Conteúdo duplicado por filtro e paginação no e-commerce: como diagnosticar e corrigir

Conteúdo duplicado por filtro no e-commerce acontece quando cada combinação de filtros, ordenação ou paginação gera uma URL nova com praticamente os mesmos produtos da categoria original. A correção passa por decidir quais combinações merecem ser indexadas (poucas, com demanda de busca real) e controlar o restante com a ferramenta certa: robots.txt para impedir o rastreamento, noindex para tirar do índice, canonical para consolidar sinais e HTTP 404 para combinações vazias ou sem sentido.

O problema não é uma “penalidade por duplicação”, que não existe nesse contexto. É desperdício: o Googlebot gasta tempo em milhares de URLs inúteis, demora a encontrar produtos novos, e o Google pode escolher como canônica uma versão filtrada em vez da categoria que você queria ranquear.

Como os filtros multiplicam URLs

Pegue uma categoria hipotética de camisetas com quatro filtros: 8 cores, 6 tamanhos, 5 faixas de preço e 3 opções de ordenação. Só combinando um valor de cada filtro já são 720 variações de URL, antes de considerar seleções múltiplas, ordem diferente dos parâmetros e paginação de cada combinação. Uma única categoria pode virar milhares de endereços.

As fontes mais comuns de URLs duplicadas em lojas virtuais:

Filtros (navegação facetada): ?cor=azul&tamanho=m
Ordenação: ?ordem=menor-preco, ?ordem=mais-vendidos
Visualização: ?view=lista, ?por-pagina=48
Ordem dos parâmetros: ?cor=azul&tamanho=m e ?tamanho=m&cor=azul são URLs diferentes para o mesmo conteúdo
Parâmetros de rastreamento: ?utm_source=..., IDs de sessão
Caminhos múltiplos para o produto: /camisetas/produto-x e /promocao/produto-x
Busca interna indexável: /busca?q=camiseta+azul

Diagnóstico: como saber se a sua loja tem o problema

Antes de bloquear qualquer coisa, meça. Um roteiro prático:

Search Console, relatório de indexação de páginas. Procure volumes altos em “Duplicada, o Google escolheu uma canônica diferente da do usuário”, “Cópia sem página canônica selecionada pelo usuário” e “Rastreada, mas não indexada”. Abra exemplos e veja se são URLs com parâmetros.
Inspeção de URL. Pegue uma categoria importante e compare a canônica declarada com a canônica escolhida pelo Google.
Estatísticas de rastreamento (Configurações do Search Console). Veja que tipo de URL o Googlebot mais visita. Se a maioria das requisições vai para parâmetros de filtro, há desperdício.
Crawler próprio (Screaming Frog, Sitebulb ou similar). Rastreie a loja seguindo links de filtro e conte quantas URLs únicas surgem por categoria.
Logs do servidor, quando disponíveis, são a fonte mais fiel do que o Googlebot realmente faz.

Se você nunca fez esse levantamento, ele cabe dentro de uma auditoria técnica de SEO mais ampla.

Decida quais filtros merecem ser indexados

Nem todo filtro é lixo. Algumas combinações correspondem a buscas reais e podem ranquear melhor que a categoria genérica. O critério é demanda e utilidade:

Tipo de filtro	Exemplo	Indexar?
Atributo com busca relevante	`/tenis-de-corrida/feminino`, `/geladeiras/frost-free`	Sim, como página “oficial”
Marca dentro da categoria	`/tenis-de-corrida/marca-x`	Geralmente sim, se houver demanda
Combinação de dois atributos com demanda	`/sofas/retratil/3-lugares`	Caso a caso
Tamanho, faixa de preço	`?tamanho=42`, `?preco=100-200`	Geralmente não
Ordenação e visualização	`?ordem=menor-preco`, `?view=grade`	Não
Três ou mais filtros combinados	`?cor=azul&tamanho=m&preco=50-100`	Não

As combinações escolhidas para indexação devem ser tratadas como categorias de verdade: URL limpa, title e H1 próprios, texto específico, link interno no menu ou na categoria-mãe e canonical para si mesmas. O resto entra na estratégia de controle abaixo. Para otimizar essas páginas, veja o nosso guia de otimização de página de categoria.

As ferramentas de controle e quando usar cada uma

Cada ferramenta resolve um problema diferente, e combinar errado anula o efeito:

Ferramenta	O que faz	Use quando	Cuidado
robots.txt `Disallow`	Impede o rastreamento	Há muitas URLs de filtro sem valor e o objetivo é economizar rastreamento	URL bloqueada ainda pode ser indexada sem conteúdo se receber links; o Google não lê canonical nem noindex dela
`meta robots noindex`	Remove do índice	Páginas que precisam ser rastreadas, mas não indexadas	Não economiza rastreamento no curto prazo; não combine com robots.txt na mesma URL
`rel="canonical"`	Sugere a URL preferida	Variações muito parecidas (ordenação, parâmetros de rastreamento)	É sinal, não ordem; o Google pode ignorar se o conteúdo for diferente
`rel="nofollow"` nos links de filtro	Desestimula o rastreamento	Complemento a outras medidas	Só funciona se todos os links para a URL tiverem o atributo
HTTP 404	Informa que a página não existe	Combinações sem resultado, filtros duplicados, páginas além do fim da paginação	Não redirecione essas URLs para uma página genérica
Filtro sem URL (via JavaScript ou fragmento `#`)	Não gera URL rastreável	Filtros que nunca devem ser indexados	Exige desenvolvimento; quebra compartilhamento de links filtrados

O guia do Google sobre navegação facetada resume bem a lógica: se você não precisa dos filtros indexados, robots.txt é a opção mais eficaz para poupar rastreamento; canonical tende a reduzir o rastreamento das variações apenas ao longo do tempo e é menos eficaz nesse objetivo.

O erro clássico: robots.txt + noindex na mesma URL

Se uma URL está bloqueada no robots.txt, o Googlebot não a acessa e, portanto, nunca vê o noindex. Para tirar do índice URLs já indexadas, primeiro libere o rastreamento e aplique noindex; só depois que saírem do índice, avalie bloquear no robots.txt.

Paginação: o que mudou e o que fazer hoje

Paginação não é conteúdo duplicado quando bem implementada, porque cada página mostra produtos diferentes. As recomendações atuais do Google:

Cada página tem URL única, como ?page=2. Nada de fragmento #page=2, que o Google ignora.
Cada página tem canonical para si mesma. Apontar todas para a página 1 está desaconselhado na documentação.
As páginas se ligam por links <a href>. “Carregar mais” e rolagem infinita precisam de URLs paginadas acessíveis por link.
rel="next" e rel="prev" não são mais usados pelo Google, embora outros buscadores possam usar.
Titles repetidos entre páginas da sequência são aceitáveis; acrescentar “Página 2” ajuda o usuário.
Ordenação e filtros aplicados sobre a paginação devem ficar fora do índice, com noindex ou robots.txt.

Um erro frequente é permitir que ?page=999 retorne a página 1 ou uma página vazia com status 200. Paginação inexistente deve retornar 404.

Plano de correção em etapas

Mudanças de indexação em massa têm risco. Um plano seguro, para adaptar à sua loja:

Inventário: liste todos os parâmetros de URL usados pela loja e classifique cada um (filtro com demanda, filtro sem demanda, ordenação, rastreamento, sessão).
Padronize a ordem dos parâmetros e o separador &, para que cada combinação tenha uma única URL.
Promova as combinações com demanda a páginas indexáveis com URL limpa.
Aplique canonical nas variações triviais (ordenação, visualização, UTM) apontando para a versão limpa.
Aplique noindex onde ainda houver URLs filtradas no índice.
Bloqueie no robots.txt os padrões de parâmetro sem valor, depois que o índice estiver limpo.
Retorne 404 para combinações vazias e paginação além do fim.
Monitore por algumas semanas: indexação, estatísticas de rastreamento e tráfego orgânico das categorias.

Perguntas frequentes

Conteúdo duplicado por filtros gera penalidade do Google?

Não no sentido de punição manual. O Google trata duplicação técnica como algo comum em lojas e escolhe uma versão para exibir. O prejuízo é indireto: rastreamento desperdiçado, sinais divididos entre URLs parecidas e risco de o Google escolher como canônica uma página filtrada em vez da categoria principal.

Posso usar só canonical para resolver tudo?

Canonical resolve bem variações quase idênticas, como ordenação e parâmetros de rastreamento. Para lojas com milhares de combinações de filtros, ele sozinho não impede o Googlebot de continuar visitando essas URLs. Nesses casos, combine canonical com robots.txt, noindex ou filtros que não gerem URL, conforme o objetivo.

O que fazer com a busca interna da loja?

Páginas de resultado de busca interna raramente devem ser indexadas, porque geram combinações infinitas e conteúdo pouco controlado. O caminho comum é aplicar noindex ou bloquear o padrão de URL no robots.txt. Se uma busca interna aparece com frequência, isso indica uma categoria que talvez valha criar.

Para entender onde esse tema se encaixa no restante da estratégia, vale revisar o nosso guia completo de SEO para e-commerce. E se a sua loja já tem milhares de URLs filtradas indexadas, um plano de correção feito com cuidado evita perder o tráfego que hoje funciona; esse é o tipo de trabalho que fazemos na consultoria de SEO para e-commerce.

Fontes

Sua loja tem milhares de URLs de filtro no índice? Fale com a nossa equipe e receba uma análise gratuita do seu site.