Czym dokładnie jest duplicate content? Dlaczego należy go unikać?

Duplicate content to ta sama albo bardzo podobna treść dostępna pod więcej niż jednym adresem URL. Google zwykle za to nie karze, ale sam wybiera wersję do pokazania. Nie zawsze trafia w tę, na której Ci zależy. Poniżej znajdziesz, skąd biorą się duplikaty, jak je znaleźć i którą metodą usunąć.

Co to jest duplicate content?

Duplicate content (zduplikowana treść) to treść, która w tej samej albo prawie tej samej postaci jest dostępna pod różnymi adresami. Może to być ta sama strona pod kilkoma adresami w Twoim serwisie albo Twój tekst opublikowany w innych serwisach.

• Duplikacja wewnętrzna dotyczy jednej witryny, np. ta sama karta produktu w dwóch kategoriach albo strona dostępna z parametrem i bez niego.
• Duplikacja zewnętrzna dotyczy różnych witryn, np. opis producenta w setkach sklepów albo artykuł skopiowany przez inny serwis.

Google podchodzi do tego spokojniej, niż sugerują stare poradniki. W dokumentacji Search Central czytamy, że pewna ilość zduplikowanej treści w serwisie jest normalna i nie narusza zasad dotyczących spamu. Problem zaczyna się wtedy, gdy duplikatów jest dużo albo gdy wyszukiwarka wybiera do wyników nie tę wersję, którą chcesz pokazać klientom.

Jak Google traktuje zduplikowane strony?

Google grupuje podobne strony i wybiera z grupy jedną, kanoniczną, którą pokazuje w wynikach. Ten proces nazywa się kanonikalizacją. Wybrana strona jest odwiedzana przez robota najczęściej, a duplikaty rzadziej.

Przy wyborze Google bierze pod uwagę sygnały: czy adres działa na HTTPS, czy inne wersje przekierowują na niego, czy jest w mapie witryny i czy wskazuje go znacznik rel=canonical. Twoja wskazówka jest podpowiedzią, a nie poleceniem. Jeśli sygnały sobie przeczą, Google może wybrać inną wersję.

Skutki dla Twojej strony są więc inne niż kara:

• w wynikach może pojawiać się adres, którego nie chcesz pokazywać, np. z parametrem albo z kategorii, której nie promujesz;
• linki prowadzące do różnych wersji tej samej treści rozkładają się na kilka adresów zamiast wzmacniać jeden;
• robot traci czas na kopie, a w dużym sklepie może później dotrzeć do nowych produktów;
• dane o ruchu rozpraszają się na kilka adresów, więc trudniej ocenić, jak działa dana strona.

Skąd bierze się zduplikowana treść w serwisie?

Większość duplikatów wewnętrznych powstaje sama, przez ustawienia serwera albo działanie CMS-u. Google wymienia te przyczyny jako typowe.

Przyczyna	Przykład
Wersje protokołu i domeny	strona działa pod http i https albo z www i bez www
Sortowanie i filtrowanie	kategoria pod adresem z parametrem ?sort=cena albo ?kolor=czarny
Parametry kampanii i sesji	adres z UTM albo z identyfikatorem sesji
Produkt w kilku kategoriach	/buty/model-x/ i /promocje/model-x/ z tą samą treścią
Wersja testowa	kopia strony na serwerze wykonawcy, dostępna dla robotów
Wersje dla regionów	osobne strony dla Polski i Niemiec po polsku, z tą samą treścią
Powtarzany opis	ten sam opis kategorii na każdej stronie paginacji

Filtry są w sklepach najgroźniejsze, bo każda kombinacja filtrów tworzy nowy adres. Google opisuje to wprost: gdy filtry się łączą, liczba adresów gwałtownie rośnie, a robot zużywa czas na listy, z których nie potrzebuje większości.

Skąd biorą się kopie Twoich treści na innych stronach?

Duplikacja zewnętrzna ma zwykle cztery źródła. Część z nich wynika z Twoich decyzji, część z cudzych.

• Publikacja u partnera. Ten sam artykuł na Twoim blogu i w serwisie branżowym albo informacja prasowa przedrukowana przez portale.
• Opisy producenta. Sklep wkleja opis z katalogu dostawcy, a ten sam tekst mają wszyscy, którzy sprzedają ten produkt.
• Kopiowanie bez zgody. Serwisy, które automatycznie pobierają cudze treści i publikują je u siebie.
• Teksty wykonawcy. Copywriter albo agencja publikuje u siebie pełny tekst zamiast odnośnika.

W każdej z tych sytuacji Google musi zdecydować, która kopia jest najlepsza dla użytkownika. Dokumentacja przyznaje, że algorytm może wybrać adres z innej witryny, która publikuje Twoją treść bez zgody. Przy publikacji u partnera Google nie zaleca znacznika canonical. Najskuteczniej działa blokada indeksowania kopii po stronie partnera.

Przy opisach producenta problemem nie jest kara, tylko konkurencja: Twoja strona ma ten sam tekst co wszystkie inne sklepy i niczym się nie wyróżnia. Własny opis, zdjęcia, parametry i odpowiedzi na pytania klientów to treść, której nie ma nikt inny.

Kiedy duplicate content staje się spamem?

Wtedy, gdy kopiowanie jest sposobem na tworzenie strony. Zasady Google opisują je jako scraping, czyli pobieranie treści z innych witryn, często automatycznie.

Według zasad dotyczących spamu naruszeniem jest m.in. publikowanie cudzych treści bez własnej wartości, a nawet bez podania źródła, lekko przerobionych kopii albo serwisów złożonych z osadzonych cudzych materiałów. Podobnie Google ocenia strony partnerskie, na których opisy i recenzje produktów są skopiowane wprost od sprzedawcy bez żadnej własnej treści.

Jest jeszcze jeden mechanizm. Gdy Google dostaje dużą liczbę zasadnych zgłoszeń naruszenia praw autorskich dotyczących jednej witryny, może obniżyć widoczność także innych treści z tej witryny.

Kopiowanie cudzych tekstów jest więc ryzykiem prawnym i ryzykiem dla widoczności całej strony.

Do odpowiedzi AI Search w Google, czyli AI Overviews i AI Mode, mogą trafić tylko strony zaindeksowane i dostępne w wynikach z fragmentem opisu, jak podaje dokumentacja funkcji AI. Jeśli Google uzna za kanoniczną cudzą kopię Twojego tekstu, link w takiej odpowiedzi może prowadzić do niej, a nie do Ciebie.

Jak sprawdzić, czy masz duplicate content?

Najszybciej w Google Search Console, a dokładniej w raporcie indeksowania stron. Duplikaty mają w nim osobne statusy.

Status w raporcie	Co oznacza	Co zrobić
Duplikat, użytkownik nie oznaczył strony kanonicznej	strona jest kopią innej i nie wskazuje wersji preferowanej	wskaż wersję kanoniczną albo usuń zbędny adres
Duplikat, Google wybrał inną stronę kanoniczną niż użytkownik	wskazałeś wersję kanoniczną, ale Google uznał inną za lepszą	sprawdź, czy sygnały sobie nie przeczą
Strona alternatywna z prawidłowym tagiem kanonicznym	strona poprawnie wskazuje wersję kanoniczną, która jest w indeksie	nic, to stan prawidłowy

Dla pojedynczego adresu użyj narzędzia do sprawdzania adresów URL w Search Console. Pokaże, którą stronę Google uznał za kanoniczną.

Do szerszego przeglądu przydadzą się trzy metody:

• wpisz w Google charakterystyczne zdanie ze swojej strony w cudzysłowie, żeby znaleźć kopie w innych serwisach;
• użyj zapytania site:twojadomena.pl inurl:utm, żeby zobaczyć zaindeksowane adresy z parametrami;
• przeskanuj serwis crawlerem, który wskazuje strony o identycznej albo bardzo podobnej treści.

Jak usunąć duplicate content?

Metodę dobierasz do przyczyny. Najważniejsze pytanie brzmi: czy zbędna wersja może zniknąć, czy musi zostać dla użytkowników.

Sytuacja	Rozwiązanie
Wersja, której nikt nie potrzebuje: http, bez www, stary adres	przekierowanie 301 na wersję docelową; Google traktuje je jako silny sygnał
Wariant potrzebny klientom: sortowanie, adres z UTM, wariant produktu	znacznik rel=canonical w sekcji head albo w nagłówku HTTP, np. dla plików PDF; też silny sygnał
Strona, której nie chcesz w Google wcale: wersja testowa, wyniki wewnętrznej wyszukiwarki	noindex, a dla wersji testowej dostęp na hasło
Tysiące adresów z filtrów	ograniczenie skanowania w robots.txt i stała, przemyślana lista filtrów, które mają własne strony
Te same treści dla kilku regionów	hreflang i wersja kanoniczna w tym samym języku
Twój tekst u partnera	partner blokuje indeksowanie kopii albo publikuje skrót z odnośnikiem
Kopia bez Twojej zgody	prośba do właściciela albo hostingu strony, a gdy to nie działa, zgłoszenie naruszenia praw autorskich do Google

Dokumentacja Google wymienia też błędy, które pogarszają sytuację:

• robots.txt do wyboru wersji kanonicznej: Google może zaindeksować zablokowany adres bez jego treści;
• narzędzie do usuwania adresów URL: ukrywa w wynikach wszystkie wersje adresu, także tę dobrą;
• noindex zamiast canonical w obrębie jednej witryny: całkowicie wyłącza stronę z wyników;
• sprzeczne sygnały, np. inny adres w mapie witryny niż w znaczniku canonical.

Co zrobić teraz?

Duplicate content to zwykle problem porządku, a nie kary. Wygrywa serwis, który jasno wskazuje Google właściwą wersję i ma treści, których nie ma nikt inny.

1. Otwórz raport indeksowania stron w Search Console i sprawdź, ile adresów ma statusy duplikatów.
2. Sprawdź, czy wszystkie wersje domeny (http, https, z www i bez) prowadzą przekierowaniem 301 do jednej.
3. Przejrzyj adresy z parametrami i filtrami: które mają mieć własną stronę, a które wskazywać kategorię.
4. Zablokuj albo zabezpiecz hasłem wersje testowe strony.
5. Zacznij zastępować opisy producenta własnymi, od produktów, które sprzedają się najlepiej.
6. Ustal z partnerami, że kopie Twoich artykułów nie będą indeksowane.

Duplikaty to jeden z tematów porządkowania serwisu, który decyduje o widoczności w Google. Gdy dotyczą podobnych stron walczących o te same zapytania, sprawdź też, czy nie masz problemu z kanibalizacją słów kluczowych.

Najczęstsze pytania.

Czy cytowanie fragmentów z innych stron to duplicate content?

Krótki cytat z podaniem źródła w tekście, który wnosi własną wartość, nie jest problemem. Zasady Google dotyczą publikowania cudzych treści bez własnego wkładu.

Czy publikowanie artykułu z bloga na LinkedIn albo w serwisie branżowym szkodzi stronie?

Może sprawić, że Google pokaże kopię zamiast Twojego oryginału. Bezpieczniej publikować tam skrót z odnośnikiem albo ustalić z serwisem, że kopia nie będzie indeksowana.

Ile trwa, zanim Google połączy duplikaty po poprawkach?

Google podaje, że strona może pozostać w grupie duplikatów nawet do dwóch tygodni. Dla najważniejszych adresów możesz poprosić o ponowne zindeksowanie w narzędziu do sprawdzania adresów URL, które ma limit próśb.