Um site de e-commerce com vários milhares de referências adiciona fichas de produtos toda semana, mas o Google só rastreia uma fração das novas URLs. O problema não vem do conteúdo, nem da estrutura interna. O sitemap XML enviado via Search Console contém páginas redirecionadas, URLs em noindex e duplicatas parametrizadas. O motor recebe um sinal confuso e desacelera sua exploração.
Otimizar a página sitemap de um site não se resume a gerar um arquivo e esquecê-lo. Estamos falando de uma ferramenta de gerenciamento que, se mal mantida, desperdiça o orçamento de rastreamento em vez de concentrá-lo nas páginas que realmente importam.
Coerência entre sitemap XML, tag canônica e diretiva de indexação
O primeiro erro que encontramos em campo é a incoerência entre o que o sitemap declara e o que a página diz de si mesma. Uma URL listada no sitemap deve sempre retornar um código HTTP 200, ter sua própria tag canônica e não conter uma diretiva noindex.
Quando se submete uma URL redirecionada (301 ou 302), o motor deve seguir a redireção antes mesmo de decidir se indexa o destino. Esse desvio consome o orçamento de rastreamento sem benefício. A mesma lógica se aplica às páginas excluídas que retornam um 404, ou às URLs com parâmetros que duplicam um conteúdo já indexado sob outra forma.
Podemos ilustrar esse princípio com a página sitemap da Bargento, que estrutura suas URLs de maneira a listar apenas páginas acessíveis e realmente destinadas à indexação. Esse tipo de rigor evita enviar ruído aos robôs.
- Cada URL do sitemap deve ser a versão canônica da página, aquela que você deseja ver aparecer nos resultados de busca.
- Páginas bloqueadas pelo robots.txt, em noindex, ou redirecionadas não têm lugar no arquivo.
- URLs parametrizadas (filtros, ordenações, sessões) devem ser excluídas, a menos que visem um conteúdo único e indexável.
Na prática, um sitemap limpo contém apenas URLs indexáveis em HTTP 200. Se seu arquivo contém várias centenas a mais do que seu número de páginas indexadas no Search Console, isso é um sinal de alerta.
Tag lastmod do sitemap: sinal útil ou ruído técnico
Muitos CMS atualizam a data lastmod a cada regeneração do sitemap, mesmo quando o conteúdo da página não mudou. O Google esclareceu esse ponto: o valor lastmod só tem interesse se refletir uma modificação editorial real.
Se você republica um artigo após corrigir um erro no rodapé, isso não é uma mudança significativa. Por outro lado, se você atualiza um guia com novos dados ou reestrutura uma ficha de produto, a data lastmod deve corresponder a essa atualização.
Sincronizar lastmod com os dados estruturados
A coerência vai além do sitemap. A data lastmod deve corresponder à data de atualização exibida na página e ao campo dateModified em seus dados estruturados (schema.org). Quando esses três sinais concordam, o motor tem um indicador confiável de frescor. Quando eles divergem, o sinal perde toda a credibilidade.
Sobre esse ponto, os retornos variam: alguns profissionais de SEO notam um recrawl mais rápido após a correção do lastmod, outros não observam diferença notável. O que é certo é que um lastmod enganoso ou automático não engana ninguém.
Sitemap index e segmentação das URLs para grandes sites
Além de algumas centenas de páginas, um único arquivo sitemap se torna difícil de explorar, tanto para você quanto para os motores. A segmentação em vários arquivos filhos, organizados sob um sitemap index, permite um diagnóstico muito mais preciso.
A ideia é simples: agrupamos as URLs por tipo de conteúdo. Um arquivo para as fichas de produtos, um para os artigos de blog, um para as páginas de categorias. Essa organização permite identificar imediatamente nos relatórios de cobertura do Search Console qual segmento apresenta problemas.
Transformar o sitemap em uma ferramenta de diagnóstico
No Bing Webmaster Tools, os relatórios de cobertura permitem examinar as URLs conhecidas do sitemap e os motivos de não indexação. Essa funcionalidade transforma o sitemap em uma ferramenta de controle operacional para detectar páginas bloqueadas ou excluídas involuntariamente.
O Google Search Console oferece um relatório semelhante. Comparar o número de URLs submetidas com o número de URLs indexadas por arquivo sitemap revela as discrepâncias. Um arquivo sitemap filho com uma taxa de indexação baixa sinaliza um problema estrutural nesse segmento (conteúdo duplicado, estrutura interna insuficiente, qualidade percebida como baixa).
Combinar sitemap XML e IndexNow para acelerar a indexação
O sitemap XML funciona como um inventário permanente. Os motores o consultam periodicamente, em seu próprio ritmo. Para sites cujo conteúdo muda frequentemente (editorial, marketplace, catálogo), esse ritmo pode ser insuficiente.
IndexNow complementa o sitemap ao sinalizar as modificações em tempo real para os motores que suportam o protocolo (Bing, Yandex e outros). Em vez de esperar que o robô passe, enviamos um ping para cada URL criada, modificada ou excluída.
As duas ferramentas não se substituem. O sitemap permanece a referência para o inventário global. O IndexNow serve como notificação instantânea. Em um site de e-commerce que adiciona dezenas de fichas por dia, essa combinação reduz o tempo entre publicação e consideração pelo motor.
Implementação concreta
- Gerar uma chave API IndexNow e colocá-la na raiz do site em um arquivo de texto com o nome da chave.
- Configurar o CMS ou o pipeline de implantação para enviar uma chamada IndexNow a cada criação ou modificação de página.
- Manter o sitemap XML atualizado em paralelo, com datas lastmod confiáveis, para que os motores que não suportam IndexNow tenham um sinal de frescor.
O sitemap e o IndexNow cobrem duas temporalidades diferentes: o inventário permanente e a notificação pontual. Usar ambos aumenta a cobertura de indexação sem depender apenas da frequência de rastreamento natural.
Um sitemap bem segmentado, limpo de suas URLs desnecessárias e sincronizado com os sinais técnicos da página não tem nada de espetacular. É um trabalho de manutenção regular, não um ajuste que se faz uma vez. Cada URL submetida deve merecer seu lugar no arquivo, caso contrário, diluímos a atenção do robô em páginas que nunca servirão para o SEO.
