Nội dung mỏng và trùng lặp: nhận ra trước khi Google nhận ra

Hai khái niệm này hay bị gộp làm một, nhưng Google xử lý chúng theo hai cách rất khác. Trùng lặp là nhiều địa chỉ cho ra cùng một nội dung hoặc gần như thế. Google không trừ điểm vì chuyện này: nó gom các bản vào một nhóm, chọn một bản làm chính (bản chuẩn) và chỉ hiển thị bản đó. Nội dung mỏng là trang có mặt trên mạng nhưng không đem lại gì riêng cho người đọc: trang chỉ có vài dòng, trang sinh theo khuôn đổi mỗi tên địa danh, trang chép lại mô tả của nhà cung cấp. Loại này mới là thứ làm cả site đi xuống, vì các hệ thống xếp hạng của Google có đánh giá ở mức toàn site chứ không chỉ từng trang.

Vì vậy câu hỏi đúng không phải là "site có bị trùng không" (site nào cũng có), mà là: bản Google chọn có đúng bản bạn muốn không, và tỉ lệ trang không đáng có trên site là bao nhiêu.

Trùng lặp sinh ra từ đâu

Phần lớn trùng lặp không do ai cố ý viết hai lần, mà do cách máy chủ và mã nguồn phục vụ địa chỉ. Những nguồn phổ biến nhất:

Nguồn	Ví dụ	Cách xử lý thường dùng
Biến thể tên máy và giao thức	http:// và https://, có và không có www	Chuyển hướng 301 về một biến thể duy nhất
Dấu gạch chéo cuối, chữ hoa thường	/bai-viet và /bai-viet/, /Bai-Viet	Chuyển hướng 301, canonical tự trỏ
Tham số theo dõi và sắp xếp	?utm_source=zalo, ?sort=gia, ?page=1	Canonical về địa chỉ sạch; không đưa vào sitemap
Trang lưu trữ theo thẻ, tác giả, ngày	Mười trang thẻ cùng hiện đúng một nhóm bài	Gộp thẻ, hoặc noindex trang thẻ ít bài
Biến thể sản phẩm	Mỗi màu áo một địa chỉ, mô tả y hệt	Canonical về trang sản phẩm gốc, trừ khi biến thể có nhu cầu tìm kiếm riêng
Bản in, bản AMP cũ, bản cho ứng dụng	/in/bai-viet	Canonical về bản chính hoặc bỏ hẳn
Nội dung lấy từ nơi khác	Mô tả sản phẩm của hãng, thông cáo báo chí đăng lại	Viết lại phần đáng viết, hoặc chấp nhận trang đó không xếp hạng

Ba dòng đầu là lỗi kỹ thuật, sửa một lần ở máy chủ là hết. Bài gom www và HTTPS bằng chuyển hướng 301 và bài viết thẻ canonical cho đúng đi vào chi tiết từng ca.

Google xử lý trùng lặp thế nào, và lúc nào nó chọn sai

Khi thấy nhiều địa chỉ cùng nội dung, Google cân nhiều tín hiệu để chọn bản chuẩn: thẻ canonical, chuyển hướng, địa chỉ nào nằm trong sitemap, địa chỉ nào được liên kết nội bộ nhiều hơn, bản HTTPS hay HTTP, địa chỉ ngắn gọn hơn. Canonical chỉ là một tín hiệu mạnh, không phải mệnh lệnh. Nếu bạn khai canonical về địa chỉ A nhưng toàn bộ menu và sitemap lại trỏ về địa chỉ B, rất có thể Google chọn B.

Dấu hiệu chọn sai nằm trong báo cáo Lập chỉ mục trang của Search Console, ở trạng thái "Trang trùng lặp, Google chọn trang chuẩn khác với trang người dùng chọn". Bấm vào một địa chỉ, dùng công cụ Kiểm tra URL để xem Google đang coi địa chỉ nào là bản chuẩn. Nếu bản Google chọn là bản có tham số hoặc bản không có www, nghĩa là các tín hiệu trên site bạn đang mâu thuẫn nhau, và cách sửa là làm cho chúng thống nhất chứ không phải khai canonical mạnh tay hơn.

Trùng lặp giữa các site thì khác. Nếu trang khác chép bài của bạn, Google thường vẫn nhận ra bản gốc, nhưng không phải lúc nào cũng vậy, nhất là khi trang chép có độ tin cao hơn hoặc được thu thập trước. Bài đăng lại có chủ đích (đăng chéo lên trang đối tác) thì nên xin bên kia đặt canonical về bài gốc hoặc ít nhất đặt liên kết về bài gốc.

Nội dung mỏng không phải là nội dung ngắn

Google đã nói nhiều lần rằng số chữ không phải yếu tố xếp hạng. Một trang tra cứu tỷ giá chỉ có một bảng số vẫn là trang tốt nếu số đúng và cập nhật. Ngược lại, một bài 2.000 chữ nhai lại năm bài đầu tiên trên Google vẫn là nội dung mỏng theo nghĩa không có giá trị riêng. Thước đo đúng là: người tìm kiếm đọc xong trang này có cần quay lại kết quả tìm kiếm để tìm tiếp không.

Chính sách chống spam của Google gọi tên mấy loại trang mỏng cụ thể:

• Trang cửa ngõ: nhiều trang gần giống nhau nhắm vào từng biến thể từ khoá hoặc từng địa danh ("sửa máy lạnh quận 1", "sửa máy lạnh quận 2"…), tất cả dẫn về cùng một chỗ.
• Nội dung cào lại: chép hoặc chép rồi xáo chữ từ trang khác mà không thêm gì.
• Trang tiếp thị liên kết mỏng: chép mô tả và đánh giá của nơi bán, chỉ thêm nút mua.
• Nội dung quy mô lớn: hàng loạt trang sinh ra chủ yếu để thao túng thứ hạng, bất kể do máy hay người viết. Bài viết bài hàng loạt bằng AI nói riêng về ranh giới này.

Điểm hay bị bỏ qua: trang mỏng không chỉ là bài viết. Trang kết quả tìm kiếm nội bộ, trang danh mục không có sản phẩm, trang hồ sơ thành viên trống, trang thẻ chỉ có một bài đều là trang mỏng nếu chúng được lập chỉ mục. Trên một site thương mại điện tử cỡ vừa, loại trang này thường đông hơn bài viết rất nhiều.

Cách kiểm kê: đếm theo khuôn, đừng đọc từng trang

Một site vài nghìn trang không ai đọc hết được. Cách làm thực tế là chia trang theo khuôn (bài viết, danh mục, thẻ, sản phẩm, trang địa danh…) rồi đánh giá từng khuôn, vì lỗi gần như luôn nằm ở khuôn chứ không ở một trang lẻ.

1. Đếm số trang mỗi khuôn trong sitemap và trong báo cáo Lập chỉ mục trang. Một site 300 bài mà có 4.000 địa chỉ được lập chỉ mục là đã có chuyện.
2. So số trang gửi lên với số trang được lập chỉ mục, tách theo sitemap của từng khuôn. Khuôn nào có tỉ lệ "Đã thu thập dữ liệu, hiện chưa được lập chỉ mục" cao thì Google đang nói với bạn rằng nó thấy loại trang đó không đáng giữ.
3. Đo phần nội dung riêng của từng trang: bỏ đầu trang, chân trang, menu, khối bài liên quan, rồi đếm chữ còn lại. Nếu phần riêng chỉ chiếm một phần nhỏ so với phần lặp lại của khuôn, trang đó gần như là bản sao của mọi trang khác.
4. So từng cặp trang trong cùng khuôn bằng cách cắt văn bản thành các cụm khoảng 8 chữ liên tiếp rồi đếm số cụm chung. Hai trang địa danh chung trên 80% số cụm là trang cửa ngõ, dù tiêu đề khác nhau.
5. Tìm bản chép bên ngoài: lấy một câu đặc trưng trong bài, đặt trong ngoặc kép rồi tìm trên Google. Nếu trang khác đứng trên bạn với chính câu của bạn, đó là việc cần xử lý trước.
6. Xem số liệu hiệu quả trong Search Console theo khuôn: khuôn nào sau 6 tháng gần như không có lượt hiển thị thì khả năng cao không có ai cần nó.

Chọn cách xử lý cho từng nhóm

Tình huống	Nên làm	Vì sao
Nhiều bài cũ cùng chủ đề, mỗi bài một ít	Gộp thành một bài đầy đủ, chuyển hướng 301 các bài cũ về bài mới	Giữ được liên kết trỏ vào các bài cũ, người đọc có một chỗ đủ ý
Biến thể kỹ thuật của cùng một trang	Canonical về bản chính, sửa liên kết nội bộ trỏ thẳng bản chính	Thống nhất tín hiệu để Google chọn đúng
Trang cần cho người dùng nhưng không cần trên Google (lọc, tìm kiếm nội bộ, thẻ ít bài)	Thẻ noindex, vẫn cho thu thập	Google phải đọc được trang mới thấy noindex
Trang không ai cần, không có liên kết, không có lượt truy cập	Xoá, trả mã 404 hoặc 410	Bớt trang rác, không có gì để giữ
Trang có tiềm năng nhưng đang sơ sài	Viết lại với thông tin riêng	Chỉ áp dụng khi thật sự có cái để thêm

Một lưu ý về noindex: đừng vừa đặt noindex vừa chặn trang đó trong robots.txt. Bị chặn thu thập thì Google không đọc được thẻ noindex, và địa chỉ vẫn có thể nằm trong chỉ mục dưới dạng một dòng trơ trọi không có mô tả. Bài robots.txt chặn thu thập chứ không chặn lập chỉ mục giải thích kỹ chỗ này.

Lỗi hay gặp

• Đặt canonical cho trang phân trang về trang 1. Trang 2, 3 của danh mục có nội dung khác trang 1 (danh sách sản phẩm khác). Canonical về trang 1 khiến Google có thể bỏ qua các sản phẩm chỉ xuất hiện ở trang sau. Mỗi trang phân trang nên tự trỏ canonical về chính nó.
• Noindex hàng loạt trang thẻ nhưng vẫn để chúng trong sitemap. Sitemap nói "lập chỉ mục trang này đi", thẻ noindex nói ngược lại. Google xử lý được, nhưng báo cáo trong Search Console sẽ đầy cảnh báo và bạn mất đi công cụ đọc tình hình.
• Nghĩ rằng cứ thêm chữ là hết mỏng. Thêm 500 chữ giới thiệu chung chung vào mỗi trang danh mục chỉ làm tăng phần lặp. Nếu 200 trang danh mục cùng có một đoạn văn gần giống nhau, bạn vừa tạo thêm trùng lặp.
• Xoá ồ ạt mà không xem liên kết ngoài. Trước khi xoá một trang cũ, xem trong báo cáo Liên kết của Search Console nó có được site khác trỏ vào không. Có thì chuyển hướng về trang gần nghĩa nhất, đừng để 404.
• Chuyển hướng mọi trang đã xoá về trang chủ. Google thường coi kiểu chuyển hướng này là lỗi 404 mềm, nên bạn không giữ được gì mà người dùng thì bị đưa tới chỗ không liên quan.
• Đổi ngày cập nhật mà không đổi nội dung. Ngày mới không làm trang bớt mỏng, và nếu bị phát hiện thì làm giảm độ tin của chính ngày tháng trên site bạn.

Không cần làm gì

Có vài nỗi lo không đáng: trích dẫn một đoạn ngắn của nguồn khác kèm liên kết không phải là trùng lặp có hại. Chân trang, menu, khối thông tin liên hệ lặp trên mọi trang là chuyện bình thường, Google tách được phần khuôn khỏi phần nội dung. Một vài bài trên site trùng ý nhau cũng không sao nếu mỗi bài trả lời một câu hỏi khác; chỉ khi hai bài tranh nhau cùng một ý định tìm kiếm thì mới cần gộp. Cách xác định điều đó nằm ở bài nghiên cứu từ khoá theo ý định tìm kiếm.

Kiểm bằng SEO Gốc

Công cụ chấm điểm SEO đếm số chữ trên trang chủ sau khi bỏ mã, kiểu dáng và SVG, cảnh báo khi dưới 300 chữ (mã noi_dung_mong), đồng thời kiểm canonical, gom www và chuyển hướng HTTPS, là ba nguồn trùng lặp kỹ thuật phổ biến nhất. Ngưỡng 300 chữ là ngưỡng cảnh báo của công cụ, không phải quy định của Google: trang chủ dưới mức đó vẫn có thể tốt, nhưng thường là dấu hiệu Google sẽ không có đủ chữ để hiểu site nói về gì. Cách tính từng tiêu chí có ở trang cách chấm điểm.