O sitemap XML é um ficheiro de inventário enviado aos robôs de rastreamento. Lista URLs, fornece metadados opcionais e deixa o motor de busca decidir o que fazer com eles. Esta distinção entre sinal e diretiva determina toda a estratégia de implementação.
Tags XML do sitemap: o que o Google realmente utiliza
A especificação do protocolo prevê vários campos para cada entrada <url>. Nem todos são tratados da mesma forma pelo motor de busca, e confundir as duas categorias é desperdiçar tempo de configuração.
O Google ignora os campos priority e changefreq. Preenchê-los não influencia a ordem nem a frequência do rastreamento. Estas tags, herdadas da primeira versão do protocolo, continuam a ser aceites sintaticamente, mas não têm qualquer efeito operacional.
Já o campo lastmod é tido em conta, desde que a data corresponda a uma alteração substancial do conteúdo principal, dos dados estruturados ou da ligação interna da página. Alterar o ano dos direitos de autor ou um elemento meramente estético do modelo não conta. Quando o valor é incoerente ou sistematicamente igual em todos os URLs, o motor acaba por ignorá-lo em todo o site.
Na prática, um sitemap bem construído concentra-se em loc (o URL) e lastmod (a data fiável). O resto é ruído. Constatamos que muitos geradores automáticos continuam a preencher priority com o valor predefinido 0.8 em todas as páginas, o que não tem rigorosamente qualquer utilidade.
Por exemplo, o sitemap da Incroyable Maison ilustra um ficheiro XML legível que lista todas as páginas do site, permitindo que os robôs e os visitantes curiosos visualizem a estrutura completa.
Limites de tamanho do ficheiro sitemap XML e índice de sitemaps
Um único ficheiro sitemap pode conter no máximo 50 000 URLs ou 50 MB sem compressão. Acima desse limite, o ficheiro deixa de ser válido e os robôs ignoram-no, sem que isso seja sempre assinalado explicitamente.
Para sites de grandes dimensões (catálogos de comércio eletrónico, diretórios, meios de comunicação com arquivos extensos), a solução normalizada é o índice de sitemaps. Este ficheiro principal referencia vários sitemaps secundários, cada um respeitando os limites de volume.
- Segmentar por tipo de conteúdo (páginas de produtos, artigos de blogue, categorias) facilita o diagnóstico quando um problema de indexação afeta uma secção específica do site.
- Segmentar por data de publicação permite regenerar apenas o ficheiro do mês atual, em vez de recalcular tudo a cada atualização.
- Um índice pode conter, por sua vez, dezenas de milhares de referências a sitemaps secundários, abrangendo quase todas as arquiteturas existentes.
A compressão gzip é aceite e reduz significativamente a largura de banda consumida pelos crawlers. Depois de descomprimido, o ficheiro deve continuar a ter menos de 50 MB.
Sitemap e indexação: um sinal, não uma diretiva
É frequente confundir o sitemap com uma garantia de indexação. Incluir um URL no sitemap não força o seu rastreamento. O Google transfere o ficheiro, regista os URLs candidatos e, em seguida, decide, segundo os seus próprios critérios (qualidade percebida, orçamento de rastreamento, sinais de popularidade), se vale a pena rastrear e indexar cada página.
Por isso, o sitemap não substitui uma estrutura de ligações internas coerente. Uma página órfã (sem qualquer ligação interna a apontar para ela) incluída no sitemap tem poucas hipóteses de ser indexada se o motor de busca não encontrar outro motivo para a visitar. O ficheiro XML funciona como um complemento para a descoberta, não como substituto da arquitetura do site.
Incluir no sitemap URLs que devolvem um código 404, um redirecionamento 301 ou uma tag noindex envia sinais contraditórios. Todos os URLs do sitemap devem devolver um código 200 e ser indexáveis. As ferramentas de auditoria SEO assinalam estas incoerências, mas a correção exige uma limpeza regular do ficheiro, não apenas uma análise pontual.
Sitemaps especializados: imagens, vídeos e notícias
O protocolo sitemap não se limita às páginas HTML. As extensões permitem descrever conteúdos específicos para motores de busca verticais.
- O sitemap de imagens complementa cada entrada
<url>com as tags<image:image>, que identificam as imagens associadas à página. Isto facilita a descoberta pelo Google Imagens quando as imagens são carregadas dinamicamente ou alojadas num CDN separado. - O sitemap de vídeos utiliza o espaço de nomes
<video:video>para indicar a duração, a descrição, a miniatura e o URL do leitor. Este formato destina-se ao Google Vídeos e à secção de vídeos dos resultados de pesquisa. - O sitemap de notícias (
<news:news>) destina-se aos editores de imprensa inscritos no Google Notícias. Indica o título, o idioma e a data de publicação dos artigos recentes (geralmente publicados nos últimos dois dias).
Estas extensões podem ser combinadas num único ficheiro ou distribuídas por sitemaps dedicados, consoante o volume. Num site que publica artigos ilustrados e vídeos, separar os sitemaps por tipo de conteúdo simplifica a manutenção e o acompanhamento no Google Search Console.
Robots.txt e Search Console: indicar o sitemap aos motores de busca
O sitemap XML pode ser indicado aos robôs de duas formas complementares. A primeira consiste em adicionar a linha Sitemap: https://example.com/sitemap.xml ao ficheiro robots.txt, na raiz do site. Todos os crawlers compatíveis com o protocolo detetam automaticamente esta indicação.
A segunda forma é submetê-lo diretamente na interface do Google Search Console (ou do Bing Webmaster Tools). Este método oferece uma vantagem concreta: o relatório indica o número de URLs enviados, o número de URLs indexados e os eventuais erros detetados no ficheiro. É a única forma de obter uma resposta explícita do motor de busca sobre a validade do sitemap.
Combinar as duas abordagens é a prática habitual. O robots.txt permite a descoberta passiva por todos os motores de busca, enquanto o Search Console fornece os dados de acompanhamento necessários para o diagnóstico.
Um sitemap XML bem mantido continua a ser um recurso técnico simples, mas estruturante. Não altera a classificação de uma página; facilita a sua descoberta. O seu valor está no rigor do ficheiro: URLs limpos, datas fiáveis e nenhuma entrada obsoleta. O resto depende das ligações internas e da qualidade do conteúdo.
