Đúng vậy, các tham số URL (như sắp xếp ?sort, bộ lọc ?color hoặc ID theo dõi) là nguyên nhân chính dẫn đến việc Google lập chỉ mục nội dung trùng lặp.
Để đảm bảo lưu lượng truy cập tìm kiếm được hướng chính xác đến trang mục tiêu, bạn nên thực hiện các hành động sau:
Thiết lập thẻ Canonical
Thêm rel="canonical" vào HTML của tất cả các trang biến thể, trỏ về một URL chính duy nhất.
Quản lý đường dẫn thu thập dữ liệu
Chặn các tham số theo dõi tiếp thị không cần thiết (như utm_) thông qua tệp Robots.txt.
Hợp nhất các tín hiệu xếp hạng
Điều này giúp Google tập trung “điểm uy tín” của tất cả các trang tham số vào trang chính, ngăn chặn tình trạng sụt giảm lưu lượng do cạnh tranh nội bộ.
Dư thừa nội dung
Các tham số URL có thể khiến cùng một trang tạo ra một lượng lớn địa chỉ trùng lặp.
Ví dụ: một trang thương mại điện tử có 5 bộ lọc màu sắc và 3 cách sắp xếp sẽ tạo ra hơn 15 URL khác nhau.
Khoảng 40% hạn ngạch thu thập dữ liệu của các trang web lớn thường bị chiếm dụng bởi các biến thể tham số này.
Khi Google lập chỉ mục 200 trang chủ giống hệt nhau có hậu tố theo dõi UTM, sức mạnh tìm kiếm của trang chính sẽ bị phân tán, dẫn đến hiệu suất xếp hạng giảm khoảng 25%.
Phân tán liên kết
Trong cơ chế lập chỉ mục của Google, các URL có hậu tố khác nhau được xem là các thực thể độc lập.
Ví dụ: nếu một trang tài liệu kỹ thuật nhận được các liên kết ngược từ 50 tên miền khác nhau, nhưng 20 liên kết trong đó trỏ đến phiên bản có ?utm_medium=email và 10 liên kết khác trỏ đến phiên bản có ?ref=footer, thì URL chính thực tế chỉ nhận được 40% tổng sức mạnh.
Dựa trên phân tích mẫu dữ liệu từ Ahrefs, hiện tượng pha loãng sức mạnh này sẽ khiến trang web có vị trí xếp hạng thực tế thấp hơn từ 3 đến 5 bậc so với dự kiến khi cạnh tranh các từ khóa khó.
Trình thu thập dữ liệu sẽ không tự động hợp nhất sức mạnh của tất cả các liên kết cho trang gốc khi nhận diện các đường dẫn phân tán này, trừ khi trang web được cấu hình rõ ràng logic xử lý trong mã nguồn.
Trong mô hình tính toán PageRank, việc truyền tải liên kết tuân theo quy luật toán học dựa trên hệ số suy giảm 0.85.
Mỗi liên kết trỏ vào trang web đều tích lũy sức mạnh cho một URL cụ thể.
Khi sức mạnh này được phân bổ cho các hậu tố không tĩnh như ?sessionid hoặc ?click_id, “điểm tin cậy” của trang chính sẽ không đạt được ngưỡng để kích hoạt xếp hạng trang đầu.
Trong cuộc cạnh tranh ngành SaaS tại thị trường Mỹ, ba trang đứng đầu thường sở hữu các đặc điểm liên kết cực kỳ sạch sẽ.
Nếu sức mạnh của một trang bị phân tán vào hơn 5 phiên bản tham số khác nhau, Google có thể hiển thị luân phiên các trang này trong kết quả tìm kiếm, trạng thái cạnh tranh nội bộ này khiến hiệu suất của trang chính không bao giờ ổn định.
Nhiều nền tảng thương mại điện tử sử dụng kiến trúc Magento hoặc Salesforce Commerce Cloud thường tạo ra các liên kết nội bộ chứa nhiều tham số trong điều hướng breadcrumb hoặc bộ lọc thanh bên.
Nếu điều hướng nội bộ thường xuyên trỏ đến category?sort=newest thay vì địa chỉ danh mục tĩnh, dòng chảy sức mạnh trong trang web sẽ bị lệch hướng.
Khi trình thu thập dữ liệu phát hiện một mục tiêu có nhiều lối vào với cấu trúc URL khác nhau trong quá trình quét, cấp độ ưu tiên lập lịch cho trang đó sẽ bị giảm xuống.
Các nền tảng mạng xã hội và hệ thống quảng cáo bên thứ ba thường buộc thêm các tham số riêng trong quá trình chuyển hướng, chẳng hạn như ?fbclid hoặc ?gclid.
Nếu trang web thiếu thẻ rel=”canonical” hiệu quả, thuật toán của Google sau nhiều tuần thu thập có thể chọn nhầm một trang có tham số quảng cáo làm đại diện tìm kiếm cho nội dung đó.
Tình trạng này gây sụt giảm tỷ lệ nhấp khoảng 15%, vì khi người dùng thấy một chuỗi URL dài và có vẻ rối rắm trong kết quả tìm kiếm, ý định nhấp chuột của họ sẽ thấp hơn rõ rệt so với địa chỉ tĩnh ngắn gọn.
Một khi các liên kết bên ngoài đã được gom vào các phiên bản tham số tạm thời này, việc muốn thu hồi hoàn toàn sức mạnh về trang chính thông qua các biện pháp kỹ thuật sau này thường mất tới nhiều tháng tái lập chỉ mục.
Hiệu ứng nhân đường dẫn
Trong các kiến trúc thương mại điện tử hiện đại (như Shopify hoặc Magento), khi một trang danh mục cơ bản có nhiều thuộc tính lọc, mỗi chiều tham số mới được thêm vào sẽ thực hiện hoán vị và kết hợp với các tham số hiện có.
Lấy ví dụ một trang danh mục giày thể thao tiêu chuẩn: nếu trang đó cung cấp 10 lựa chọn màu sắc, 12 thông số kích cỡ, 5 bộ lọc thương hiệu và 4 cách sắp xếp khoảng giá, thì về lý thuyết số đường dẫn URL độc lập được tạo ra sẽ là 10 × 12 × 5 × 4 = 2400 đường dẫn.
Nếu logic chương trình cho phép hoán đổi thứ tự tham số (ví dụ: chọn màu trước rồi chọn size khác với chọn size trước rồi chọn màu), con số này sẽ còn phình to hơn nữa.
Dưới hiệu ứng nhân đường dẫn này, một trang vốn chỉ có một nội dung thực sự đã biến thành hàng nghìn lối vào truy cập khác nhau trong mắt trình thu thập dữ liệu Google.
Các đường dẫn dư thừa loại này nếu thiếu sự quản lý hiệu quả sẽ chiếm hơn 65% hạn ngạch thu thập dữ liệu của các trang web quy mô vừa và lớn, khiến các trang chi tiết sản phẩm thực sự cần cập nhật không nhận được tần suất quét đủ lớn.
| Giai đoạn kết hợp tham số | Quy mô yếu tố biến thiên | Số lượng URL duy nhất được tạo ra | Ước tính chiếm dụng tài nguyên thu thập |
|---|---|---|---|
| Trang danh mục gốc | 1 | 1 | 0.01% |
| Lọc thuộc tính (Màu sắc + Thương hiệu) | 10 x 8 | 80 | 2.5% |
| Chồng xếp thông số (Màu sắc + Thương hiệu + Kích cỡ) | 80 x 12 | 960 | 18.0% |
| Chồng xếp đầy đủ chức năng (Thuộc tính + Thông số + Sắp xếp + Phân trang) | 960 x 3 x 10 | 28,800 | Trên 70% |
Khi Googlebot xử lý “không gian vô hạn” được tạo ra bởi việc xếp chồng tham số này, nếu không gian URL của một trang web phình to quá mức, tỷ lệ thu thập dữ liệu hiệu quả mà trình thu thập có thể hoàn thành trong một đơn vị thời gian sẽ giảm mạnh.
Trong một phân tích nhật ký (log) của một trang web bán lẻ đa quốc gia, người ta thấy rằng trình thu thập dữ liệu đã quét 15,000 URL trong 24 giờ, nhưng chỉ 1,200 trong số đó là các trang tĩnh có tiềm năng xếp hạng, 92% hành vi thu thập còn lại đã tiêu tốn vào các biến thể tham số kết hợp từ ?color=, ?size= và ?sort=.
Trong quá trình thuật toán cố gắng chọn ra một “phiên bản chuẩn” từ 200 đường dẫn tương tự nhau, nếu thiếu các tín hiệu kỹ thuật rõ ràng để dẫn dắt, thường xảy ra trường hợp URL được chọn không phải là trang tiêu chuẩn mà nhà phát triển mong đợi, từ đó dẫn đến việc trang kết quả tìm kiếm hiển thị các địa chỉ chứa tham số rối rắm.
Mỗi khi Googlebot yêu cầu một URL có sự kết hợp tham số phức tạp, cơ sở dữ liệu phía sau thường phải thực hiện các truy vấn liên kết nhiều bảng để tạo ra chế độ xem tương ứng.
Dưới áp lực thu thập tần suất cao, việc yêu cầu quá nhiều tổ hợp tham số sẽ dẫn đến TTFB (Thời gian phản hồi byte đầu tiên) tăng từ 300ms đến 800ms.
Sự gia tăng độ trễ phản hồi sẽ kích hoạt cơ chế bảo vệ của Googlebot, từ đó làm giảm tần suất thu thập dữ liệu trên toàn bộ tên miền.
Theo một báo cáo nghiên cứu trên 500 trang thương mại điện tử toàn cầu, các trang có độ sâu tham số URL vượt quá 3 lớp có xác suất được Google lập chỉ mục thành công thấp hơn 42% so với URL phẳng.
Việc sắp xếp tham số không có thứ tự dẫn đến sự tan rã sâu sắc của các tín hiệu liên kết. Khi một trang có tham số khuyến mãi cụ thể ?promo=winter được trang web bên ngoài trích dẫn, trong khi điều hướng nội bộ trỏ đến phiên bản ?sort=new, thì tín hiệu sức mạnh của cả hai hoàn toàn bị cô lập trong cơ sở dữ liệu nội bộ của Google.
Ở những trang web chưa triển khai chiến lược chuẩn hóa URL, trung bình mỗi trang sản phẩm hot sở hữu 14 biến thể tham số khác nhau, điều này khiến tỷ lệ nhấp của sản phẩm đó trong kết quả tìm kiếm bị phân tán vào các đường dẫn con.
Khi xử lý sự dư thừa đường dẫn quy mô lớn này, việc chỉ dựa vào chặn bằng robots.txt thường không giải quyết được các vấn đề lập chỉ mục đã tồn tại.
Lời khuyên chính thức từ Google Search Central có xu hướng ưu tiên sử dụng thẻ rel=”canonical” để buộc hợp nhất các đường dẫn được tạo ra bởi hiệu ứng nhân này.
Sau khi triển khai đúng thẻ chuẩn hóa, khả năng hiển thị tìm kiếm của các trang danh mục liên quan đã tăng trung bình 22% trong vòng 60 ngày.
Lãng phí ngân sách thu thập dữ liệu
Googlebot có giới hạn về số lượng yêu cầu thu thập dữ liệu đối với một trang web trong một đơn vị thời gian.
Khi hệ thống tạo ra hàng vạn URL có tham số (như ?variant=123 hoặc ?sort=desc), trình thu thập dữ liệu sẽ ưu tiên tiêu thụ các đường dẫn chất lượng thấp này trước.
Theo cơ chế của Google, nếu số lượng URL trùng lặp gấp hơn 10 lần nội dung thực tế, tần suất thu thập các trang quan trọng sẽ giảm hơn 50%.
Hiện tượng này dẫn đến việc các trang mới đăng tải có thể vẫn không được phát hiện sau 72 giờ, trong khi tần suất thu thập các URL gốc không chứa tham số bị cắt giảm mạnh.
Ảnh hưởng của tham số
Hệ thống lập lịch thu thập của công cụ tìm kiếm sẽ phân loại tham số thành “tham số chủ động” và “tham số bị động” dựa trên mức độ thay đổi thực tế của chúng đối với nội dung trang.
ID phiên (Session IDs) đứng đầu về khả năng phá hoại tài nguyên thu thập dữ liệu trong số các loại tham số.
Các tham số như ?sid=9928374 hoặc ?sessionid=abc123 thường được tạo động bởi phía sau để theo dõi người dùng trong giao thức HTTP không trạng thái.
Vì mỗi khách truy cập, thậm chí mỗi lần truy cập của trình thu thập dữ liệu, đều có thể nhận được một ID mới, điều này tạo ra một số lượng URL vô hạn về mặt lý thuyết cho cùng một tài liệu HTML.
Trong phân tích nhật ký máy chủ, có thể thấy rằng nếu không thiết lập quy tắc lọc, Googlebot có thể thử thu thập dữ liệu cùng một bài viết hàng trăm lần trong vòng 24 giờ, mỗi lần sử dụng một chuỗi phiên khác nhau.
Hành vi này dẫn đến việc tích tụ một lượng lớn yêu cầu vô hiệu trong hàng đợi thu thập dữ liệu, đẩy lùi hạn ngạch đáng lẽ phải dành cho các trang mới xuất bản (Fresh Content).
“Trong việc giám sát nhật ký các trang thương mại điện tử lớn, các yêu cầu thu thập trùng lặp do ID phiên gây ra thường chiếm từ 30% đến 50% tổng lượng thu thập, điều này buộc Googlebot phải thường xuyên kích hoạt giới hạn ‘độ trễ thu thập’ để bảo vệ hiệu suất máy chủ.”
Khi người dùng nhấp vào các tùy chọn như màu sắc, kích thước, chất liệu, URL sẽ chồng thêm các hậu tố như ?color=blue&size=xl&material=cotton.
Mặc dù các tham số này thay đổi tập con nội dung hiển thị trên trang, nhưng chúng thường không tạo ra siêu dữ liệu hoàn toàn mới.
Từ góc độ kỹ thuật, các tham số này tuân theo logic tích Cartesian (Cartesian Product).
| Loại tham số | Ví dụ cấu trúc điển hình | Ảnh hưởng khả năng hiển thị đối với Googlebot | Mức độ lãng phí tài nguyên thu thập |
|---|---|---|---|
| Theo dõi phiên | ?sid=xyz_987 |
Tạo ra đường dẫn URL trùng lặp gần như vô hạn | Cực cao (9/10) |
| Lọc đa tầng | ?size=m&color=red |
Đường dẫn tăng theo cấp số nhân, dễ gây vòng lặp vô tận | Cao (8/10) |
| Logic sắp xếp | ?sort=price_desc |
Thứ tự nội dung trang thay đổi, không có thông tin mới thực chất | Trung bình (5/10) |
| Theo dõi quảng cáo | ?click_id=ad_01 |
Trỏ đến nội dung giống 100% với trang gốc | Trung bình cao (7/10) |
| Ngôn ngữ/Khu vực | ?lang=vi-vn |
Trỏ đến các trang hợp lệ có nội dung dịch thuật khác nhau | Thấp (2/10) |
Các tham số sắp xếp (Sorting Parameters) như ?sort=highest_price hoặc ?order=newest thường được Googlebot đánh dấu là ưu tiên thấp.
Vì phần thân, tiêu đề và mô tả meta của trang vẫn giữ nguyên sau khi sắp xếp, thuật toán loại bỏ trùng lặp (De-duplication Algorithm) của công cụ tìm kiếm sẽ nhanh chóng nhận diện các URL này là bản sao của trang chuẩn (Canonical Page).
Nếu trang web không cấu hình đúng rel="canonical" trỏ về đường dẫn chính, Googlebot vẫn sẽ tiêu tốn khoảng 15% tần suất thu thập để xác minh xem các trang sắp xếp này có cập nhật nội dung hay không.
Đối với một trang web bán lẻ có 100,000 SKU, chỉ một chức năng “sắp xếp theo đánh giá” cũng có thể khiến trình thu thập truy cập thêm 100,000 liên kết vô nghĩa.
Các tham số theo dõi (Tracking Parameters) như ?utm_source=google hoặc ?affiliate_id=123 ảnh hưởng tiêu cực đến SEO chủ yếu ở “chi phí kết nối” (connection overhead).
Mặc dù các tham số này hoàn toàn không thay đổi nội dung trang, nhưng Googlebot vẫn cần thiết lập kết nối TCP và gửi yêu cầu để xác định xem nội dung URL đó trả về có nhất quán với trang chính hay không.
Dựa trên quan sát các trang web có lưu lượng truy cập cao, nếu tồn tại lượng lớn liên kết nội bộ chứa tham số UTM, tốc độ phát hiện các đường dẫn gốc hiệu quả của trình thu thập sẽ giảm khoảng 25%.
Googlebot sẽ dần giảm tần suất thu thập đối với các URL trùng lặp hoàn toàn này, nhưng trước đó, “hạn ngạch thu thập lần đầu” quý giá đã bị tiêu hao sạch bởi các mã theo dõi dư thừa này.
“Kiểm toán kỹ thuật cho thấy, việc loại bỏ tham số theo dõi khỏi các liên kết nội bộ và chuyển logic thống kê sang lắng nghe sự kiện ở phía trình duyệt có thể giúp tổng lượng thu thập trang hàng ngày của Googlebot tăng hơn 18%.”
Các tham số phân trang (Pagination Parameters) như ?page=2 có logic xử lý tương đối đặc biệt.
Google trước đây dựa vào rel="next/prev", nhưng hiện nay chủ yếu hiểu cấu trúc phân trang thông qua thuật toán.
Nếu không có sự can thiệp, trình thu thập có thể quét sâu đến trang thứ 500 hoặc thậm chí sâu hơn, trong khi giá trị xếp hạng của các trang sâu này cực kỳ thấp.
Nếu tham số phân trang kết hợp với tham số lọc (ví dụ: áo sơ mi xanh ở trang 5), độ phức tạp của URL sẽ tăng theo cấp số nhân.
Kiểm tra và Kiểm soát
Bằng cách truy cập vào nhật ký truy cập phía sau của máy chủ, sử dụng biểu thức chính quy (regular expression) để thống kê tần suất các URL chứa dấu hỏi (?), có thể quan sát rõ ràng quỹ đạo truy cập của trình thu thập dữ liệu.
Tại một trang thương mại điện tử quốc tế có hơn 100,000 lượt truy cập mỗi ngày, nếu nhật ký cho thấy Googlebot gửi hơn 40,000 yêu cầu mỗi ngày cho các đường dẫn có hậu tố ?sessionid= hoặc ?track_id=, trong khi nội dung trang trả về hoàn toàn trùng khớp với HTML gốc, thì có thể thấy khoảng 40% tài nguyên thu thập bị lãng phí vào các đường dẫn vô nghĩa.
Nhóm kỹ thuật nên tính toán “tỷ lệ thu thập hiệu quả”, cụ thể là:
Số lần thu thập trang chuẩn / Tổng số lần thu thập.
Nếu giá trị này thấp hơn 20%, nó thường cho thấy trình thu thập dữ liệu đang bị mắc kẹt trong mê cung URL được tạo ra bởi các tham số.
Sử dụng các công cụ phân tích nhật ký như Kibana hoặc Splunk để quan sát sự phân bổ áp lực thu thập dưới các tổ hợp tham số khác nhau, từ đó tìm ra các đường dẫn tạo ra hàng vạn biến thể nhưng không đóng góp lưu lượng truy cập.
Sử dụng báo cáo “Thống kê thu thập dữ liệu” trong Google Search Console để có được sự phân bổ dữ liệu thực tế dưới góc nhìn của công cụ tìm kiếm.
Trong báo cáo này, cần đặc biệt chú ý đến chiều “Thu thập dữ liệu theo mục đích”:
- Tỷ lệ yêu cầu Khám phá (Discovery): Chỉ hành vi trình thu thập tìm thấy URL mới lần đầu tiên. Đối với các trang web cập nhật thường xuyên, tỷ lệ này nên duy trì trên 30%. Nếu tỷ lệ quá thấp, điều đó có nghĩa là nội dung mới bị chặn bởi các đường dẫn tham số cũ.
- Tần suất yêu cầu Làm mới (Refresh): Chỉ việc trình thu thập truy cập lại các trang đã biết. Nếu các yêu cầu làm mới tập trung phần lớn vào các URL có tham số thay vì các trang cốt lõi của web, thì đó là biểu hiện của việc phân bổ tài nguyên sai lệch.
- Chỉ số phân bổ mã trạng thái phản hồi: Quan sát tỷ lệ của 200 (OK), 304 (Not Modified) và 404 (Not Found). Nếu các URL chứa tham số tạo ra lượng lớn lỗi 404 hoặc chuyển hướng 301, Googlebot sẽ hạ thấp giới hạn thu thập của trang web (Crawl Capacity Limit) vì chi phí kết nối quá cao.
- Giám sát thời gian tải xuống trung bình: Nếu việc lọc tham số phức tạp kích hoạt các truy vấn cơ sở dữ liệu nặng nề khiến thời gian tải trang vượt quá 2000ms, Googlebot sẽ nhanh chóng giảm số lượng thu thập đồng thời để tránh làm sập máy chủ.
Sau khi xác định được nguồn gốc của các tham số dư thừa, mặc dù thẻ Canonical có thể xử lý việc trùng lặp ở phía lập chỉ mục, nhưng chỉ có Robots.txt mới có thể chặn yêu cầu trước khi thiết lập kết nối HTTP.
Bằng cách thiết lập Disallow: /?sort= hoặc Disallow: /?price_min=, bạn có thể buộc Googlebot ngừng truy cập vào các tổ hợp sắp xếp hoặc lọc giá cụ thể.
Phương pháp này có thể giải phóng ngay lập tức số lượng kết nối vốn bị lãng phí trên các trang này cho các URL chuẩn trong Sitemap.xml.
Khi cấu hình quy tắc nên tránh sử dụng Disallow: /? quá rộng, để không cắt đứt các tham số ngôn ngữ có lợi cho SEO (như ?hl=en) hoặc tham số phân trang (như ?p=2).
Logic kiểm soát tinh vi nên kết hợp với kết quả phân tích nhật ký, chỉ nhắm vào những bộ lọc tạo ra các tổ hợp đường dẫn vô hạn để chặn.
Đối với điều hướng lọc đa tầng (Faceted Navigation), việc áp dụng công nghệ AJAX tải trang hoặc pushState có thể thực hiện việc cách ly trình thu thập dữ liệu.
Khi người dùng nhấp vào nút lọc, nội dung trang thay đổi nhưng URL không tạo ra hậu tố có thể thu thập được, hoặc chỉ sử dụng mã nhận dạng phân đoạn (#) để thay đổi chế độ xem, những cách làm này là minh bạch đối với Googlebot vì trình thu thập thường bỏ qua tất cả các ký tự sau dấu #.
Trong trường hợp bắt buộc phải sử dụng tham số, có thể triển khai logic giới hạn chiều:
- Giới hạn độ sâu đường dẫn: Quy định trong mã chương trình rằng khi tổ hợp tham số vượt quá ba chiều (ví dụ: màu sắc + kích thước + chất liệu), hệ thống sẽ tự động chèn thẻ
noindexvào phần đầu HTML và đảm bảo trang đó không xuất hiện trong bất kỳ liên kết nội bộ nào. - Ứng dụng thuộc tính Nofollow: Áp dụng
rel="nofollow"trên các liên kết ở thanh bên bộ lọc để gửi tín hiệu “đường dẫn này không quan trọng” tới công cụ tìm kiếm, giảm xác suất trình thu thập đi vào các tổ hợp lọc sâu. - Chỉ thị hợp nhất chuẩn hóa: Đảm bảo tất cả các trang có tham số đều trỏ về phiên bản chuẩn ngắn gọn nhất thông qua
rel="canonical", ngay cả khi trình thu thập đã thực hiện việc quét, nó cũng sẽ dẫn dắt hệ thống lập chỉ mục hợp nhất sức mạnh vào đường dẫn chính.
Nếu trang chủ hoặc thanh điều hướng chính chứa lượng lớn liên kết có tham số theo dõi UTM, Googlebot sẽ ưu tiên thu thập các đường dẫn chứa nhiều nhiễu này.
Khuyến nghị chuyển tất cả thống kê lưu lượng nội bộ sang theo dõi sự kiện ở phía trình duyệt, từ đó giữ cho URL luôn sạch sẽ. Khi xử lý logic phân trang, mặc dù Google không còn sử dụng các thẻ phân trang cụ thể, nhưng việc duy trì một cấu trúc đường dẫn rõ ràng (như /page/2/ thay vì ?page=2) sẽ giúp thuật toán nhận diện danh sách ổn định hơn.
Trong vòng hai tuần sau khi triển khai chặn bằng Robots.txt hoặc logic hợp nhất tham số, nên liên tục theo dõi báo cáo “Trạng thái lập chỉ mục” trong Google Search Console.
Xu hướng lý tưởng là:
Số lượng trang được đánh dấu là “Đã thu thập dữ liệu – hiện chưa được lập chỉ mục” hoặc “Trang trùng lặp” giảm đáng kể, trong khi “Thời gian thu thập dữ liệu gần nhất” của các trang cốt lõi trở nên thường xuyên hơn.
Nếu chu kỳ thu thập của một trang được rút ngắn từ 10 ngày một lần xuống còn trong vòng 24 giờ, và các yêu cầu phản hồi 200 trong nhật ký máy chủ tập trung nhiều hơn vào các URL chuẩn, thì điều đó chứng minh rằng hạn ngạch thu thập dữ liệu đã được phân bổ hợp lý.
Pha loãng tín hiệu
Khi nhiều URL chứa các tham số khác nhau (như ?sort=price hoặc ?sessionid=abc) cùng trỏ về một nội dung, Google sẽ xem chúng là các trang độc lập.
Vốn dĩ 100% uy tín liên kết và tín hiệu nhấp chuột của người dùng sẽ bị phân tán vào các biến thể này.
Nếu một trang tạo ra 5 bản sao tham số, PageRank mà một URL đơn lẻ nhận được chỉ còn lại 20%, khiến nó không thể đạt tới ngưỡng sức mạnh để lọt vào top 10 kết quả tìm kiếm.
Tại các trang thương mại điện tử có trên 50,000 URL, các tham số không được xử lý sẽ khiến hơn 50% tần suất thu thập hàng ngày của Googlebot bị tiêu tốn vào các đường dẫn trùng lặp, làm chậm tốc độ lập chỉ mục của các trang mới.
Phân tán sức mạnh
Trong logic ban đầu của thuật toán PageRank, khả năng xếp hạng của một trang được quyết định bởi số lượng và chất lượng của các liên kết trỏ đến URL đó.
Khi trang web tạo ra các đường dẫn biến thể chứa ?sort=newest, ?filter=price-low hoặc ?sessionid=xyz, tình trạng các trang web bên ngoài liên kết đến các biến thể khác nhau này rất dễ xảy ra.
Dữ liệu cụ thể cho thấy, nếu URL gốc của một sản phẩm là example.com/item, nhưng bên ngoài có 40% liên kết trỏ đến example.com/item?source=social có chứa tham số, Link Graph của Google sẽ ghi lại hai URL này một cách riêng biệt.
Mặc dù thuật toán sẽ cố gắng thực hiện nhận diện chuẩn hóa, nhưng trong quá trình truyền tải sức mạnh thực tế, khoảng 10% đến 15% điểm số sẽ bị mất đi trong kiểu ánh xạ không tiêu chuẩn này.
“Khi xử lý các URL có tham số, Googlebot phải quyết định bơm PageRank vào thực thể cụ thể nào; nếu thiếu sự dẫn dắt rõ ràng từ Canonical, quá trình bơm này sẽ trở nên ngẫu nhiên và rời rạc.” — Tham khảo từ thuyết minh kỹ thuật công khai của nhóm chất lượng tìm kiếm Google.
Trong dữ liệu phân tích nhật ký thực tế, người ta thấy rằng các nền tảng thương mại điện tử đa quốc gia lớn, nếu không hạn chế thu thập tham số khi xử lý điều hướng lọc đa tầng (Faceted Navigation), tốc độ tích lũy PageRank của trang danh mục chính sẽ chậm hơn hơn 30% so với đối thủ cạnh tranh có đường dẫn duy nhất.
Khi 5,000 liên kết nội bộ của toàn trang lần lượt trỏ đến 50 tổ hợp tham số khác nhau, lực đẩy vốn có thể đưa một trang lên trang nhất của kết quả tìm kiếm đã bị chia nhỏ thành 50 phần tín hiệu yếu ớt không đủ để tạo ra xếp hạng.
Khi độ tương đồng nội dung của hai URL đạt trên 98%, hệ thống sẽ kích hoạt cơ chế loại bỏ trùng lặp.
Dựa trên quan sát 500,000 trang web tại Bắc Mỹ, các trang bị Google phán đoán là “trùng lặp” nhưng không được chuyển hướng vật lý, sức mạnh liên kết gốc của chúng thường ở trạng thái bị đóng băng chứ không tự động chuyển giao 100% cho trang chính.
Đối với các trang web có trên 100,000 URL, các đường dẫn thu thập vô hiệu do tham số tạo ra sẽ khiến độ sâu truy cập của Googlebot bị hạn chế.
Ở những trang web thiếu quản lý tham số, thời gian lưu lại của trình thu thập trên các trang tham số vô hiệu chiếm 65% tổng thời gian thu thập, điều này khiến nội dung chất lượng mới đăng tải có thể cần tới 14 ngày hoặc lâu hơn để được thu thập, trong khi ở những trang web đã được tối ưu hóa, chu kỳ này thường được rút ngắn trong vòng 24 giờ.
“Mỗi sự thay đổi ký tự của URL đều tạo ra một nút mới trong cơ sở dữ liệu; ngay cả khi nội dung tương đồng, các nút này ở giai đoạn đầu của thuật toán cũng là quan hệ cạnh tranh chứ không phải quan hệ hợp tác.” — Trích từ báo cáo thực nghiệm của một tổ chức nghiên cứu SEO quốc tế.
Trong một số kiến trúc sử dụng cân bằng tải hoặc mạng phân phối toàn cầu (CDN), các yêu cầu có tham số có thể được lưu bộ nhớ đệm thành các bản sao tĩnh khác nhau.
Nếu trong tiêu đề phản hồi HTTP không cấu hình đúng Vary: User-Agent hoặc Link: rel="canonical", Googlebot có thể cho rằng các trang tham số này là để hiển thị các nội dung khác nhau cho người dùng ở các khu vực khác nhau.
Dưới sự phán đoán sai lầm này, thuật toán sẽ tiếp tục chia nhỏ uy tín của toàn trang vào từng chiều tham số, gây ra một tình trạng “thiếu máu sức mạnh”.
Để định lượng tổn thất do sự phân tán này mang lại ở cấp độ kỹ thuật, có thể tham khảo “Mô hình hao tổn sức mạnh”:
Giả sử trang chính cần 100 đơn vị tín hiệu để lọt vào top 3, nếu tồn tại 4 biến thể tham số và mỗi biến thể làm phân lưu 15% tín hiệu, thì cuối cùng trang chính chỉ còn giữ lại được 40 đơn vị tín hiệu, trang đó sẽ ở thế cực kỳ yếu kém trong cạnh tranh.
Trong kiểm toán kỹ thuật đối với các cửa hàng hải ngoại trên các nền tảng như Shopify, bằng cách vô hiệu hóa các tham số không thay đổi nội dung như sort_by, view và page trong GSC (Google Search Console), người ta quan sát thấy số lần hiển thị hiệu quả của trang mục tiêu đã tăng trung bình 55% trong vòng 60 ngày.
Phương án xử lý
Trong các kiến trúc thương mại điện tử cấp doanh nghiệp toàn cầu như Adobe Commerce (trước đây là Magento) hoặc Salesforce Commerce Cloud, hệ thống lập chỉ mục của Google trong quá trình thu thập sẽ ưu tiên đọc chỉ thị rel="canonical" trong phần đầu HTML hoặc tiêu đề phản hồi HTTP.
Khi hệ thống tạo ra các tổ hợp lọc đa tầng như ?color=blue&size=xl, chương trình phía sau sẽ buộc địa chỉ chuẩn của trang đó trỏ về URL gốc không chứa bất kỳ tham số nào.
Sau khi thực hiện đúng phương án này, tỷ lệ nhận diện nội dung trùng lặp của Google đối với trang web có thể tăng từ 60% lên trên 99%, các điểm số PageRank vốn rải rác khắp nơi sẽ hoàn thành việc hợp nhất vật lý trong chu kỳ cập nhật chỉ mục từ 2 đến 4 tuần.
Đối với các trang web đa quốc gia có hàng triệu SKU, logic này đảm bảo đường dẫn tìm kiếm chính nhận được trên 95% uy tín liên kết nội bộ.
- Tuyên bố liên kết trong tiêu đề phản hồi HTTP: Khi xử lý các tài liệu PDF hoặc các tệp có tham số không phải định dạng HTML, phía máy chủ sẽ thông qua việc gửi thông tin tiêu đề
Link: https://example.com/file.pdf; rel="canonical"để ngăn chặn công cụ tìm kiếm xem các liên kết tải xuống có tham số theo dõi là nội dung mới. - Hợp nhất bắt buộc bằng chuyển hướng vĩnh viễn 301: Đối với các tham số theo dõi tiếp thị đã hết hiệu lực (như
?utm_campaign=2023_salecủa ba năm trước), cách làm phổ biến là cấu hình các quy tắc wildcard ở cấp độ máy chủ Nginx hoặc Apache, chuyển hướng vĩnh viễn tất cả các yêu cầu chứa tham số đã quá hạn đó về trang tiêu chuẩn, điều này đảm bảo sức mạnh của các liên kết bên ngoài tích lũy trong lịch sử được chuyển giao 100%. - Bỏ qua các tham số không trạng thái ở phía máy chủ: Trong phát triển phía sau, thông qua cấu hình để máy chủ loại bỏ Session ID hoặc các tham số khác chỉ dùng cho logic nội bộ khi xử lý yêu cầu, khiến URL mà những người dùng khác nhau nhìn thấy giữ được tính duy nhất ở cấp độ vật lý.
- Chặn phân loại tham số trong Google Search Console: Trong quản trị của Google, nhân viên kỹ thuật sẽ đánh dấu tham số là “Tham số bị động” (Passive Parameters), thông báo rõ ràng cho trình thu thập rằng những ký tự này không thay đổi nội dung trang, từ đó dẫn dắt Googlebot chủ động bỏ qua việc thu thập các URL này.
Trong thực tiễn SEO quy mô lớn, đối với các ứng dụng đơn trang (SPA) sở hữu hệ thống lọc phức tạp, chẳng hạn như các nền tảng được xây dựng bằng React hoặc Angular, các nhà phát triển có xu hướng sử dụng Fragment Identifier (#) để thay thế cho chuỗi truy vấn truyền thống (?).
Ví dụ: thay đổi URL lọc từ /shoes?brand=nike thành /shoes#brand=nike, tất cả các thao tác nhấp chuột và lọc của người dùng đều được thực hiện ở phía máy khách, trong khi những gì công cụ tìm kiếm nhìn thấy luôn là một đường dẫn duy nhất /shoes.
Khi sử dụng các mạng phân phối nội dung toàn cầu (CDN) như Cloudflare hoặc Akamai, nhóm kỹ thuật sẽ cấu hình quy tắc “Cache Key ignore parameters”.
Bất kể người dùng truy cập vào example.com/page?id=1 hay example.com/page?id=1&from=email, CDN đều trả về cùng một bản sao bộ nhớ đệm cho công cụ tìm kiếm và người dùng, đồng thời xuất bản chuẩn hóa thống nhất trong tiêu đề phản hồi.
Đối với các nền tảng có lượng dữ liệu khổng lồ như Amazon hoặc eBay, logic xử lý của chúng tập trung hơn vào việc ghi lại cấu trúc đường dẫn (URL Rewriting).
Hệ thống sẽ chuyển đổi chế độ tham số ban đầu /product.php?id=123&variant=blue thành chế độ thư mục mang tính ngữ nghĩa hơn /product/123/blue/.
Trong một cuộc khảo sát mẫu trên 100,000 trang web độc lập ở hải ngoại, những trang web ngụy trang các tham số chức năng (như sắp xếp, chuyển đổi chế độ xem) thông qua API window.history.pushState của JavaScript mà không làm thay đổi địa chỉ yêu cầu vật lý, có độ ổn định thứ hạng trung bình của trang cao gấp 2.8 lần so với các trang web thông thường.
