Una sitemap è l'elenco delle URL del tuo sito che vorresti un motore di ricerca conoscesse. È genuinamente utile, ed è anche l'artefatto SEO su cui la gente ha più superstizioni — inclusi due campi che questo strumento genera e che Google butta via all'arrivo.
Google ignora priority e changefreq. Entrambi.
Non è una voce di corridoio né una deduzione dai dati di ranking. Google l'ha detto pubblicamente e l'ha ripetuto: priority e changefreq non vengono usati. Sono letti e scartati.
Il motivo è lo stesso che ha ucciso il tag meta keywords. Entrambi i campi chiedono al gestore di un sito di dichiarare qualcosa sulle proprie pagine, e ogni gestore ha lo stesso incentivo: mettere tutto a priority 1.0 e changefreq hourly. Quando ogni pagina del web sostiene di avere la massima priorità e di essere aggiornata di continuo, il campo non porta informazione, e un segnale che non porta informazione viene lasciato cadere. Ci è voluto circa un decennio perché diventasse ufficiale, e i campi sono ancora nella specifica, ancora generati da ogni strumento, e ancora compilati con serietà da chi crede di star facendo qualcosa.
Vengono generati qui perché il formato li definisce e la loro assenza confonde più della loro presenza. Impostarli non costa niente e non ottiene niente. Se hai passato tempo a calibrare con cura i valori di priority, quel tempo è recuperabile e speso meglio altrove.
lastmod viene usato — ma solo se sei onesto
L'unico campo opzionale che sopravvive è lastmod, e Google è stato esplicito sulla condizione: viene usato quando è accurato in modo costante, e ignorato del tutto quando non lo è.
Il modo di fallire è un sito che timbra ogni URL con la data di oggi a ogni rigenerazione. Sembra un intero sito riscritto quotidianamente, il che non è credibile, e Google risponde disinteressandosi di lastmod per quel sito del tutto. Non hai guadagnato scansioni più veloci; hai perso un segnale che funzionava.
Quindi lastmod dovrebbe riflettere quando il contenuto è cambiato in modo significativo. Non quando è stato toccato il template, non quando è girata la build, non quando l'anno nel footer è cambiato. Se il tuo generatore non sa distinguere, omettere lastmod è strettamente meglio che riempirlo di bugie: un campo assente è neutro, uno disonesto avvelena il pozzo.
Una sitemap non ti fa indicizzare
È l'aspettativa da ricalibrare. Una sitemap aiuta un crawler a scoprire delle URL. Non obbliga nessuno a scansionarle, e certamente non obbliga nessuno a indicizzarle. Inviare una pagina e vederla restare fuori dall'indice non è una sitemap rotta; è Google che decide che la pagina non vale la pena di essere inclusa.
Dove una sitemap si guadagna davvero il posto è la scoperta: pagine linkate a malapena da qualche parte, un sito grande in cui scansionare ogni percorso richiede settimane, un sito nuovo senza link in entrata, o contenuti che cambiano più in fretta di quanto un crawler noterebbe da solo. Se le tue pagine sono ben linkate dalla tua navigazione, una sitemap aggiunge pochissimo: il crawler le avrebbe trovate comunque.
Il che significa che la cosa utile che una sitemap ti dà non è traffico. È il rapporto di copertura in Search Console: inviare una lista di ciò che pensi debba essere indicizzato ti permette di vedere lo scarto tra quello e ciò che lo è davvero. È in quello scarto che di solito sta il problema vero.
I limiti, e cosa farci
Una singola sitemap contiene al massimo 50.000 URL e 50 MB non compressi. Oltre l'uno o l'altro, si divide in più file e li si indica con un sitemap index: una sitemap di sitemap, che ogni motore supporta e che è la disposizione normale per qualsiasi sito di dimensioni serie.
Una regola frega tutti: includi solo URL che vuoi davvero indicizzate. Una sitemap che elenca pagine con noindex, canonicalizzate altrove, che redirigono o che restituiscono 404 invia istruzioni contraddittorie, e Search Console lo segnalerà come errore invece di ignorarlo in silenzio. La sitemap deve essere d'accordo col resto del tuo sito: è una dichiarazione d'intenti, e vale la pena tenerla vera.
Domande frequenti
Viene inviato qualcosa a un server?
No. Questo strumento è marcato "client": l'XML viene assemblato nella scheda del tuo browser dalle URL che incolli. Non viene trasmesso niente.
Vale la pena impostare priority?
No. Google lo scarta, e nessun altro motore importante ha mai dato prova di usarlo. Lascia il default. Qualsiasi tempo speso a decidere se una pagina sia 0.8 o 0.6 è tempo speso su un campo che finisce in un cestino.
Mi serve davvero una sitemap?
Per un sito piccolo e ben linkato, onestamente non molto: un crawler che segue la tua navigazione troverà tutto. Diventa utile man mano che i siti crescono, che le pagine si seppelliscono, o quando vuoi che il rapporto di copertura di Search Console ti dica quali delle tue pagine non sono indicizzate. È quel rapporto il ritorno vero dello sforzo.
Dove la metto, e come la trova Google?
Ovunque sul tuo dominio, anche se la radice è la convenzione. Due modi per annunciarla: una riga Sitemap: in robots.txt, che ogni motore legge, e l'invio in Search Console, che è come ottieni il rapporto di copertura. Falli entrambi: costano una riga e un clic.
Ogni quanto devo rigenerarla?
Quando delle URL vengono aggiunte o rimosse, il che per la maggior parte dei siti significa come parte della build. Quello che conta è che resti accurata: una sitemap che elenca pagine non più esistenti è peggio di nessuna sitemap, perché è attivamente sbagliata. Rigenerarla a tempo senza controllare è il modo in cui le sitemap si disallineano dal sito che descrivono.