Een XML-sitemap zorgt er niet voor dat een URL wordt geïndexeerd. De sitemap meldt het bestaan ervan aan crawlers, die vervolgens beslissen of ze de URL crawlen en daarna of ze deze in hun index opnemen. Wie deze drie stappen (ontdekking, crawling, indexering) door elkaar haalt, overschat de waarde van het bestand of negeert erger nog de echte crawlproblemen. Als je begrijpt hoe dit werkt, kun je de sitemap gebruiken als diagnostisch hulpmiddel en niet als magische SEO-knop.
Weespagina’s en sitemap: meten wat crawlers niet zelf vinden
Een weespagina is een pagina die niet is opgenomen in de interne linkstructuur en waar geen enkele link naartoe leidt vanaf de rest van de site. Zonder sitemap komen crawlers deze pagina nooit tegen. Met een sitemap verschijnt de pagina in de ontdekkingswachtrij, maar dat garandeert niet dat ze wordt gecrawld of geïndexeerd.
Je kunt dit onderscheid controleren in Google Search Console, in het rapport ‘Pagina-indexering’. Een URL die in de sitemap staat, kan wekenlang de status ‘Gevonden, momenteel niet geïndexeerd’ hebben. Dat betekent dat Googlebot het adres kent, maar het nog geen prioriteit heeft gegeven. Ontdekking betekent niet dat een pagina wordt geïndexeerd. Het verschil tussen beide zegt iets over de waargenomen kwaliteit van de pagina of over de resterende crawlcapaciteit.
Om echt verweesde URL’s op te sporen, combineren we drie bronnen: de lijst met URL’s in de sitemap, de servercrawl-logs en het indexeringsrapport. Een URL die wel in de sitemap staat, maar gedurende dertig dagen niet in de logs voorkomt, is niet bezocht. Staat de URL ook op ‘Niet geïndexeerd’, dan ligt het probleem niet alleen bij de sitemap: de interne linkstructuur of de inhoud zelf roept vragen op.
Een goed gefilterd sitemapbestand dient dus als referentie-inventaris. Het maakt pagina’s zichtbaar die de site zelf niet onder de aandacht brengt, iets wat een klassieke crawl op basis van links niet kan doen.

lastmod-, changefreq- en priority-tags: wat Google echt gebruikt in een XML-sitemap
Het sitemapprotocol definieert drie optionele metadata-elementen per URL. In de praktijk negeert Google de tags changefreq en priority. Als je ze in het bestand laat staan, veroorzaakt dat geen fout, maar het heeft geen invloed op de crawlfrequentie of de relatieve ranking van pagina’s.
De tag lastmod is alleen onder een strikte voorwaarde nuttig: de datum moet een echte, inhoudelijke wijziging van de pagina weerspiegelen. Als je deze waarde bij elke automatische generatie van de sitemap bijwerkt zonder dat de pagina is veranderd, verzwakt dat het signaal. Googlebot gaat de datum uiteindelijk als onbetrouwbaar beschouwen en gebruikt deze niet meer om nieuwe crawls in te plannen.
Ter vergelijking: de sitemap van La Top Liste laat zien hoe een goed gestructureerd bestand eruitziet: elke vermelde URL verwijst naar een actieve pagina, zonder verouderde adressen toe te voegen. Met zo’n schone sitemap kan de crawler efficiënter werken, omdat nuttige URL’s niet verdrinken in ruis.
Het bestand opschonen in plaats van uitbreiden
Een sitemap met doorgestuurde URL’s (301), pagina’s met een 404-fout of adressen die door robots.txt worden geblokkeerd, geeft tegenstrijdige signalen af. De crawler ontdekt de URL, probeert deze te crawlen en wijst hem vervolgens af. Die cyclus verbruikt crawlcapaciteit zonder resultaat.
- Sluit alle URL’s uit die op het moment dat het bestand wordt gegenereerd een andere HTTP-statuscode dan 200 retourneren.
- Verwijder pagina’s met een
noindex-tag, want een URL in de sitemap opnemen en tegelijk vragen om deze niet te indexeren, is technisch tegenstrijdig. - Beperk het bestand tot canonieke URL’s: als twee adressen via
rel="canonical"naar dezelfde inhoud verwijzen, hoort alleen de canonieke versie in de sitemap.
Een sitemap met uitsluitend URL’s die daadwerkelijk kunnen worden geïndexeerd, geeft een getrouw beeld van wat de site aan zoekmachines wil tonen.
Sitemap en taalversies: hreflang-equivalenten aangeven
Op een meertalige site kun je in de XML-sitemap hreflang-annotaties gebruiken om taalversies van dezelfde pagina aan elkaar te koppelen. Elke <url>-vermelding kan meerdere xhtml:link-elementen bevatten die de taal en de bijbehorende URL aangeven.
Deze methode vormt een aanvulling op de HTML-tags <link rel="alternate" hreflang="x"> in de <head>. Voor sites met honderden vertaalde pagina’s of meer vereenvoudigt het centraliseren van de vermeldingen in de sitemap het onderhoud. Als bijvoorbeeld de URL van de Spaanse versie verandert, hoef je die maar in één bestand aan te passen in plaats van op elke bronpagina.
Google ondersteunt alle drie de methoden (HTML-tags, HTTP-headers en sitemap) en behandelt ze gelijkwaardig. De sitemap vervangt de andere methoden niet, maar biedt wel één centraal controlepunt. Dat is handig wanneer het CMS hreflang-tags niet standaard in de paginacode beheert.

Crawlbudget en sitemap: wanneer het bestand de crawl echt beïnvloedt
Voor een site met enkele tientallen pagina’s en een goede interne linkstructuur levert een sitemap slechts een beperkt voordeel op. Crawlers volgen de interne links en ontdekken alle inhoud in een paar rondes.
Een sitemap wordt doorslaggevend wanneer een site duizenden URL’s bevat of wanneer de structuur slecht gekoppelde delen bevat. Typische voorbeelden:
- E-commercesites met productpagina’s die alleen via gefacetteerde filters bereikbaar zijn en niet zichtbaar zijn vanuit de hoofdnavigatie.
- Nieuwssites die dagelijks tientallen artikelen publiceren, waardoor content snel van de homepage verdwijnt.
- Een silo-architectuur met strikt gescheiden secties, waarbij sommige secties geen links ontvangen vanuit andere delen van de site.
In deze situaties fungeert de sitemap als vangnet. Hij vervangt geen samenhangende interne linkstructuur, maar compenseert structurele tekortkomingen totdat die zijn verholpen.
Indienen en monitoren
Door de sitemap op te nemen in het bestand robots.txt (met de richtlijn Sitemap:) en deze in te dienen via Google Search Console of Bing Webmaster Tools, kun je de verwerking ervan volgen. Het rapport in Search Console toont het aantal ingediende URL’s, het aantal geïndexeerde URL’s en eventuele fouten bij het lezen van het bestand.
Het verschil tussen het aantal ingediende en geïndexeerde URL’s is de eerste indicator om in de gaten te houden. Een lage verhouding wijst op een probleem met de inhoudskwaliteit of op een sitemap die vervuild is met URL’s die niet kunnen worden geïndexeerd. In beide gevallen moet je het probleem op de site zelf oplossen, niet in het bestand.
De sitemap blijft een hulpmiddel om informatie door te geven en problemen op te sporen. Hij maakt transparant wat de site aan zoekmachines aanbiedt, maar vervangt nooit de zelfstandige beslissingen die zij over indexering nemen.



