Quando un sito pubblica decine di pagine a settimana, i motori di ricerca non riescono a trovarle tutte da soli. Il sitemap è il file che fornisce loro l’elenco completo degli URL da esplorare. Per chiunque monitori l’evoluzione del web, comprendere questo meccanismo cambia il modo di raccogliere informazioni.
Il sitemap come segnale di freschezza per il monitoraggio
La maggior parte delle guide presenta il sitemap sotto l’ottica della SEO. La sua utilità per il monitoraggio è meno documentata, mentre è diretta.
Ulteriori letture : Tutto quello che c'è da sapere sul Pass Carmillon SNCF per i pensionati: vantaggi e condizioni
Un sitemap XML contiene, per ogni URL, un tag lastmod che indica la data dell’ultima modifica significativa. Monitorando questo tag sui siti che segui, puoi individuare le pagine aggiornate senza doverle visitare una per una.
Google ha inoltre specificato che lastmod deve riflettere un cambiamento reale del contenuto principale, dei dati strutturati o dei link, e non un semplice aggiustamento di formattazione. Questo inasprimento trasforma il tag in un indicatore affidabile: quando si muove, il contenuto è realmente cambiato.
Da scoprire anche : Tutto quello che c'è da sapere sulla classifica femminile e sul punteggio del biathlon per la stagione
Consultando regolarmente il sitemap di Notre Veille Du Web, si visualizza ad esempio l’insieme delle pagine recentemente pubblicate o aggiornate sul sito, classificate per data.
File sitemap XML: struttura e limiti tecnici
Un sitemap è un file di testo in formato XML. Inizia con una dichiarazione del set di caratteri, quindi elenca dei blocchi contenenti ciascuno un URL e i suoi metadati. Ecco cosa si trova concretamente:
- Il tag loc, che contiene l’indirizzo completo della pagina (ad esempio https://monsite.fr/article-veille).
- Il tag lastmod, che specifica la data dell’ultimo cambiamento significativo nel formato ISO (anno-mese-giorno).
- Il tag changefreq, che suggerisce una frequenza di aggiornamento (daily, weekly, monthly). Google indica tuttavia che lo ignora ampiamente.
- Il tag priority, che dovrebbe gerarchizzare le pagine tra loro. In pratica, i motori di ricerca non ne tengono più conto per le loro decisioni di crawling.
Il file è generalmente accessibile all’indirizzo /sitemap.xml o /sitemap_index.xml. Un sitemap unico non può superare le 50.000 URL. Oltre, è necessario creare un indice di sitemap che punti a più file secondari.
Su WordPress, estensioni come Yoast o Rank Math generano automaticamente questi file. Segmentano gli URL per tipo di contenuto (articoli, pagine, categorie) ed escludono le pagine contrassegnate come noindex.
Fine del ping di sitemap: cosa cambia per il monitoraggio
Fino a poco tempo fa, era possibile “pingare” Google per segnalare un aggiornamento del sitemap. Google ha rimosso il supporto per gli endpoint di ping alla fine del 2023, spiegando che il meccanismo era troppo sfruttato dallo spam.
Questa rimozione ha una conseguenza diretta per il monitoraggio. Significa che la semplice notifica di un cambiamento non è più sufficiente. Google si fida ora del contenuto reale del file sitemap e della coerenza tra la data lastmod, la data visibile sulla pagina e il campo dateModified nei dati strutturati.
Per un monitoratore, questa evoluzione è una buona notizia. Un sitemap le cui date sono affidabili diventa uno strumento di rilevamento più preciso di un feed RSS mal mantenuto. Quando le tre date (lastmod, data visualizzata, schema) concordano, si può considerare che l’aggiornamento sia autentico.
Un sitemap obsoleto distorce la percezione del web
Un caso documentato descrive una piattaforma e-commerce i cui log del server mostrano che Googlebot continuava a eseguire il crawling di URL rimossi, perché il sitemap non era stato rigenerato dopo una migrazione. Un sitemap non mantenuto invia segnali falsi, sia ai motori che agli strumenti di monitoraggio automatizzati.
Se utilizzi i sitemap di terzi per il tuo monitoraggio, verifica che le date lastmod evolvano realmente. Un file in cui tutte le date sono identiche su centinaia di pagine è probabilmente generato senza riflettere veri cambiamenti.
Sitemap e robots.txt: due file complementari per la SEO
Il sitemap elenca le pagine da esplorare. Il file robots.txt indica le pagine da non esplorare. Confondere i loro ruoli è un errore comune.
Il robots.txt blocca il crawling, non l’indicizzazione. Una pagina bloccata nel robots.txt può comunque apparire nei risultati di ricerca se altri siti puntano ad essa. Il sitemap, invece, facilita la scoperta delle pagine ma non garantisce né la loro indicizzazione né il loro posizionamento.
Affinché i due file funzionino insieme, la buona prassi consiste nel dichiarare la posizione del sitemap direttamente nel robots.txt, con una riga del tipo Sitemap: https://monsite.fr/sitemap.xml. Questa dichiarazione consente ai motori di localizzare il file senza passare per la Search Console.
- Elenca nel sitemap solo le pagine con stato 200 (accessibili) e indicizzabili.
- Escludi le pagine con un tag noindex o quelle reindirizzate in 301.
- Allinea lastmod, dateModified e la data visibile sulla pagina per rafforzare la credibilità del segnale.
Un sitemap ben strutturato non trasforma da solo la SEO di un sito. Riduce il tempo tra una pubblicazione e la sua considerazione da parte dei motori. Per il monitoraggio, questo accorciamento tra la messa online e la visibilità è precisamente ciò che conta: individuare un contenuto nuovo prima che venga sommerso nella massa.