Canonical: como dizer ao Google qual versão da página vale

Quase toda auditoria técnica que eu faço encontra a mesma coisa: um site com trezentas páginas e novecentas URLs.

Não é conteúdo copiado de ninguém. É o mesmo conteúdo do próprio site acessível por vários endereços, e o Google precisando decidir qual deles existe.

De onde vem a duplicidade

Praticamente nunca de plágio. As fontes são banais:

• www e sem www, servindo a mesma página sem redirecionamento entre as duas.
• http e https, quando a migração não redirecionou tudo.
• Barra final e sem barra final, que são URLs diferentes para o servidor.
• Parâmetros de rastreamento: ?utm_source=... cria uma URL nova a cada campanha.
• Filtros e ordenação em catálogo: cor, tamanho, preço crescente, cada combinação uma URL.
• Paginação e versões de impressão do mesmo artigo.
• Índice e página um: /blog/ e /blog/pagina/1/ mostrando o mesmo conteúdo.

Nenhuma dessas é má-fé. Todas produzem o mesmo efeito.

Por que isso custa caro

O Google resolve duplicidade escolhendo uma URL para representar o grupo. As outras saem do índice.

O problema é que a escolha é dele, e ela erra com frequência quando os sinais estão confusos. O resultado é a versão com parâmetro de campanha ranqueando em vez da URL limpa, ou a página de filtro em vez da categoria.

Há um segundo custo, menos visível: o esforço de rastreamento se divide entre URLs equivalentes. Em site pequeno isso é irrelevante. Em catálogo com dezenas de milhares de combinações de filtro, é a diferença entre o Google conhecer o seu acervo e conhecer um terço dele.

Como declarar

A forma mais comum é uma tag no <head> de cada página, apontando para a versão preferida:

<link rel="canonical" href="https://exemplo.com.br/pagina/" />

Quatro regras que resolvem a maior parte dos casos:

Toda página declara a si mesma. Página sem canonical deixa a decisão inteiramente para o Google. A autorreferência custa nada e elimina a ambiguidade em URLs com parâmetro: /pagina/?utm_source=x declarando /pagina/ resolve a campanha inteira sem nenhum trabalho adicional.

Sempre URL absoluta. Caminho relativo funciona até alguém mudar a estrutura de pastas.

Uma única por página. Duas tags canonical se anulam e o Google ignora as duas.

Coerente com o resto. O canonical precisa apontar para a mesma URL que o sitemap lista, que os links internos usam e que os redirecionamentos entregam. Sinal contraditório é sinal descartado.

Quando o Google ignora a sua declaração

Ele considera o canonical um sinal forte, não uma instrução. Se a declaração contradiz o resto, ela perde.

Os casos típicos:

• O canonical aponta para /a/, mas todos os links internos apontam para /b/.
• O canonical aponta para uma URL que responde 404 ou redireciona para outro lugar.
• O canonical aponta para uma página com conteúdo bem diferente, e não equivalente.
• A página declarada está bloqueada no robots.txt, então o Google não consegue conferir.

O relatório de indexação do Search Console mostra, por página, qual URL o Google escolheu como canônica. Quando ela difere da declarada, o problema não é o canonical: é a incoerência entre os sinais do site.

O diagnóstico em cinco minutos

1. Abra a home em quatro variações: com e sem www, com e sem https. Tudo deve terminar na mesma URL, por redirecionamento, não servindo conteúdo em cada uma.
2. Adicione um parâmetro qualquer a uma página interna, por exemplo ?teste=1, e veja o código-fonte. O canonical deve continuar apontando para a URL limpa.
3. Confira três páginas diferentes e verifique que cada uma declara a si mesma, não a home.
4. No Search Console, abra o relatório de indexação e procure por páginas excluídas como duplicadas ou com canônica divergente da declarada.

Em site que nunca passou por auditoria técnica, essa sequência costuma explicar uma parte substancial das páginas que não estão sendo indexadas.