Para que serve um sitemap
Um sitemap é a lista das páginas que você considera dignas de indexação. Ele ajuda o buscador a encontrar páginas, mas não é fator de ranking: enviar um não faz nenhuma página subir, e deixar uma de fora não esconde uma página que recebe links de outros lugares. O que ele faz é garantir que nada se perca num site em que algumas páginas só são alcançadas por uma caixa de busca, um filtro ou um arquivo paginado que o robô desiste de percorrer.
Ou seja, a lista deve ter URLs canônicas, indexáveis e com status 200, e nada mais. Um redirecionamento, uma página cujo canonical aponta para outro endereço, uma página com noindex e uma URL que dá 404 são piores do que nada, porque cada uma ensina ao robô que esse arquivo não é confiável. Se uma página não deve aparecer nos resultados, deixá-la fora do sitemap é a metade fácil do trabalho.
Quais campos valem a pena preencher
O formato aceita quatro elementos por entrada, e só dois valem o seu tempo. <loc> é a URL e é obrigatório. <lastmod> é a data em que o conteúdo mudou de verdade, e o Google já disse que usa esse dado, com uma ressalva importante: só enquanto ele for preciso. Um site que carimba a data de hoje em todas as entradas a cada deploy ensina o robô a ignorar o campo de vez, o que é pior do que nunca ter preenchido.
<changefreq> e <priority> são ignorados pelo Google sem rodeios, e pela maioria dos outros buscadores na prática. Este gerador não os inclui, e não é esquecimento: acrescentar campos que ninguém lê deixa o arquivo maior e convida alguém a passar uma tarde ajustando números que não fazem nada.
Limites de tamanho e como o robô encontra o arquivo
Um arquivo de sitemap comporta no máximo 50.000 URLs e 50 MB sem compactação. Passando de qualquer um dos limites, você divide a lista em vários arquivos e cria um índice de sitemaps que aponta para eles, que é um XML comum listando os sitemaps em vez das páginas. A maioria dos sites nunca chega perto disso, e um site estático quase nunca chega.
Com o arquivo no ar, avise os robôs em dois lugares: numa linha Sitemap: no seu robots.txt, que funciona para todos os buscadores, e no Google Search Console, se você usa. Os dois pedem uma URL absoluta, e os dois preferem o sitemap na raiz do mesmo host das páginas que ele lista.
Uma coisa o sitemap não faz: colocar no índice uma página que o buscador já avaliou e decidiu deixar de fora. Enviar uma URL é um pedido de rastreamento, não de inclusão, então uma página que nunca aparece costuma estar dizendo algo sobre ela mesma, e não sobre o arquivo em que está listada. Confira se ela responde 200, se o canonical aponta para ela mesma e se não carrega um noindex herdado de algum template.
Como usar
-
Cole suas URLs
Um endereço completo por linha. Tudo o que não for uma URL absoluta válida é sinalizado em vez de entrar no arquivo.
-
Decida se vai incluir datas
Adicione a data da última alteração em cada entrada se você sabe que ela é precisa, ou deixe de fora em vez de carimbar a data de hoje em tudo.
-
Baixe ou publique
Baixe o sitemap.xml ou publique em um link no ar e depois cite esse link no seu robots.txt.
Perguntas frequentes
O gerador de sitemap é grátis?
Ele rastreia o meu site para achar as páginas?
Devo incluir todas as páginas?
noindex e duplicadas deixam o arquivo menos confiável, não mais completo.Por que não há os campos priority e changefreq?
Quantas URLs cabem em um arquivo?
Como os buscadores encontram o sitemap?
Sitemap: com a URL absoluta e envie o sitemap no Search Console, se você usa. A linha no robots.txt é a que funciona em todo lugar.