Nội dung trùng lặp: cách tránh bị phạt SEO

Nội dung trùng lặp là một trong những khái niệm SEO bị hiểu sai nhiều nhất. Chủ website lo rằng Google sẽ phạt họ vì bất kỳ đoạn văn bản lặp lại nào. Thực tế, nội dung trùng lặp phức tạp hơn thế. Một số trường hợp trùng lặp vô hại, thậm chí là điều dễ hiểu (trang in ấn, phiên bản di động). Những trường hợp khác (đạo văn, phân phối nội dung mỏng) có thể làm giảm thứ hạng. Hướng dẫn này giải thích nội dung trùng lặp là gì, khi nào nó quan trọng và cách xử lý mà không gây hại cho SEO của bạn.

Điểm mấu chốt: bản thân nội dung trùng lặp không phải là hình phạt xếp hạng. Nhưng nó có thể khiến Google nhầm lẫn về phiên bản nên xếp hạng, và các phiên bản không được ưu tiên có thể bị bỏ qua. Khi chỉ rõ phiên bản ưu tiên bằng thẻ canonical và chuyển hướng, bạn tránh được vấn đề hoàn toàn.

Hiểu về nội dung trùng lặp

Nội dung trùng lặp là văn bản xuất hiện trên nhiều trang hoặc nhiều URL. Nó có thể xảy ra có chủ ý hoặc vô ý. Ví dụ gồm: trang sản phẩm chỉ khác nhau đôi chút (cùng một sản phẩm, khác màu sắc), trang được tạo tự động, nội dung được đăng lại trên nhiều website, phiên bản để in và các trang phân trang.

Tài liệu của Google Search Central giải thích rằng nội dung trùng lặp không kích hoạt hình phạt toàn site. Tuy nhiên, nó vẫn có thể gây vấn đề. Khi Google tìm thấy nhiều trang giống hệt nhau, nó phải quyết định phiên bản nào sẽ lập chỉ mục và xếp hạng. Nếu chọn sai phiên bản, nội dung của bạn có thể không được xếp hạng tốt như lẽ ra.

Cách khắc phục là nói cho Google biết phiên bản nào được ưu tiên. Hãy dùng thẻ canonical, chuyển hướng 301 hoặc các tín hiệu khác để gộp nội dung trùng lặp về một phiên bản. Điều này tránh nhầm lẫn và tập trung mọi tín hiệu xếp hạng vào phiên bản ưu tiên.

Nội dung trùng lặp nội bộ

Nội dung trùng lặp nội bộ xảy ra ngay trong site của bạn. Nguyên nhân thường gặp gồm: ID phiên làm việc (URL như ?sessionid=12345), tham số URL (phiên bản in, trang đã lọc), nhiều phiên bản tên miền (www và không www, http và https) và các biến thể do CMS tạo ra.

ID phiên làm việc gây nhiều rắc rối. Một số site tạo ID phiên duy nhất cho mỗi khách truy cập, tạo ra vô số URL trùng lặp. Với Google, mỗi ID phiên là một trang khác nhau, dù chúng hiển thị cùng nội dung. Giải pháp: giữ ID phiên ra khỏi URL khi có thể (dùng cookie thay thế), trỏ các URL có ID phiên về phiên bản sạch bằng thẻ canonical, hoặc chặn chúng trong robots.txt. Công cụ Tham số URL trong Search Console, từng được dùng cho việc này, đã bị ngừng từ năm 2022.

Trang in và phiên bản di động từng là nguồn trùng lặp nội bộ phổ biến. Ngày nay, thiết kế đáp ứng và phát triển web hiện đại đã loại bỏ phần lớn vấn đề này. Nhưng nếu bạn vẫn có phiên bản in hoặc URL di động riêng, hãy gộp chúng lại. Dùng thiết kế đáp ứng với một URL duy nhất phục vụ mọi thiết bị, hoặc dùng chuyển hướng 301 để đưa lưu lượng về phiên bản chính.

Trang danh mục và trang thẻ thường có nội dung tương tự. Nếu blog của bạn có cả trang danh mục “Digital Marketing” và trang thẻ “Digital Marketing” với danh sách bài viết tự động giống hệt nhau, bạn đang có trùng lặp nội bộ. Giải pháp: chặn các trang thẻ bằng robots.txt hoặc dùng noindex nếu chúng không mang giá trị riêng.

Nội dung trùng lặp bên ngoài

Nội dung trùng lặp bên ngoài là khi nội dung của bạn xuất hiện trên các site khác. Điều này có thể xảy ra qua phân phối nội dung, đăng lại bài viết hoặc đạo văn. Nếu bạn đăng một bài trên site của mình và một site khác đăng lại y nguyên, cả hai phiên bản đều là bản trùng lặp.

Phân phối nội dung (bán bài viết cho các nhà xuất bản khác) rất phổ biến trong truyền thông. Giải pháp: đặt nội dung phân phối sau tường thu phí hoặc trì hoãn thời gian đăng. Đăng trên site của bạn trước, chờ khoảng một tuần để Google lập chỉ mục phiên bản của bạn, rồi mới cho phép phân phối. Ngoài ra, yêu cầu đơn vị phân phối thêm thẻ canonical trỏ về bài gốc của bạn.

Đạo văn nghiêm trọng hơn. Nếu ai đó sao chép nội dung của bạn mà không xin phép hoặc không ghi nguồn, bạn có ít lựa chọn. Thứ nhất, gửi thông báo gỡ bỏ theo DMCA cho nhà cung cấp lưu trữ. Thứ hai, gửi yêu cầu gỡ bỏ bản quyền tới Google. Thứ ba, thêm thẻ canonical vào bài gốc và hy vọng Google nhận ra phiên bản của bạn là bản gốc. Cách phòng vệ tốt nhất là có giọng văn độc đáo, nguyên bản và xuất bản nhanh để phiên bản của bạn được xếp hạng đầu tiên.

Dùng thẻ canonical để gộp bản trùng lặp

Thẻ canonical cho công cụ tìm kiếm biết phiên bản nào của nội dung trùng lặp là phiên bản ưu tiên. Thêm thẻ này vào phần head của các trang không được ưu tiên: <link rel="canonical" href="https://example.com/preferred-version" />. Thẻ canonical phải trỏ tới phiên bản bạn muốn lập chỉ mục và xếp hạng. Mọi bản trùng lặp đều nên trỏ tới đúng một phiên bản này. Google sau đó sẽ gộp tín hiệu xếp hạng vào phiên bản canonical, giúp nó mạnh hơn.

Tài liệu về canonical hóa của Google giải thích rằng thẻ canonical chỉ là gợi ý, không phải chỉ thị. Google thường làm theo nhưng có quyền chọn một canonical khác nếu thẻ có vẻ sai. Vì vậy chỉ đặt thẻ canonical trên các URL đúng. Canonical tự tham chiếu là hợp lệ: trang ưu tiên có thể có thẻ canonical trỏ tới chính nó.

Dùng chuyển hướng 301 để loại bỏ bản trùng lặp

Cách mạnh nhất để gộp bản trùng lặp là chuyển hướng 301. Khi bạn chuyển hướng 301 một URL trùng lặp về phiên bản canonical, toàn bộ giá trị liên kết chảy về phiên bản canonical và bản trùng lặp coi như đã bị loại bỏ. Hãy chuyển hướng mọi định dạng trùng lặp về phiên bản canonical: www về không www, http về https, có hoặc không có dấu gạch chéo cuối, các biến thể tham số và URL cũ sang URL mới trong quá trình di chuyển site.

Cách này gom mọi phiên bản về một URL. Mọi liên kết, mọi tín hiệu xếp hạng và toàn bộ uy tín đều tập trung vào một URL canonical duy nhất.

Xử lý phiên bản in và các định dạng khác

Nếu cùng một nội dung có nhiều định dạng (bản web, bản PDF, bản in), bạn có vài lựa chọn. Thứ nhất, dùng thiết kế đáp ứng để mỗi người dùng thấy phiên bản phù hợp với thiết bị. Thứ hai, dùng CSS để ẩn nội dung khi in (quy tắc @media print) để bản in không cần trang riêng. Thứ ba, nếu bắt buộc phải có URL riêng, hãy dùng thẻ canonical hoặc chuyển hướng để gộp.

URL di động riêng (m.example.com) nên được gộp vào phiên bản đáp ứng trên tên miền chính. Thiết kế đáp ứng phục vụ một URL trên mọi thiết bị, loại bỏ nội dung trùng lặp. Nếu bắt buộc giữ URL di động riêng, hãy dùng thẻ canonical từ bản di động sang bản máy tính và hreflang để liên kết chúng. Xem hướng dẫn về lập chỉ mục ưu tiên thiết bị di động của chúng tôi để biết thêm chi tiết.

Nội dung mỏng và nguy cơ trùng lặp

Nội dung mỏng là nội dung trùng lặp có giá trị thấp, nông cạn. Ví dụ: trang sản phẩm được tạo tự động chỉ có tiêu đề và hình ảnh, các đoạn xem trước bài viết bị cắt ngắn trải trên nhiều trang, và nội dung của các site sao chép. Nội dung mỏng có thể bị phạt xếp hạng, đặc biệt khi kết hợp với trùng lặp.

Giải pháp: đảm bảo mọi trang có giá trị đáng kể và độc đáo. Với hầu hết các trang, tối thiểu 300 từ, còn nội dung trụ cột cần nhiều hơn. Thêm thông tin, dữ liệu, ví dụ và góc nhìn gốc. Tránh tạo nhiều trang giá trị thấp từ cùng một khuôn mẫu. Các trang phân trang (trang 2, trang 3 của kết quả tìm kiếm) là vấn đề trùng lặp phổ biến. Google đã ngừng dùng rel="next" và rel="prev" từ năm 2019, nên hãy đặt cho mỗi trang phân trang một thẻ canonical tự tham chiếu và liên kết các trang bằng liên kết thông thường mà công cụ thu thập dữ liệu có thể theo dõi, hoặc cung cấp một trang xem tất cả.

Quản lý nội dung phân phối và đăng lại

Hướng dẫn về phân phối nội dung của Google thừa nhận rằng việc đăng lại nội dung diễn ra trong truyền thông, xuất bản và tin tức. Nếu bài viết của bạn xuất hiện trên TechCrunch và đồng thời trên 10 nền tảng xuất bản khác, mọi phiên bản đều là bản trùng lặp. Google phải chọn phiên bản nào là “bản gốc”. Nếu không có tín hiệu trái ngược, Google có thể chọn bên đăng lại thay vì bản gốc của bạn. Giải pháp: phối hợp với các đơn vị phân phối.

Yêu cầu các đơn vị phân phối dùng thẻ canonical trỏ về bài gốc của bạn. Thương lượng thời điểm đăng: đăng trên site của bạn trước, chờ 7 đến 30 ngày để lập chỉ mục, rồi mới cho phép phân phối. Điều này cho Google thời gian nhận ra phiên bản của bạn là bản gốc. Ghi tên tác giả và liên kết tới bài gốc trong các phiên bản phân phối, cho thấy phiên bản của bạn là chính. Với việc phân phối toàn bộ nội dung, hãy cân nhắc mô hình trả phí hoặc quyền truy cập độc quyền sớm dành cho người đăng ký.

Theo dõi nơi nội dung của bạn xuất hiện trên web. Thiết lập Google Alerts cho các cụm từ đặc trưng trong những bài viết hàng đầu của bạn. Nếu phát hiện đạo văn hoặc đăng lại trái phép, hãy gửi thông báo gỡ bỏ theo DMCA. Lưu tài liệu nội dung của bạn kèm dấu thời gian và siêu dữ liệu để chứng minh bạn đã tạo ra nó trước. Khi có tranh chấp về tính nguyên bản, thuật toán của Google xem xét: ngày xuất bản đầu tiên, uy tín của site, chất lượng nội dung và hồ sơ backlink. Các site gốc mạnh thường vẫn được ưu tiên dù bản trùng lặp xuất hiện ở nơi khác trước.

Theo dõi các vấn đề nội dung trùng lặp

Theo dõi báo cáo Lập chỉ mục trang trong Search Console để tìm các trang trùng lặp. Google đánh dấu các URL mà nó coi là trùng lặp và cho bạn biết nó đã chọn phiên bản nào làm canonical. Nếu Google chọn sai phiên bản, hãy thay đổi bằng thẻ canonical hoặc chuyển hướng. Dùng tìm kiếm site: để tìm nội dung trùng lặp trên site của bạn. Tìm site:example.com "cụm từ độc đáo" và xem có bao nhiêu trang chứa cụm từ đó. Nếu nhiều trang có cùng một đoạn văn, bạn có vấn đề trùng lặp cần xử lý.

Chọn một phiên bản ưu tiên cho tên miền và tự thực thi nó. Cài đặt tên miền ưu tiên (www hoặc không www) trong Search Console đã bị ngừng năm 2019, và công cụ Tham số URL năm 2022, nên Google không còn lấy các tùy chọn này từ bạn. Hãy chuyển hướng mọi biến thể (www hoặc không www, http hoặc https) về phiên bản ưu tiên bằng chuyển hướng 301, thêm thẻ canonical và giữ các liên kết nội bộ nhất quán. Sau đó kiểm tra trong Google Search Console để chắc rằng Google đã chọn đúng phiên bản bạn muốn. Các thực hành tốt nhất của Google nhấn mạnh việc gộp nội dung, thay vì hy vọng Google tự chọn đúng.

Nội dung trùng lặp có ảnh hưởng đến khả năng hiển thị trong câu trả lời của AI không?

Có, nhưng theo cách khác so với Google. Khi nhiều URL có cùng một đoạn văn, các trợ lý AI truy xuất một phiên bản và bỏ qua các phiên bản còn lại, và phiên bản đó không phải lúc nào cũng là trang bạn muốn được trích dẫn. Khi các bản sao mâu thuẫn nhau, chẳng hạn một trang ghi giá cũ và trang khác ghi giá mới, trợ lý có thể trích dẫn sai hoặc bỏ qua site của bạn vì các dữ kiện xung đột.

Ba thói quen giúp nội dung trùng lặp không làm loãng khả năng hiển thị của bạn trong AI:

• Giữ một trang canonical cho mỗi chủ đề và trỏ các bản trùng lặp về đó bằng thẻ canonical hoặc chuyển hướng 301.
• Cập nhật các dữ kiện (giá, số liệu, ngày tháng) ở mọi nơi chúng xuất hiện, hoặc giữ chúng ở một nơi và liên kết tới đó.
• Khi phân phối một bài viết, yêu cầu đối tác liên kết lại về bài gốc và xuất bản phiên bản của bạn trước.

Kiểm tra xem chuyển hướng có trả về đúng mã trạng thái bằng công cụ kiểm tra chuyển hướng miễn phí, và tránh tạo các bản gần giống nhau ngay từ đầu: Sorank kiểm tra mọi từ khóa mới với các trang đã xuất bản của bạn để hai bài viết không bao giờ nhắm vào cùng một truy vấn (xem tranh chấp từ khóa).

Kết luận

Nội dung trùng lặp khiến công cụ tìm kiếm không biết nên xếp hạng phiên bản nào, có thể làm tổn hại SEO của bạn. Hãy ngăn ngừa vấn đề bằng cách dùng thẻ canonical để gộp bản trùng lặp, dùng chuyển hướng 301 để hợp nhất nội dung tương tự và áp dụng thiết kế đáp ứng để phục vụ một URL duy nhất trên mọi thiết bị. Theo dõi site trong Google Search Console để nhận cảnh báo về nội dung trùng lặp. Nếu có bản trùng lặp nội bộ, hãy dùng canonical hóa và chuyển hướng để gộp. Nếu site bên ngoài sao chép nội dung của bạn, hãy báo cáo với Google và khuyến khích ghi nguồn đúng cách. Cấu trúc URL sạch, không gây nhầm lẫn giúp Google dễ hiểu site của bạn. Công cụ kiểm tra GEO SEO của chúng tôi phát hiện các vấn đề nội dung trùng lặp làm giảm thứ hạng để bạn xử lý nhanh chóng.