Saltar para o conteúdo

Saint-Barthélemy 56

Escapades et vie locale dans le Morbihan

Como um sitemap facilita a descoberta e a navegação pelos conteúdos de um site

Um sitemap XML não provoca a indexação de um URL. Ele sinaliza a sua existência aos robôs de rastreamento, que depois decidem se o rastreiam ou não, e então…

Une femme consultant un plan de sitemap imprimé sur un bureau en bois, illustrant la structure et la navigation d'un site web
6 minutos

Um sitemap XML não provoca a indexação de um URL. Ele informa os robôs de rastreamento da sua existência, e estes decidem se o rastreiam ou não e, em seguida, se o incluem no índice. Confundir essas três etapas (descoberta, rastreamento e indexação) leva a superestimar o arquivo ou, pior, a ignorar os verdadeiros problemas de rastreamento. Compreender esse mecanismo permite usar o sitemap como ferramenta de diagnóstico, e não como uma alavanca mágica de SEO.

URLs órfãos e sitemap: medir o que os robôs não encontram sozinhos

Um URL órfão é uma página que não faz parte da malha interna do site e não tem nenhum link que a conecte ao restante do conteúdo. Sem sitemap, os robôs de rastreamento nunca a encontram. Com um sitemap, ela aparece na fila de descoberta, mas nada garante que será rastreada ou indexada.

Essa distinção pode ser verificada no Google Search Console, no relatório “Indexação de páginas”. Um URL listado no sitemap pode permanecer no estado “Descoberta, atualmente não indexada” durante semanas. Esse status significa que o Googlebot conhece o endereço, mas ainda não o considerou prioritário. Descoberta não significa indexação, e a diferença entre as duas revela a qualidade percebida da página ou a profundidade do orçamento de rastreamento disponível.

Para identificar os URLs realmente órfãos, cruzamos três fontes: a lista de URLs do sitemap, o registro de rastreamento do servidor (logs) e o relatório de indexação. Um URL presente no sitemap, mas ausente dos logs por um período de trinta dias, não foi visitado. Se também constar como “Não indexada”, o problema vai além do sitemap: a malha interna ou o próprio conteúdo é que precisam ser avaliados.

Um arquivo sitemap bem filtrado serve, portanto, como inventário de referência. Ele torna visíveis as páginas que o próprio site não destaca, algo que nenhum rastreamento convencional baseado em links consegue fazer.

Um desenvolvedor web analisando um sitemap hierárquico exibido em uma grande tela de parede em um escritório de tecnologia moderno

Tags lastmod, changefreq, priority: o que o Google realmente usa em um sitemap XML

O protocolo sitemap define três metadados opcionais por URL. Na prática, o Google ignora as tags changefreq e priority. Mantê-las no arquivo não causa erros, mas não influencia nem a frequência de rastreamento nem a classificação relativa das páginas.

A tag lastmod continua sendo útil sob uma condição rigorosa: a data deve refletir uma alteração real e substancial no conteúdo. Atualizar esse valor a cada geração automática do sitemap, sem que a página tenha mudado, dilui o sinal. Com o tempo, o Googlebot passa a considerar a data pouco confiável e deixa de usá-la para programar novas visitas.

Em comparação, o sitemap de La Top Liste exemplifica um arquivo estruturado em que cada URL declarada aponta para uma página ativa, sem excesso de endereços obsoletos. Esse tipo de sitemap organizado facilita o trabalho do robô, pois não mistura URLs úteis com informações irrelevantes.

Limpar o arquivo em vez de inflá-lo

Um sitemap que contém URLs redirecionados (301), páginas com erro 404 ou endereços bloqueados pelo robots.txt envia sinais contraditórios. O robô descobre o URL, tenta rastreá-lo e depois o rejeita. Esse ciclo consome orçamento de rastreamento sem trazer resultados.

  • Exclua todos os URLs que retornem um código HTTP diferente de 200 no momento da geração do arquivo.
  • Remova as páginas que tenham uma tag noindex, pois declarar um URL no sitemap e, ao mesmo tempo, pedir que ele não seja indexado cria uma contradição técnica.
  • Limite o arquivo aos URLs canônicos: se dois endereços apontarem para o mesmo conteúdo por meio de rel="canonical", apenas a versão canônica deve constar nele.

Um sitemap restrito aos URLs realmente indexáveis oferece uma visão fiel do conteúdo que o site deseja apresentar aos mecanismos de busca.

Sitemap e versões linguísticas: declarar as equivalências hreflang

Em um site multilíngue, o sitemap XML aceita anotações hreflang para relacionar as versões linguísticas de uma mesma página. Cada entrada <url> pode conter vários elementos xhtml:link que indicam o idioma e o URL correspondente.

Esse método complementa as tags HTML <link rel="alternate" hreflang="x"> inseridas no <head>. Para sites com mais de algumas centenas de páginas traduzidas, centralizar as declarações no sitemap simplifica a manutenção. Por exemplo, uma alteração no URL da versão em espanhol pode ser corrigida em um único arquivo, em vez de exigir mudanças em cada página de origem.

O Google aceita os três métodos (tags HTML, cabeçalhos HTTP e sitemap) e os trata de forma equivalente. O sitemap não substitui os outros métodos, mas oferece um ponto de controle centralizado, útil quando o CMS não gerencia nativamente as tags hreflang no código das páginas.

Mãos fazendo anotações em um wireframe de sitemap em um tablet, em um café, ao lado de um caderno e de uma xícara de café

Orçamento de rastreamento e sitemap: quando o arquivo realmente altera o rastreamento

Em um site com algumas dezenas de páginas bem interligadas, o sitemap traz apenas um benefício marginal. Os robôs seguem os links internos e descobrem todo o conteúdo em poucas passagens.

O sitemap se torna decisivo quando o site ultrapassa alguns milhares de URLs ou quando sua estrutura cria áreas com poucas ligações. Os casos mais comuns são:

  • Sites de e-commerce com páginas de produtos acessíveis apenas por filtros facetados, invisíveis na navegação principal.
  • Sites de notícias que publicam dezenas de artigos por dia, cujos conteúdos deixam rapidamente a página inicial.
  • Arquiteturas organizadas em silos isolados, em que algumas seções não recebem links de outras.

Nessas configurações, o sitemap funciona como uma rede de segurança. Ele não substitui uma malha interna coerente, mas compensa as falhas estruturais enquanto elas não são corrigidas.

Enviar e monitorar

Declarar o sitemap no arquivo robots.txt (diretiva Sitemap:) e enviá-lo pelo Google Search Console ou pelo Bing Webmaster Tools permite acompanhar seu processamento. O relatório do Search Console informa o número de URLs enviados, o número de URLs indexados e eventuais erros de leitura do arquivo.

A diferença entre os URLs enviados e os URLs indexados é o primeiro indicador a monitorar. Uma proporção baixa aponta para um problema de qualidade do conteúdo ou para um sitemap com URLs não indexáveis. Em ambos os casos, a solução está no próprio site, não no arquivo.

O sitemap continua sendo uma ferramenta de declaração e diagnóstico. Ele torna transparente o que o site oferece aos mecanismos de busca, sem jamais substituir as decisões de indexação que eles tomam de forma autônoma.

Como um sitemap facilita a descoberta e a navegação pelos conteúdos de um site