Definición:
El contenido duplicado es contenido idéntico o sustancialmente similar que puede encontrarse en más de una URL. Puede aparecer dentro de un mismo sitio o entre dominios distintos, y puede afectar a páginas completas o a su contenido principal.
La duplicación no implica necesariamente que alguien haya copiado un texto con intención de manipular el posicionamiento. También surge por causas técnicas como parámetros, filtros, versiones imprimibles, migraciones, sindicación o configuraciones que permiten acceder al mismo recurso mediante varias direcciones.
Índice de contenidos
El contenido duplicado en Google
Cuando Google encuentra varias URL con contenido muy parecido, intenta agruparlas y elegir una URL canónica como versión representativa. Las demás pueden rastrearse, pero normalmente no se muestran por separado para las mismas búsquedas. La elección puede basarse en redirecciones, anotaciones canonical, enlaces internos, sitemap, HTTPS y otras señales.
El contenido duplicado por sí solo no supone una penalización general. El problema cambia cuando la duplicación forma parte de prácticas engañosas orientadas a manipular rankings, crear páginas a escala sin valor o apropiarse de contenido ajeno. En esos casos pueden aplicarse los sistemas y políticas contra el spam.
La URL elegida por el buscador puede no coincidir con la preferida por el sitio si las señales son débiles o contradictorias. Por eso conviene mantener señales coherentes entre la respuesta HTTP, el rel canonical, los enlaces internos y las URL incluidas en el sitemap.
Tipos de contenido duplicado
Las causas frecuentes son técnicas o editoriales y no siempre resultan evidentes al navegar por la web. Entre ellas se encuentran las siguientes:
- Variantes de URL: Parámetros de seguimiento, ordenación, filtros o identificadores de sesión generan varias direcciones para el mismo contenido.
- Versiones del dominio: HTTP y HTTPS, con o sin www, subdominios o barras finales pueden servir páginas equivalentes si no se consolidan.
- Comercio electrónico: Facetas, categorías, fichas accesibles por varias rutas y páginas de impresión pueden repetir bloques principales.
- Sindicación: Un artículo distribuido a otros sitios conserva el mismo texto o una parte sustancial.
- Entornos y migraciones: Dominios de pruebas, copias antiguas o rutas anteriores quedan accesibles después de publicar una nueva versión.
- Contenido externo: Otro dominio reproduce total o parcialmente una publicación, con permiso o sin él.
Las versiones traducidas no se consideran duplicadas cuando el contenido principal está realmente traducido. Las páginas regionales en el mismo idioma pueden compartir gran parte del texto; el atributo hreflang ayuda a relacionarlas con su público, pero no sustituye una canonicalización coherente cuando dos URL son equivalentes.
Efectos del contenido duplicado en SEO
El principal efecto es la selección de canonical. Si el buscador elige una URL distinta de la prevista, la página deseada puede perder visibilidad mientras otra versión aparece en los resultados. Las señales de enlaces y relevancia también pueden quedar repartidas hasta que las URL se agrupen correctamente.
En sitios grandes, las variantes innecesarias consumen rastreo y dificultan que los buscadores dediquen recursos a páginas nuevas o actualizadas. También fragmentan los datos de analítica, complican las auditorías y pueden mostrar al usuario una versión desactualizada o con parámetros poco comprensibles.
El contenido duplicado no es lo mismo que la canibalización. Dos páginas pueden competir por la misma consulta aunque tengan textos diferentes; a la inversa, varias URL duplicadas pueden quedar agrupadas bajo una sola canonical sin competir de forma independiente.
Cómo detectar contenido duplicado
La detección debe combinar rastreo, indexación y revisión de los patrones que generan URL. Las comprobaciones más útiles son:
- Google Search Console: Revisar estados como página duplicada, URL alternativa o canonical elegida por Google, y contrastarlos con la URL declarada.
- Rastreo del sitio: Comparar títulos, metadescripciones, encabezados, texto principal, canonicals y códigos de respuesta entre URL.
- Patrones técnicos: Localizar parámetros, facetas, protocolos, hosts, paginaciones, rutas antiguas y páginas de impresión que replican contenido.
- Búsqueda de fragmentos: Consultar frases distintivas entre comillas puede descubrir copias externas o páginas internas que no aparecen en la navegación.
No existe un porcentaje universal que convierta automáticamente dos páginas en duplicadas. La evaluación debe considerar cuánto contenido principal comparten, si responden a la misma necesidad y si existe una razón para que ambas URL permanezcan accesibles e indexables.
Cómo solucionar el contenido duplicado
La solución adecuada depende de si las versiones deben desaparecer, seguir accesibles o posicionarse para públicos diferentes. Las medidas principales son:
- Redirección permanente: Enviar las variantes que ya no son necesarias hacia la URL definitiva.
- Rel canonical: Indicar la versión representativa cuando varias URL deben seguir disponibles, usando una dirección absoluta y coherente.
- Enlazado interno: Enlazar de forma consistente a la canonical y evitar que menús, filtros o módulos promuevan variantes innecesarias.
- Sitemap limpio: Incluir únicamente las URL canónicas e indexables que se desea presentar a los buscadores.
- Gestión de parámetros: Diseñar filtros y facetas para limitar combinaciones sin valor y conservar las páginas que responden a una intención diferenciada.
- Localización: Mantener contenido realmente adaptado y relaciones hreflang recíprocas para versiones lingüísticas o regionales.
Bloquear una URL mediante robots.txt no la convierte en duplicada ni permite transmitir correctamente sus señales, ya que impide rastrear su contenido. La etiqueta noindex sirve para excluir una página de los resultados, pero no es el método preferente para elegir una canonical dentro de un conjunto duplicado. Google documenta la prioridad y el uso de estas señales en su guía de consolidación de URL duplicadas.
Si la copia está en otro dominio, conviene conservar pruebas de autoría y publicación, reforzar las señales de la fuente y solicitar la corrección o retirada cuando corresponda. Una auditoría SEO permite identificar el origen técnico, priorizar las URL afectadas y verificar que la solución no retire páginas con una función propia.