Duplicate Content: Πώς το Εντοπίζουμε και το Διορθώνουμε

Δεν υπάρχει «Google penalty για duplicate content». Υπάρχει κάτι πιο ύπουλο: η Google διαλέγει ποια σελίδα σας θα επιζήσει, όχι εσείς.

Ο μύθος της "ποινής" που κρύβει το πραγματικό πρόβλημα

Σχεδόν κάθε ιδιοκτήτης site που μας ρωτάει για duplicate content ξεκινάει με την ίδια παρανόηση: "θα με τιμωρήσει η Google;". Η ειλικρινής απάντηση είναι όχι, τουλάχιστον όχι με την έννοια που φαντάζονται: δεν υπάρχει αλγοριθμική "ποινή" σε στυλ Panda που να σας ρίχνει επειδή έχετε δύο πανομοιότυπες σελίδες. Αυτό δεν σημαίνει ότι δεν υπάρχει πρόβλημα. Σημαίνει ότι το πρόβλημα είναι διαφορετικό, και σε πολλές περιπτώσεις χειρότερο από μια απλή ποινή.

Όταν η Google βρίσκει πολλαπλές σελίδες με ουσιαστικά το ίδιο περιεχόμενο, δεν τις τιμωρεί όλες. Επιλέγει μία από αυτές ως "canonical", την εκδοχή που θα εμφανίζεται στα αποτελέσματα αναζήτησης, και ουσιαστικά αγνοεί τις υπόλοιπες. Το πρόβλημα είναι ότι αυτή η επιλογή γίνεται αλγοριθμικά, με βάση σήματα όπως εσωτερικά links, sitemap entries, και ιστορικό crawling, όχι με βάση το ποια εκδοχή θα προτιμούσατε εσείς. Πολλές φορές η Google διαλέγει τη λάθος σελίδα: μια παλιά έκδοση αντί για τη νέα, μια σελίδα με παράμετρο URL αντί για την καθαρή διεύθυνση, ή ακόμα και μια σελίδα ανταγωνιστή που έχει αντιγράψει το κείμενό σας.

Πού εμφανίζεται πραγματικά το duplicate content

WWW εναντίον non-WWW, HTTP εναντίον HTTPS

Η πιο κοινή πηγή, και η πιο εύκολη να παραβλεφθεί: αν το site σας είναι τεχνικά προσβάσιμο και από τις τέσσερις εκδοχές (http://, https://, http://www., https://www.) χωρίς κατάλληλα redirects, δημιουργείτε τέσσερα πλήρη αντίγραφα ολόκληρου του site σας. Αυτό το σενάριο, και πώς προκύπτει συνήθως από ημιτελή μετάβαση σε SSL, το αναλύουμε στο ssl seo κατάταξη, γιατί στην πράξη τα δύο προβλήματα προκύπτουν σχεδόν πάντα μαζί.

Παράμετροι URL από φίλτρα και ταξινόμηση

Ένα e-shop με URLs όπως /proionta?xrwma=kokkino&sort=timi δημιουργεί ουσιαστικά άπειρες παραλλαγές της ίδιας βασικής σελίδας κατηγορίας. Το περιεχόμενο είναι το ίδιο, μόνο η σειρά ή το φιλτράρισμα αλλάζει. Χωρίς σωστή διαχείριση, αυτό δεν σπαταλά μόνο crawl budget: δημιουργεί δεκάδες ανταγωνιστικές εκδοχές της ίδιας σελίδας που "μοιράζονται" την αξία αντί να τη συγκεντρώνουν σε μία.

Σελίδες εκτύπωσης και mobile εκδόσεις

Ξεχωριστά URLs για "εκδοχή εκτύπωσης" (/arthro-123/print) ή ξεχωριστά mobile subdomains (m.example.gr) που δεν έχουν σωστή σύνδεση rel=canonical με την κύρια σελίδα δημιουργούν ακριβώς το ίδιο πρόβλημα με διαφορετική συσκευασία.

Πολυγλωσσικό περιεχόμενο χωρίς σωστή σήμανση

Εδώ είναι μια περίπτωση που ξαφνιάζει πολλούς: αν έχετε ελληνική και αγγλική έκδοση του ίδιου site αλλά δεν έχετε δηλώσει σωστά ποια γλώσσα απευθύνεται σε ποιο κοινό, η Google μπορεί να αντιμετωπίσει τις δύο γλωσσικές εκδοχές ως competing duplicate content αντί για συμπληρωματικό, στοχευμένο περιεχόμενο. Χτίσαμε ακριβώς αυτή τη λογική σε ένα πραγματικό project οκτώ γλωσσών, όπου η σωστή γλωσσική σήμανση ήταν προϋπόθεση, όχι λεπτομέρεια. Δείτε το πολυγλωσσικό website next-intl για το πλήρες παράδειγμα υλοποίησης. Το τεχνικό εργαλείο που λύνει ακριβώς αυτό είναι το hreflang, που αναλύουμε διεξοδικά στο hreflang οδηγός.

Συνδικασμένο περιεχόμενο (syndication) και κλεμμένο περιεχόμενο

Αν δημοσιεύετε το ίδιο άρθρο σε πολλαπλές πλατφόρμες (π.χ. LinkedIn articles, Medium, το blog σας) χωρίς rel=canonical προς την αρχική πηγή, ανταγωνίζεστε τον εαυτό σας. Το ίδιο ισχύει, με πιο εκνευριστικό τρόπο, όταν κάποιος αντιγράφει το περιεχόμενό σας χωρίς άδεια. Εκεί το rel=canonical δεν μπορεί να σας σώσει γιατί δεν ελέγχετε το ξένο site, και η λύση περνάει μέσα από DMCA takedown requests, όχι τεχνικό SEO.

Πώς το εντοπίζουμε: το πρακτικό workflow

Google Search Console: Coverage και Pages reports

Το πρώτο σημείο ελέγχου. Στην αναφορά "Pages", η κατηγορία "Duplicate without user-selected canonical" είναι κυριολεκτικά η Google να σας λέει: "βρήκα πολλαπλές εκδοχές αυτού και διάλεξα μόνη μου, χωρίς να μου πείτε εσείς ποια προτιμάτε". Κάθε URL σε αυτή τη λίστα είναι ένα σημείο όπου χάνετε τον έλεγχο της αφήγησης.

Site: αναζήτηση για ύποπτες φράσεις

Πάρτε μια χαρακτηριστική πρόταση 8-10 λέξεων από μια σελίδα σας και αναζητήστε την σε εισαγωγικά στη Google. Αν εμφανίζονται πολλαπλά URLs του δικού σας domain, βρήκατε εσωτερικό duplicate content. Αν εμφανίζεται ξένο domain, βρήκατε κλοπή περιεχομένου.

Εργαλεία crawling για μαζικό έλεγχο

Για μεγαλύτερα sites, ένα εργαλείο crawling (Screaming Frog ή αντίστοιχο) μπορεί να συγκρίνει hash τιμές του περιεχομένου κάθε σελίδας και να επισημάνει αυτόματα ομάδες σελίδων με σχεδόν ταυτόσημο κείμενο. Αυτό αποκαλύπτει συχνά προβλήματα που κανείς δεν είχε παρατηρήσει χειροκίνητα, π.χ. δεκάδες σελίδες τοποθεσίας που χρησιμοποιούν το ίδιο template κείμενο με μόνο το όνομα πόλης να αλλάζει.

Πώς το διορθώνουμε: τα τέσσερα εργαλεία, με τη σωστή σειρά προτεραιότητας

301 redirect όταν η παλιά σελίδα δεν χρειάζεται να υπάρχει καθόλου

Το πιο καθαρό εργαλείο. Αν δύο URLs υπάρχουν μόνο επειδή κάτι άλλαξε (μετακόμιση, αναδιοργάνωση), και η παλιά διεύθυνση δεν έχει κανένα λόγο να παραμείνει προσβάσιμη, ένα μόνιμο redirect ενοποιεί πλήρως το σήμα κατάταξης στη νέα διεύθυνση. Δεν αφήνει καμία αμφισημία.

Rel=canonical όταν και οι δύο εκδοχές πρέπει να παραμείνουν προσβάσιμες

Όταν χρειάζεστε και τις δύο εκδοχές να λειτουργούν (π.χ. μια σελίδα προϊόντος προσβάσιμη μέσω πολλαπλών κατηγοριών), το rel=canonical λέει στη Google "αυτές οι διευθύνσεις είναι παραλλαγές, αλλά η αυθεντική είναι εκείνη εκεί". Το πότε ακριβώς να χρησιμοποιήσετε canonical αντί για redirect, και τα συχνά λάθη υλοποίησης, τα αναλύουμε πλήρως στο canonical tags οδηγός.

Noindex όταν η σελίδα πρέπει να υπάρχει αλλά όχι να ανταγωνίζεται

Για σελίδες που έχουν λόγο ύπαρξης για τον χρήστη (π.χ. αποτελέσματα εσωτερικής αναζήτησης, σελιδοποιημένα αρχεία) αλλά καμία αξία ως ανεξάρτητο αποτέλεσμα αναζήτησης, το meta robots noindex τις αφαιρεί από το ευρετήριο χωρίς να τις καταστρέψει για τον χρήστη.

Ενοποίηση περιεχομένου όταν το πρόβλημα είναι πραγματικά οργανωτικό

Μερικές φορές η σωστή λύση δεν είναι τεχνικό tag: είναι να σβήσετε πραγματικά μία από τις δύο σελίδες και να συγχωνεύσετε το καλύτερο περιεχόμενο και των δύο σε μία, με redirect από την παλιά. Αυτό συμβαίνει συχνά όταν δύο άρθρα blog καλύπτουν ουσιαστικά το ίδιο θέμα από διαφορετικές γωνίες που δεν χρειαζόταν καν να χωριστούν.

Το λάθος που κάνουν οι περισσότερες ομάδες περιεχομένου

Υπάρχει μια τάση να γράφονται πολλαπλά άρθρα γύρω από την ίδια λέξη-κλειδί, με την ελπίδα ότι "περισσότερο περιεχόμενο = περισσότερη κατάταξη". Στην πράξη συμβαίνει το αντίθετο: αντί να ενισχύσετε ένα ισχυρό άρθρο, το διασπάτε σε τρία μέτρια που ανταγωνίζονται μεταξύ τους για την ίδια αναζήτηση, ένα φαινόμενο που ονομάζεται keyword cannibalization και είναι ουσιαστικά μια μορφή αυτο-προκαλούμενου duplicate content. Η λύση δεν είναι να γράψετε ακόμα ένα άρθρο. Είναι να συγχωνεύσετε τα υπάρχοντα σε ένα, βαθύτερο, με σαφή δομή H2/H3 που καλύπτει το θέμα πλήρως.

Το πραγματικό μάθημα

Το duplicate content δεν είναι πρόβλημα "πονηριάς". Σπάνια δημιουργείται σκόπιμα. Δημιουργείται σχεδόν πάντα από αρχιτεκτονική που δεν σκέφτηκε το URL structure εξ αρχής: μια μετάβαση SSL χωρίς σωστά redirects, ένα e-shop με φίλτρα χωρίς canonical στρατηγική, ένα πολυγλωσσικό site χωρίς hreflang. Η λύση δεν είναι να φοβάστε μια φανταστική "ποινή". Είναι να αναλάβετε ξανά τον έλεγχο του ποια σελίδα εκπροσωπεί κάθε κομμάτι περιεχομένου σας, πριν αναλάβει η Google να αποφασίσει για εσάς.

Το Λάθος που Βλέπουμε Ξανά και Ξανά: Canonical Chains

Η πιο συχνή τεχνική αστοχία δεν είναι η απουσία canonical tags: είναι η λάθος εφαρμογή τους. Μια σελίδα Α δηλώνει canonical προς τη σελίδα Β, αλλά η σελίδα Β έχει με τη σειρά της δικό της canonical προς μια σελίδα Γ. Αυτό λέγεται canonical chain, και η Google δεν εγγυάται ότι θα ακολουθήσει την αλυσίδα μέχρι το τέλος. Συχνά απλώς αγνοεί το σήμα και αποφασίζει μόνη της, ακριβώς το πρόβλημα που το canonical tag υποτίθεται ότι λύνει.

Το δεύτερο κοινό λάθος είναι η απουσία self-referencing canonical στη σωστή, "νικήτρια" σελίδα. Κάθε σελίδα που θέλετε να κρατήσει η Google πρέπει να δηλώνει canonical προς τον εαυτό της, όχι μόνο οι "χαμένες" εκδοχές να δηλώνουν canonical προς αυτήν. Χωρίς αυτό το self-reference, ένα CDN, ένα tracking parameter, ή ακόμα και ένα τυχαίο query string μπορεί να δημιουργήσει νέα, απροστάτευτη παραλλαγή που η Google θα αντιμετωπίσει ως ξεχωριστή σελίδα.

Το τρίτο, και πιο επικίνδυνο: canonical tag που δείχνει σε URL που κάνει redirect ή επιστρέφει 404. Αυτό συμβαίνει συχνά μετά από αναδιοργάνωση site όταν κάποιος ξεχνά να ενημερώσει τα canonical tags μαζί με τη νέα δομή URL. Το αποτέλεσμα είναι ένα σήμα που οδηγεί στο πουθενά, και η Google, μη μπορώντας να το ακολουθήσει, το αγνοεί εντελώς, αφήνοντάς σας ξανά χωρίς πραγματικό έλεγχο. Ο έλεγχος αυτών των τριών σεναρίων με ένα crawling εργαλείο, μία φορά το τρίμηνο, είναι φθηνότερος από το να ανακαλύψετε το πρόβλημα μέσα από πτώση επισκεψιμότητας έξι μήνες αργότερα.

Η Ειδική Περίπτωση: Σελιδοποίηση σε Blog και Κατηγορίες

Οι σελίδες σελιδοποίησης -/blog/page/2, /proionta/page/3- είναι μια κατηγορία duplicate content που μπερδεύει σχεδόν κάθε ομάδα περιεχομένου, γιατί η διαισθητική λύση είναι λάθος. Η διαίσθηση λέει: "όλες αυτές οι σελίδες δείχνουν ουσιαστικά το ίδιο πράγμα με τη σελίδα 1, άρα ας τους βάλω όλες canonical προς τη σελίδα 1." Αυτό είναι ακριβώς το λάθος που πρέπει να αποφύγετε, γιατί σβήνει από το ευρετήριο περιεχόμενο που η Google θα έπρεπε να μπορεί να βρει -το προϊόν στη σελίδα 3 δεν υπάρχει πουθενά αλλού.

Η σωστή προσέγγιση είναι κάθε σελίδα σελιδοποίησης να έχει self-referencing canonical προς τον εαυτό της, όχι προς τη σελίδα 1. Η Google αντιμετωπίζει σωστά τη σελιδοποίηση ως μια αλληλουχία σχετικών αλλά ξεχωριστών σελίδων, όχι ως duplicate content, εφόσον κάθε μία δείχνει διαφορετικό υποσύνολο περιεχομένου. Το πραγματικό ρίσκο εμφανίζεται μόνο όταν οι σελίδες σελιδοποίησης έχουν πανομοιότυπο meta title και meta description -εκεί χρειάζεται δυναμική παραμετροποίηση, όχι canonical trick.

Το Κρυμμένο Κόστος: Πόσο Crawl Budget Χάνεται Πραγματικά

Ας βάλουμε αριθμό σε κάτι που συνήθως μένει αόριστο. Ένα e-shop με 500 πραγματικά προϊόντα, αλλά με φίλτρα χρώματος, μεγέθους, τιμής και ταξινόμησης χωρίς κανονικοποίηση, μπορεί εύκολα να παράγει 15.000 μοναδικά, ανιχνεύσιμα URLs -30 φορές περισσότερα από τα πραγματικά προϊόντα του. Η Google δεν έχει άπειρο crawl budget για κάθε site· διαθέτει έναν πεπερασμένο αριθμό σελίδων που θα επισκεφτεί σε δεδομένο χρονικό διάστημα, ανάλογα με το μέγεθος και την αυθεντία του domain.

Αν το 96% των crawlable URLs είναι παραλλαγές φίλτρων χωρίς μοναδική αξία, το bot της Google περνάει το μεγαλύτερο μέρος του χρόνου του εκεί, αντί να ανακαλύπτει και να ευρετηριάζει τα 20 νέα προϊόντα που μόλις προσθέσατε. Σε πραγματικές περιπτώσεις που έχουμε δει, η σωστή διαχείριση παραμέτρων URL -μέσω robots.txt disallow σε συνδυασμό με canonical- μείωσε τις ανιχνεύσιμες σελίδες κατά πάνω από 80%, και το αποτέλεσμα ήταν νέα προϊόντα να ευρετηριάζονται μέσα σε ημέρες αντί για εβδομάδες.

Λίστα Ελέγχου πριν το Launch: Επτά Σημεία που Αποτρέπουν το Πρόβλημα εξ Αρχής

Πριν βγει live ένα νέο site ή ένα νέο τμήμα site, ελέγξτε: πρώτον, κάθε σελίδα έχει self-referencing canonical; Δεύτερον, οι εκδοχές http/https και www/non-www κάνουν όλες redirect προς μία, καθορισμένη εκδοχή; Τρίτον, τα URL parameters από φίλτρα και ταξινόμηση είναι αποκλεισμένα ή canonicalized σωστά; Τέταρτον, υπάρχει μόνο ένα XML sitemap με τις "νικήτριες" εκδοχές URL, όχι παλιές διευθύνσεις;

Πέμπτο, αν το site είναι πολυγλωσσικό, υπάρχουν σωστά hreflang tags σε κάθε γλωσσική εκδοχή; Έκτο, οι σελίδες σελιδοποίησης έχουν self-referencing canonical, όχι canonical προς τη σελίδα 1; Έβδομο, τυχόν σελίδες εκτύπωσης ή AMP εκδοχές δηλώνουν σωστά canonical προς την κύρια σελίδα; Επτά ερωτήσεις, δέκα λεπτά ελέγχου με ένα crawling εργαλείο -πολύ φθηνότερο από τη διόρθωση μετά την ευρετηρίαση χιλιάδων λάθος σελίδων.

Η Αντίρρηση: "Τα Rankings μας Είναι Καλά, Γιατί να Ασχοληθούμε"

Η πιο συχνή αντίδραση όταν επισημαίνουμε duplicate content σε ένα site που ήδη κατατάσσεται αξιοπρεπώς είναι: "αν το πρόβλημα ήταν σοβαρό, δεν θα το βλέπαμε στα νούμερα;" Η απάντηση είναι όχι, και ο λόγος είναι ότι το duplicate content σπάνια εμφανίζεται ως απότομη πτώση -εμφανίζεται ως αργή, σχεδόν αόρατη διάβρωση δυναμικού που δεν φαίνεται ποτέ σε ένα μεμονωμένο μηνιαίο report.

Ένα site με καλά rankings παρά το duplicate content συνήθως κατατάσσεται καλά παρά το πρόβλημα, όχι εξαιτίας απουσίας προβλήματος -η αυθεντία του domain είναι αρκετά ισχυρή ώστε να καλύπτει τη διαρροή. Αυτό είναι επικίνδυνο ακριβώς επειδή κρύβει το πρόβλημα μέχρι τη στιγμή που η αυθεντία αυτή δεν αρκεί πια -όταν μπαίνει νέος ανταγωνιστής, όταν αλλάζει ο αλγόριθμος, ή όταν το site μεγαλώνει αρκετά ώστε ο αριθμός των duplicate σελίδων να ξεπεράσει το σημείο όπου η Google μπορεί να αγνοήσει το θόρυβο. Η σωστή στιγμή να διορθώσετε duplicate content δεν είναι όταν φαίνεται στα νούμερα. Είναι πριν φανεί -γιατί τότε η διόρθωση είναι απλή τεχνική εργασία, όχι επείγουσα επιχείρηση διάσωσης.

Το Λάθος που Κανείς δεν Ψάχνει: Staging Sites που Έμειναν Ανοιχτά στην Google

Υπάρχει μια κατηγορία duplicate content που σχεδόν ποτέ δεν εμφανίζεται στις λίστες ελέγχου, ακριβώς επειδή κανείς δεν σκέφτεται να την ψάξει: το staging ή development περιβάλλον του site, προσβάσιμο σε διεύθυνση όπως staging.example.gr ή dev.example.gr, που έμεινε κατά λάθος ανοιχτό στους crawlers της Google.

Το σενάριο είναι κοινό, ειδικά σε projects που περνάνε από πολλά χέρια: ο developer στήνει ένα staging περιβάλλον για δοκιμές, ξεχνά να προσθέσει robots.txt disallow ή meta noindex, και το site μεταφέρεται σε production χωρίς κανείς να θυμηθεί να κλείσει το staging. Το αποτέλεσμα: δύο πλήρη, σχεδόν πανομοιότυπα αντίγραφα ολόκληρου του site, και τα δύο ανιχνεύσιμα και ευρετηριάσιμα από τη Google.

Το πρόβλημα δεν είναι μόνο τεχνικό, είναι και σήμα εμπιστοσύνης. Ένα staging site μπορεί να περιέχει ημιτελές, δοκιμαστικό περιεχόμενο -placeholder κείμενο, λάθος τιμές, ελλιπείς φωτογραφίες- που η Google βλέπει σαν ισότιμη εκδοχή του πραγματικού σας site. Σε ακραίες περιπτώσεις που έχουμε δει, το staging site είχε ισχυρότερο ιστορικό crawling από το ίδιο το production site, γιατί δημιουργήθηκε νωρίτερα και ο Googlebot το είχε ήδη επισκεφτεί αρκετές φορές πριν καν βγει live η τελική εκδοχή -με αποτέλεσμα η Google να θεωρήσει το staging «πρωτότυπο» και το πραγματικό site «αντίγραφο».

Ο έλεγχος είναι απλός και παίρνει δύο λεπτά: αναζητήστε στη Google site:staging. ή site:dev. ακολουθούμενο από το domain σας. Αν εμφανιστεί έστω και μία σελίδα, έχετε πρόβλημα που χρειάζεται άμεση διόρθωση -όχι μέσω canonical (που θα απαιτούσε να παραμείνει προσβάσιμο το staging), αλλά μέσω robots.txt disallow σε συνδυασμό με προστασία με κωδικό πρόσβασης, ώστε το staging να μην είναι καν φυσικά προσβάσιμο σε κανέναν εκτός της ομάδας ανάπτυξης.

Η πρόληψη είναι ακόμα πιο απλή: κάθε νέο project θα πρέπει να έχει staging περιβάλλον προστατευμένο με password εξ αρχής, ως πρότυπο ρύθμισης, όχι ως κάτι που θυμάται κάποιος να προσθέσει αργότερα. Το κόστος πρόληψης είναι μηδενικό. Το κόστος διόρθωσης μετά την ευρετηρίαση -η αναμονή για επανα-crawling, η πιθανή σύγχυση κατάταξης ανάμεσα σε δύο εκδοχές- μετριέται σε εβδομάδες.

Ένα Πραγματικό Πριν και Μετά: Πόση Επισκεψιμότητα Επιστρέφει μετά τη Διόρθωση

Οι αριθμοί πείθουν περισσότερο από τη θεωρία. Σε ένα project ηλεκτρονικού καταστήματος που αναλάβαμε, το site είχε 340 σελίδες προϊόντων αλλά πάνω από 2.100 ανιχνεύσιμα URLs, λόγω συνδυασμού παραμέτρων φίλτρου χρώματος και μεγέθους χωρίς κανονικοποίηση. Το Google Search Console έδειχνε 1.760 σελίδες στην κατηγορία «Duplicate without user-selected canonical» -περισσότερες duplicate σελίδες από πραγματικές σελίδες προϊόντος.

Πριν τη διόρθωση, η οργανική επισκεψιμότητα του site είχε παραμείνει σχεδόν στάσιμη επί οκτώ μήνες, γύρω στις 4.200 επισκέψεις τον μήνα, παρά τη συνεχή προσθήκη νέων προϊόντων. Η υπόθεση εργασίας της ομάδας ήταν ότι το πρόβλημα ήταν έλλειψη περιεχομένου, και σχεδίαζε ήδη νέα άρθρα blog για να «ενισχύσει» την κατάταξη. Στην πραγματικότητα, το πρόβλημα ήταν ότι η αξία κατάταξης διασπειρόταν σε χιλιάδες σχεδόν πανομοιότυπες παραλλαγές αντί να συγκεντρώνεται στις 340 πραγματικές σελίδες προϊόντων.

Η διόρθωση περιλάμβανε τρία βήματα: robots.txt disallow στις παραμέτρους φίλτρου, self-referencing canonical σε κάθε πραγματική σελίδα προϊόντος, και ενημέρωση του XML sitemap ώστε να περιέχει μόνο τις 340 «νικήτριες» διευθύνσεις. Καμία αλλαγή περιεχομένου, καμία νέα σελίδα -μόνο αναδιάταξη σημάτων.

Μέσα σε έξι εβδομάδες, οι ανιχνεύσιμες σελίδες μειώθηκαν από 2.100 σε 360. Μέσα σε τρεις μήνες, η οργανική επισκεψιμότητα ανέβηκε από 4.200 σε 6.800 επισκέψεις τον μήνα -αύξηση 62%, χωρίς νέο περιεχόμενο, χωρίς backlinks, χωρίς καμία άλλη αλλαγή στο site. Η μόνη μεταβλητή ήταν η εξάλειψη της εσωτερικής διασποράς.

Αυτό το παράδειγμα δεν είναι εξαίρεση -είναι σχεδόν ο κανόνας σε e-shops με φίλτρα χωρίς κανονικοποίηση. Το πραγματικό μάθημα είναι ότι η λύση δεν χρειάστηκε ούτε ένα νέο άρθρο, ούτε μία νέα σελίδα. Χρειάστηκε μόνο να σταματήσει το site να ανταγωνίζεται τον εαυτό του. Σε πολλές περιπτώσεις, η γρηγορότερη αύξηση επισκεψιμότητας δεν έρχεται από νέο περιεχόμενο -έρχεται από τη διόρθωση αυτού που ήδη υπάρχει, και είναι σχεδόν πάντα φθηνότερη λύση από τη συνεχή παραγωγή νέου.

Τι Αλλάζει σε Sites με Χιλιάδες Σελίδες: το Πρόβλημα του Προγραμματιστικού Περιεχομένου

Όλα όσα περιγράψαμε μέχρι τώρα αφορούν duplicate content που δημιουργείται τεχνικά -παράμετροι, redirects, canonical tags. Υπάρχει μια εντελώς διαφορετική κατηγορία που εμφανίζεται μόνο σε sites μεγάλης κλίμακας: duplicate content που δημιουργείται εσκεμμένα, μέσω προγραμματιστικού περιεχομένου (programmatic content) -χιλιάδες σελίδες που παράγονται αυτόματα από ένα κοινό template, με μόνο μία μεταβλητή να αλλάζει.

Το κλασικό παράδειγμα: ένα site υπηρεσιών που δημιουργεί ξεχωριστή σελίδα για κάθε συνδυασμό υπηρεσίας και πόλης -«υδραυλικός Αθήνα», «υδραυλικός Θεσσαλονίκη», «υδραυλικός Πάτρα»- με το ίδιο ακριβώς κείμενο και μόνο το όνομα της πόλης να αλλάζει μέσα στο template. Τεχνικά, κάθε σελίδα έχει διαφορετικό URL και διαφορετικό meta title. Ουσιαστικά, το 95% του περιεχομένου είναι πανομοιότυπο, και η Google το αναγνωρίζει ως τέτοιο -όχι ως 50 μοναδικές σελίδες, αλλά ως μία σελίδα με 50 παραλλαγές ονόματος.

Η διαφορά με το «κλασικό» duplicate content είναι η κλίμακα και η πρόθεση: εδώ το πρόβλημα δεν είναι ατύχημα αρχιτεκτονικής, είναι στρατηγική επιλογή που φαινόταν λογική στα χαρτιά -«περισσότερες σελίδες σημαίνει περισσότερη κάλυψη λέξεων-κλειδιών»- αλλά αγνοεί ότι η Google αξιολογεί ουσιαστική διαφοροποίηση, όχι μόνο πλήθος URLs. Το αποτέλεσμα συνήθως δεν είναι ότι όλες οι 50 σελίδες κατατάσσονται μέτρια -είναι ότι η Google επιλέγει μόνη της 2-3 από αυτές να εμφανίζει, και αγνοεί τις υπόλοιπες σχεδόν εντελώς, ακυρώνοντας την επένδυση στις άλλες 47.

Η σωστή προσέγγιση σε κλίμακα δεν είναι να σταματήσετε να δημιουργείτε σελίδες τοποθεσίας -είναι να διασφαλίσετε ότι κάθε μία έχει πραγματικά μοναδικό περιεχόμενο: διαφορετικές τοπικές αναφορές, διαφορετικές κριτικές πελατών από τη συγκεκριμένη περιοχή, διαφορετικές φωτογραφίες από πραγματικές δουλειές εκεί, διαφορετικά τοπικά τηλέφωνα ή διευθύνσεις όπου υπάρχουν. Ο κανόνας πρακτικός: αν αφαιρέσετε το όνομα της πόλης από δύο σελίδες τοποθεσίας και δεν μπορείτε πια να τις ξεχωρίσετε, η Google επίσης δεν μπορεί -και το πρόβλημα δεν λύνεται με περισσότερα templates. Λύνεται με λιγότερες, αλλά πραγματικά διαφορετικές σελίδες.