Contenido duplicado: por qué se produce y cómo solucionarlo

El contenido duplicado es una fuente de ansiedad constante para muchos propietarios de sitios web.

Basta con leer casi cualquier cosa sobre el tema para acabar creyendo que tu web es una bomba de relojería de problemas de contenido duplicado y que Google está tardando en penalizarte.

Afortunadamente, este no es el caso, pero el contenido duplicado puede seguir causando problemas de SEO. Teniendo en cuenta que entre el 25 y el 30 % de la web es contenido duplicado, resulta útil saber cómo evitar y solucionar estos problemas.

En esta guía, aprenderás:

¿Es tu primera vez en el SEO técnico? Consulta nuestra Guía para principiantes sobre SEO técnico

[post_nav_link link_text="¿Qué es el contenido duplicado?” section="que-es-contenido duplicado"]

Los contenidos duplicados son contenidos idénticos o casi iguales que aparecen en la web en más de un lugar. Esto puede ocurrir en un solo sitio web o en varios dominios.

Por ejemplo, si volvieses a publicar este post en ahrefs.com/blog/es/contenido-duplicado-copia/, entonces sería contenido duplicado. Lo mismo ocurriría si lo volviera a publicar en otro sitio web.

Google afirma que la mayor parte del contenido duplicado no tiene un origen engañoso.

[post_nav_link link_text="¿Por qué el contenido duplicado es malo para el SEO?” section="por-que-contenido-duplicado-malo-seo"]

El contenido duplicado puede perjudicar el rendimiento del SEO por varias razones.

Analicémoslaos más a fondo.

Imagina que la misma página está disponible en tres URL diferentes:

La primera debería aparecer en los resultados de búsqueda, pero Google puede equivocarse. Si eso ocurre, una URL indeseable puede ocupar su lugar.

Dado que la gente puede estar menos dispuesta a hacer clic en una URL poco amigable, es posible que obtengas menos tráfico orgánico.

Si el mismo contenido está disponible en muchas URL, entonces cada una de esas URL puede atraer backlinks. El resultado es la división del valor de los enlaces entre las URL.

Echemos un vistazo a estas dos páginas en buffer.com:

Estas páginas son duplicados casi exactos, con 106 y 133 dominios de referencia (enlaces desde sitios web únicos), respectivamente.

Antes de que cunda el pánico, es importante saber que no siempre supone un problema debido a la forma en que Google gestiona el contenido duplicado.

Básicamente, Google agrupa las URL en un grupo cuando detecta contenido duplicado. A continuación, selecciona la que considera más apropiada para representar el grupo en los resultados de búsqueda y consolida las propiedades de las URL del grupo, como la popularidad de los enlaces, en la URL representativa. Este proceso se conoce como "canonicalización".

Así, en el caso anterior, Google debería mostrar solo una de las URL en la búsqueda orgánica y atribuir todos los dominios de referencia del clúster (106+133) a esa URL.

Sin embargo, esto no es lo que ocurre, ya que ambas URL aparecen en Google con palabras clave muy parecidas.

En este caso, es posible que Google no esté consolidando el valor de los enlaces en una URL.

Google localiza el contenido nuevo de las webs a través del rastreo, lo que significa que sigue los enlaces de las páginas existentes a las nuevas. Además, vuelve a rastrear de vez en cuando las páginas que conoce para ver si ha habido algún cambio.

El contenido duplicado tan solo sirve para complicar el trabajo y puede afectar a la velocidad y frecuencia con la que rastrean las páginas nuevas o actualizadas.

Esta situación es perjudicial porque puede provocar retrasos en la indexación de las páginas nuevas y en la reindexación de las páginas actualizadas.

En ciertas ocasiones, es posible que te interese que otras webs vuelvan a publicar tu contenido. Es lo que se conoce como "sindicación". No obstante, a veces estas webs no te piden permiso para hacerlo.

Ambas situaciones generan contenido duplicado en varios dominios, pero no suelen causar problemas. Los problemas surgen solo cuando el contenido copiado o republicado empieza a superar al original en tu sitio.

La buena noticia es que no suele ocurrir, pero a veces pasa.

[post_nav_link link_text="¿Sanciona Google el contenido duplicado?” section="sanciona-google-contenido duplicado"]

Google ha declarado en múltiples ocasiones que no existe una penalización por contenido duplicado.

Sin embargo, no es del todo cierto. Si el contenido duplicado es accidental y no el resultado de una manipulación intencionada de los resultados de búsqueda o de prácticas de spam, entonces no se penalizará. Si lo es, entonces puede que sí.

Google lo confirma aquí:

La pregunta es, ¿qué cuenta como intención de manipular nuestros rankings y engañar a nuestros usuarios?

Google tiene mucha información al respecto aquí. En cualquier caso, básicamente son acciones como:

Sin embargo, como ya hemos comentado, el contenido duplicado puede perjudicar al SEO, incluso sin penalización.

[post_nav_link link_text="Causas comunes del contenido duplicado” section="causas-comunes-contenido-duplicado"]

No hay una única causa de contenido duplicado. Hay muchas.

La navegación por facetas permite a los usuarios filtrar y ordenar los elementos de la página. Los ecommerce la utilizan mucho.

Este tipo de navegación añade parámetros al final de la URL.

Como suele haber muchas combinaciones de estos filtros, la navegación facetada suele dar lugar a muchos contenidos duplicados o casi duplicados.

Echa un vistazo a estas dos páginas:

Las URL son únicas, pero el contenido es casi idéntico.

Además, el orden de los parámetros no suele importar. Por ejemplo, se puede acceder a la misma página a través de estas dos URL:

Las URL parametrizadas también se utilizan con fines de seguimiento. Por ejemplo, puedes utilizar parámetros UTM para realizar un seguimiento de las visitas de una campaña de newsletter en Google Analytics:

Ejemplo: ejemplo.com/pagina?utm_source=newsletter

Los identificadores de sesión almacenan información sobre los visitantes. Suelen añadir una cadena larga a la URL, por ejemplo:

Ejemplo: ejemplo.com?sessionId=jow8082345hnfn9234

Se puede acceder a la mayoría de las webs a través de una de estas cuatro variantes:

Si usas HTTPS, será una de las dos primeras. Si es la versión www o la no www, ahí ya es cosa tuya.

No obstante, si no configuras correctamente tu servidor, tu sitio será accesible en dos o más de estas variantes, lo cual no es bueno y puede dar lugar a problemas de contenido duplicado.

Google distingue entre mayúsculas y minúsculas en las URL.

Es decir, estas tres URL son distintas:

Google trata las URL con y sin barras diagonales al final de la URL como únicas. Esto significa que estas dos URL son únicas a los ojos de Google:

Si tu contenido está disponible en ambas URL, pueden producirse problemas de contenido duplicado.

Para comprobar si se trata de un problema, intenta cargar una página con y sin la barra diagonal final. Lo ideal es que solo se cargue una versión y la otra redirigirá.

Por ejemplo, si intentas cargar esta entrada sin la barra diagonal final, se redirigirá a la URL con la barra diagonal final.

Google afirma que este comportamiento es el ideal.

Las versiones para imprimir tienen el mismo contenido que la original y solo varía la URL.

Las URL aptas para móviles, al igual que las aptas para impresión, son duplicados.

Lectura recomendada:Prácticas recomendadas para la indexación centrada en los móviles y los sitios web móviles

Las páginas móviles aceleradas (AMP, Accelerated Mobile Pages) son duplicados.

Lectura recomendada:Haz que tus páginas se puedan descubrir - amp.dev

La mayoría de los CMS crean páginas de etiquetas dedicadas cuando se utilizan etiquetas. Por ejemplo, si tienes un artículo sobre proteína whey y utilizas tanto proteína en polvo como whey para las etiquetas, entonces tendrás dos páginas de etiquetas como estas:

Es cierto que no siempre provoca contenido duplicado, pero podría hacerlo.

Este es el caso en el ejemplo de estas dos URL, ya que solo hay una página en el sitio con esas dos etiquetas, por lo que cada etiqueta es idéntica.

Muchos CMS crean páginas dedicadas a las imágenes adjuntas. Estas páginas no suelen mostrar nada más que la imagen y algún texto repetitivo.

Este texto termina siendo el mismo en todas las páginas autogeneradas, por lo que genera contenido duplicado.

WordPress y otros CMS permiten comentarios paginados. Esto provoca contenido duplicado, ya que crea múltiples versiones de las mismas URL.

Si ofreces contenidos similares a personas de distintos países que hablan el mismo idioma, puedes generar contenido duplicado.

Por ejemplo, es posible que tengas distintas versiones de tu sitio para usuarios de México, Colombia y España. Como es posible que solo haya pequeñas diferencias entre el contenido que se ofrece en cada país (por ejemplo, precios en dólares mexicanos o euros), las versiones serán prácticamente duplicadas.

Muchas webs tienen cuadros de búsqueda. Al utilizarlos, normalmente se accede a una URL de búsqueda parametrizada.

Example: ejemplo.com?q=termino-busqueda

El antiguo Head de Webspam de Google, Matt Cutts, declaró lo siguiente:

Un entorno de pruebas (staging environment) es una versión duplicada o casi duplicada de tu web que se utiliza para realizar pruebas.

Por ejemplo, imagínate que quieres instalar un plugin nuevo o cambiar algo de código. Es posible que no quieras pasarlo directamente a la versión en vivo con miles, o cientos de miles, de usuarios. El riesgo de accidente es demasiado alto. La solución es probar los cambios en un entorno de pruebas primero.

Los entornos de pruebas se convierten en un problema de SEO cuando Google los indexa, ya que dan lugar a contenido duplicado.

[post_nav_link link_text="Cómo comprobar si hay contenido duplicado en tu sitio web” section="como-comprobar-contenido-duplicado-en-tu-web"]

Dirígete a Site Audit de Ahrefs e inicia un rastreo.

Después, accede al informe Duplicates.

Busca grupos de duplicados (Exact duplicates) y casi duplicados (Near duplicates) sin una canónica. Aparecen resaltados en naranja.

Haz clic en cualquiera de estos grupos para ver las páginas afectadas.

Investiga la razón del contenido duplicado y toma las medidas oportunas.

Ten en cuenta que no siempre se trata de problemas que haya que rectificar, sobre todo en el caso de los casi duplicados (near duplicates).

También puedes comprobar si hay etiquetas de título, meta descripciones y H1 duplicados en el informe de etiquetas HTML.

Lo que hay que buscar son duplicados defectuosos, es decir, páginas con metaetiquetas duplicadas, pero canónicas diferentes.

Para seleccionarlas, haz clic en el botón “Bad duplicates” en “Duplicate content distribution”.

Haz clic en cualquiera de las barras naranjas para ver las páginas afectadas.

Las páginas con títulos, meta descripciones o H1 duplicados suelen ser muy similares.

Por ejemplo, estas dos tienen el problema que mencionamos anteriormente. El CMS crea páginas idénticas para categorías y etiquetas, creando así duplicados de forma constante.

Google indica que se debe minimizar el contenido similar a este:

Sin embargo, es poco probable que un número reducido de páginas semejantes suponga un gran problema.

[post_nav_link link_text="Cómo comprobar si existen problemas de contenido duplicado en la web” section="comprobar-problemas-contenido-duplicado"]

El scraping y la sindicación de contenidos también pueden provocar problemas de contenido duplicado. Sin embargo,esto solo suele suponer un problema si ves que las versiones de tu contenido obtenidas por scraping te superan en el ranking.

¿Esto ocurre? Sí, pero suele ser más un problema para los sitios web nuevos o débiles, ya que los sitios que copian el contenido de otras webs no suelen estar bien posicionados. Esto es algo que a veces engaña a Google para que piense que el suyo es el original.

Si tienes una web pequeña, es posible encontrar contenido copiado buscando en Google un fragmento de texto de tu página entre comillas.

Para los sitios más grandes, es necesario utilizar una herramienta automatizada como Copyscape. Esta herramienta busca en Internet otras apariciones del contenido de las páginas.

Sea cual sea el método que utilices, la mayoría de los resultados procederán de sitios de spam y de baja calidad.

En general, no hay de qué preocuparse. Sin embargo, si ves que un sitio web legítimo ha copiado tu contenido y te preocupa que pueda estar robándote tráfico, introduce la URL en el Site Explorer de Ahrefs para ver una estimación del tráfico orgánico.

Si está recibiendo más tráfico que tu página, entonces puede haber un problema.

En tal caso, tienes tres opciones:

Si intencionadamente distribuyes contenido a otros sitios web, merece la pena pedirles que añadan un enlace canónico al original. Esto eliminará el riesgo de problemas de contenido duplicado.

No es necesario preocuparse demasiado por el contenido duplicado.: Ssuele ser un problema mucho menor de lo que parece.

Si tienes varias páginas duplicadas o casi duplicadas, es poco probable que haya problemas. Lo mismo ocurre cuando se cita contenido de otro sitio web o de otras páginas de tu sitio. El contenido duplicado o repetido en pequeñas dosis no debería suponer ningún problema. y Google dispone de sistemas para solucionarlo.

A lo que sí hay que estar atento, sin embargo, es a los errores técnicos de SEO que conducen a la generación de cientos, o miles, de páginas de contenido duplicado, como la implementación incorrecta de la navegación por facetas en los ecommerce.

Esto puede causar graves problemas en el crawl budget, entre otras cosas.

¿Tienes problemas con el contenido duplicado? Escríbenos por Twitter.