Duplicate Conten ist…

• …wenn innherhalb einer Seite der identische Inhalt doppelt verwendet wird. Wenn etwa News nach einer Woche woanders verwendet werden oder Inhalte in ein Archiv wandern – aber auch am ursprünglichen Platz bleiben (warum auch immer jemand so etwas machen sollte…)
• …wenn identische Seiten systemseitig mit unterschiedlichen URLs ausgestattet werden (also wenn www.domain.de/ UND www.domain.de/index.html vorhanden sind oder Parameter an die URL gehängt werden)
• …wenn Inhalte verkauft bzw. geklaut werden oder aus sonst einem anderen Grund auf einer anderen Webseite angezeigt werden.
• …wenn man ein paar Domains gesammelt hat und diese ohne Umleitung einfach als Domain für eine bestehende Webseite verwendet werden (das passiert vor allem kleinen Kunden von großen Hostern wie 1&1, Strato u.s.w.)

Near Duplicate Content ist…

• …wenn ein überwiegender Texteil noch auf einer anderen Seite verwendet wird.
• …wenn Index- oder Suchergebnisseiten jeweils sehr ähnliche Ergebnisse bringen. (z.B. Tagcloud-Seiten in denen eh immer die gleichen Tags stecken oder Listenseiten von fast identischen Produktkategorien)
• …wenn z.B. Namens- oder Produkdatenbanken dazu verwendet werden, möglichst viele Webseiten automatisch zu erstellen und sich auf diesen Seiten z.B. immer nur ein Produktname ändert – der Rest aber identisch bleibt.
• …wenn eine Anwendung (z.B. via AJAX) unterschiedlich aufgerufen werden kann, aber die Änderung an der für den Robot sichtbaren Seite nur marginal ist.

Beides ist schlecht – wobei die Ausprägungen unterschiedlich sind. Duplicate Content führt in der Regel zu einem Russisch Roulette. Denn gibt es eine Seite mehrfach irgendwo und wird als Duplicate Content erkannt, wird Google eine der Seiten anzeigen und die anderen nicht. Und es ist wahrlich nicht immer der Fall, dass die eigentliche Urheber-Seite angezeigt wird.

Abhilfe bei Duplicate Content ist eigentlich nur, diesen extern völlig zu vermeiden (und dies auch mit Copyscape zu konrollieren). Und ist er intern nicht zu vermeiden, kann der “Canonical Tag” verwendet werden. Das ist aber nur die zweitbeste Möglichkeit, da es nicht sicher ist, dass die Links auf die doppelte Seite über diesen Canonical Tag auf die ursprüngliche Seite übertragen werden…

Und wie wirkt sich Near Duplicate Content? Dies ist dann meist der Inhalt, der in den “Filter” von Google rutscht. man erkennt das daran, dass bei einer site-Abfrage (“site:domain.de domain”) recht bald in den Suchergebnissen ein Link auf weitere, mögliche Ergebnisse kommt:

Abhilfe bei Near Duplicate Content ist eigentlich auch nur die Vermeidung. Wer aus 10.000 Produktnamen 10.000 Seiten macht, zwischen denen sich nur die Title-Tags und die Überschrift unterscheiden, braucht sich nicht zu wundern…

Wer diese Seiten aber für die User haben möchte, kann diese im Header mit “<meta name=”robots” content=”noindex, follow”>” versehen. Das ist sicher die eleganteste Lösung.

Noch eine Bemerkung: Selbstverständlich ist das Zitieren im Internet erlaubt. Folgende Inhalte werden garantiert nicht zu Duplicate Content oder Near Duplicate Content führen:

• Wenn ich z.B. den Vorspann und die Überschrift von Artikeln auf der Startseite zum Anteasern der Beiträge verwende. Denn hier ist dann auch ein eindeutiger Link vorhanden und (das ist natürlich die Voraussetzung) der Inhalt auf er eigentlichen Beitragsseite ist deutlich umfangreicher als die doppelte Passage.
• Gelegentliche wörtliche oder sonstige Zitate. Das sind beides sehr typische und übliche Inhalte auf Webseiten und werden auch nicht bestraft. Allerdings liegt hier die Betonung auf “gelegentlich” und auf “Zitat” (also ein nur satzweise doppelter Inhalt).
• News für Google News und Produktinformationen für Base: Der Inhalt einer Seite darf völlig identisch zu anderen Seiten sein, wenn man es damit in die Google News bzw. in Google Base schaffen möchte. Zumindest spielt doppelter Inhalt hier keine so große Rolle…

“Duplicate Content” und “Near Duplicate Content” (mal wieder) ist erschienen im Seo Book der CONTENTmanufaktur.

Related posts:

1. Hurra! Doppelter Content kann jetzt zweifelsfrei gekennzeichnet werden
2. 11 Tipps: Optimierten Content richtig einbauen
3. Aus aktuellem Anlass: Copyscape findet es!

Alles fängt damit an, dass man sich natürlich keine Inhalte von fremden Webseiten holt, die man sich nicht holen darf. Hier gibt es zwei Kriterien:

• Erstens dürfen damit keine Urheberrechte verletzt werden. Ein journalistischer Text etwa darf nur dann verwendet werden, wenn dieser freigegeben ist. Von Bildern lassen wir eh die Finger weg. Doch einzelne Datensätze sind (lt. einem Urteil des OLG Frankfurt a.M vom 5.3.2009, Az.: 6 U 221/08 siehe aktuelle Ausgabe Internet World Business Seite 32) grundsätzlich keine wesentlichen Teile einer Datenbank. (In diesem Urteil wurde ein Fall verhandelt, bei dem eine Fluglinie dagegen geklagt hat, dass ein anderes Unternehmen seine Flugdaten indiziert.) Das heißt für mich: Es ist rechtlich völlig in Ordnung, wenn Daten von fremden Webseiten geholt werden, so lange sich die Nutzung im Rahmen einer normalen Auswertung der Datenbank hält und die berechtigten Interessen des anderen nicht unzumutbar beeinträchtigt werden Wie das jeder für sich auslegt, dürfte unterschiedlich sein und möglichst von einem Juristen geprüft werden. Ich interpretiere das so, das ich öffentliche Daten (z.B. auch Produktdaten, Preise u.s.w.) von Herstellern und Händlern holen darf. Es sei denn…
• Technische Maßnahmen zur Sperrung der Daten dürfen nicht umgangen werden. Ich denke, schon eine Information in der robots.txt, dass die Inhalte  nicht indiziert werden dürfen, sollte ernst genommen werden. Andere technische Sperrungen sowieso.

Es gibt also Inhalte da draußen, die wir verwenden können. Wie gesagt, dazu zähle ich Produktdaten, Preise u.s.w.. Wir müssen zunächst checken, ob uns eine technische Sperre dies verbietet. Doch wenn nicht, können wir solche Inhalte manuell oder automatisiert scrapen. (Falls es dazu andere Meinungen gibt, bitte in die Kommentare, das würde mich interessieren.)

Das Problem ist nun, dass diese Inhalte nicht einzigartig sind und somit von Google schnell als Duplicate Content identifiziert werden. Das müssen wir unbedingt vermeiden. Da wir aber ohnehin mit strukturierten Daten arbeiten (es geht ja um Datensätze und keine journalistische Texte) können wir aus den Daten ja richtige Texte machen.

Beispiel: Wir möchten unique Seiten für eine Flugsuche bauen. Flüge gehen immer von Stadt 1 zu Stadt 2, beide Städte liegen im gleichen oder in verschiedenen Ländern, die Flüge werden von verschiedenen Fluglinien geflogen und dauern unterschiedlich lange. Wir können die Daten strukturiert ablegen und damit sogar neue Informationen berechnen (durchschnittliche Flugdauer, Zahl der Flüge u.s.w.). Ausgegeben werden die Daten dann jeweils auf optimierten Seiten z.B. auf “Flug München-Paris” optimiert:

Flug München-Paris
Der Flug München (Deutschland) nach Paris (Frankreich) wird von Lufthansa, Air Berlin u.a. Fluglinien angeboten und dauert im Schnitt 2:45 Stunden. Für diesen Flug haben wir täglich bis zu fünf Starts in München in unserer Datenbank. Hier alle Flüge “München-Paris“:
- Lufthansa: Start 6:30 Uhr, Ankunft 9:00 Uhr (Flugdauer 2:30 Stunden)
- Air Berlin: Start 7:05 Uhr, Ankunft 9:40 Uhr (Fludauer 2:35 Stunden)
u.s.w.

Damit haben wir gleich mehrere Dinge erledigt: Mit der Abfrage der 5 bis 10 wichtigsten deutschen Fluglinien können wir zahlreiche dynamische Seite generieren. Alle diese Seiten bestehen aus für Google optimierten Text – sind aber in keinem Punkt “Duplicate Content”. Mit ein bisschen mehr Fantasie und Mühe, wird der Text auch über 150 Wörter lang und ich kann passende Nebenkeywords (z.B. Namen der Fluglinien) verbauen. Außerdem ist das eh ansprechender für die User als dumpfe Tabellen.

Nun gut, wir müssen auch darauf achten, dass wir uns mit solcherart automatisch erstellten Texten keinen eigenen Duplicate Content auf der Seite schaffen – aber das bekommen wir in den Griff, wenn wir ausreichend Daten für jede optimierte Seite gesammelt haben und diese möglichst gleichmäßig dynamisch in die Texte einbauen. (Wie der Einbau technisch z.B. via PHP-Abfragen funktioniert gehört nicht hier her, ist aber zu schaffen. Und wer besonders clever ist, bastelt sich hiermit seine Datenbank zum Weiterentwickeln…). Selbstverständlich verwenden wir die gescrapten Daten auch für die Befüllung von Meta-Tags, ALT-Tags (falls z.B. Pressebilder vorhanden sind) u.s.w..

Und, klar, es lassen sich mit einer solchen “Text-Maschine” nicht nur gescrapte Daten sondern auch die bereit gestellten Produktdaten von Affiliate-Netzwerken aufpeppen. Aber das war ja hier nicht das Thema

Richtig Scrapen! (legal, legitim und SEO-konform) ist erschienen im Seo Book der CONTENTmanufaktur.

Related posts:

1. 11 Tipps: Optimierten Content richtig einbauen
2. Google-Referrer: Den Filter sehen

Allen SEOs die auch noch Content produzieren, empfehle ich gleich die Pro-Version. Diese kostet dann 5 Cent/Abfrage. Dafür kann man auch einen Text in ein Feld eingeben und diesen auf schon vorhandene Inhalte hin überprüfen.

Tut mir bitte einen Gefallen: Erzählt davon niemals den Lehrern unserer Kinder.  Denn dann finden die ja alle “Quellen” der Schüler

Aus aktuellem Anlass: Copyscape findet es! ist erschienen im Seo Book der CONTENTmanufaktur.

Related posts:

1. “Duplicate Content” und “Near Duplicate Content” (mal wieder)
2. 11 Tipps: Optimierten Content richtig einbauen

Das funktioniert allerdings nur innerhalb von einer Domain – aber nicht zwischen zwei Domains. Das heißt, dass uns das bei Syndication nur dann etwas helfen wird, wenn diese Domain-Mauer auch noch fällt. Für mehrfach verwendete redaktionelle Beiträge (News, die dann Produktbeschreibungen werden) oder doppelte Community-Beiträge (User können die Texte anderer “übernehmen”) ist das aber trotzdem extrem günstig.

Im Blog der Google Webmaster Central wird erklärt, wie das geht. Kurz zusammen gefasst: Im Headerbereich der kopierenden Seite muss ein “link” mit “canonical” eingetragen werden, der auf die Inhaltsquelle zeigen:

<link rel=”canonical” href=”http://www.die-quell-domain.de” />

Das zeigt dann der Suchmaschine, welchen Inhalt sie eigentlich tatsächlich in den Index nehmen soll. Das ist keine “offizielle” Spezifikation, sondern ein “Hint”, der aber lt. Google sehr ernst genommen wird.

Hurra! Doppelter Content kann jetzt zweifelsfrei gekennzeichnet werden ist erschienen im Seo Book der CONTENTmanufaktur.

Related posts:

1. “Duplicate Content” und “Near Duplicate Content” (mal wieder)
2. Übersicht: das Canonical-Tag von Google
3. Gefahrlos Inhalte syndizieren: Test zu “canonical”-Tag extern