El 1 de septiembre Google anunció en su blog de Webmaster Central Blog que los ficheros PDFs serán indexados y aparecerán en los resultados de búsqueda. Esta nueva forma del buscador de indexar nuevo contenido nos lleva a preparar nuevamene estos documentos para que sean rastreados.
En el caso de no querer que se indexen, en muchas páginas web nos encontramos con contenido duplicado por el motivo que sea, ofrecemos nuestro producto tanto en vista HTML como en un PDF asociado etc. Google anuncia que se podrá restringir su rastreo con el X-tag correspondiente en el fichero “Robots.txt”, de modo que tenemos que pensar en este contenido como nuevo contenido para nuestra web y por tanto, nuevo contenido a optimizar para evitar duplicidad y ser penalizados.
Google respondió algunas de las preguntas frecuentes (FAQs) en el mismo blog hace unos días.
¿Puede GoogleBot indexar cualquier tipo de PDF? Generalmente puede indexar cualquier tipo de texto en PDF siempre y cuando no se encuetre protegido por contraseña y los carácteres correspondan a los tipos decodificados, es decir, no podemos descifrar PDFs. Hay que pensar en que si hacemos un copiar y pegar desde el documento PDF a un editor de texto, eso es lo que vamos a rastrear.
¿Qué ocurre con las imagenes? Actualmente las imagenes no son indexadas. En el caso de querer indexarlas se deberá crear un documento HTML asociado y utilizar la etiqueta IMG con su texto alternativo ALT correspondiente.
¿Cómo son tratados los links? En principio son tratados igual que los enlaces “a href” en HTML. Actualmente no se puede añadir el campo rel=”nofollow” a los documentos PDFs por lo que el flujo de PageRank se sigue igualmente.
¿Se puede indexar en primeras posiciones? Por supuesto, el añadido de este tipo de documento al ranking de Google se ha realizado para obtener resultados relevantes para los usuarios y sus búsquedas.
¿Cómo influye el título del documento PDF ? Principalmente nos basamos en el Título del documento y en el anchor text del enlace que produce la descarga del documento, a partir de ahí, nuestro Bot realiza el resto del trabajo.
Conclusiones. Si nuestra web tiene contenidos en PDFs, nuestro equipo SEO debe revisarlos meticulosamente para proponeros la mejor optimización y evitar la duplicidad de contenido. Pensando en ellos como nuevos documentos de nuestra web en el que únicamente se lee el texto, cuando en un documento HTML nos podría rastrear también las imágenes si las preparamos apropiadamente.