Formato nuevo
Páginas duplicadas: por qué duelen y cómo arreglarlas
Los duplicados son cuando el mismo sentido — o casi — está disponible en direcciones distintas. La búsqueda gasta crawl en copias, diluye señales y puede mostrar una versión que no consideras primaria.
Abajo: qué cuenta como duplicado, tipos y causas habituales, riesgos SEO y un orden práctico: encontrar → elegir canónico → unificar o sacar del índice. Redirects y tools de desindexación están en artículos hermanos.
Qué son las páginas duplicadas
En SEO un duplicado es varias URLs que a la búsqueda les parecen un documento o compiten por un intent sin valor claro en partirlas. Los usuarios pueden abrir ambas; el bot elige cuál es primaria.
No lo confundas con estructura intencionada: productos, servicios y artículos distintos no son duplicados aunque la plantilla se parezca. El problema empieza cuando sentido y valor casi coinciden — y hay muchas direcciones.
Señales:
- un title/H1 en varias URLs
- el mismo copy principal con parámetros distintos
- www y sin-www / http y https ambos devuelven 200 sin unificar
- filtros y sorts generan combinaciones infinitas en el índice
Exactos y near-duplicates
Exactos (o casi exactos) — el mismo documento en direcciones distintas: cambio de mayúsculas, trailing slash, session id, espejos. Near-duplicates — solapamiento de contenido: categoría «tal cual» y la misma con sorting, una ficha y una versión de impresión, intersecciones finas de filtros.
Los near-duplicates son más taimados: el crawler ve páginas «distintas» mientras el valor para el usuario es casi cero. Esos inflan índices de tiendas online.
Ejemplos exactos:
- `example.com` y `www.example.com` sin 301
- http y https ambos en el índice
- URLs con `?utm_…` junto a la limpia
- una copia en `/index.php` y la URL bonita
Ejemplos near-duplicate:
- sort y paginación como documentos «completos» aparte
- filtro color+talla vs color en el mismo listing
- una página de impresión con el mismo texto
- duplicados de tag/categoría de blog con las mismas colecciones
De dónde salen los duplicados
Lo más habitual no es un «copywriter malvado» sino ajustes de CMS, tienda y marketing: parámetros de sesión, varios caminos a una ficha, generación de landings de ads, copias de test en subdominios, exports de catálogo con parámetros.
Los near-duplicates de contenido aparecen cuando se estampa texto casi idéntico bajo cada keyword o cuando el autofill genera páginas finas. Entonces arreglas técnica de URL y política editorial.
Fuentes típicas:
- espejos y protocolos sin una sola unificación
- parámetros GET (sort, filtro, tags, sesión)
- varias plantillas para una entidad
- copias de sección tras un redesign sin 301
- enlaces externos a URLs «sucias» que se indexaron
Por qué los duplicados duelen al SEO
El crawl budget va a copias en lugar de URLs nuevas e importantes. Señales de enlaces y comportamiento se reparten entre versiones. Una dirección incómoda o desfasada puede quedarse pegada en el SERP.
Dentro del sitio aparece canibalización: varias URLs pelean por una query y ninguna gana estabilidad. En una tienda también es ruido de analytics: goals y conversiones asistidas se emborronan.
Qué notarás:
- miles de URLs en el índice para cientos útiles
- giros de canónico en los paneles
- titles duplicados en el crawl
- indexación floja de secciones nuevas mientras los filtros pesan
Cómo encontrar duplicados
Empieza por espejos y protocolo: ¿todas las variantes hacen 301 a un canónico? Luego crawl del sitio: agrupa por title, H1, hash de contenido; revisa canonical y códigos de estado.
En Yandex Webmaster y Google Search Console revisa ejemplos de URLs indexadas, duplicados y el canónico elegido. Búsqueda `site:domain.com` y checks puntuales de plantillas sospechosas completan el cuadro.
Orden de mini-auditoría:
- unificar www / https / slash
- muestra de parámetros (?sort, ?utm, sesión)
- paginación y filtros del catálogo
- title/H1 repetidos
- subdominios y staging en el índice
Cómo arreglar: canónico, 301, noindex
Elige una URL preferida por entidad. Enlaces internos, sitemap y ads deben apuntar a ella. El resto — 301 (si no hace falta) o canonical / noindex acordado (si hace falta por UX).
No hagas Disallow en robots.txt de lo que quieres limpiar con noindex sin crawl — el bot puede no ver nunca la directiva. No apiles cadenas de redirects. Tras los arreglos, recrawl y monitor de índice forman parte del trabajo — no «un clic y a olvidar».
Herramientas de unificación:
- 301 entre espejos y paths desfasados
- `rel="canonical"` al documento preferido
- meta robots / X-Robots-Tag para utilidad y algunas URLs paramétricas
- ajustes de parámetros de URL en paneles de webmaster
- arreglos de plantilla del CMS para que no nazcan duplicados nuevos
FAQ
¿Un duplicado es siempre copy-paste completo de HTML?
No. Un duplicado exacto es un documento casi idéntico. Un near-duplicate es un solapamiento fuerte de sentido/bloques en URLs distintas (a menudo filtros, paginación, fichas «parecidas»).
¿En qué se diferencian los duplicados del plagio de otro sitio?
Los duplicados internos son problema de tu dominio. El copy-paste externo es otra historia (unicidad, denuncias). Aquí va de higiene interna de URLs.
¿Debo usar redirect o canonical?
Si la URL vieja no debería abrirse — 301. Si ambas versiones hacen falta para usuarios pero solo una en el índice — suele ser `rel="canonical"` más indexación cuidadosa. Ver el artículo de redirects.
¿robots.txt arregla los duplicados?
No como método principal. Disallow corta crawl pero no sustituye unificar y canonical. Para sacar del índice — noindex mientras el documento sea alcanzable, o 301.
¿Las etiquetas UTM son peligrosas?
Como URLs indexadas aparte — sí, si el bot las rastrea e indexa. Suele bastar canonical a la URL limpia + ajustes de parámetros en paneles de webmaster.
¿Cómo estimar la escala rápido?
Un crawler (lista title/H1/canonical), export de «páginas en búsqueda» en Webmaster/Search Console, búsqueda `site:` de titles repetidos. En catálogos grandes — prioriza por sección.
¿Los duplicados significan un «filtro de duplicados» para siempre?
Más a menudo es eficiencia perdida: crawl budget, canibalización, snippets flojos. Sanciones duras son otro tema; primero quita causas sistémicas de duplicados.
¿Cuánto esperar tras unificar?
El recrawl y los cambios de canónico en el SERP no son instantáneos: días–semanas, más en sitios grandes. Mira informes de indexación — no rankings de la noche a la mañana.
¿Filtros y espejos inflando el índice?
Elegimos canónico, 301 y noindex donde toca — sin mandar todo a la home «por si acaso».
Hablar del proyecto
