Eliminar páginas indexadas con https de Google
Soy Juan Luis Mora, ingeniero informático y consultor SEO freelance. Lo que cuento aquí lo aplico cada día con mis clientes. Más información: presupuesto SEO.
Estoy trabajando como consultor SEO Freelace en el caso de un Prestashop que tras una auditoría y consultoría SEO habitual ha dado entre otros un problema por tener indexado el home de Prestashop con https en el índice de Google (no por ejemplo en Bing o Yahoo).
Por otro lado también ocurre que el title del home no se actualiza tras los cambios, lo cual es un gran problema debida a la importancia que tiene el título de la página principal.
Solución para desindexar urls con https
Redireccionar las solicitudes https
Usando este código en .htaccess
RewriteEngine On
RewriteCond %{SERVER_PORT} 443
RewriteRule ^(.*)$ http: //dominio.xxx/$1 [R=301,L]
Hacemos que las solicitudes de páginas https se redirijan hacía la versión http indicando 301 con lo que debería ser suficiente para que Google cambie la url indexada por la correcta, pero no obstante este cambio todavía no ha conseguido cambiar las urls en el índice de Google y ya lleva casi un par de semanas puesto y por supuesto lo he testeado debidamente usando http://web-sniffer.net para asegurarme de dicha redirección.
Voy a hacerle ping en distintos servicios y le daré una semana más aproximadamente para ver si esto se soluciona. En caso de no pasar tengo ya pensado lo que hare.
Bloquer https desde robots.txt
Esta es una solución que me he encontrado en los foros de webmasters de Google, pero no me acaba de convencer y por eso la he dejado para final, consiste en crear una versión alternativa de robots.txt para cuando se accede desde https y bloquear todo el contenido por esta parte, pero como bien he dicho eso es un bloqueo y no una desindexación y creo que es más apropiado para aquellos casos en los que se ha duplicado una url.
Consistiría en
- Creación versión alternativa de robots.txt, por ejemplo robots_https.txt y en ella indicar que no se puede acceder al contenido (Disallow :/)
- Subir esa versión al servidor
- Dar instrucciones que cito a continuación en .htaccess para que cuando se acceda por https nuestro server muestre el robots.txt alternativo.
RewriteEngine on
Options +FollowSymlinks
RewriteCond %{SERVER_PORT} ^443$
RewriteRule ^robots.txt$ robots_https.txt
Comprobaciones que se han realizado
- Desde ninguna parte de la web se enlaza a la home con https, si a otras páginas
- Desde ningún sitio externo (que haya podido encontrar) se enlaza a la url con https
- Como he dicho antes, la redirección de https a http esta probada.
Como os he comentado antes esta última forma no me parece tan adecuada como la primera y si alguno de vosotros sabe otra mejor para este caso por favor que no dude en dejarlo en un comentario, muchas gracias.
Actualización 1
Entre ayer y hoy a parte de hacer ping hice un par de cosas más: publicar una pregunta en el foro de productos Google con el enlace al sitio sin https, poner algunos tuits con la url y cambiar el redirect para que solo afecte a la home (ya que el carrito dejo de funcionar). Parece que con esto en el índice ya se ve la url bien, pero todavía no se ha actualizado el title, espero poner pronto una actualización 2 confirmando este punto.
Actualización 2 y final!!
Tal como me esperaba al poco de las anteriores actuaciones el sitio se ha indexado correctamente sin https y con el nuevo title actualizado, así que si queréis dexindexar páginas con https podéis seguir el mismo camino.
¿Necesitas ayuda con tu proyecto? Trabajo como consultor SEO, SEM y AEO freelance, sin agencia ni intermediarios, para pymes, tiendas online, multinacionales y empresas SaaS. Algunos de mis servicios: consultoría AEO y SEO para IAs, SEO para administraciones públicas con Liferay, SEO para tiendas online y consultoría SEM. Escríbeme y lo vemos.
