Identificando conteúdo duplicado em seu site

Localizando conteúdo duplicado em seu site

Quando alcançar as primeiras classificações nos mecanismos de pesquisa do Google é importante para você, você deve garantir que seu site não tenha problemas com conteúdo duplicado. Abaixo estão algumas maneiras de identificar conteúdo duplicado e como evitar que isso dilua o tema do seu site.

Conteúdo duplicado – Blogs

Os blogs são uma ótima maneira de compartilhar facilmente informações e interagir com os visitantes da web. Certos recursos de um blog podem gerar automaticamente várias páginas da web dentro do mesmo conteúdo, causando problemas com conteúdo duplicado.

Coisas como páginas de categoria, URLs de trackback, arquivos e feeds RSS são criadas automaticamente em programas de blog como o WordPress e devem ser tratadas o mais rápido possível.

Para evitar que essas áreas específicas do seu blog tenham conteúdo duplicado, você pode simplesmente dizer aos mecanismos de pesquisa para não indexarem diretórios específicos onde o conteúdo duplicado reside no servidor.

Tenha em mente que muitas vezes você não encontrará esses diretórios no próprio servidor, eles podem ser gerados dinamicamente em tempo real por meio de uma chamada ao seu banco de dados. Adicione o seguinte ao arquivo robots.txt para evitar que o WordPress crie conteúdo duplicado:

• Proibir: /categoria/
• Proibir: /trackback/
• Proibir: /feed/

As funções de proibição listadas acima informam ao Google que eles não devem indexar nenhuma página dentro dessas pastas. Isso fornece a capacidade de controlar o que o Google indexa ou não em seu site, no nível da pasta. Se você não deseja indexar arquivos específicos, você precisará usar a meta tag robots também no nível da página.

Conteúdo Duplicado – Sistemas de Gerenciamento de Conteúdo

Um CMS é uma das maneiras mais convenientes de adicionar cópias ao seu site sem a necessidade de um web designer sempre que uma alteração precisa ser feita.

Eles são fáceis de usar e construídos para que quase qualquer pessoa possa iniciar facilmente o processo de implementação sem muito treinamento ou informações sobre o sistema.

Muitas vezes, esses sistemas de gerenciamento de conteúdo criam conteúdo duplicado na tentativa de servir páginas em versões diferentes para os visitantes. Dois dos maiores culpados disso seriam:

• Versões para impressão
• Versões para download (documentos do Word/arquivos PDF)

Não há absolutamente nada de errado em ter versões para impressão e versões multiformatadas em seu site; no entanto, elas não são de forma alguma benéficas para os mecanismos de pesquisa; portanto, é do seu interesse proibi-los de dentro do arquivo Robots.txt. Abaixo está um exemplo de como você pode evitar que o Google indexe esses tipos de páginas duplicadas:

• Proibir: /para impressão/
• Proibir: /pdf/
• Proibir: /palavra/

Tenha em mente que todos os exemplos mostrados acima são simplesmente exemplos. Você precisará localizar o local adequado dessas pastas e fazer as modificações necessárias no arquivo robots.txt.

Se desejar verificar como suas alterações afetam seu site, você pode usar a ferramenta fornecida no Console do Google para webmasters que permite ver quais pastas podem ser indexadas pelo Googlebot.

Uma última observação sobre o arquivo Robots.txt. Nunca coloque o seguinte em seu arquivo robots.txt:

Essencialmente, isso significa proibir tudo dentro da pasta raiz…. Na verdade, tivemos pessoas que não conseguiram indexar nenhuma de suas páginas nos mecanismos de pesquisa, apenas para descobrir que essa chamada estava dentro do arquivo robots.txt. Acredito que os principais motores de busca modificaram a forma como leem a chamada acima para onde significa proibir “nada”, porém não recomendo correr esse risco. Boa sorte!