Jak technicznie wyłapać duplikaty opisów w e-commerce bez przeklikiwania każdej karty

Duplikaty opisów produktów rzadko wychodzą na jaw podczas zwykłej pracy w panelu sklepu. W CMS-ie wszystko wygląda poprawnie: inne SKU, inne zdjęcie, czasem inna cena. Problem widać dopiero wtedy, gdy zestawi się treść z kilkuset lub kilkudziesięciu tysięcy adresów URL i okaże się, że sklep ma 40 wariantów tego samego opisu albo że opis producenta żyje już u pięciu konkurentów.

Najgorszy scenariusz to zaczęcie od przepisywania tekstów „na czuja”. To zjada budżet, a często nie rusza realnego problemu: kanonicznych adresów, filtrów, wariantów produktów, opisów hurtowni albo kart, które Google i tak już wyrzuciło z indeksu. Lepiej zacząć od audytu duplikatów opisów: crawler, eksport danych, arkusz, a dopiero potem decyzja, co przepisać, co scalić, co oznaczyć kanonicznie, a czego nie dotykać.

Crawler zamiast ręcznej kontroli: jak znaleźć duplikaty wewnątrz sklepu

Pierwszy krok to internal duplicate content, czyli powtórzenia na własnej stronie. Nie interesuje nas jeszcze konkurencja. Najpierw trzeba sprawdzić, czy sklep sam nie produkuje kopii przez warianty, filtry, sortowanie, parametry URL, paginację albo import danych z hurtowni.

Najpraktyczniejszy zestaw na start wygląda tak:

• Screaming Frog SEO Spider — dobry do technicznego crawlu, eksportów i pracy na dużej liczbie adresów.
• Sitebulb — wygodny, gdy potrzebny jest czytelny raport, priorytetyzacja i analiza podobieństwa w audycie technicznym.
• Siteliner — szybkie narzędzie online do mniejszych sklepów, bez instalowania crawlera.

W Screaming Frog SEO Spider zacząłbym od zwykłego crawlu domeny, ale z jedną ważną zasadą: nie analizuj całego szablonu strony jako „opisu”. Menu, stopka, breadcrumbsy, boksy „podobne produkty”, widgety opinii i banery promocyjne potrafią sztucznie podnieść podobieństwo między kartami. Wtedy raport pokazuje czerwone alarmy, a w praktyce porównuje layout, nie opis produktu.

Procedura jest konkretna:

1. Wklej adres sklepu w trybie Spider i uruchom crawl.
2. Dla podobnych opisów włącz Config → Content → Duplicates → Near Duplicates.
3. Zostaw próg podobieństwa na start w okolicach 90%, bo Screaming Frog używa tego jako domyślnego poziomu dla near duplicates; przy dużych sklepach można zejść niżej, ale wtedy rośnie liczba fałszywych tropów.
4. W Config → Content → Area wyklucz elementy, które nie są opisem: menu, stopkę, rekomendacje, sekcję „ostatnio oglądane”, pop-upy, powtarzalne bloki dostawy.
5. Po crawlu wejdź w zakładkę Content i sprawdź filtry Exact Duplicates oraz Near Duplicates.
6. Dla near duplicates uruchom Crawl Analysis → Start, bo dane o podobieństwie są liczone po zakończeniu crawlu.
7. Eksportuj wyniki przez Bulk Export → Content → Exact Duplicates i Near Duplicates.

Screaming Frog automatycznie wykrywa dokładne duplikaty, a near duplicates trzeba wcześniej włączyć; narzędzie pokazuje też filtr Content → Exact Duplicates / Near Duplicates, zakładkę Duplicate Details i eksport zbiorczy duplikatów. Darmowa wersja pozwala crawlowac do 500 URL-i, a płatna licencja kosztuje obecnie 279 USD rocznie za użytkownika; near duplicates i konfiguracja obszaru treści wymagają licencji.

W praktyce nie naprawia się wszystkiego naraz. Po eksporcie dzielę wyniki na trzy koszyki:

• Exact duplicates na indeksowalnych kartach produktów — najwyższy priorytet. Jeżeli dwie lub więcej kart mają ten sam opis i mogą wejść do indeksu, trzeba zdecydować: unikalny opis, canonical, scalenie wariantów albo usunięcie zbędnego URL-a.
• Near duplicates między wariantami — decyzja zależy od intencji. Kolor, rozmiar i pojemność nie zawsze uzasadniają osobną treść. Jeżeli użytkownik szuka dokładnie wariantu, karta może mieć sens. Jeżeli to tylko techniczny wariant, lepszy bywa jeden URL z wyborem opcji.
• Duplikaty wynikające z szablonu — najpierw popraw konfigurację crawla. Jeśli problemem jest powtarzalny blok dostawy albo sekcja z opiniami, przepisywanie opisów nic nie da.

Sitebulb warto wybrać wtedy, gdy sam eksport CSV to za mało i trzeba pokazać zespołowi, skąd bierze się problem. W audycie Sitebulb ustawienie Check Duplicate Content jest domyślnie włączone, a opcja Check Similar pozwala raportować podobną treść. Raport Duplicate Content sprawdza nie tylko HTML content, ale też powtórzone tytuły, meta description, H1 oraz technicznie zduplikowane URL-e, a podobieństwo jest pokazywane jako procent.

Tu jest jedna praktyczna przewaga Sitebulb: łatwiej zobaczyć wzorzec. Na przykład cały katalog /akcesoria/etui/ może mieć duplikaty przez import opisu producenta, a /promocje/ przez kopiowanie opisów kategorii. W Screaming Frogu też to wyciągniesz, ale Sitebulb szybciej pokaże problem osobie, która nie pracuje codziennie na crawlach.

Ceny i limity trzeba sprawdzić przed zakupem, bo narzędzia SEO często zmieniają pakiety. Na stronie Sitebulb widać m.in. 14-dniowy darmowy trial, plan Lite z limitem 10 000 URL-i na audyt, plan Pro z domyślnym limitem 500 000 URL-i na audyt oraz informację, że Sitebulb Cloud startuje od 95 GBP miesięcznie.

Siteliner jest najprostszy. Wpisujesz domenę, narzędzie crawluje publicznie dostępne adresy i pokazuje powtarzalność treści między podstronami. Dobre na szybki przegląd małego sklepu albo jako kontrola przed większym audytem. Nie jest to jednak narzędzie do ciężkiej pracy na e-commerce z dziesiątkami tysięcy SKU.

Aktualne limity Sitelinera są jasne: wersja darmowa analizuje do 250 najważniejszych stron i pozwala sprawdzić daną witrynę raz na 30 dni; wersja Premium analizuje do 30 000 stron, nie ma limitu częstotliwości skanowania, kosztuje 1 cent za zeskanowaną stronę, a wyniki podsumowań są przechowywane przez 185 dni.

Największy błąd przy Sitelinerze? Traktowanie procentu dopasowania jak wyroku. Match Percentage mówi, jaki procent treści jest wspólny między stronami, ale w sklepie internetowym część wspólna może pochodzić z menu, regulaminowych bloków albo szablonu dostawy. Siteliner sam rozpoznaje część wspólnego contentu, np. menu, nagłówki i stopki, ale przy sklepach z ciężkim szablonem i tak trzeba przejrzeć próbkę ręcznie.

Moja robocza granica jest taka: exact duplicate zawsze trafia do decyzji, near duplicate powyżej 90% trafia do analizy, a zakres 80–90% sprawdzam tylko wtedy, gdy dotyczy ważnych kategorii, produktów z ruchem albo adresów widocznych w Google Search Console.

Kopie poza sklepem i kanibalizacja: Copyscape, Ahrefs, Semrush i Senuto

Gdy wewnętrzne duplikaty są już zmapowane, dopiero wtedy ma sens sprawdzanie zewnętrzne. Inaczej można spalić czas na odkrycie, że konkurencja ma taki sam opis jak my, podczas gdy sklep sam publikuje ten opis pod dwudziestoma adresami.

Do external duplicate content najlepiej podejść partiami. Nie sprawdzałbym od razu całego katalogu. Zacząłbym od:

• produktów generujących ruch i sprzedaż,
• kart z opisami producenta,
• kategorii, które mają spadki widoczności,
• nowych opisów pisanych przez copywriterów lub AI,
• treści, które mają być unikalnym wyróżnikiem sklepu.

Copyscape nadaje się właśnie do takiej kontroli. W wersji Premium ma funkcję Batch Search, która pozwala sprawdzić do 10 000 stron w jednej operacji. Batch można zbudować z listy URL-i, ze stron nadrzędnych albo z mapy XML, a po zakończeniu Copyscape wysyła powiadomienie e-mail. Koszt pojedynczego wyszukiwania to obecnie 3 centy za pierwsze 200 słów oraz 1 cent za każde kolejne rozpoczęte 100 słów.

Interpretacja wyników nie polega na prostym „ktoś ma to samo, więc kradnie”. W e-commerce są trzy typowe scenariusze:

• Opis producenta — ten sam tekst ma hurtownia, dystrybutor i dziesięciu sprzedawców. Tu problemem nie jest plagiat, tylko brak wyróżnika.
• Kopia po stronie konkurencji — ktoś skopiował nasz autorski opis. Wtedy zapisujesz URL-e, daty publikacji, zrzuty ekranu i decydujesz, czy reagować formalnie.
• Syndykacja lub marketplace — opis trafia do Ceneo, Allegro, porównywarek albo partnerów. Tu trzeba sprawdzić, czy sklep ma mocniejszą wersję kanoniczną i czy opis na własnej domenie nie jest słabszy od kopii zewnętrznej.

Copyscape ma też Copysentry, czyli monitoring nowych kopii. Plan Standard sprawdza strony co tydzień i kosztuje 4,95 USD miesięcznie za 10 stron plus 0,25 USD miesięcznie za każdą dodatkową stronę do 500, a Professional sprawdza codziennie i kosztuje 19,95 USD miesięcznie za 10 stron plus 1 USD miesięcznie za każdą dodatkową stronę do 500. To nie jest narzędzie do monitorowania całego katalogu 30 000 produktów, ale do ochrony najważniejszych opisów, poradników i kategorii — jak najbardziej.

Ahrefs przydaje się inaczej. Nie jest klasycznym antyplagiatem, ale jego Site Audit wykrywa problemy typu Duplicate pages without canonical. Raport pokazuje strony z duplikującą się treścią bez zadeklarowanej wersji kanonicznej; można kliknąć liczbę stron z tą samą treścią, zobaczyć grupę URL-i i wyeksportować dane do CSV.

To jest szczególnie użyteczne przy filtrach i wariantach. Przykład z praktyki: sklep ma osobne URL-e dla tego samego produktu z parametrami ?color=black, ?sort=popular, ?utm_source=..., a wszystkie odpowiadają kodem 200 i są indeksowalne. Sam opis produktu jest ten sam, więc Google musi wybrać wersję. Jeżeli nie wskażesz jej sam, wybór może być losowy z punktu widzenia biznesu.

Ceny Ahrefs, stan na 10 czerwca 2026, zaczynają się od 29 USD miesięcznie za Starter, dalej są plany Lite 129 USD/mies., Standard 249 USD/mies., Advanced 449 USD/mies. i Enterprise 1499 USD/mies. przy zobowiązaniu rocznym; w planach widoczne są też limity projektów, fraz i crawl credits.

Semrush warto włączyć, gdy problem nie wygląda już jak czyste duplikaty HTML, tylko jak kanibalizacja słów kluczowych. Raport Position Tracking Cannibalization Report pokazuje, kiedy kilka URL-i z tej samej domeny rankuje na to samo słowo w top 100 Google. Da się patrzeć po stronach albo po frazach, a narzędzie pokazuje m.in. affected keywords, cannibalizing pages, średnią pozycję, szacowany ruch i historię zmian.

To ważna różnica: dwie strony mogą mieć inne opisy, ale nadal walczyć o tę samą intencję. W sklepie dzieje się to często między:

• kartą produktu a kategorią,
• kategorią a filtrem kategorii,
• dwoma bardzo podobnymi produktami,
• poradnikiem zakupowym a stroną sprzedażową,
• wariantami tego samego SKU.

Na stronie cenowej Semrush dla SEO & AI Search widać obecnie plan SEO od 139 USD miesięcznie albo 117,33 USD/mies. przy płatności rocznej, plan Pro+ od 299 USD miesięcznie albo 248,17 USD/mies. rocznie z analizą kanibalizacji słów kluczowych oraz plan Advanced od 549 USD miesięcznie albo 455,67 USD/mies. rocznie; dodatkowi użytkownicy zaczynają się od 45 USD/mies.

Senuto traktowałbym jako polskie narzędzie do obserwowania widoczności, fraz i skutków zmian, a nie jako zamiennik crawlera HTML. Jeżeli sklep działa głównie w Polsce, Senuto pomaga sprawdzić, które adresy faktycznie zbierają pozycje i czy po zmianie opisów widoczność idzie w dobrą stronę.

Na stronie Senuto widać obecnie plany: Lite 107,50 PLN/mies. + VAT przy płatności rocznej, Basic 224,17 PLN/mies. + VAT, Advanced 457,50 PLN/mies. + VAT oraz Prime 866 PLN/mies. + VAT. Różnią się m.in. liczbą zapytań w analizie widoczności, limitami monitoringu, liczbą projektów i dostępem do API w wyższych planach.

W realnym procesie wygląda to tak: crawler pokazuje, że 120 kart ma niemal identyczny opis. Ahrefs lub Screaming Frog pokazuje, które z nich mają problem z canonicalem. Semrush albo Senuto mówi, czy te adresy walczą o te same frazy. Dopiero wtedy podejmujesz decyzję. Nie wcześniej.

Najlepsza hierarchia decyzji:

1. Jeżeli duplikat dotyczy ważnego produktu z ruchem — piszesz unikalny opis albo scalasz warianty.
2. Jeżeli duplikat wynika z parametrów URL — porządkujesz canonicale, linkowanie wewnętrzne, sitemapę i indeksowanie.
3. Jeżeli duplikat dotyczy filtrów bez popytu SEO — zwykle nie inwestujesz w opisy, tylko ograniczasz indeksację albo wzmacniasz stronę nadrzędną.
4. Jeżeli kopia jest u konkurencji, ale opis pochodzi od producenta — nie walczysz o „prawa autorskie”, tylko tworzysz własną wartość: test, porównanie, tabelę parametrów, sekcję zastosowań, zdjęcia, FAQ.
5. Jeżeli konkurencja skopiowała autorski opis — dokumentujesz przypadek i decydujesz, czy wystarczy zmiana własnej treści, zgłoszenie do właściciela serwisu, hostingodawcy albo procedura prawna.

Eksport, Excel, Google Sheets i GSC: procedura pracy na danych

Crawler daje listę URL-i, ale prawdziwa kontrola zaczyna się w eksporcie. Najlepszy plik do analizy opisów produktów powinien mieć przynajmniej te kolumny:

• product_id albo SKU,
• URL,
• nazwa produktu,
• kategoria główna,
• status produktu: aktywny, wycofany, niedostępny,
• description_html,
• title,
• meta description,
• canonical URL,
• robots meta,
• liczba kliknięć i wyświetleń z GSC, jeśli można je dołączyć.

Nie porównuj surowego HTML-a, jeśli chcesz ocenić opisy. Dwa opisy mogą wyglądać różnie w kodzie, ale po usunięciu tagów być identyczne. I odwrotnie: dwa różne opisy mogą zostać uznane za inne tylko dlatego, że jeden ma <p>, a drugi <div>.

W Excelu najszybsza kontrola exact duplicate wygląda tak:

1. Wklej eksport do tabeli.
2. Utwórz kolumnę pomocniczą opis_czysty.
3. Usuń HTML albo użyj kolumny z opisem tekstowym z CMS-a, jeśli system potrafi ją wyeksportować.
4. Zaznacz kolumnę z czystym opisem.
5. Wejdź w Narzędzia główne → Formatowanie warunkowe → Reguły wyróżniania komórek → Duplikujące się wartości.
6. Zaznaczone opisy potraktuj jako grupy do decyzji, nie jako automatyczną listę do usunięcia.

Microsoft opisuje dokładnie tę ścieżkę dla duplikatów w Excelu i ostrzega, że funkcja Usuń duplikaty trwale kasuje dane, więc przed usuwaniem trzeba skopiować oryginalny zakres do innego arkusza.

Do liczenia powtórzeń użyj LICZ.JEŻELI. Załóżmy, że czysty opis jest w kolumnie D, od wiersza 2:

=JEŻELI(D2="";"";LICZ.JEŻELI($D:$D;D2))

W angielskim Excelu:

=IF(D2="","",COUNTIF($D:$D,D2))

Wynik 1 oznacza opis unikalny w tym eksporcie. Wynik 2, 5 albo 30 mówi, ile razy ten sam opis występuje w sklepie. Microsoft definiuje COUNTIF jako funkcję liczącą komórki spełniające wskazane kryterium, czyli dokładnie to, czego potrzebujemy przy zliczaniu identycznych opisów.

Do oznaczenia, czy dany wiersz jest pierwszym wystąpieniem, czy kolejną kopią:

=JEŻELI(LICZ.JEŻELI($D$2:D2;D2)=1;"pierwsze wystąpienie";"kolejny duplikat")

W angielskim Excelu:

=IF(COUNTIF($D$2:D2,D2)=1,"first occurrence","duplicate")

Do czyszczenia prostego HTML-a w Google Sheets użyj REGEXREPLACE. Google opisuje tę funkcję jako zamianę części tekstu na podstawie wyrażenia regularnego.

Formuła dla opisu w komórce C2:

=TRIM(REGEXREPLACE(REGEXREPLACE(C2;"<[^>]*>";" ");"\s+";" "))

Jeżeli w eksporcie pojawia się  , lepiej użyć:

=TRIM(REGEXREPLACE(SUBSTITUTE(REGEXREPLACE(C2;"<[^>]*>";" ");"&nbsp;";" ");"\s+";" "))

To nie jest idealny parser HTML. Regex <[^>]*> wystarczy do prostych tagów typu <div>, <p>, <br>, <span>, ale potrafi się wyłożyć na uszkodzonym kodzie, skryptach, atrybutach z nietypowymi znakami albo encjach HTML. Przy ważnym audycie trzeba sprawdzić próbkę ręcznie: 20–30 wierszy z różnych kategorii wystarczy, żeby zobaczyć, czy formuła nie usuwa treści, której nie powinna.

W Excelu można użyć prostego makra VBA. Wklej je do modułu i zastosuj jako funkcję arkuszową:

Function StripHTML(ByVal s As String) As String
    Dim re As Object
    Set re = CreateObject("VBScript.RegExp")

    re.Pattern = "<[^>]+>"
    re.Global = True

    StripHTML = WorksheetFunction.Trim(Replace(re.Replace(s, " "), Chr(160), " "))
End Function

Potem w arkuszu:

=StripHTML(C2)

Po czyszczeniu nie kończ pracy na samym arkuszu. Google Search Console pokazuje, które duplikaty Google już zauważyło. W raporcie Indeksowanie → Strony interesują Cię szczególnie statusy związane z duplikacją i indeksacją.

Status Duplicate without user-selected canonical oznacza, że dana strona jest duplikatem innej, nie wskazuje preferowanego canonicala, a Google wybrało inny URL jako kanoniczny i nie pokaże tej strony w wynikach; Google podkreśla, że to nie jest błąd sam w sobie, tylko działanie zgodne z logiką filtrowania duplikatów.

Decyzja:

• jeśli Google wybrało właściwy URL — dodaj lub popraw canonical, żeby sygnał był jawny;
• jeśli Google wybrało zły URL — popraw canonical, linkowanie wewnętrzne, sitemapę i różnice w treści;
• jeśli strony faktycznie nie są duplikatami — rozbuduj opis, parametry, tabele, zastosowania i sekcję FAQ, bo dla Google są zbyt podobne;
• jeśli to filtr lub parametr bez wartości SEO — rozważ canonical do strony nadrzędnej albo ograniczenie indeksacji, ale nie rób tego automatycznie na stronach, które sprzedają.

Status związany z noindex trzeba czytać ostrożnie. Google opisuje przypadek URL marked ‘noindex’ tak: podczas próby indeksowania wykryto dyrektywę noindex, więc strona nie została zaindeksowana. Jeśli to celowe — dobrze. Jeśli karta produktu ma zarabiać z SEO — trzeba usunąć tag albo nagłówek HTTP noindex i dopiero potem poprosić o ponowne sprawdzenie.

Nie używałbym noindex jako głównego sposobu rozwiązywania duplikatów między podobnymi stronami produktowymi. Google w dokumentacji canonicalizacji pisze wprost, że do wyboru strony kanonicznej w obrębie jednej witryny preferowane są oznaczenia rel=”canonical”, a noindex blokuje stronę w wyszukiwarce.

Do analizy kanibalizacji w GSC:

1. Wejdź w Wyniki wyszukiwania / Performance.
2. Ustaw zakres minimum 3 miesiące, a przy sezonowości porównaj z analogicznym okresem rok do roku.
3. Wybierz zakładkę Zapytania i kliknij frazę, która jest ważna sprzedażowo.
4. Po zastosowaniu filtra przejdź do zakładki Strony.
5. Sprawdź, czy na tę samą frazę wyświetlają się dwie lub więcej kart produktów.
6. Porównaj kliknięcia, wyświetlenia, CTR i średnią pozycję.
7. Eksportuj dane i zestaw je z listą duplikatów z crawlera.

Google opisuje raport skuteczności jako miejsce, w którym można analizować zapytania, strony, kliknięcia, wyświetlenia, CTR i średnią pozycję, ale trzeba uważać na agregację: wykres może agregować dane na poziomie usługi, a tabela inaczej grupuje dane dla zapytań i stron.

Sygnał alarmowy jest prosty: jeżeli dwie karty produktów co kilka dni zamieniają się miejscami na tę samą frazę, mają podobny opis i żadna nie rośnie stabilnie, prawdopodobnie Google nie widzi jasnej różnicy między nimi. Wtedy nie wystarczy dopisać jednego akapitu. Trzeba rozdzielić intencję: inny tytuł, inne H1, inny opis zastosowań, inne parametry, inne linkowanie wewnętrzne, a czasem jeden mocny URL zamiast dwóch słabych.

Najkrótsza sensowna procedura dla sklepu wygląda tak:

• Dzień 1: crawl Screaming Frogiem albo Sitebulbem, eksport exact i near duplicates.
• Dzień 2: eksport opisów z CMS-a, czyszczenie HTML, LICZ.JEŻELI, grupowanie duplikatów.
• Dzień 3: połączenie z GSC: które zduplikowane URL-e mają wyświetlenia, kliknięcia albo problemy z canonicalem.
• Dzień 4: decyzje dla grup: przepisać, scalić, canonical, przekierować, zostawić.
• Dzień 5 i dalej: poprawki zaczynasz od adresów z ruchem i sprzedażą, nie od martwych produktów bez wyświetleń.

FAQ: najczęstsze pytania o techniczne wykrywanie duplikatów opisów

Czy każdy duplikat opisu produktu trzeba przepisać?
Nie. Najpierw sprawdź, czy URL jest indeksowalny, ma wyświetlenia w GSC i dotyczy produktu ważnego biznesowo. Martwe, wycofane albo celowo nieindeksowane karty zwykle nie są pierwszym priorytetem.

Czy Screaming Frog wystarczy do całego audytu?
Nie zawsze. Screaming Frog świetnie wykrywa exact duplicates i near duplicates, ale nie pokaże sam z siebie, czy konkurencja ma ten sam opis ani czy dwie strony realnie kanibalizują się na frazę sprzedażową. Do tego potrzebujesz Copyscape, GSC albo narzędzi rankingowych.

Jaki próg podobieństwa ustawić dla near duplicates?
Na start zostaw 90%. Jeśli sklep ma dużo wariantów produktów, można testowo zejść do 85%, ale wtedy trzeba mocniej filtrować wyniki. Niższy próg bez ręcznej walidacji szybko produkuje śmieciowy raport.

Czy opis od producenta jest problemem?
Jest problemem wtedy, gdy sklep nie dodaje nic własnego, a karta ma walczyć o ruch organiczny. Sam opis producenta nie jest automatycznie „karą”, ale zwykle nie daje przewagi nad konkurencją, która dostała ten sam plik produktowy.

Czy można rozwiązać duplikaty tagiem noindex?
Tylko wtedy, gdy dana strona naprawdę nie powinna pojawiać się w Google. Dla podobnych kart produktów lepszą pierwszą decyzją jest canonical, scalenie wariantów, poprawa treści albo uporządkowanie linkowania.

Od czego zacząć, jeśli sklep ma kilkanaście tysięcy produktów?
Od exact duplicates na indeksowalnych URL-ach, potem near duplicates powyżej 90%, a dopiero później zewnętrzne kopie w Copyscape. Najpierw napraw adresy, które mają wyświetlenia w GSC albo należą do kategorii zarabiających.