Un sitemap è un file che elenca gli URL di un sito web per descriverne l’architettura ai motori di ricerca. Il suo formato più comune, il XML, consente a Googlebot e ad altri robot di esplorazione di scoprire pagine senza dipendere esclusivamente dal linking interno. La presenza di un sitemap non garantisce l’indicizzazione, ma accelera la considerazione dei contenuti da parte dei crawler, soprattutto su siti la cui struttura evolve frequentemente.
Sitemap e agenti IA: un file che parla solo a Google
La maggior parte delle guide SEO presenta il sitemap XML come uno strumento destinato ai motori di ricerca tradizionali. Questa visione è incompleta. Gli agenti IA e gli assistenti di ricerca ora navigano il web per alimentare le loro risposte, e il loro comportamento nei confronti dei sitemap differisce sensibilmente da quello di Googlebot.
Consigliato : Anticipare il futuro: come organizzare il proprio funerale grazie a una previdenza su misura
Test recenti mostrano che alcuni agenti IA ignorano le direttive del file robots.txt pur recuperando comunque le pagine. Il sitemap, concepito originariamente per guidare crawler che rispettano le convenzioni del protocollo, non ha quindi più lo stesso potere di controllo su tutti i robot che visitano un sito.
Un sitemap ben strutturato rimane utile per i motori classici, ma non basta più a controllare il modo in cui il contenuto viene esplorato e riutilizzato. Per comprendere meglio come questo tipo di file si articola con la struttura di un sito, è possibile consultare zazieweb.fr per ulteriori informazioni sulla messa in pratica concreta.
Lettura complementare : Scopri la mappa del sito: la tua guida per navigare facilmente nel nostro blog per genitori
Questa realtà impone di considerare il sitemap come un componente tra gli altri, non come l’unica chiave della visibilità.
Struttura del sitemap XML: tag e gerarchia degli URL
Un file sitemap.xml si basa su un vocabolario di tag ristretto. Il tag radice <urlset> contiene una serie di blocchi <url>, ognuno dei quali descrive una pagina del sito. All’interno di ogni blocco, il tag <loc> indica l’indirizzo completo della pagina.
Tre tag opzionali completano questa struttura:
- <lastmod> specifica la data dell’ultima modifica della pagina, il che aiuta i crawler a dare priorità ai contenuti recentemente aggiornati piuttosto che a ripercorrere tutto ad ogni passaggio.
- <changefreq> suggerisce una frequenza di modifica (daily, weekly, monthly), ma Google ha confermato di non tenere conto di questo valore per regolare la cadenza di esplorazione.
- <priority> attribuisce un punteggio relativo tra 0.0 e 1.0 a ogni URL, destinato a indicare l’importanza di una pagina rispetto alle altre dello stesso sito. Nella pratica, questo tag è ampiamente ignorato dai motori.
In altre parole, solo i tag <loc> e <lastmod> hanno un effetto reale sul comportamento dei robot. Compilare meticolosamente <changefreq> e <priority> per ogni URL è tempo perso. È meglio concentrare gli sforzi sulla selezione degli URL inclusi nel file.
Filtrare gli URL: cosa non dovrebbe contenere il sitemap
L’errore più comune consiste nel generare un sitemap che elenca la totalità degli URL del sito. Le pagine in noindex, le redirezioni 301, i contenuti duplicati a causa di parametri di ordinamento o di paginazione, le pagine di archivio vuote: tutto finisce nel file per impostazione predefinita, soprattutto con le estensioni WordPress che generano automaticamente il sitemap.
Un sitemap efficace contiene solo le pagine destinate all’indicizzazione. Ogni URL presente nel file invia un segnale ai motori: questa pagina merita di essere esplorata. Includere pagine di bassa qualità diluisce questo segnale e spreca il budget di esplorazione.
Negli ultimi mesi, Google filtra sempre più aggressivamente le pagine ritenute ridondanti o deboli. I rapporti di copertura nella Search Console mostrano un aumento degli stati “Discovered – currently not indexed” sui siti WordPress il cui sitemap non è stato pulito. Il linking interno pesa di più del sitemap nella decisione di indicizzare o meno una pagina. Un contenuto orfano, anche presente nel sitemap, ha poche possibilità di essere preso in considerazione.
La regola operativa è semplice: se una pagina non ha un link interno che punta verso di essa e non attira traffico, non ha nulla a che fare nel sitemap.
Pagine da escludere sistematicamente
- Le URL con parametri di sessione, di ordinamento o di filtraggio che creano duplicati di contenuto.
- Le pagine protette da password o i contenuti riservati agli utenti connessi, che Googlebot non può esplorare.
- Le pagine con un tag meta noindex, la cui presenza simultanea nel sitemap crea una contraddizione tecnica.
- Le vecchie URL in redirezione 301: il sitemap deve puntare verso la destinazione finale, non verso l’indirizzo originale.
Sitemap e struttura del sito: due logiche complementari
Il sitemap descrive un elenco piatto di URL. Non esprime la gerarchia delle rubriche, delle categorie o dei livelli di navigazione. La struttura del sito si costruisce attraverso il linking interno, non tramite il sitemap.
Confondere i due porta a un errore di ragionamento comune: credere che aggiungere una pagina al sitemap sia sufficiente per integrarla nella struttura del sito. I motori di ricerca valutano la profondità di una pagina (il numero di clic dalla homepage) e la densità di link interni che puntano verso di essa. Questi segnali strutturali pesano molto di più della semplice presenza in un file XML.
Su un sito con diverse centinaia di pagine, segmentare il sitemap in più file tematici (uno per rubrica o per tipo di contenuto) facilita la diagnosi. Quando il rapporto di copertura segnala problemi, identificare la rubrica interessata richiede pochi secondi invece di scorrere un file unico di diverse migliaia di righe.
Invio e manutenzione del sitemap nella Search Console
La sottomissione del sitemap a Google avviene tramite la Search Console, sezione “Sitemaps”. L’URL del file (di solito /sitemap.xml o /sitemap_index.xml) viene dichiarato una sola volta. Google torna poi a consultarlo secondo la propria cadenza.
Controllare regolarmente il rapporto di copertura dopo ogni invio consente di individuare gli errori: URL che restituiscono un codice 404, pagine escluse da una regola robots.txt contraddittoria, o contenuti rilevati come duplicati. Un sitemap inviato e poi dimenticato perde il suo valore nel corso dei mesi, man mano che le pagine vengono rimosse o spostate senza aggiornamento del file.
Dichiarare la posizione del sitemap nel file robots.txt (tramite la direttiva Sitemap: seguita dall’URL assoluta) rimane una buona pratica complementare. I robot che non passano attraverso la Search Console possono così localizzare il file direttamente.
Il sitemap non è mai stato un leva magica di indicizzazione. È uno strumento di comunicazione tra un sito e i suoi visitatori automatizzati, la cui utilità dipende interamente dalla rigorosità con cui viene mantenuto e dalla qualità dell’architettura che riflette.