Dos URLs pueden competir sin aportar nada útil cuando dicen lo mismo con slugs distintos. En tu propio sitio necesitas saber qué pares se parecen demasiado y qué texto comparten.
Este flujo va en orden práctico: elige candidatos, compara el cuerpo, decide consolidar o diferenciar, y luego canonicals o redirecciones. La herramienta equivalente es el Comprobador de contenido duplicado en Scrawl: 2–5 URLs o bloques de texto, extracción del cuerpo principal, similitud por pares, pasajes compartidos y aviso de casi duplicado a partir del 80 %. Compara solo lo que introduces, no la web entera.
Empieza con una lista corta, no con un rastreo completo
El pánico por duplicados suele empezar exportando todas las URLs de analytics. Es el primer paso equivocado. Parte de:
- Pares que ya sospechas (dos páginas de zona de servicio, dos variantes de SKU con la misma ficha)
- URLs que intercambiaron posiciones en Search Console tras un cambio de plantilla
- Borradores de redactores que «suenan familiares»
Mete esas URLs en el comprobador. Si pasas de cinco, ejecuta varios lotes agrupados por plantilla. Screaming Frog incluye detección de casi duplicados en su licencia de pago cuando necesitas cobertura de todo el sitio. Esta herramienta en el navegador es una comprobación rápida sobre un puñado de páginas.
Qué compara realmente el comprobador
En modo URL la herramienta:
- Obtiene cada página (HTML inicial, sin renderizado JavaScript)
- Elimina nav, header, footer, scripts y chrome similar
- Extrae texto visible del cuerpo desde
article,mainobody - Tokeniza palabras y construye shingles para similitud Jaccard
- Muestra las secuencias de palabras compartidas más largas entre cada par
El modo pegado omite la petición y compara el texto que aportas. Úsalo cuando staging esté bloqueado, cuando solo te importe el campo artículo de una exportación del CMS, o cuando el header global hincharía la puntuación.
Importante: la similitud aquí es solapamiento léxico en el cuerpo. No juzga intención de búsqueda, hreflang ni si Google eligió otro canonical. Responde: «¿Cuánto del copy visible es igual?»
Cómo leer el porcentaje de similitud
La similitud Jaccard sobre shingles de palabras premia frases repetidas. Espera puntuaciones más altas cuando:
- Las descripciones de producto reutilizan la misma lista con una palabra cambiada
- Las páginas de ubicación comparten un párrafo boilerplate
- Los posts empiezan con el mismo bloque de disclaimer
Trata 80 % o más como aviso de casi duplicado en esta herramienta. Es umbral de triaje, no una penalización de Google.
Puntuaciones más bajas también importan. Dos páginas al 55 % pueden compartir una tabla de especificaciones larga y diferir en lo demás. Lee el bloque de pasajes compartidos: ahí empieza el trabajo de consolidación.
Decide: fusionar, diferenciar o canonizar
Con un par caliente, elige estrategia:
Fusionar cuando ambas URLs sirven la misma intención y ninguna merece enlaces o historial por separado. Elige la URL que conservas, 301 la otra y actualiza enlaces internos.
Diferenciar cuando ambas deben existir (dos productos, dos ciudades) pero el copy fue perezoso. Reescribe las secciones solapadas con hechos únicos: precio, disponibilidad, prueba local, especificaciones.
Canonizar cuando ambas deben seguir vivas para usuarios pero solo una debe acumular señales. Pon canonical autorreferencial en la URL principal y canonical hacia ella en la variante. Confirma con el Comprobador de canonical.
Solapamiento de title y meta es un tema aparte. Usa el Buscador de title y meta duplicados cuando los snippets en SERP sigan idénticos tras arreglar el cuerpo.
Combínalo con otras comprobaciones de Scrawl
| Situación | Herramienta |
|-----------|-------------|
| Cuerpo staging vs producción tras un deploy | Comparador diff |
| Title/H1/description esperados vs live | Comprobador QA de contenido SEO |
| Titles canibalizados en muchas URLs | Buscador de title y meta duplicados |
| Canonical incorrecto en un par casi duplicado | Comprobador de canonical |
Ejemplo: páginas gemelas de ubicación
Tienes /plumbers-denver y /plumbers-boulder con los mismos tres párrafos y solo cambia el nombre de la ciudad.
- Pega ambas URLs en el Comprobador de contenido duplicado.
- Si la similitud supera el 80 %, abre pasajes compartidos y anota el bloque boilerplate.
- Reescribe cada página con prueba local: barrios, licencias, fotos, reseñas.
- Vuelve a ejecutar el comprobador con las URLs actualizadas. Busca similitud claramente menor y pasajes compartidos más cortos.
- Si una página está obsoleta, 301 en lugar de mantener gemelas finas.
Errores que te comen la tarde
- Comparar páginas con plantillas distintas (blog vs producto) esperando puntuación baja cuando comparten chrome global.
- Ignorar cuerpo solo en JavaScript. Si el artículo carga tras la hidratación, el modo fetch leerá de menos. Pega el HTML renderizado o compara en un rastreo con renderizado.
- Canonizar sin cambiar copy cuando ambas páginas deberían rankear consultas distintas. Google puede ignorar el canonical si el contenido es muy similar y las señales de usuario no cuadran.
- Suponer que la herramienta buscó en competidores. No lo hizo. Copias ajenas son investigación manual y legal.
Añade tus URLs candidatas o texto pegado al Comprobador de contenido duplicado, lee puntuaciones por pares y pasajes compartidos, y corrige con fusiones, reescrituras o canonicals según el caso de negocio.