» Duplicate Content Teil 1: Interner DC

Duplicate Content Teil 1: Interner DC

13. Februar 2009 | SEO Gedanken

Ich habe hier schon lange nichts mehr geschrieben, das tut mir (an alle treuen Feed-Leser) recht leid. Teilweise hatte ich nicht den richtigen Elan, teilweise keine rechten Ideen. Ich wage zu bezweifeln, ob es jemandem geholfen hätte, hier nochmal über PR-Abstrafung in Japan oder Spam-Alerts bei Google zu lesen. Nun war ich ein wenig rum, auch auf dem SEO-Stammtisch in Bonn (danke nochmal an Johannes) und habe mich unter anderem fabelhaft mit Sasa Ebach und Alex Bald unterhalten.

Inspiriert hat mich das Ganze, hier mal eine grundsätzliche Schreibe über Duplicate Content (DC) zu machen. Viele können sehr wahrscheinlich gar nichts damit anfangen, andere denken, interner DC ist nicht so schlimm. Ich will versuchen, das ein wenig aufzuklären, denn es ist doch schlimm.

Was ist interner DC? | Häufigste Fälle von DC | Internen DC vermeiden

Was ist interner Duplicate Content?

Nun, was ist Duplicate Content überhaupt? Interner Duplicate Content kann eigentlich ganz einfach beschrieben werden:

(1) Jede Seite einer Website, die unter mehr als einer URL aufrufbar ist, stellt Duplicate Content dar.

Ganz einfach oder? – Nun ja, leider ist es dann doch nicht soo einfach. Da kommt dann noch ein wenig dabei, nämlich potentieller Duplicate Content.

(2) Jede sortierte Liste ist potentieller Duplicate Content.

Gut, einen Schritt weiter. Fehlt aber noch ein Punkt.

(3) Jede ähnliche Seite ist potentieller Duplicate Content.

Jetzt sind wir soweit vollständig, was internen (nicht vergessen!) DC angeht. Ich will ein paar Beispiele geben, die verdeutlichen, was dahinter steckt. Ich will keine Seiten zeigen, die es vielleicht machen, daher müsst Ihr mit einer gewissen Abstraktion leben.

(1) Gleiche Seite auf verschiedenen URLs

http://www.beispiel.de
http://www.beispiel.d?IchBinEinParameter

Das kann vor allem fies werden, wenn Ihr Affiliate-Links von außen reinkommen habt, die von Euch natürlich getraclt werden wollen. Es gibt sicherlich einige Leute, die mit Affiliate-Links versuchen, Linkpower aufzubauen – mit parametrisierten URLs funktioniert das leider aber eher mit entgegengesetztem Effekt.

Probiert es aus, hängt an eine Eurer Seiten einen beliebigen Parameter an – voila. DC.

(2) Sortierte Listen

Stellt Euch vor, Ihr habt einen Shop und verkauft Rucksäcke. Nun habt Ihr eine wunderschöne Liste mit Rucksäcken, die der User mit den tollsten Parametern und Wünschen sortieren kann, z.B. nach dem Preis. Das macht er auch fleißig. Ebenso wie der Googlebot. Klick, klick, klick.

Nun habt Ihr vielleicht nur eine Seite mit Rucksäcken, weil das echt super seltene Teile sind. Meint Ihr, Google würde nicht merken, dass der Content auf der Seite einfach nur irgendwie gedreht ist, aber genau die gleichen Inhalte hat?

Wenn Ihr das denkt, dann produziert Ihr reinsten Gewissens den schönsten DC.

(3) Ähnlicher Content

Ein wenig ähnlich gelagert wie die Sache mit der Sortierung, aber doch anders. Ihr habt eine Seite mit – ach, sagen wir mal Rucksäcken, diesmal aber eine Detailseite. Der User kann hier Farben auswählen und Ihr liefert eine neue URL aus, weil vielleicht wird der rote Rucksack ja verlinkt und der blaue auch (das wäre toll)?

Nunja. Vielleicht fällt Euch auf, dass sich auf der Seite kaum Inhalt ändert. Der Rucksack wird blau (denn Ihr habt nen wirklich coolen Shop) und die Überschrift ändert sich vielleicht.die Seite sieht ja wirklich ganz anders aus als vorher!

Nun, zählt mal Eure Wörter zusammen, Ihr habt mit Sicherheit eine Ähnlichkeit von 99%. Glaubt Ihr das reicht? – DC.

Die häufigsten Fälle von internem DC

Es bedarf einer gewissen Nase für internen Duplicate Content, gerade weil die meisten Leute ihn nicht schlimm finden und denken “Google wirds schon richten und erkennen”. Denkste. Wie wir mit Duplicate Content umgehen und ihn steuern bzw. entfernen, das kommt in einem weiteren Teil der Duplicate Content-Reihe.

Hier will ich aber kurz Hilfestellung zur Erkennung leisten – schaut einfach mal, ob Ihr auf Eurer Seite das ein oder andere Problemchen findet. Ich bleibe bewusst hier auch mal bei WordPress-Themen, weil die die Blogosphäre im Gesamten betreffen, die Probleme sind aber transferierbar.

Kanonische URL: Ist Eure Domain mit http://www.domain.de und mit http://domain.de, vielleicht noch mit http://domain.de/index.php aufrufbar?
IP als Komplett-DC: Ursächlich technisch kann es auch sein, wenn Eure IP aus Gründen in den Index gelangt. Heise, Golem und einige andere größere Seiten haben dieses Problem. Man muss es nur erkennen und das ist meist zufällig. Das echte Problem ist aber: der komplette Inhalt der Domain wird gespiegelt bzw. dupliziert. Nicht gut.
Unnütze Parameter: Klick mal bei Eurem WordPress-Blog einfach auf die Suche, ohne ein Suchwort einzugeben. Na? Genau. Domain-DC/Startseiten-DC (das Schlimmste was passieren kann) – und Google klickt auf Buttons, das wissen wir.
Zugänglichmachung: Euer Blog benutzt Tags, Kategorien, Datumsarchive, alles, was geht. Leider ist das alles potentieller DC. Entscheidet Euch für eine Version von Listen, die Ihr indexieren lassen wollt.
Artikelseiten unter verschiedenen URLs: Besonders ein WordPress-Problem – Ihr könnt jede URL in Eurem WP-Blog manipulieren. Das macht man natürlich nicht freiwillig, aber vielleicht ändert Ihr unbewusst mal die Kategorie eines Beitrages. Zack, habt Ihr zwei valide URLs, denn – probiert’s mal aus: Ihr könnt den Kategorienamen in der URL durch eine andere Kategorie Eures Blogs ersetzen. Ein falscher Link genügt und Ihr habt DC.
Sortierungen und Auswahlen: Die Beispiele von weiter oben. Sortierte Listen und parametrisierte Artikel/Detailseiten sind DC.

Wenn Ihr über Eure Seiten guckt, werdet Ihr mit Sicherheit irgendwo DC finden, ganz sicher ist keine Seite hier perfekt und sei es wegen technischer Restriktionen (CMS, Blogsystem etc.). Wenn ihr allerdings wisst, wie Ihr DC erkennt, habt Ihr den ersten wirklich wichtigen Schritt getan, ihn auch zu vermeiden.

Tipps und Tricks zur Erkennung von DC

Gerade die Erkennung von ähnlichen Seiten als Duplicate Content kann einem zu schaffen machen. Ihr müsst Euch generell Eure Navigation, den Footer und den ganzen Kram wegdenken, denn das kann Google auch ganz gut. Dann vergleicht Ihr die übrigen Text- und Bild-Elemente des eigentlichen Inhalts der beiden in Frage kommenden Seiten. Wenn Ihr einen Wert über 80% erreicht, seid Ihr auf der sicheren Seite, dass Ihr gerade DC produziert habt. (Es gibt hier auch Tools, die Euch so was ausrechnen, mit Verstand gehts aber am einfachsten)

Nutzt Google! Leider ist für diesen Tipp das Kind wohl schon in den Brunnen gefallen. Macht eine Site-Abfrage Eurer Seite und grenzt Sie soweit ein, dass Ihr eine solide Anzahl von Seiten ausgegeben bekommen müsstet. Google schneidet nun das, was als Duplikat (Near Duplicate) gewertet werden könnte, bzw. sehr ähnlich anderen Seiten Eurer Website ist, ab. Das sieht dann z.B. so aus: Site Abfrage.

Geht einfach mal davon aus, dass alles, was dort abgeschnitten, wird potentiell ein kleineres Problem hat. Und tatsächlich – Wenn Ihr den Link anklickt, bekommt Ihr ganz viele schöne paginierte Seiten, die dem Googlebot zur Indexierung in den Rachen geworfen werden.