Canonical és duplikált tartalom

Modul 3: Egy oldal technikai alapjai · Olvasási idő: 12 perc

Tanulási cél: A lecke végére Ön fel tudja ismerni a duplikált tartalmat a webhelyén, ki tudja választani, melyik cím a valódi (kanonikus) cím, és ezt továbbítással és rel="canonical" hivatkozással helyesen jelezni tudja a keresőmotoroknak.

Kulcsfogalmak: duplikált tartalom, kanonizálás, kanonikus cím, változatok (http és https, www-vel és anélkül, perjel, paraméterek, nagybetűk), rel="canonical", abszolút cím, a canonical mint javaslat, a 301-es továbbítás mint erősebb jelzés, a Google által kiválasztott canonical, nincs büntetés a duplikált tartalomért

Egy oldal, öt cím

Az Ön számára a menyasszonyi csokrokról szóló oldal egyetlen oldal. Egy keresőmotor számára viszont minden cím külön oldal. Nézze meg, hogyan érhető el ugyanaz a tartalom a Bloemenatelier Lotte webhelyén öt címen:

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

Ezt nevezzük duplikált tartalomnak: ugyanaz a (vagy majdnem ugyanaz a) tartalom egynél több címen. A Google a következőket nevezi meg a leggyakoribb okokként:

Ezekhez jön még: perjel a cím végén vagy anélkül, nagybetűk az útvonalban (/Contact és /contact), index.html a cím végén, valamint hírlevelek és hirdetések paraméterei.

Baj ez?

Nincs büntetés. A Google azt írja, hogy némi duplikált tartalom egy webhelyen normális, és nem sérti a spamszabályait. Ezért nem jár büntetés. Akkor van baj, ha valaki szándékosan, tömegesen készít másolatokat, hogy megtöltse velük a találati listát; ez azonban más kérdés (8.2. lecke).

Miért érdemes mégis rendezni? Mert különben a keresőmotor maga dönt. A Google csoportosítja az azonos tartalmú oldalakat, és kiválaszt közülük egy kanonikus címet: azt a képviselőt, amely a találati listába kerül, és amelyet a leggyakrabban feltérképez. Ezt a választást kanonizálásnak nevezzük. Ha a Google-ra bízza, előfordulhat, hogy épp a ?utm_source=nieuwsbrief végződésű címet választja. Ráadásul a Search Console-ban látható számai öt változat között szóródnak szét, a crawler pedig másolatokra pazarolja az idejét.

A három jelzés, az erőstől a gyengéig

Ön mondja meg a keresőmotornak, melyik a valódi cím. A Google három módot említ, erősség szerinti sorrendben:

1. Továbbítás (301 vagy 308): erős jelzés arra, hogy a továbbítás célja legyen a kanonikus cím. Ezt azokhoz a változatokhoz használja, amelyekre senkinek nincs szüksége: http-ről https-re, és a www-vel vagy anélküli változatról a másikra. Ezt egyszer, az egész webhelyre állítja be (4.1. lecke).
2. rel="canonical": szintén erős jelzés. Egy sor az oldal <head> részében, amely megmondja, melyik a valódi cím. Ott használja, ahol a változatnak továbbra is működnie kell, például egy szűrőt vagy hírlevél-paramétert tartalmazó címnél.
3. A webhelytérkép: gyenge jelzés. A webhelytérképbe felvett címeket kanonikusként javasolja (3.4. lecke). Ezért csak a valódi címeket vegye fel bele.

Egy canonical így néz ki:

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

Az oldal minden változata ugyanezt a sort tartalmazza, maga a kanonikus cím is. Ez utóbbit önmagára mutató hivatkozásnak (self-referencing canonical) nevezzük. Nem kötelező, de hasznos: ha valaki a ?utm_source=nieuwsbrief címen érkezik, a valódi cím azonnal ott van mellette.

Javaslat, nem utasítás

A Google egyértelműen fogalmaz: a canonical javaslat, nem szabály. A Google választhat más címet, mint Ön. Ez főleg akkor történik meg, ha a jelzései ellentmondanak egymásnak. A Search Console URL-ellenőrzés eszközében (2.4. lecke) két sort lát egymás mellett: "Felhasználó által megadott kanonikus URL" és "Google által kiválasztott kanonikus URL". Ha ezek eltérnek, keressen ellentmondást:

• a canonical a https://www.example.com/... címre mutat, de a webhelytérkép a https://example.com/... címet tartalmazza;
• a canonical a https:// változatra mutat, de a https:// továbbít a http:// változatra;
• a menü belső linkjei más változatra mutatnak, mint a canonical;
• az oldalak nem eléggé hasonlóak: egy termékoldalról a kezdőlapra mutató canonical nem működik, mert az nem másolat.

Azonos tartalom esetén a Google a https-változatot részesíti előnyben kanonikus címként, hacsak nincs vele valami gond, például érvénytelen tanúsítvány.

Így írja meg helyesen a canonicalt

HTML nélküli fájloknál, például egy pdf esetén, a canonical HTTP-fejlécként is megadható:

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

Amit ne tegyen

• Ne használjon robots.txt-t kanonizálásra. A Google kifejezetten azt mondja, hogy a robots.txt nem erre való. Ha letiltja a változatokat, a Google nem tudja elolvasni őket, így a canonicalt sem látja.
• Ne használjon noindexet a canonical kikényszerítésére. Ezt a Google egy webhelyen belül szintén nem javasolja. A noindex azt jelenti, hogy "egyáltalán ne vedd fel", nem azt, hogy "inkább a másikat vedd fel".
• Ne irányítson mindent a kezdőlapra. Ha minden oldalon a kezdőlapra mutató canonical áll (ismert hiba témákban és bővítményekben), azzal azt mondja a Google-nak, hogy az egész webhelye egyetlen oldal.

A gyakorlatban: ki mit állít be?

Az egész webhelyre vonatkozó továbbításokat a tárhelyénél állítja be. A WebOké DirectAdmin felületén egy domain beállításainál találja az SSL, a https-továbbítás és a "www-vel vagy anélkül" lehetőségeit; más szolgáltatóknál máshogy hívják, de ugyanilyen jellegű beállításról van szó. Az oldalon belüli canonicalt a weboldalkészítő eszköz hozza létre. A WordPress maga is canonicalt tesz a bejegyzésekre és oldalakra, a SEO-bővítmények pedig átveszik ezt a feladatot. A WebOké AI Builder minden közzétett oldalra az oldal saját címére mutató canonicalt tesz, a hibaoldalra (404) pedig szándékosan nem tesz. A domain vagy a www-választás minden módosítása után ellenőrizze, hogy a canonical, a továbbítás és a webhelytérkép még mindig ugyanazt a címet adja-e meg.

Összefoglalás

• A duplikált tartalom normális, és nem jár érte büntetés, de jelzés nélkül a keresőmotor maga dönti el, melyik cím a kanonikus.
• Három jelzés: a továbbítás (erős), a rel="canonical" (erős) és a webhelytérkép (gyenge). Mindhárom ugyanazt a címet adja meg.
• A canonical javaslat: a Google másképp is dönthet, főleg ellentmondásos jelzések esetén. Nézze meg az URL-ellenőrzésben.
• Teljes címmel, egyszer, a <head> részben írja meg, olyan oldalra mutatva, amely 200-at ad, nincs rajta noindex, és önmagára mutat.
• Ne használjon robots.txt-t és noindexet a canonical kikényszerítésére.

Kvíz

Feladat

Feladat A3.5: Jó helyre mutat a canonical? Adja meg webhelye egyik oldalának címét. A program beolvassa az oldalt, megkeresi a canonicalt, és ellenőrzi, hogy pontosan egy van-e belőle, teljes és https-es-e, a cél 200-at ad-e, nincs-e rajta noindex, önmagára mutat-e, valamint hogy a http-s és a www-vel vagy anélküli változatok ugyanarra a hosztra továbbítanak-e. Nincs saját webhelye? Használja a https://european-union.europa.eu/index_nl címet.

További olvasnivaló

Az alábbi cikkek lépései a WebOké felületeire vonatkoznak; más szolgáltatóknál hasonlóan működik.

• DirectAdmin útmutató 4.3: Egy domain beállításai: SSL, PHP, www és private_html
• DirectAdmin útmutató 4.7: Weboldal átirányítások: egy domain vagy oldal továbbítása
• Ingyenes DNS-tanfolyam 3.4: www, átirányítás és amit a DNS nem tud
• Google Search Central, Mi a kanonizálás: https://developers.google.com/search/docs/crawling-indexing/canonicalization
• Google Search Central, Duplikált URL-ek összevonása (canonical megadása): https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls