Soft 404: teljes útmutató

A soft 404 olyan oldal, amely a látogatónak és a keresőnek azt üzeni, hogy a keresett tartalom nem létezik vagy üres, a szerver mégis 200-as, sikeres státuszkódot küld hozzá. A Google ezt felismeri, és az oldalt nem indexeli. A javítás lényege, hogy a státuszkód és a tartalom ugyanazt mondja: valódi 404 vagy 410, releváns 301, vagy tényleges tartalom.

Alapfogalmak

A soft 404 fogalma egy ellentmondásra épül. Minden HTTP-válasz két rétegből áll: a fejlécben érkező státuszkódból és a törzsben érkező tartalomból. A státuszkód a gépnek szól, a tartalom elsősorban az embernek. Egy egészséges webhelyen a kettő összhangban van: ha az oldal létezik, 200-as kód jár hozzá, ha nem létezik, 404-es vagy 410-es. Soft 404 akkor keletkezik, amikor a szerver 200-at küld, a tartalom viszont azt jelzi, hogy itt valójában nincs semmi érdemi.

A kifejezést a Google használja, és a Search Console oldal-indexelési jelentésében külön kategóriaként jelenik meg. Nem hivatalos HTTP-státuszkód, hanem a kereső saját besorolása. A Google a letöltött oldal tartalmát elemzi, és ha arra jut, hogy az oldal gyakorlatilag hibaoldal vagy üres, akkor a 200-as kód ellenére hibaoldalként kezeli, és nem veszi fel az indexbe.

A legfontosabb fogalmak egy táblázatban

Fogalom	Mit jelent	Mit lát a kereső
Valódi (hard) 404	A szerver 404-es kóddal jelzi, hogy az URL nem létezik	Egyértelmű jelzés, az URL idővel kikerül az indexből
410 Gone	A tartalom véglegesen megszűnt, és nem is tér vissza	A 404-hez hasonlóan kezeli, a szándék még egyértelműbb
Soft 404	200-as kód, de hibaoldal vagy üres tartalom	Ellentmondó jelzés, a Google a tartalom alapján dönt
Vékony tartalom	Létező, de nagyon kevés értéket adó oldal	Indexelhető, de gyengén teljesít, néha soft 404-nek minősül
Egyedi hibaoldal	Felhasználóbarát 404-es sablon navigációval	Rendben van, ha a kód valóban 404

Miért számít a soft 404?

Első ránézésre ártalmatlannak tűnik: ha az oldal úgysem kerül be az indexbe, mi a baj? A gond három helyen jelentkezik. Először is a kereső idejét és erőforrását olyan URL-ekre költi, amelyekről végül kiderül, hogy értéktelenek. Nagy webhelyen ez a feltérképezési keretet terheli. Másodszor a soft 404 gyakran egy hibás folyamat tünete: rosszul működő szűrő, lejárt termékoldal kezelése, üres keresési találat, sablonhiba. Harmadszor előfordul, hogy a Google értékes oldalt sorol soft 404 közé, mert a tartalom túl vékony vagy nem töltődik be a renderelés során. Ilyenkor valódi forgalom vész el.

Mi nem soft 404?

A helyesen beállított egyedi 404-es oldal. Ha a szép, navigációval ellátott hibaoldal valóban 404-es kódot küld, az a helyes megoldás, nem hiba.
A rövid, de teljes értékű oldal. Egy kapcsolati oldal vagy egy rövid definíció lehet kevés szavas, attól még valós tartalom.
A noindex-szel kizárt oldal. Az szándékos kizárás, a Search Console külön kategóriában mutatja.

Soft 404 a gyakorlatban: két gyors példa

Az első példa egy blog, amelynek a sablonja a nem létező bejegyzésre ezt írja ki: „Hoppá, ezt az oldalt nem találjuk." A felirat alatt ott van a menü, a lábléc és az oldalsáv, a szerver pedig 200-as kódot küld. A felhasználó érti, hogy hibaoldalon jár, a kereső viszont egy sikeres választ kap, amely hibaoldalra hasonlít. Ez tiszta soft 404.

A második példa egy ingatlanhirdetési oldal, ahol a lejárt hirdetés URL-je életben marad, de a hirdetés adatai eltűnnek róla. Marad a fejléc, egy üres adatlap-váz és egy „A hirdetés már nem aktív" sor. Itt a szándék érthető, hiszen a hirdetés tényleg megszűnt, a technikai jelzés viszont ellentmond ennek. A két példa közös pontja, hogy a probléma nem a tartalomban, hanem a tartalom és a státuszkód közötti eltérésben van.

Hogyan működik?

A folyamat a feltérképezéssel kezdődik. A Googlebot lekér egy URL-t, és megkapja a státuszkódot meg a HTML-t. Ha a kód 404 vagy 410, a dolog egyszerű: a kereső tudomásul veszi, hogy az oldal nincs, és nem indexeli. Ha a kód 200, a Google feldolgozza a tartalmat, szükség esetén lefuttatja a JavaScriptet is, és ekkor dől el, hogy az oldal valódi-e. Ha a megjelenített szöveg hibaüzenetre hasonlít, vagy az oldal szinte üres, a Google a soft 404 kategóriába sorolja.

A besorolás tartalmi elemzésen alapul, ezért nem mindig pontos. A Google nem közli az összes jelet, amelyet figyel, de a tipikus mintázatok ismertek: „nem található", „a termék nem elérhető", „0 találat" jellegű szövegek, üres terméklisták, szinte kizárólag sablonelemekből álló oldalak. Ha egy oldal ilyen jegyeket mutat, akkor is soft 404 lehet, ha a szerző szerint értékes.

A leggyakoribb technikai okok

A hibaoldal 200-at küld. Sok tartalomkezelő vagy egyedi rendszer a nem létező URL-re megjeleníti a hibaüzenetet, de a státuszkódot nem állítja át. Ez a klasszikus soft 404.
Minden hibás URL a főoldalra irányít. A kényelmes megoldás, hogy a megszűnt oldalak mind a nyitólapra mutassanak. A Google az ilyen, nem releváns átirányítást gyakran soft 404-ként értékeli, mert a céloldal nem felel a régi URL tartalmának.
Üres listaoldalak. Kategória termék nélkül, címkeoldal bejegyzés nélkül, belső keresés találat nélkül.
JavaScript-alapú oldalak. Egyoldalas alkalmazásoknál a szerver gyakran minden URL-re 200-at és ugyanazt a vázat küldi, a hibaüzenetet pedig a kliens oldali kód rajzolja ki. A kereső ilyenkor 200-as kódot lát hibaüzenettel.
Betöltési hiba renderelésnél. Ha a tartalmat adó erőforrás blokkolt vagy nem töltődik be, a Google üres oldalt lát.

Soft 404 és a JavaScript

A kliens oldali renderelésű oldalaknál a szerver nem tudja, létezik-e a kért elem, mert ezt csak a böngészőben futó kód dönti el. A Google dokumentációja erre két megoldást ír le: a JavaScript irányítson át egy olyan URL-re, amely a szervertől valódi 404-es kódot kap, vagy a hibaállapotban kerüljön az oldalra noindex robots meta tag. Mindkettő ugyanazt éri el: a hibaoldal nem marad 200-as kóddal indexelhető állapotban.

Mit veszít a webhely egy soft 404-gyel?

Egy-egy soft 404 önmagában csekély hatású. A baj a mennyiséggel jön. Ha egy webáruház minden kifutott terméke, minden üres szűrőkombinációja és minden elírt URL-je 200-as kódot kap, a kereső olyan címek tömegét látja, amelyekről csak a letöltés és a feldolgozás után derül ki, hogy értéktelenek. Ez idő, amit a kereső az új vagy frissült oldalakra is fordíthatott volna. Ráadásul az ilyen webhelyen nehezebb kiszúrni a valódi hibákat, mert a jelentésekben a zaj elnyomja a jelet.

Fő módszerek

A soft 404 kezelése egy döntéssel kezdődik: mi legyen az adott URL sorsa? Nincs egyetlen helyes válasz, mert egy lejárt termékoldal, egy üres kategória és egy hibás sablon mást kíván. A módszerek abban közösek, hogy a státuszkódot és a tartalmat összhangba hozzák.

1. Valódi 404 vagy 410 visszaadása

Ha a tartalom nem létezik, és nincs olyan oldal, amely érdemben helyettesítené, a helyes válasz a 404 vagy a 410. A 410 akkor indokolt, ha biztosan tudod, hogy a tartalom soha nem tér vissza. A hibaoldal ettől még lehet felhasználóbarát: kaphat keresőmezőt, népszerű kategóriákat, visszalépési lehetőséget. A lényeg a kódon múlik, nem a kinézeten.

2. Releváns 301-es átirányítás

Ha van olyan oldal, amely a régi tartalmat érdemben kiváltja, a 301-es átirányítás a jó megoldás. Megszűnt termék helyett az utódtermék, összevont cikk helyett az új, bővebb változat. A „releváns" szó itt a kulcs. A főoldalra vagy egy általános kategóriára mutató tömeges átirányítás nem oldja meg a problémát, csak áthelyezi.

3. Tartalom pótlása

Ha az oldal értékes lenne, csak túl vékony vagy rosszul töltődik be, a megoldás a tartalom. Egy termékkategória, amelyben átmenetileg nincs termék, kaphat leíró szöveget, kapcsolódó kategóriákat, és jelezheti, mikor várható újra áru. Egy renderelési hibánál azt kell kideríteni, mi akadályozza a tartalom megjelenését a kereső számára.

4. Kizárás az indexből

Vannak oldalak, amelyeknek létezniük kell a felhasználó miatt, de a keresőben nincs helyük. Ilyen az üres belső keresési találati oldal. Ezeknél a noindex a tiszta megoldás, és sok esetben az is indokolt, hogy a kereső eleve ne jusson el hozzájuk.

Döntési szabály

Helyzet	Javasolt megoldás
A tartalom megszűnt, nincs utódja	404, vagy 410, ha végleges
A tartalom megszűnt, van érdemi utódja	301 az utódra
Az oldal értékes, de vékony vagy nem renderelődik	Tartalom pótlása, renderelés javítása
Az oldal a felhasználónak kell, a keresőnek nem	noindex
A hibaoldal 200-at küld	A szerver vagy a CMS beállításának javítása

Kidolgozott példa: lejárt termékek egy webáruházban

Egy webáruház a kifutott termékek oldalait meghagyta, de a termékadatok törlése után csak egy „Ez a termék már nem elérhető" felirat maradt rajtuk, 200-as kóddal. A Search Console egyre több soft 404-et jelzett. A csapat három csoportra bontotta az URL-eket. Ahol volt közvetlen utódtermék, ott 301 került az utódra. Ahol nem volt utód, de a termék keresett volt, az oldal megmaradt, és kapott leírást, alternatívákat, valamint egy értesítés kérésére szolgáló mezőt. A többi URL 410-es kódot kapott. A főoldalra irányítás egyik csoportnál sem merült fel, mert az semmit nem mond a régi termékről.

Ki mit csinál: szerepek a javításban

A soft 404 javítása ritkán egyetlen ember feladata. A SEO-felelős azonosítja az érintett URL-eket és javaslatot tesz a sorsukra. A fejlesztő állítja be a szerver vagy a tartalomkezelő viselkedését, hogy a hibaoldal valódi 404-et küldjön, és hogy az átirányítások a megfelelő helyre mutassanak. A tartalomért felelős kolléga dönti el, melyik oldalnak érdemes tartalmat pótolni, és melyiknek nincs helye többé a webhelyen. Ha ezek a szerepek nincsenek tisztázva, a jelentés hónapokig ugyanúgy néz ki, mert mindenki a másiktól várja a lépést.

Gyakori hibák

A soft 404 körüli hibák nagy része abból fakad, hogy a javítást a felületen végzik el, a státuszkódot pedig senki nem nézi meg. A hibaoldal kinézete, szövege és navigációja fontos a látogatónak, a keresőnek azonban a kód mondja meg, mi történt. Az alábbi hibák ismétlődnek a leggyakrabban.

Tipikus hibák és ellenpéldák

Mindent a főoldalra irányítani. Ez a legelterjedtebb tévhit: „így legalább nem vész el semmi". A valóságban a Google az ilyen átirányítást gyakran soft 404-ként kezeli, a felhasználó pedig nem érti, miért a nyitólapon köt ki.
A 404-et hibának tekinteni, amit el kell tüntetni. A 404 önmagában nem büntetés. Nem létező oldalra ez a helyes válasz. A gond akkor van, ha fontos, belső linkkel elért oldal ad 404-et, vagy ha a 404 helyett 200 érkezik.
Az egyedi hibaoldal kódját nem ellenőrizni. A szépen megtervezett hibaoldal sok rendszerben 200-at küld, ha a sablont rendes oldalként töltik be.
Üres kategóriákat tömegesen indexelni hagyni. Szűrőkombinációk, címkék, archívumok ezrei tölthetik meg a jelentést.
A jelentést egyszer átnézni. Soft 404 újra és újra keletkezik, amikor termékek kifutnak vagy a sablon változik.

Tévhit: a soft 404 büntetés

A soft 404 nem szankció, hanem besorolás. A Google nem bünteti a webhelyet, egyszerűen nem indexeli az adott URL-t. A kár közvetett: pazarolt feltérképezés, elvesző értékes oldalak, zavaros jelzések. Ezért nem pánikra van szükség, hanem arra, hogy a jelentés URL-jeit csoportosítsd, és csoportonként dönts.

Ellenpélda: amikor a Google téved

Előfordul, hogy egy valódi, hasznos oldal kerül soft 404 közé. Egy recept oldal például, amelynek a hozzávalói és lépései egy lassan betöltődő szkriptből érkeznek, a kereső számára üresnek tűnhet. Ilyenkor nem az URL-t kell törölni vagy átirányítani, hanem a megjelenítést kell javítani, hogy a lényegi tartalom a kereső számára is látható legyen. A javítás után az URL-ellenőrzővel érdemes újra megnézni, mit lát a Google.

Tévhit: elég a sitemapból kivenni

Gyakori gondolat, hogy ha a soft 404-es URL-eket kivesszük az XML sitemapból, a gond megszűnik. A sitemap csak javaslat a keresőnek, nem tiltás. Ha az URL-re belső link mutat, vagy korábban már ismert volt, a kereső továbbra is felkeresheti, és ugyanazt az ellentmondást találja. A sitemap tisztítása hasznos, de csak a tényleges javítás mellett, nem helyette.

Belső linkek takarítása

A javítás után érdemes a belső linkeket is átnézni. Ha a menüben, a kapcsolódó termékek dobozában vagy régi cikkekben továbbra is megszűnt URL-ekre mutatnak hivatkozások, a látogató hibaoldalra vagy átirányításra fut, a kereső pedig újra és újra felkeresi ezeket a címeket. A belső linknek mindig a végleges, élő, 200-as kódú céloldalra kell mutatnia.

Mérés

A soft 404 mérése két irányból történik: mit gondol a Google, és mit küld valójában a szerver. A kettő összevetése mondja meg, hol van a hiba. A Google oldaláról a Search Console az elsődleges forrás, a szerver oldaláról a saját feltérképező eszköz és a naplófájlok.

Search Console

Az oldal-indexelési jelentésben a nem indexelt oldalak okai között külön sor szól a soft 404-ről. Innen letölthető az érintett URL-ek mintája. Az URL-ellenőrző eszköz egy-egy címre megmutatja, milyen kódot kapott a Google, és hogyan látta a renderelt oldalt. Ha a javítás elkészült, a jelentésben elindítható az ellenőrzés, amely újra megvizsgálja az érintett URL-eket.

Saját feltérképezés és naplók

Egy feltérképező eszközzel végigjárhatod a webhelyet, és kigyűjtheted azokat a 200-as oldalakat, amelyeken hibaüzenetre utaló szöveg szerepel, vagy amelyek szószáma gyanúsan alacsony. Egyszerű próba: kérj le egy biztosan nem létező, véletlenszerű URL-t a domaineden. Ha 200-as kód érkezik, a webhely rendszerszinten gyárt soft 404-et. A szervernaplókból az is kiderül, milyen gyakran jár a Googlebot ezeken az URL-eken.

Ellenőrzőlista

Lépés	Mit nézel	Elfogadható eredmény
Véletlen URL próba	Nem létező cím státuszkódja	404 vagy 410
Egyedi hibaoldal	A hibasablon kódja	404, nem 200
Search Console jelentés	Soft 404 sor alakulása	Csökkenő vagy stabilan alacsony
Átirányítások	Hová mutatnak a megszűnt URL-ek	Releváns utódra, nem a főoldalra
Listaoldalak	Üres kategóriák, címkék, keresések	Tartalommal bírnak vagy noindex
Renderelés	URL-ellenőrző képe fontos oldalakon	A lényegi tartalom látszik

Kidolgozott példa: a mérés sorrendje

Egy tartalmi portál Search Console-jában megjelent egy nagyobb adag soft 404. Az első lépés a mintafájl letöltése és az URL-ek mintázat szerinti csoportosítása volt. Kiderült, hogy a többség címkeoldal, amelyhez egyetlen cikk sem tartozik. A második csoport régi cikkek URL-je volt, amelyek a főoldalra irányítottak. A harmadik csoport pár valódi cikk volt, amelyeknél a törzsszöveg egy hibás beágyazás miatt nem töltődött be. A csapat az üres címkéket noindexszel látta el és kivette a belső linkelésből, a régi cikkeknél releváns átirányítást vagy 410-et állított be, a hibás beágyazást pedig kijavította. Az ellenőrzést csak ezután indították el a jelentésben.

Mikor tekintheted rendezettnek a helyzetet?

Soft 404-mentes webhely a gyakorlatban nem létezik, mert a tartalom folyamatosan változik. A cél az, hogy a jelentésben ne legyenek fontos oldalak, és hogy az új esetek gyorsan kiderüljenek. Jó jel, ha a véletlen URL próba 404-et ad, a hibasablon kódja rendben van, a megszűnt tartalmak kezelésére van leírt szabály, és valaki rendszeresen, például havonta, átnézi a jelentést. Ha ezek teljesülnek, a maradék soft 404 már nem rendszerhiba, hanem egyedi eset, amelyet a döntési táblázat alapján gyorsan el lehet intézni.

Érdemes a megszűnő tartalmak kezelését a szerkesztési folyamatba is beépíteni. Ha egy termék kifut vagy egy cikket törölnek, a felelős már akkor döntse el, hogy az URL 301-et, 410-et kap, vagy megmarad átdolgozva. Így a soft 404 meg sem születik, és nem utólag kell összeszedni a jelentésből.