Il controllo anti-cannibalizzazione ha sbagliato: bloccata una query specifica e ignorata una pagina simile

Primo giorno in produzione: “quebec paycheck calculator” viene bloccata, “bc income tax calculator” passa, anche se una pagina già la conteneva nel testo¹.

Prima della build, lo script confronta la keyword target con ogni pagina del sito. Se una pagina copre già quel tema, blocca la corsa. La necessità nasce dai dati: in 28 giorni Search Console ha mostrato 63 query con almeno 4 impression in cui compaiono due URL dello stesso sito, segno di cannibalizzazione interna¹.

Versione 1, la scelta ovvia: tutto in minuscolo, rimozione di non alfanumerici, stopword e “s” finale. Poi confronto tra insiemi di parole. La sovrapposizione si misura con l’indice di Jaccard, intersezione su unione. Soglie: forte se jac è almeno 0,67, oppure se uno dei due insiemi contiene l’altro e jac è almeno 0,5. Il confronto avviene tra la keyword e tre etichette per pagina: primary keyword, titolo e slug¹.

Primo errore. “quebec paycheck calculator” viene respinta per overlap con due pagine generiche, /paycheck-calculators/ e /take-home-pay-calculator/. Una pagina per il Quebec non esiste. Il toponimo cambia la query, ma gli insiemi risultano compatibili perché le pagine generiche sono subset della keyword. La correzione impone direzione al test: una pagina copre una keyword solo se contiene tutte le parole della keyword e jac è almeno 0,5. Una pagina generica non blocca più una query specifica. Una pagina che dice tutto ciò che dice la keyword sì¹.

Secondo errore. “bc income tax calculator” passa. Semrush stima 6.600 ricerche mensili in Canada per quella query. Il giorno prima era uscita la pagina “BC Paycheck Calculator”, che conteneva la frase in quattro punti del testo, anche nella FAQ e nella meta description, inclusa la variante “income tax calculator BC”. Il controllo aveva guardato solo titolo e slug, che condividevano con la query il solo “BC”¹.

Il fix successivo legge anche le pagine. Per ogni keyword il codice scorre il testo in finestre lunghe qualche parola in più della keyword, mantenendo “calculator” perché qui conta. Se tutte le parole della keyword compaiono nella finestra, in qualsiasi ordine, conta un hit. Due o più finestre equivalgono a “stai già puntando quella frase”. Sul sito reale il controllo segnala la pagina BC con quattro finestre e quella Alberta con tre. Le nuove pagine vengono cancellate e i titoli esistenti riscritti per iniziare con “income tax calculator”¹.

Spunta un bug di normalizzazione. La “s” finale veniva tolta solo dal lato keyword. Così “vs” diventava “v” da una parte e non dall’altra, e “RRSP vs TFSA” non coincideva mai. Soluzione: normalizzare entrambi i lati allo stesso modo¹.

Resta un limite strutturale. L’overlap a token non vede i quasi sinonimi. “Overtime pay calculator” contro la pagina sull’overtime passa il filtro, ma la cannibalizzazione è reale. Per coprire il buio, ogni lunedì si usa Search Console: query con due URL propri, raggruppate per query, diventano la to-do per unire o separare pagine¹.

Note operative finali: leggere anche il testo, non solo etichette. Dare direzione ai test di subset. Normalizzare in modo simmetrico. Tenere una tabella di casi che devono passare e fallire, incluso un caso noto che fallirà. E verificare il verificatore con i dati del motore¹.