Un sito di diverse centinaia di pagine senza sitemap XML è un problema concreto: contenuti recenti rimangono invisibili per settimane perché i robot di scansione non li trovano. Questo caso si verifica su siti e-commerce, su blog con pubblicazione quotidiana o su portali istituzionali la cui struttura supera i quattro livelli di profondità.
La sitemap non risolve tutto, ma accelera la scoperta degli URL da parte di Google e Bing fornendo loro un elenco strutturato di ciò che esiste sul sito.
Il tag lastmod in una sitemap XML: un segnale spesso mal utilizzato
La maggior parte dei CMS compila automaticamente il tag lastmod della sitemap ad ogni salvataggio di pagina, anche per una modifica cosmetica. Google precisa che questo tag è utile solo se riflette un aggiornamento significativo del contenuto principale, dei dati strutturati o dei link interni. Modificare un piè di pagina o una nota di copyright non giustifica l’aggiornamento della data.
Quando il tag lastmod invia date inaffidabili, Googlebot finisce per ignorarlo. Si perde così l’unico meccanismo della sitemap che consente di segnalare una priorità di ricrawl. Per un sito che aggiorna le sue schede prodotto (prezzi, disponibilità, descrizioni), è un’opportunità sprecata.
La buona pratica consiste nel compilare lastmod solo per cambiamenti realmente osservabili: contenuto editoriale modificato, nuova immagine aggiunta, dati strutturati aggiornati. Se non si può garantire l’accuratezza della data, è meglio omettere il tag piuttosto che inviare segnali falsi. Si può verificare un esempio concreto consultando la sitemap del sito Experts Marketing, che illustra la struttura di un file XML con i suoi tag di data.
Sitemap e crawl budget: perché la dimensione del file conta
Su un sito di alcune decine di pagine con un buon collegamento interno, la sitemap XML è quasi superflua. Google troverà gli URL seguendo i link. La situazione cambia radicalmente per i siti voluminosi o per quelli le cui pagine sono poco collegate.
Il protocollo sitemap impone un limite di 50.000 URL per file e un peso massimo non compresso definito dallo standard. Oltre, si suddivide in più file referenziati da un sitemap index. Questa suddivisione non è solo una formalità tecnica: una sitemap sovraccarica di URL obsolete diluisce l’attenzione dei robot sulle pagine che contano.
- Escludere dalla sitemap gli URL reindirizzati (301), le pagine in noindex e gli URL canonicalizzati verso altre pagine. La loro presenza genera errori nella Google Search Console e confonde il diagnostic.
- Separare i tipi di contenuto (articoli, schede prodotto, immagini, video) in file sitemap distinti per facilitare il monitoraggio nella Search Console.
- Rigenerare la sitemap automaticamente ad ogni pubblicazione o rimozione di contenuto, piuttosto che a intervalli fissi, per evitare il disallineamento tra il file e la realtà del sito.
I riscontri variano sull’impatto diretto della sitemap sul crawl budget: Google considera la sitemap come un segnale di scoperta, non come una direttiva. Ma su cataloghi di diverse migliaia di riferimenti, una sitemap pulita rimane il modo più affidabile per segnalare i nuovi URL senza aspettare che un link interno venga creato manualmente.
Invio nella Google Search Console: cosa rivela davvero il rapporto sitemap
Inviare una sitemap tramite Search Console non garantisce l’indicizzazione degli URL elencati. Questo è un punto che molti guide trascurano. La sitemap è un segnale di scoperta, non un’istruzione di indicizzazione. Google decide poi, pagina per pagina, se il contenuto merita di essere indicizzato.
Il rapporto sitemap di Search Console indica la data dell’ultimo accesso da parte di Googlebot e il numero di URL rilevati. Questa diagnosi consente di identificare rapidamente un problema:
- Se il numero di URL scoperte è inferiore al numero di URL inviate, alcune righe del file contengono errori (URL bloccate da robots.txt, risposte 404, reindirizzamenti in loop).
- Se Googlebot non ha accesso alla sitemap da diverse settimane, il file potrebbe non essere accessibile o il server restituisce un codice di errore intermittente.
- Se URL indicizzati non figurano nella sitemap, significa che il file è incompleto o che la rigenerazione automatica non funziona.
Si utilizza questo rapporto come uno strumento di monitoraggio, non come un cruscotto del posizionamento globale. Incrociare i dati della sitemap con il rapporto di copertura dell’indice offre una visione più completa dello stato di scansione del sito.
Sitemap XML o HTML: scegliere in base al bisogno reale
La sitemap XML è destinata ai robot. La sitemap HTML è destinata ai visitatori. I due non hanno né lo stesso formato né la stessa utilità, e la confusione tra i due persiste.
Per il posizionamento naturale, il file XML rimane la priorità. Struttura gli URL con i loro metadati (data di modifica, frequenza di cambiamento suggerita) in un formato leggibile dai motori di ricerca. La sitemap HTML, invece, assume la forma di una pagina web classica che elenca le sezioni del sito con link cliccabili.
Una sitemap HTML può migliorare la navigazione su un sito la cui architettura è complessa, ma non sostituisce il file XML per la scoperta di contenuti da parte dei motori. Su un sito ben strutturato con un forte collegamento interno, la sitemap HTML non apporta molto. Su un sito istituzionale con decine di sottosezioni poco collegate tra loro, aiuta i visitatori a trovare una pagina senza passare dalla ricerca interna.
La scelta dipende dal profilo del sito. Un blog con meno di cinquanta articoli e una navigazione chiara può accontentarsi del XML nativo generato dal suo CMS. Un sito e-commerce con categorie profonde e filtri a faccette ha bisogno di una sitemap XML segmentata e, eventualmente, di un piano di sito HTML per i suoi utenti.
La sitemap rimane un file tecnico tra altri strumenti di ottimizzazione. Il suo vero contributo si misura nella Search Console, osservando la copertura dell’indice e la velocità di scoperta delle nuove pagine. Un file pulito, aggiornato, depurato dagli URL inutili, fa risparmiare tempo ai robot e a coloro che diagnosticano i problemi di indicizzazione.
