Um sitemap é um arquivo que lista as URLs do seu site. Ele serve como um guia para os robôs de exploração do Google ou Bing percorrerem suas páginas. Sem esse arquivo, algumas partes do seu site podem permanecer invisíveis nos resultados de pesquisa, mesmo que seu conteúdo seja relevante. Compreender seu funcionamento permite corrigir problemas de indexação que muitos proprietários de sites ignoram.
O que o Google não lê mais no seu sitemap XML
Você já viu tags como priority ou changefreq em um arquivo sitemap XML? O Google as ignora. Esses dois campos, embora presentes na especificação do protocolo, não têm efeito sobre a frequência de exploração nem sobre a classificação de suas páginas.
Por outro lado, a tag lastmod é o único sinal de frescor utilizado pelo Google. Ela indica a data da última modificação real de uma página. Se você a atualizar a cada publicação ou correção, os robôs saberão quais URLs revisar em prioridade.
O erro comum: algumas ferramentas regeneram o sitemap atualizando a data lastmod de todas as páginas, mesmo aquelas que não mudaram. Esse comportamento confunde o sinal. O Google acaba não confiando mais nessa tag em seu site. Verifique se seu gerador de sitemap atualiza lastmod apenas nas páginas realmente modificadas. Para explorar esse assunto com exemplos concretos, o site pepseo.fr em detalhe descreve as boas práticas de configuração.
Sitemap e crawl budget: por que os grandes sites não podem abrir mão
Vamos pegar um exemplo simples. Seu site contém vários milhares de páginas. O Googlebot tem um tempo limitado para explorar cada site. Esse tempo, chamado de crawl budget, varia de acordo com a autoridade do seu domínio e a velocidade do seu servidor.
Sem sitemap, o robô descobre suas páginas seguindo os links internos. Se uma página estiver mal conectada ao restante do site (sem link no menu, sem link contextual), ela pode nunca ser explorada. O sitemap XML compensa esse problema declarando explicitamente cada URL.
Para sites com menos de cem páginas, com uma boa malha interna, o sitemap continua sendo útil, mas menos crítico. Sites grandes ou com estrutura complexa dependem diretamente para que suas páginas profundas sejam indexadas.
Páginas órfãs e conteúdo invisível
Uma página órfã é uma página que não está ligada a nenhuma outra página do site. Ela existe no servidor, mas nenhum caminho de navegação leva a ela. O Googlebot só a encontrará se ela estiver no sitemap.
Você publica conteúdo regularmente? Cada novo artigo precisa ser descoberto. O sitemap acelera esse processo sinalizando as novas URLs assim que são publicadas.
Submeter um sitemap ao Google: os dois métodos que ainda funcionam
Até 2023, era possível “pingar” o Google para sinalizar um novo sitemap. Esse método não funciona mais. O Google depreciou seu endpoint de ping em junho de 2023, e as URLs do tipo /ping?sitemap= agora retornam um erro 404.
Duas métodos permanecem válidos:
- Submeter o sitemap via Google Search Console, no relatório Sitemaps. Você recebe um retorno sobre o número de URLs descobertas e eventuais erros de formato.
- Declarar o sitemap no arquivo robots.txt com a diretiva Sitemap: seguida da URL do arquivo. Essa abordagem garante a descoberta automática, mesmo sem intervenção manual no Search Console.
A combinação dos dois oferece o melhor resultado. O Search Console fornece um diagnóstico, enquanto o robots.txt assegura a descoberta permanente por todos os robôs compatíveis.
Sitemap HTML e sitemap XML: dois arquivos, dois públicos
O sitemap XML é destinado aos motores de busca. Ele contém dados técnicos: URL, data de modificação, idioma. Seu formato é estruturado para ser lido por máquinas.
O sitemap HTML, por sua vez, é uma página clássica do seu site, visível pelos visitantes. Ele exibe a lista de suas seções e páginas na forma de links clicáveis. Seu papel é melhorar a navegação para os usuários que buscam uma página específica.
O sitemap XML continua sendo a prioridade para SEO. O HTML é um complemento útil para a experiência do usuário, mas não tem o mesmo peso para o Google. Se você precisar escolher por onde começar, o arquivo XML deve ser a prioridade.
O que o sitemap XML deve conter
A regra é simples: inclua apenas as páginas que você deseja ver aparecer nos resultados de pesquisa. Páginas com uma tag noindex, páginas de login, páginas de resultados de pesquisa interna não têm lugar no sitemap.
- As páginas principais (início, categorias, serviços, artigos de blog) devem estar lá.
- As URLs canônicas apenas: se várias URLs levam ao mesmo conteúdo, apenas a versão canônica aparece no arquivo.
- Imagens e vídeos podem ter sitemaps específicos, úteis para aparecer no Google Imagens ou Google Vídeos.
Erros frequentes que reduzem a eficácia de um sitemap
Um sitemap mal configurado pode fazer mais mal do que bem. Declarar URLs que retornam um erro 404 degrada a confiança do Googlebot em seu arquivo. Se o robô perceber que metade de suas URLs estão quebradas, ele desacelera a exploração do restante.
Outro erro comum: um sitemap que excede o limite de tamanho. O protocolo permite um máximo de 50.000 URLs por arquivo, com um tamanho não superior a 50 MB. Além disso, é necessário dividi-lo em vários arquivos e agrupá-los por meio de um sitemap index.
Por fim, não confunda sitemap com garantia de indexação. Submeter uma URL não força o Google a indexá-la. O motor de busca decide sozinho se a página merece figurar em seu índice, com base em sua qualidade e relevância. O sitemap facilita a descoberta, não a classificação.
Um arquivo sitemap bem mantido, atualizado a cada modificação real de conteúdo e submetido pelos canais corretos, continua sendo uma das alavancas técnicas mais simples de implementar para melhorar a visibilidade de um site. O trabalho não termina com sua criação: verifique regularmente seu conteúdo no Search Console para identificar URLs com erro e ajustar o arquivo conforme necessário.
