Medidas para eliminar y evitar el contenido duplicado

El contenido duplicado es el principal motivo que hace que muchas de las páginas de cualquier sitio web, no aparezcan en los resultados de los buscadores.
Afecta a la gran mayoría de los sitios en mayor o menor medida.
Es una penalización silenciosa y que pasa desapercibida para muchos, que ha tomado mucho auge después de la liberación de Panda, el famoso cambio en el algoritmo de Google.
El objetivo es que no se repita el mismo contenido en los resultados.
Debe ser una de las mayores preocupaciones para todos los que publicamos contenido en internet y la cuestión no es como solucionarlo, lo que es muy difícil, sino como evitar que siga sucediendo con las publicaciones nuevas.
En este artículo compartimos las principales medidas que podemos adoptar, para evitar que lo que publicamos de ahora en adelante pueda ser considerado como contenido duplicado a los ojos de Google o de otros buscadores.

¿Qué se considera como contenido duplicado?

Google y los otros buscadores consideran como contenido duplicado, cuando la misma información, sea texto, imágenes, videos o cualquier otro contenido aparece bajo distintas direcciones URL.
Esto atenta especialmente contra la calidad de los resultados que ellos proporcionan.
La solución es filtrar y desechar todo lo que pueda estar de alguna forma doble en la red.
Existen dos tipos de contenido duplicado el externo y el interno.

El contenido duplicado en internet

El primero de ellos, el contenido duplicado externo (inter-sites), sucede cuando los buscadores detectan el mismo contenido en una de nuestras páginas y en otras de internet.
Lógicamente ellos mediante su algoritmo determinan cual es la más apropiada para mostrar en los resultado y las otras las desechan.
Para eso se estiman distintos factores como la fecha de publicación, calidad del contenido y la autoridad del sitio.
Lo detectamos con dolor cuando descienden las visitas de una página y al hacer una búsqueda por su título en internet, comprobamos que otras páginas aparecen por encima de nosotros en los resultados.
También se puede conocer usando la famosa herramienta Copyscape.
El contenido duplicado externo es muy difícil de solucionar ya que se necesita tiempo y esfuerzo, solo vale la pena cuando se trata de una página muy importante para nosotros.
Para evitarlo la única medida es no publicar el mismo contenido de nuestro sitio en otros servicios de internet, como directorios de artículos.
Al compartir en las redes sociales debemos de emplear una descripción completamente diferente de la propia de la página original.

¿Cómo recuperar el posicionamiento de una página penalizada por contenido duplicado?

Para lograr que una página de la que somos autores aparezca antes que otras con contenido plagiado en los resultados, generalmente solo dan resultado dos medidas:

El contenido duplicado en un sitio web

El contenido duplicado interno (in-site), es cuando se detecta bloques con el mismo contenido en distintas páginas de nuestro sitio.
Está completamente en nuestras manos solucionarlo y lograr que no suceda en el futuro.

Medidas para evitar el contenido duplicado

1- Evitar que cada página tenga más de una dirección URL

Sucede en los sitios a los que se puede acceder con y sin WWW.
Para evitarlo tenemos que definir la URL preferida en el panel de Herramientas para Webmasters de Google.

2- Usar la etiqueta rel canonical en todas las páginas

El objetivo de esta etiqueta es indicar la dirección URL exacta de una página.
Evita las confusiones a los robots, después de todo son simples maquinas.
La de esta página luce de la siguiente forma:
<link rel="canonical" href="http://norfipc.com/web/como-crear-archivo-robots.txt-sitio-web.php">
En WordPress basta con usar el plugin WordPress SEO by Yoast

3- Evitar repetir el mismo bloque de párrafo en varias páginas

Esto perjudica a sitios que repiten cabeceras o pies de páginas.
Cuando sea necesario debemos de usar Javascript.

4- Bloquear páginas con un contenido similar

El mismo contenido en varias páginas es muy frecuente en sitios que usan WordPress.
Para evitarlo se debe usar un archivo robots.txt en el sitio y bloquear las paginas auxiliares como las de categorías y etiquetas para que no sean indexadas.
Además se debe tratar de evitar el uso de variables o parámetros dinámicos en la URL de las páginas.

5- Impedir la indexación de páginas o de archivos

De forma algo similar podemos emplear en páginas sospechosas la etiqueta Robots con el parámetro noindex para evitar que sean indexadas.
También podemos usar un archivo .htaccess para indicarle a los robots que todas las páginas de un directorio no sean indexadas, se puede además indicar otros tipos de archivos.

6- Evitar la paginación

Afecta generalmente a sitios de comercio cuando una misma página tiene varias secundarias.
Se soluciona usando las etiquetas rel=next y rel=prev, para indicarle a los robots la página principal y las secundarias.