O caso de um site que teria perdido páginas do índice do Google após uma suposta configuração de canonical cross-domain chamou a atenção no Reddit. A dúvida chegou até John Mueller, do Google, que explicou possíveis causas para o problema e indicou formas de investigar como o buscador está interpretando as páginas.
O relato envolvia um site com conteúdos sobre empresas e fornecedores. Durante a análise, os responsáveis perceberam que uma página de cassino aparecia como a versão canônica do conteúdo, embora não houvesse qualquer relação entre os assuntos.
Como funciona o canonical cross-domain
O canonical cross-domain é uma tag inserida no código de uma página para indicar aos mecanismos de busca que aquele conteúdo é igual ao de outro site. Na prática, trata-se de uma extensão da tag canonical tradicional, usada para organizar URLs dentro do mesmo domínio.
O Google considera a indicação um sinal forte, mas não é obrigado a segui-la. Esse recurso poderia ser usado, por exemplo, em uma migração de domínio quando um redirecionamento 301 não fosse possível. Atualmente, porém, essa situação é considerada pouco provável.
Durante um período, o canonical cross-domain também foi utilizado para apontar a origem de conteúdos publicados de forma sindicada em outros sites. No entanto, a orientação do Google mudou: para esse tipo de material, a recomendação passou a ser o uso de uma diretiva meta noindex.
“Se você distribuir seus artigos para outros sites de notícias ou para outros sites da sua própria rede, eles poderão adicionar esta tag meta robots aos seus artigos:
<meta name=”Googlebot-News” content=”noindex”>
Essa tag impede que o Google News indexe as versões distribuídas do seu conteúdo.
Para restringir o conteúdo distribuído tanto do Google News quanto da Pesquisa Google, outros sites podem adicionar esta tag meta robots aos seus artigos:
<meta name=”Googlebot” content=”noindex”>
Essa tag impede que o principal agente de usuário do Google, o Googlebot, indexe seu conteúdo.”
Assim, redirecionamentos 3xx e a diretiva noindex são alternativas mais definitivas do que o canonical cross-domain, já que o buscador pode simplesmente ignorar uma indicação canônica.
O relato de desindexação
O usuário afirmou que o site estava perdendo páginas do índice e que um domínio estranho, ligado a apostas de cassino, aparecia como canônico. O endereço informado foi substituído por example.com. Segundo o relato:
“Estamos observando uma desindexação pequena, mas crescente, das nossas páginas no Google causada por um domínio muito estranho.
Para contextualizar: nossas páginas são sobre empresas e fornecedores, e a página que o Google considera canônica é uma página de apostas de cassino (www.example.com).
Não há absolutamente nenhuma semelhança de conteúdo entre nossas páginas e essa página.
Além disso, ao analisar www.example.com, não consigo encontrar nenhuma página que sequer se aproxime do nosso conteúdo.
Alguém tem alguma ideia do que está acontecendo e de como corrigir isso?”
Outro usuário do Reddit, identificado como No_Wrap_9584, contou que enfrentou algo parecido. Nesse caso, o site exibia uma mensagem de erro no servidor, igual à apresentada por outros endereços. Depois de algumas semanas, a situação se resolveu sozinha.
Erro técnico pode explicar canonical cross-domain
Ao pesquisar no Google a URL apontada como canônica, No_Wrap_9584 encontrou o título “Application error: a client-side exception has occurred (see the browser console for more information).” A mensagem era um erro genérico de JavaScript, semelhante ao que o próprio site exibia durante interrupções temporárias.
A hipótese levantada foi que o Googlebot tivesse rastreado uma resposta de erro ou uma estrutura alternativa, em vez do conteúdo real. Dessa forma, páginas de sites diferentes que apresentassem a mesma mensagem poderiam ser agrupadas como duplicadas, dando a impressão de um canonical cross-domain e provocando a desindexação.
O que John Mueller recomendou
John Mueller disse que essa explicação era possível e recomendou o uso do verificador de URL ao vivo do Search Console para conferir como o Google renderiza a página. Em uma segunda resposta, ele afirmou que o efeito prático seria semelhante nos principais cenários:
“No fim, não acho que isso importe, embora sim, seja confuso. Os possíveis resultados são basicamente:
a) sua página é considerada canônica, mas indexada com a mensagem do servidor; sua página não aparece na pesquisa para o conteúdo normal;
b) sua página é considerada um soft-404 — na minha opinião, é isso que deveríamos fazer; sua página não aparece na pesquisa para o conteúdo normal;
c) a outra página é considerada canônica; sua página não aparece na pesquisa para o conteúdo normal.
A solução ideal é encontrar maneiras de reconhecer esse tipo de erro no seu lado antes de colocar o site no ar com o problema. Não sei como esse site está configurado, mas, nos meus sites menores, costumo executar muitos testes automatizados antes de publicar. Também é possível configurar monitoramento próprio ou usar uma ferramenta de terceiros para verificar as páginas mais importantes a cada hora, ou em outro intervalo, e corrigir falhas antes que elas se tornem problemas estáveis para os mecanismos de busca.”
Mueller também observou que, se um canonical cross-domain realmente estiver sendo inserido sem autorização, uma invasão pode ser uma possibilidade. Caso não exista essa tag no site, porém, o episódio provavelmente não representa uma desindexação causada por esse recurso, mas uma coincidência ou uma falha de renderização e rastreamento.
Com informações de searchenginejournal.com.
