La sitemap XML è un file di inventario inviato ai crawler. Elenca URL, fornisce metadati facoltativi e lascia al motore di ricerca la decisione su come utilizzarli. La distinzione tra segnale e direttiva è alla base dell’intera strategia di implementazione.
Tag XML della sitemap: cosa utilizza davvero Google
La specifica del protocollo prevede diversi campi per ogni voce <url>. Il motore di ricerca non li tratta tutti allo stesso modo: confondere le due categorie significa sprecare tempo nella configurazione.
Google ignora i campi priority e changefreq. Compilarli non influisce né sull’ordine né sulla frequenza di scansione. Questi tag, ereditati dalla prima versione del protocollo, sono ancora accettati a livello sintattico, ma non hanno alcun effetto operativo.
Il campo lastmod, invece, viene preso in considerazione, a condizione che la data corrisponda a una modifica sostanziale del contenuto principale, dei dati strutturati o dei link interni della pagina. Modificare l’anno del copyright o un elemento estetico del template non conta. Se il valore è incoerente o sistematicamente identico per tutti gli URL, il motore finisce per ignorarlo per l’intero sito.
In pratica, una sitemap ben strutturata si concentra su loc (l’URL) e lastmod (la data attendibile). Il resto è rumore. Abbiamo notato che molti generatori automatici impostano ancora priority su 0.8 per impostazione predefinita su ogni pagina, senza alcuna utilità.
Ad esempio, la sitemap di Incroyable Maison mostra un file XML leggibile che elenca tutte le pagine del sito, consentendo ai crawler e ai visitatori curiosi di visualizzarne l’intera struttura.
Limiti di dimensione dei file sitemap XML e indice delle sitemap
Un singolo file sitemap può contenere al massimo 50.000 URL o avere una dimensione di 50 MB non compressi. Se supera questi limiti, il file non è più valido e i crawler lo ignorano, senza necessariamente mostrare un avviso esplicito.
Per i siti di grandi dimensioni (cataloghi e-commerce, directory, siti di informazione con archivi estesi), la soluzione standard è l’indice delle sitemap. Questo file principale rimanda a più sitemap secondarie, ciascuna conforme ai limiti previsti.
- Suddividere le sitemap per tipo di contenuto (pagine prodotto, articoli del blog, categorie) facilita la diagnosi quando un problema di indicizzazione riguarda una sezione specifica del sito.
- Suddividerle per data di pubblicazione permette di rigenerare solo il file del mese corrente, invece di ricalcolare tutto a ogni aggiornamento.
- Un indice può contenere a sua volta decine di migliaia di riferimenti a sitemap secondarie, coprendo così quasi tutte le architetture esistenti.
La compressione gzip è supportata e riduce sensibilmente la larghezza di banda utilizzata dai crawler. Una volta decompresso, il file deve comunque avere una dimensione inferiore a 50 MB.
Sitemap e indicizzazione: un segnale, non una direttiva
Un errore comune è considerare la sitemap una garanzia di indicizzazione. Inserire un URL nella sitemap non ne forza la scansione. Google scarica il file, prende nota degli URL candidati e poi decide, in base ai propri criteri (qualità percepita, crawl budget, segnali di popolarità), se vale la pena scansionare e indicizzare ogni pagina.
La sitemap non sostituisce quindi una struttura di link interni coerente. È improbabile che una pagina orfana (senza link interni che rimandino a essa), anche se inclusa nella sitemap, venga indicizzata se il motore non trova altri motivi per visitarla. Il file XML è uno strumento aggiuntivo per facilitare la scoperta delle pagine, non un sostituto dell’architettura del sito.
Inserire nella sitemap URL che restituiscono un codice 404, un reindirizzamento 301 o un tag noindex invia segnali contraddittori. Ogni URL della sitemap deve restituire un codice 200 ed essere indicizzabile. Gli strumenti di audit SEO segnalano queste incongruenze, ma per correggerle è necessario ripulire regolarmente il file, non limitarsi a una scansione occasionale.
Sitemap specializzate: immagini, video e notizie
Il protocollo sitemap non si limita alle pagine HTML. Le estensioni consentono di descrivere contenuti specifici per i motori di ricerca verticali.
- La sitemap delle immagini arricchisce ogni voce
<url>con i tag<image:image>, indicando le immagini associate alla pagina. Questo ne facilita la scoperta da parte di Google Immagini quando vengono caricate dinamicamente o ospitate su una CDN separata. - La sitemap dei video utilizza lo spazio dei nomi
<video:video>per specificare durata, descrizione, miniatura e URL del player. Questo formato è destinato a Google Video e alla sezione video dei risultati di ricerca. - La sitemap delle notizie (
<news:news>) è destinata agli editori di notizie registrati su Google News. Indica il titolo, la lingua e la data di pubblicazione degli articoli recenti (in genere pubblicati da meno di due giorni).
Queste estensioni possono essere combinate in un unico file oppure inserite in sitemap dedicate, a seconda del volume dei contenuti. Per un sito che pubblica sia articoli illustrati sia video, suddividere le sitemap per tipo di contenuto semplifica la manutenzione e il monitoraggio in Google Search Console.
Robots.txt e Search Console: segnalare la sitemap ai motori di ricerca
La sitemap XML può essere segnalata ai crawler in due modi complementari. Il primo consiste nell’aggiungere la riga Sitemap: https://example.com/sitemap.xml al file robots.txt, nella directory principale del sito. Tutti i crawler compatibili con il protocollo rilevano automaticamente questa dichiarazione.
Il secondo consiste nell’inviare la sitemap direttamente dall’interfaccia di Google Search Console (o Bing Webmaster Tools). Questo metodo offre un vantaggio concreto: il rapporto indica il numero di URL inviati, il numero di URL indicizzati e gli eventuali errori rilevati nel file. È l’unico modo per ricevere un riscontro esplicito dal motore sulla validità della sitemap.
La prassi standard è combinare entrambi gli approcci. Il file robots.txt consente a tutti i motori di scoprire la sitemap in modo passivo, mentre Search Console fornisce i dati di monitoraggio necessari per la diagnosi.
Una sitemap XML aggiornata con cura resta uno strumento tecnico discreto, ma fondamentale. Non modifica il posizionamento di una pagina: ne facilita la scoperta. Il suo valore dipende dalla precisione del file: URL puliti, date attendibili, nessuna voce non più valida. Il resto dipende dai link interni e dalla qualità dei contenuti.
