Canonical ja päällekkäinen sisältö

Moduuli 3: Sivun tekninen perusta · Lukuaika: 12 minuuttia

Oppimistavoite: Tämän oppitunnin jälkeen tunnistat sivustosi päällekkäisen sisällön, osaat valita, mikä osoite on se oikea (kanoninen) osoite, ja välität sen oikein hakukoneille uudelleenohjauksilla ja rel="canonical"-merkinnällä.

Keskeiset käsitteet: päällekkäinen sisältö, kanonisointi, kanoninen osoite, muunnelmat (http ja https, www:n kanssa ja ilman, kauttaviiva, parametrit, isot kirjaimet), rel="canonical", absoluuttinen osoite, canonical vihjeenä, 301-uudelleenohjaus vahvempana signaalina, Googlen valitsema canonical, ei rangaistusta päällekkäisestä sisällöstä

Yksi sivu, viisi osoitetta

Sinulle morsiuskimppujen sivu on yksi sivu. Hakukoneelle jokainen osoite on erillinen sivu. Katso, miten sama sisältö voi Bloemenatelier Lotten sivustolla löytyä viidestä osoitteesta:

http://example.com/bruidsboeketten
https://example.com/bruidsboeketten
https://www.example.com/bruidsboeketten
https://www.example.com/bruidsboeketten/
https://www.example.com/bruidsboeketten?utm_source=nieuwsbrief

Tätä kutsutaan päällekkäiseksi sisällöksi: sama (tai lähes sama) sisältö useammassa kuin yhdessä osoitteessa. Google mainitsee tunnetuimmat syyt:

Lisäksi: kauttaviiva osoitteen lopussa tai ei, isot kirjaimet polussa (/Contact ja /contact), index.html osoitteen perässä sekä uutiskirjeiden ja mainosten parametrit.

Onko se paha asia?

Ei rangaistusta. Google kertoo, että jonkin verran päällekkäistä sisältöä on sivustolla normaalia eikä se riko sen roskapostikäytäntöjä. Sinua ei rangaista siitä. Ongelma syntyy vasta, kun joku tarkoituksella tekee kopioita massoittain täyttääkseen hakutulokset; se on eri asia (oppitunti 8.2).

Miksi asia kannattaa sitten hoitaa? Koska muuten hakukone valitsee itse. Google ryhmittelee samansisältöiset sivut ja valitsee niistä yhden kanonisen osoitteen: edustajan, joka näkyy hakutuloksissa ja jota indeksoidaan useimmin. Tätä valintaa kutsutaan kanonisoinniksi. Jos jätät sen Googlelle, se voi valita juuri sen osoitteen, jonka perässä on ?utm_source=nieuwsbrief. Lisäksi Search Consolen lukusi hajoavat viiteen muunnelmaan ja hakurobotti tuhlaa aikaa kopioihin.

Kolme signaalia, vahvimmasta heikoimpaan

Kerrot hakukoneelle, mikä osoite on se oikea. Google mainitsee kolme tapaa vahvuusjärjestyksessä:

1. Uudelleenohjaus (301 tai 308): vahva signaali siitä, että uudelleenohjauksen kohteen pitäisi olla kanoninen. Käytä tätä muunnelmille, joita kukaan ei tarvitse: http:stä https:ään sekä www-versiosta tai versiosta ilman www:tä toiseen. Tämä määritetään kerran koko sivustolle (oppitunti 4.1).
2. rel="canonical": myös vahva signaali. Rivi sivun <head>-osassa, joka kertoo, mikä osoite on se oikea. Käytä tätä silloin, kun muunnelman täytyy pysyä toiminnassa, kuten suodattimen tai uutiskirjeparametrin sisältävässä osoitteessa.
3. Sivustokartta: heikko signaali. Sivustokarttaan laittamasi osoitteet ehdotat kanonisiksi (oppitunti 3.4). Laita sinne siis vain oikeat osoitteet.

Canonical näyttää tältä:

<head>
  <title>Bruidsboeketten op maat | Bloemenatelier Lotte</title>
  <link rel="canonical" href="https://www.example.com/bruidsboeketten">
</head>

Sivun jokaisessa muunnelmassa on sama rivi, myös itse kanonisessa osoitteessa. Jälkimmäistä kutsutaan itseensä viittaavaksi canonicaliksi (self-referencing canonical). Se ei ole pakollinen, mutta kätevä: jos joku tulee sivulle osoitteen ?utm_source=nieuwsbrief kautta, oikea osoite on heti näkyvissä.

Vihje, ei käsky

Google sanoo sen selvästi: canonical on vihje, ei sääntö. Google voi valita eri osoitteen kuin sinä. Näin käy etenkin, jos signaalisi ovat ristiriidassa keskenään. Search Consolen URL inspection -työkalussa (oppitunti 2.4) näet kaksi riviä rinnakkain: "User-declared canonical" ja "Google-selected canonical". Jos ne eroavat, etsi ristiriitaa:

• canonical osoittaa osoitteeseen https://www.example.com/..., mutta sivustokartassa on https://example.com/...;
• canonical osoittaa https://-osoitteeseen, mutta https:// ohjaa osoitteeseen http://;
• valikkosi sisäiset linkit osoittavat eri muunnelmaan kuin canonical;
• sivut eivät ole riittävän samanlaisia: tuotesivulta etusivulle osoittava canonical ei toimi, koska kyse ei ole kopiosta.

Samansisältöisistä sivuista Google suosii kanonisena osoitteena https-versiota, ellei siinä ole jotain vikaa, kuten virheellinen varmenne.

Näin kirjoitat canonicalin oikein

Tiedostoille, joissa ei ole HTML:ää, kuten pdf-tiedostolle, canonicalin voi antaa myös HTTP-otsakkeena:

Link: <https://www.example.com/prijslijst.pdf>; rel="canonical"

Mitä ei pidä tehdä

• Ei robots.txt-tiedostoa kanonisointiin. Google sanoo nimenomaan: älä käytä robots.txt-tiedostoa siihen. Jos estät muunnelmat, Google ei voi lukea niitä eikä siis näe canonicaliasikaan.
• Ei noindexiä canonicalin pakottamiseen. Sitäkään Google ei suosittele saman sivuston sisällä. Noindex tarkoittaa "älä ota mukaan lainkaan", ei "ota mieluummin tuo toinen".
• Ei kaikkea etusivulle. Jokaisella sivulla oleva etusivulle osoittava canonical (tunnettu virhe teemoissa ja lisäosissa) kertoo Googlelle, että koko sivustosi on yksi sivu.

Käytännössä: kuka hoitaa mitäkin?

Koko sivuston uudelleenohjaukset määrität webhotellissasi. WebOkén DirectAdminissa verkkotunnuksen asetuksista löytyvät SSL-, https-uudelleenohjaus- ja "www:n kanssa tai ilman" -valinnat; muilla palveluntarjoajilla nimet ovat erilaisia, mutta kyse on samanlaisesta asetuksesta. Sivun canonicalin tekee sivustotyökalusi. WordPress lisää itse canonicalin artikkeleihin ja sivuihin, ja SEO-lisäosat ottavat sen hoitaakseen. WebOkén AI Builder lisää jokaiselle julkaistulle sivulle canonicalin sivun omaan osoitteeseen ja jättää sen tarkoituksella pois virhesivulta (404). Tarkista aina verkkotunnuksen tai www-valinnan muutoksen jälkeen, että canonical, uudelleenohjaus ja sivustokartta mainitsevat edelleen saman osoitteen.

Yhteenveto

• Päällekkäinen sisältö on normaalia eikä syy rangaistukseen, mutta ilman signaalia hakukone valitsee itse, mikä osoite on kanoninen.
• Kolme signaalia: uudelleenohjaus (vahva), rel="canonical" (vahva) ja sivustokartta (heikko). Anna niiden kaikkien mainita sama osoite.
• Canonical on vihje: Google voi valita toisin, etenkin ristiriitaisten signaalien vuoksi. Katso URL inspection -työkalusta.
• Kirjoita se täydellisenä, kerran, <head>-osaan, ja osoita sivulle, joka palauttaa koodin 200, jossa ei ole noindexiä ja joka viittaa itseensä.
• Älä käytä robots.txt-tiedostoa äläkä noindexiä canonicalin pakottamiseen.

Tietovisa

Tehtävä

Tehtävä A3.5: Osoittaako canonical oikeaan paikkaan? Syötä sivustosi jonkin sivun osoite. Ohjelma lukee sivun, etsii canonicalin ja tarkistaa, onko niitä tasan yksi, onko se täydellinen ja https-muotoinen, palauttaako kohde koodin 200, puuttuuko siitä noindex ja viittaako se itseensä, sekä ohjautuvatko http-muunnelma ja www:n kanssa tai ilman olevat muunnelmat samaan isäntään. Eikö sinulla ole omaa sivustoa? Käytä osoitetta https://european-union.europa.eu/index_nl.

Lisälukemista

Näiden artikkelien vaiheet koskevat WebOkén hallintapaneeleja; muilla palveluntarjoajilla toiminta on samankaltaista.

• DirectAdmin-ohje 4.3: Verkkotunnuksen asetukset: SSL, PHP, www ja private_html
• DirectAdmin-ohje 4.7: Site Redirects: verkkotunnuksen tai sivun uudelleenohjaus
• Ilmainen DNS-kurssi 3.4: www, uudelleenohjaus ja mitä DNS ei tee
• Google Search Central, Mitä kanonisointi on: https://developers.google.com/search/docs/crawling-indexing/canonicalization
• Google Search Central, Päällekkäisten URL-osoitteiden yhdistäminen (canonicalin määrittäminen): https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls