Um sitemap XML é um arquivo que lista as URLs de um site web destinadas a serem exploradas pelos motores de busca. Sua estrutura determina a rapidez com que o Google descobre, explora e indexa as páginas. Um sitemap mal construído não provoca um erro visível, mas desacelera silenciosamente a indexação de conteúdos estratégicos.
Tags obsoletas do sitemap XML: o que deve ser removido
A especificação original do protocolo sitemaps.org prevê várias tags opcionais para cada URL. Entre elas, priority e changefreq agora são ignoradas pelo Google. Mantê-las no arquivo não traz nenhum benefício e pesa desnecessariamente no documento.
A tag priority atribuía um valor entre 0.0 e 1.0 para sinalizar a importância relativa de uma página. O Google não a considera mais para programar suas visitas. A tag changefreq, que deveria indicar a frequência de atualização (diária, semanal, mensal), é tratada da mesma forma: o robô a ignora.
Remover esses dois campos reduz o tamanho do arquivo e elimina uma falsa impressão de controle sobre o crawl. As informações do site actuweb fr ilustram bem como é um sitemap limpo, centrado nas URLs e suas metadados realmente utilizados.
A única tag opcional que mantém um peso real é lastmod, desde que seja utilizada corretamente, o que é o tema da seção seguinte.
Lastmod do sitemap: o único sinal de frescor confiável
O campo lastmod indica a data da última modificação significativa de uma página. Quando essa data é confiável, o Googlebot a utiliza para priorizar o recrawl dos conteúdos recentemente atualizados. É a alavanca mais direta que um webmaster possui para acelerar a consideração de uma modificação.
Lastmod deve refletir apenas as modificações reais do conteúdo, não a data de regeneração automática do arquivo. Um sitemap onde todas as URLs exibem a data do dia envia um sinal contraditório: se tudo mudou, nada mudou. O Google acaba ignorando completamente o campo para esse domínio.
Erros frequentes sobre lastmod
- Atualizar lastmod após uma mudança cosmética (correção de um espaço, modificação do rodapé) sem tocar no conteúdo editorial da página
- Regenerar o sitemap diariamente via um cron job que aplica a data do dia a todas as entradas, mesmo aquelas inalteradas há meses
- Deixar lastmod vazio em páginas recentemente reformuladas, o que impede o Google de detectar a atualização
Um lastmod exato em uma ficha de produto atualizada (novo preço, novo estoque, nova descrição) acelera o recrawl dessa ficha. Em um artigo de blog republicado com dados atualizados, o efeito é idêntico.
Filtragem de URLs: quais páginas incluir no sitemap
Um sitemap eficiente não lista todas as URLs do site. Ele contém apenas as páginas que merecem aparecer nos resultados de busca. Cada URL do sitemap deve retornar um código HTTP 200 e ter uma tag meta robots index.
Incluir páginas em noindex, redirecionamentos 301, URLs canonizadas para outras páginas ou páginas de erro 404 polui o arquivo. O robô gasta orçamento de crawl em URLs que nunca levarão a uma indexação.
Páginas a excluir sistematicamente
- Páginas de resultados de busca interna, de filtros de facetas ou de paginação profunda sem conteúdo único
- Páginas protegidas por login ou que redirecionam para a página de login
- URLs com parâmetros de rastreamento (utm, session ID) que duplicam páginas já presentes sem parâmetro
- Páginas em rascunho, em staging ou acessíveis apenas via um subdomínio de pré-produção
Em um site de e-commerce com vários milhares de fichas de produtos, a filtragem torna-se um trabalho regular. As fichas de produtos esgotados definitivamente, que passaram para 404 ou foram redirecionadas, devem sair do sitemap a cada atualização.
Sitemap index e segmentação por tipo de conteúdo
O protocolo permite um máximo de 50.000 URLs por arquivo sitemap. Além disso, ou quando o site possui tipos de conteúdos distintos (artigos, produtos, imagens, vídeos), um sitemap index que referencia vários subsitemaps facilita o diagnóstico e o acompanhamento.
Segmentar por tipo de conteúdo (um sitemap para artigos, um para categorias, um para fichas de produtos) permite identificar rapidamente qual segmento apresenta um problema de indexação no Google Search Console. Se a taxa de indexação cai no sitemap de produtos, mas permanece estável no sitemap de artigos, o problema está localizado.
Sitemaps especializados em imagens e vídeos
Os sitemaps de imagens e vídeos utilizam extensões do protocolo XML. Eles sinalizam ao Google mídias integradas nas páginas, o que melhora sua visibilidade no Google Imagens e Google Vídeo. Para um site cujo tráfego depende fortemente do visual (portfólio, e-commerce de moda, receitas de culinária), um sitemap de imagem dedicado aumenta a superfície de indexação sem modificar o conteúdo das páginas.
O sitemap de vídeo requer metadados específicos: título, descrição, URL da miniatura, duração. Sem essas informações, o Google não considera a entrada.
Submissão e verificação do sitemap no Search Console
Declarar o sitemap no arquivo robots.txt via a diretiva Sitemap: seguida da URL absoluta do arquivo continua sendo o método mais simples e mais universal. Ele funciona para todos os motores compatíveis com o protocolo.
A submissão manual via Google Search Console ou Bing Webmaster Tools oferece uma vantagem adicional: um relatório de estado que indica o número de URLs submetidas, o número de URLs indexadas e os eventuais erros detectados. A diferença entre URLs submetidas e URLs indexadas constitui o primeiro indicador de qualidade do sitemap.
Uma diferença persistente sinaliza URLs problemáticas: conteúdo duplicado, conteúdo muito raso, páginas bloqueadas pelo robots.txt ou erros de servidor intermitentes. Corrigir essas diferenças é tão importante quanto limpar o sitemap e corrigir as páginas em si.
A verificação regular desse relatório, combinada com uma atualização do sitemap após cada lote de publicações ou remoções de páginas, mantém a coerência entre o arquivo e o estado real do site. Um sitemap que reflete fielmente a estrutura indexável de um site fornece ao Googlebot um mapa confiável, e um mapa confiável encurta o caminho para a indexação.
