sitemap.xml: cuprinsul pentru motoarele de căutare

Modulul 3: Baza tehnică a unei pagini · Timp de citire: 11 minute

Obiectivul lecției: După această lecție veți putea citi un sitemap.xml, veți putea evalua dacă este corect și vă veți putea asigura că motoarele de căutare îl găsesc.

Concepte cheie: sitemap XML, protocolul sitemaps.org, urlset, url, loc, lastmod, changefreq și priority (ignorate de Google), limita de 50.000 de adrese și 50 MB, index de sitemapuri (sitemapindex), adrese canonice, linia Sitemap: din robots.txt, sitemap generat automat

Ce este un sitemap și ce nu este

Un sitemap este un fișier care conține lista adreselor de pe site-ul dumneavoastră pe care doriți să le vedeți în rezultatele căutării. Este cuprinsul pe care îl oferiți unui motor de căutare. Un crawler găsește paginile mai ales urmând linkuri (lecția 1.2). Un sitemap îl ajută în acest sens: menționează și paginile către care duc puține linkuri și spune când a fost modificată ultima dată o pagină.

Două lucruri nu le face un sitemap:

1. Nu este o garanție. Google o spune chiar el: un sitemap nu garantează că tot ce conține va fi accesat cu crawlerul și indexat. Trimiterea unui sitemap este doar un indiciu.
2. Nu înlocuiește linkurile bune. O pagină care apare doar în sitemap și către care nu duce niciun link de pe propriul site este, pentru un motor de căutare, un semn că nici dumneavoastră nu o considerați foarte importantă.

Aveți nevoie de un sitemap? Potrivit Google, acesta ajută mai ales în cazul unui site mare, al unui site nou cu puține linkuri din exterior și al unui site cu multe videoclipuri sau imagini. Un site mic (Google vorbește de aproximativ 500 de pagini sau mai puțin), bine legat intern, se poate descurca și fără. Totuși, un sitemap nu costă aproape nimic, iar majoritatea constructorilor de site-uri îl generează automat. Dacă aveți unul, asigurați-vă că este corect: un sitemap plin de erori este mai rău decât niciun sitemap.

Cum arată un sitemap

Sitemapul obișnuit este un fișier XML conform protocolului sitemaps.org, folosit în comun de Google, Bing și alte motoare de căutare. Iată cum arată sitemapul florăriei Bloemenatelier Lotte:

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-11-02</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/bruidsboeketten</loc>
    <lastmod>2026-10-14</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/contact</loc>
    <lastmod>2026-06-30T09:15:00+02:00</lastmod>
  </url>
</urlset>

Câteva reguli la care se greșește des:

• Adrese complete. Nu /contact, ci https://www.example.com/contact. Google cere explicit adrese complete, absolute.
• UTF-8 și escaping. Fișierul trebuie să fie în UTF-8, iar caractere precum & dintr-o adresă le scrieți ca &. Un & singur face întregul XML invalid.
• Aceeași schemă și aceeași gazdă. Conform protocolului, un sitemap poate conține doar adrese cu aceeași schemă și aceeași gazdă ca sitemapul însuși. Un sitemap aflat pe https://www.example.com/ cu adrese pe http://example.com/ nu este deci corect. Acesta este totodată un semn că canonical-ul și redirecționarea dumneavoastră nu sunt aliniate (lecțiile 3.5 și 4.1).

lastmod: doar dacă este corect

Google folosește <lastmod> dacă este corect "în mod constant și verificabil". În 2023, Google a precizat ce se consideră modificare: textul principal, datele structurate sau linkurile de pe pagină. Un an nou în subsolul paginii nu este o modificare. Dacă puneți în fiecare zi data de azi la fiecare pagină, Google învață că datele dumneavoastră nu înseamnă nimic și le ignoră. O dată corectă, sau nicio dată, este mai bună decât o dată inventată.

Site mare? Atunci un index de sitemapuri

Un singur sitemap poate conține cel mult 50.000 de adrese și poate avea cel mult 50 MB (necomprimat). Dacă site-ul dumneavoastră este mai mare sau doriți să împărțiți sitemapul (pagini, blog, produse), creați un index de sitemapuri (sitemapindex): un sitemap al sitemapurilor.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemap-paginas.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemap-blog.xml</loc>
  </sitemap>
</sitemapindex>

În acest caz trimiteți doar indexul. WordPress procedează astfel: https://www.example.com/wp-sitemap.xml este un index care trimite către sitemapuri separate pentru pagini, articole, categorii și autori. Pluginurile SEO îl înlocuiesc adesea cu propriul index, de exemplu sitemap_index.xml.

Ce adrese trebuie incluse?

Doar adresele pe care doriți să le vedeți în rezultatele căutării, și anume în forma lor canonică (lecția 3.5). Deci nu:

• adrese care redirecționează (varianta http://, vechiul nume al unei pagini);
• adrese care returnează 404 sau 410;
• pagini cu noindex (lecția 1.3): spuneți astfel în același timp "includeți aceasta" și "nu includeți aceasta";
• pagini pe care le blocați în robots.txt (lecția 3.3);
• variante cu parametri, precum ?sorteer=prijs sau ?utm_source=nieuwsbrief;
• pagini de mulțumire, coșuri de cumpărături, pagini de autentificare.

Aceste contradicții le regăsiți în Search Console (lecțiile 2.2 și 2.4): în raportul Page indexing puteți filtra după adresele din sitemap și veți vedea, de exemplu, adrese excluse printr-o etichetă noindex sau blocate de robots.txt. Fiecare astfel de mesaj indică o adresă care nu are ce căuta în sitemap sau o pagină blocată din greșeală.

Cum găsesc motoarele de căutare sitemapul dumneavoastră

Există două metode obișnuite și le aplicați pe amândouă:

1. O linie în robots.txt (lecția 3.3). Orice motor de căutare citește robots.txt, astfel încât îl găsește chiar și un motor de căutare la care nu aveți niciodată un cont:

   Sitemap: https://www.example.com/sitemap.xml

   Adresa trebuie să fie completă. Puteți include mai multe linii Sitemap:.

2. Trimiterea în Search Console și Bing Webmaster Tools (lecțiile 2.2 și 2.5). Astfel vedeți și dacă preluarea a reușit și câte adrese au fost găsite.

Înainte puteați trimite un "ping" către Google printr-o adresă specială. Google a renunțat la acest lucru în 2023: un astfel de ping nu mai are niciun efect. Dacă doriți să anunțați rapid motoarele de căutare despre o modificare, calea este lastmod și, pentru Bing și câteva alte motoare de căutare, IndexNow (lecția 2.5).

În practică: îl creați singur sau îl lăsați să fie creat

Aproape nimeni nu scrie un sitemap de mână. WordPress creează singur, începând cu versiunea 5.5, fișierul wp-sitemap.xml și adaugă trimiterea în robots.txt-ul său (virtual). AI Builder de la WebOké pune la publicare un sitemap.xml în directorul web, cu data ultimei modificări pentru fiecare pagină, precum și un robots.txt care conține linia Sitemap:. Alți constructori de site-uri fac lucruri asemănătoare. Sarcina dumneavoastră este să verificați:

• Deschideți /robots.txt pe propriul domeniu (de exemplu https://www.example.com/robots.txt) și verificați dacă există o linie Sitemap:.
• Deschideți acel sitemap în browser. Conține adresele la care vă așteptați, cu https:// și numele de gazdă corect (cu sau fără www)?
• Dați clic pe câteva dintre ele. Se încarcă fiecare pagină corect imediat, fără redirecționare?

Rezumat

• Un sitemap este un cuprins și un indiciu, nu o garanție. Site-urile mici, bine legate intern, se pot descurca fără, dar un sitemap corect ajută întotdeauna.
• Obligatorii sunt urlset cu namespace-ul corect, url și loc cu adrese complete; lastmod doar dacă este corect. Google ignoră changefreq și priority.
• Cel mult 50.000 de adrese și 50 MB per fișier; peste aceste limite, un index de sitemapuri.
• Doar adrese canonice care returnează 200, fără noindex și neblocate.
• Adăugați o linie Sitemap: în robots.txt și trimiteți sitemapul la Google și Bing. Vechiul ping nu mai funcționează.

Test

Exercițiu

Exercițiul A3.4: Este sitemap-ul dvs. valid și ușor de găsit? Introduceți adresa site-ului dumneavoastră. Programul caută sitemapul așa cum o face un motor de căutare (mai întâi prin robots.txt, altfel la /sitemap.xml), verifică dacă este XML valid conform protocolului, dacă apare în robots.txt, dacă adresele sunt complete și se află pe propria gazdă, apoi preia câteva dintre ele pentru a vedea dacă pot fi într-adevăr incluse în index. Nu aveți un site propriu? Folosiți european-union.europa.eu.

Resurse suplimentare

Pașii din aceste articole se aplică panourilor WebOké; la alți furnizori funcționează în mod similar.

• Înregistrarea site-ului dumneavoastră web la motoarele de căutare (Google și Bing)
• Google Search Central, Crearea și trimiterea unui sitemap: https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
• Google Search Central, Ce este un sitemap: https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview
• Protocolul sitemaps.org: https://www.sitemaps.org/protocol.html
• Google Search Central Blog, Sitemaps ping endpoint is going away (2023): https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping