ignora semnalul.
5. Fii consecvent. Nu declara canonicale diferite prin HTML, antet și sitemap.
6. Pune-l în HTML-ul servit, nu injectat cu JavaScript, ori de câte ori e posibil.

Exemplu în HTML, pe pagina de categorie, care poate fi accesată și cu parametri în adresă:

<head>
  <link rel="canonical" href="https://www.exemplu.ro/pantofi-sport/" />
</head>

Exemplu pentru un PDF, în antetul HTTP (Apache):

<Files "ghid-copie.pdf">
  Header add Link '<https://www.exemplu.ro/ghid.pdf>; rel="canonical"'
</Files>

Pe WordPress, pluginurile SEO adaugă implicit un canonical auto-referențial. Verifică pe câteva tipuri de pagini (articole, categorii, pagini paginate, arhive) că etichetele sunt cele așteptate. Setările de bază ale platformei sunt în ghidul WordPress SEO.

Ce faci în cazurile practice

Aici se pierde cel mai mult timp, deci un tabel cu decizii uzuale:

Pentru magazine, regula paginării merită reținută: indicarea paginii 1 ca versiune canonică pentru întregul set ascunde produsele din paginile următoare. Structura paginilor de categorie e tratată în ghidul despre categoriile din magazin.

Pentru conținutul republicat, de exemplu un articol publicat și pe un site partener, cere un canonical către sursa ta. Dacă lucrezi cu publicații externe, diferența dintre formatele de publicare este explicată în comparația dintre comunicat de presă și advertorial. Pentru limbi, canonicalul trebuie să rămână în aceeași limbă; vezi ghidul hreflang și generatorul de hreflang.

Exemplu: aceeași categorie, cinci adrese

Să presupunem un magazin cu categoria „Pantofi sport”. Aceeași listă de produse poate fi deschisă astfel:

1. https://www.exemplu.ro/pantofi-sport/
2. https://www.exemplu.ro/pantofi-sport/?sort=pret
3. https://www.exemplu.ro/pantofi-sport/?utm_source=newsletter
4. https://www.exemplu.ro/pantofi-sport/?pagina=2
5. https://www.exemplu.ro/pantofi-sport/nike/

Decizia, adresă cu adresă:

• Adresa 1 este versiunea preferată: are canonical către ea însăși.
• Adresele 2 și 3 afișează aceleași produse, doar altfel ordonate sau urmărite. Au canonical către adresa 1, iar linkurile interne nu trebuie să le folosească niciodată.
• Adresa 4 este o pagină diferită din serie, cu alte produse. Are canonical către ea însăși, nu către adresa 1.
• Adresa 5 este o categorie plus brand, cu cerere reală de căutare. Merită conținut propriu (titlu, text introductiv, produse relevante) și canonical către ea însăși.

Fără aceste decizii, un crawler poate descoperi sute de combinații și le poate trata ca pagini distincte. Cu ele, Google primește aceeași poveste din mai multe surse: HTML, linkuri interne și sitemap, toate indicând aceleași adrese.

Canonical, noindex, redirect sau robots.txt: ce alegi

Instrumentele se confundă des, deși fac lucruri diferite:

Documentația Google recomandă explicit să nu folosești robots.txt pentru canonicalizare: dacă blochezi accesul, Google nu poate citi eticheta canonical. Despre noindex, documentația nu îl recomandă pentru a influența alegerea canonicalului în interiorul aceluiași site, pentru că scoate complet pagina din Search. Nu combina nici noindex cu canonical către altă pagină, pentru că trimiți mesaje opuse. Pentru robots.txt, generatorul te ajută să eviți blocările accidentale.

Cum verifici ce canonical alege Google

Canonicalul tău este o sugestie. Verifică ce a ales Google:

1. În Search Console, deschide Inspecția URL pentru pagina respectivă.
2. Citește „Canonical declarat de utilizator” și „Canonical ales de Google”. Dacă diferă, există un conflict de semnale.
3. Deschide raportul Pagini și caută motivele de excludere legate de canonical: „Duplicate without user-selected canonical”, „Duplicate, Google chose different canonical than user” și „Alternate page with proper canonical tag”.
4. Pentru ultimul, nu e neapărat o problemă: înseamnă că pagina duplicat a fost corect asociată cu originalul.

Dacă Google alege altă adresă decât a ta, verifică linkurile interne (indică variante diferite?), sitemap-ul, redirecturile și diferențele de conținut între pagini. Cum se citesc aceste rapoarte este explicat în ghidul Search Console, iar cauzele excluderilor în ghidul despre pagini neindexate.

Greșeli frecvente

• Canonical relativ. href="/pantofi-sport/" poate fi interpretat greșit; folosește adrese complete.
• Canonical către o pagină redirecționată sau cu 404. Google poate ignora semnalul.
• Mai multe canonicale pe aceeași pagină. De obicei una vine din temă, alta din plugin.
• Canonical în <body>. Eticheta trebuie să fie în <head>.
• Toate paginile paginate către prima. Pierzi produsele sau articolele din paginile următoare.
• Canonical spre pagina principală pe tot site-ul. Un șablon greșit poate indica toate paginile spre homepage, ceea ce le scoate din indice.
• Sitemap cu adrese necanonice. Slăbește mesajul; vezi ghidul despre sitemap XML.
• Canonical între pagini diferite ca subiect. Canonicalul e pentru conținut echivalent, nu un mod de a „muta” autoritatea.

Când canonicalul nu rezolvă problema

Fii realist cu limitele:

• Este un indiciu: Google poate să-l ignore dacă paginile sunt prea diferite sau dacă alte semnale (linkuri interne, redirecturi) indică altceva.
• Nu rezolvă conținutul subțire sau scris pe șablon. Dacă pagini diferite spun practic același lucru, soluția este unificarea sau diferențierea conținutului.
• Nu înlocuiește arhitectura: dacă site-ul produce mii de variante prin filtre, trebuie limitat și modul în care se creează aceste URL-uri.
• Nu poate corecta o pagină blocată sau neindexabilă.

Concluzie și pașii următori

Un plan simplu:

1. Alege versiunea unică a domeniului (HTTPS, cu sau fără www) și redirecționează restul.
2. Verifică ca fiecare pagină indexabilă să aibă un canonical absolut, în <head>, auto-referențial.
3. Tratează parametrii și filtrele după regula „are cerere de căutare sau nu”.
4. Urmărește în Search Console diferențele dintre canonicalul declarat și cel ales de Google.
5. Păstrează linkurile interne și sitemap-ul pe adresele canonice.

Dacă vrei ca verificarea să fie făcută pe site-ul tău, de la canonicale la indexare, vezi serviciul de optimizare SEO tehnică sau scrie-ne prin contact.