Vai al contenuto

Master CELSA Mines

Communication, numérique et technologies

Come usare una sitemap per esplorare facilmente le risorse di un sito web?

Una sitemap XML non è solo un file passivo depositato nella root di un server. Se sfruttata correttamente, diventa uno strumento di audit,…

Femme analysant un diagramme de sitemap web imprimé sur un bureau en bois dans un bureau à domicile moderne

Una sitemap XML non è semplicemente un file passivo depositato nella root di un server. Se utilizzata correttamente, diventa uno strumento di audit, diagnostica ed esplorazione che va ben oltre l’ambito della SEO. Comprenderne il funzionamento interno permette di ricavare informazioni che la normale navigazione di un sito non rivela.

Utilizzare la sitemap come strumento di audit della struttura

Il primo vantaggio concreto di una sitemap, spesso ignorato nelle guide per il grande pubblico, consiste nel confrontare gli URL che dichiara con quelli effettivamente raggiungibili tramite i link interni. Una discrepanza tra questi due insiemi segnala la presenza di pagine orfane o collegate male.

Scaricare il file XML (generalmente accessibile tramite /sitemap.xml o /sitemap_index.xml) e confrontarlo con una scansione completa del sito permette di individuare tre categorie: gli URL presenti sia nella sitemap sia nella scansione, quelli presenti solo nella sitemap (pagine isolate) e quelli rilevati dalla scansione ma assenti dalla sitemap (dichiarazioni mancanti).

Questo metodo di inventario funziona per qualsiasi sito pubblico. Ad esempio, la sitemap di Mon Habitat mostra l’intera struttura del sito, consentendo di visualizzare rapidamente l’estensione delle risorse pubblicate senza dover esplorare manualmente ogni sezione.

Per i siti di grandi dimensioni, consigliamo di automatizzare questo confronto con un foglio di calcolo o uno script che analizzi l’XML e lo confronti con gli URL ottenuti dalla scansione. Le discrepanze rivelano problemi di collegamento interno molto prima che incidano sull’indicizzazione.

Sviluppatore web in piedi che consulta uno strumento visivo per sitemap su un doppio schermo in un ufficio open space

Tag lastmod in una sitemap XML: affidabilità e insidie

Il tag <lastmod> indica la data dell’ultima modifica effettiva di una pagina. Google può utilizzarlo per stabilire la priorità delle nuove scansioni, ma solo se la data corrisponde a un cambiamento reale dei contenuti. Aggiornare il valore lastmod a ogni rilascio tecnico, senza modifiche editoriali, equivale a inviare un segnale fuorviante.

L’insidia più comune: un CMS che rigenera automaticamente la data lastmod quando cambia un template o viene aggiornato un plugin. Se rileva che le date non corrispondono a cambiamenti reali dei contenuti, il motore finisce per ignorare il tag sull’intero dominio.

Verificare la coerenza delle date

Confrontare la data lastmod dichiarata con la data di modifica visibile sulla pagina (o negli header HTTP Last-Modified) permette di individuare eventuali incongruenze. Una discrepanza sistematica tra questi due valori indica un problema di configurazione del CMS.

  • Mantenere il tag lastmod solo sulle pagine i cui contenuti editoriali cambiano davvero e con regolarità
  • Rimuovere lastmod dalle pagine statiche (note legali, condizioni generali di vendita) invece di mostrare una data recente non veritiera
  • Configurare il CMS in modo che aggiorni lastmod solo dopo un salvataggio manuale o una modifica a un campo di testo

Rapporto sitemap in Google Search Console: cosa mostra e cosa non mostra

Il rapporto sulle sitemap in Search Console mostra tre informazioni: lo stato di lettura del file, gli eventuali errori di sintassi e il numero di URL rilevati. Questo rapporto non conferma l’indicizzazione degli URL. Un URL “rilevato” può rimanere indefinitamente nella coda del crawler senza essere mai indicizzato.

Per verificare l’effettiva indicizzazione, occorre incrociare il rapporto sitemap con il rapporto sulla copertura (o con il rapporto “Pagine” nella versione attuale di Search Console). Gli URL elencati nella sitemap ma assenti dall’indice vengono quindi mostrati con un motivo di mancata indicizzazione: pagina duplicata, reindirizzata, bloccata da robots.txt o ritenuta priva di valore aggiunto.

Inviare una sitemap a Bing tramite Bing Webmaster Tools

Google non è l’unico motore di ricerca a utilizzare le sitemap. Bing Webmaster Tools consente di inviare direttamente il file e supporta anche il protocollo IndexNow, che permette di segnalare in tempo reale l’aggiunta, la modifica o l’eliminazione di URL. Questo protocollo integra la sitemap per i siti i cui contenuti cambiano frequentemente.

Giovane donna che consulta una sitemap interattiva su un tablet, seduta a gambe incrociate su un divano di lino in un soggiorno rilassante

Sitemap index: organizzare un file XML per i siti di grandi dimensioni

Un singolo file sitemap è soggetto a limiti di dimensione: dimensione massima non compressa e numero massimo di URL per file. Quando un sito supera queste soglie, la soluzione consiste nell’utilizzare un sitemap index, un file XML principale che rimanda a più sitemap secondarie.

Ogni sitemap secondaria raggruppa una sezione logica del sito: articoli del blog, schede prodotto, pagine di categoria. Questa suddivisione permette di monitorare l’indicizzazione per tipo di contenuto in Search Console, poiché ogni sitemap secondaria dispone di un rapporto dedicato.

  • Suddividere per tipo di contenuto (articoli, prodotti, contenuti multimediali) anziché in ordine alfabetico o cronologico
  • Assegnare ai file nomi espliciti (sitemap-articles.xml, sitemap-produits.xml) per facilitare la diagnostica
  • Dichiarare il sitemap index nel file robots.txt tramite la direttiva Sitemap: seguita dall’URL completo del file
  • Verificare che ogni sitemap secondaria contenga solo URL canonici, senza parametri di sessione né duplicati

Accedere alla sitemap di un sito di terzi per mappare le sue risorse

Per esplorare le risorse di un sito web di cui non si è proprietari, spesso si consulta la relativa sitemap. La maggior parte dei siti rende questo file accessibile pubblicamente. Due punti di accesso comuni sono l’URL diretto /sitemap.xml e la direttiva Sitemap nel file robots.txt (accessibile tramite /robots.txt).

Alcuni CMS generano sitemap in percorsi non standard (/sitemap_index.xml, /wp-sitemap.xml per WordPress). Controllare il file robots.txt resta il metodo più affidabile per individuare il file, poiché la direttiva indica l’URL esatto.

Una volta scaricato il file, aprendolo in un browser viene mostrato l’elenco grezzo degli URL. Per un’analisi strutturata, un parser XML o una semplice importazione in un foglio di calcolo permette di filtrare per sezione, data o profondità dell’URL. Questo approccio è particolarmente utile per analizzare la copertura editoriale di un sito concorrente o per inventariare le risorse di un portale prima di una migrazione.

La sitemap resta un file dichiarativo: riflette ciò che il webmaster sceglie di rendere visibile ai motori di ricerca. Alcune pagine possono esserne escluse intenzionalmente. Incrociare la sitemap con una scansione esterna offre un quadro più completo dell’architettura effettiva del sito.

Come usare una sitemap per esplorare facilmente le risorse di un sito web?