Google 在更新中新增內容，表示此重新評估過程最長可能需要兩星期，而新內容與集群內其他頁面的差異愈明顯，頁面通常愈快被分拆出來。
對於長期受 canonicalization 問題困擾、又不確定自己所做的修正是否已經生效的 SEO 從業者而言,這個時間框架終於提供了一個明確的預期。
Canonicalization 的兩星期評估期
Google Search Central 的修正標準化問題指南，本身是一份講解常見 canonicalization 問題的參考文件。即使已經修正了內容，Google 仍可能將相關頁面在重複集群（duplicate cluster）中保留最多兩星期，才會重新判斷哪一個版本才是 canonical 頁面。
要理解此兩星期窗口，首先需要明白 Google 如何判斷重複內容。當 Google 判斷多個頁面的主要內容（centerpiece content）相同或非常相似時，就會將這些頁面歸入同一個集群，然後從中選出一個作為 canonical 頁面。
Google 的指南解釋，解決此類問題的方法是確保集群內的頁面內容有足夠分別，令 Google 不再將它們視為重複。這正是兩星期窗口所針對的情況，屬於內容層面的修正，而並非修改 redirect、更正 rel="canonical" 標籤，或處理伺服器設定錯誤等問題。Google 在指南中將這些情況列為獨立的問題類別。
值得留意的是，Google 使用的字眼是「最長」兩星期，意即部分頁面可能會更快分離出來。內容差異愈清晰、愈具體，Google 通常愈快將頁面拆開，而這一點正是網站營運者可以主動改善的地方。
哪些問題不屬於此兩星期窗口
Google 官方文件列出了幾類最常見的 canonicalization 問題，每一類都有不同的成因與處理方法：
- 語言版本未加 hreflang：多個地區網站提供相似內容但未正確標註 hreflang，導致 Google 選錯版本
- Canonical 元素設定錯誤：CMS 或插件錯誤地使用 rel="canonical"，指向不必要的 URL
- 伺服器設定錯誤：主機設定問題導致跨網域 URL 被錯誤選中，或出現重複的 soft 404 頁面
- 惡意攻擊：網站被植入代碼，令 3xx 重定向 或跨網域 canonical 標籤指向惡意或垃圾內容
- 聯合轉載內容：合作夥伴轉載內容時，rel="canonical" 未必有效，建議由轉載方封鎖索引
- copycat 網站：外部網站未經授權複製內容，Google 演算法誤選了該版本
以上問題的修復方法不一，與「內容過於相似而被歸類為重複集群」屬於不同性質的個案，因此不能套用同一個兩星期的預期。
Google 建議的排查步驟
在開始排查之前，Google 建議先使用 URL Inspection tool 查看 Google 目前選取了哪一個頁面作為 canonical，然後思考以下問題：Google 選擇的版本，是否其實對透過 Google Search 找到該網站的用戶而言更為合理。
Google 明確表示，即使已清楚指定 canonical 頁面，Google 仍有可能因內容質素等各種原因選擇另一個版本。
修正內容之後，網站營運者可透過 Search Console 的 Request Indexing 功能要求 Google 重新檢查頁面。不過 Google 建議將此功能保留給最重要的 URL 使用，不應對集群內每一個頁面逐一提交，以免浪費索引資源。
如何處理重複頁面問題
對於日常處理技術 SEO 的從業者而言，此次更新帶來幾個可以即時應用的重點：
首先，若在 Search Console 中發現「Duplicate, Google chose a different canonical」狀態，而已修正內容差異，不應過於著急。在兩星期之內屬於正常等待期，毋須立即假設修復失敗。
第二，應優先檢查內容是否已做到足夠分別，而不僅僅是調整 meta 標籤。Google 明確表示內容差異愈大，重新評估就愈快，因此增加獨特段落、數據或本地化案例，會比單純修改 canonical 標籤更為有效。
第三，應將 Request Indexing 額度保留給真正影響業務的頁面，例如高流量的落地頁或轉換率較高的產品頁，不應逐一提交每個 URL。
第四，對於同時服務香港與大灣區用戶、並有簡體與繁體版本並存的網站，應留意 hreflang 標註是否完整正確——語言版本未加 hreflang 依然是 Google 列出的最常見 canonicalization 問題之一，在 zh-HK 與 zh-CN 內容並存的情況下尤其容易受影響。
最後，應養成定期使用 URL Inspection tool 覆查關鍵頁面的習慣，而非等到流量下跌才進行查核，這樣可以更快發現 canonical 選擇與預期不一致的個案。
關於作者
