Een sitemap is een XML-bestand met een lijst van de URL’s van een website. Zoekmachines lezen het bestand om beschikbare pagina’s te ontdekken en te crawlen. Door de sitemap van een andere website te bekijken, krijg je inzicht in de structuur ervan, kun je recente content vinden en pagina’s opsporen die niet prominent in de gewone navigatie staan.
Een XML-sitemap lezen: wat elke tag je vertelt
Voordat je de sitemap van een website opzoekt, is het handig om te weten wat je erin kunt vinden. Een XML-sitemap bevat voornamelijk <loc>-tags, die elk een URL bevatten. Dit is de ruwe lijst met pagina’s die de eigenaar van de website zichtbaar wil maken voor zoekmachines.
Ook twee andere tags zijn het bekijken waard. De tag <lastmod> geeft aan wanneer een pagina voor het laatst is gewijzigd. Google benadrukt echter dat deze datum alleen betrouwbaar is als die overeenkomt met een daadwerkelijke wijziging van de content. Een datum die kunstmatig wordt bijgewerkt, is geen bruikbaar signaal.
De tag <priority> kent aan elke URL een waarde tussen 0 en 1 toe. Google houdt bij de ranking geen rekening met deze waarde. Die geeft alleen de hiërarchie weer die de eigenaar van de website aan de eigen pagina’s toekent. Zo kun je afleiden welke content de eigenaar als belangrijkste beschouwt.
Sommige websites gebruiken een sitemapindex in plaats van één bestand. Dit hoofdbestand verwijst naar meerdere subsitemaps, ingedeeld op contenttype (artikelen, producten, categorieën, afbeeldingen). Zo vind je bijvoorbeeld in de sitemap van Vos Jeux een dergelijke structuur met aparte onderdelen, waardoor je de inhoud per sectie kunt bekijken.
Zo vind je de sitemap van een website
Waar het bestand staat, hangt af van de technische configuratie van de website. Je kunt het op verschillende manieren vinden, van de betrouwbaarste tot de meest verkennende aanpak.
Begin bij het robots.txt-bestand
Het robots.txt-bestand staat altijd in de hoofdmap van een domein en is bereikbaar via een adres als domein.com/robots.txt. Vaak bevat het een of meer regels die beginnen met ‘Sitemap:’, gevolgd door de volledige URL van het bestand. Dit is de snelste en eenvoudigste methode.
Probeer standaardpaden op basis van het CMS
Als robots.txt geen sitemap vermeldt, kun je de meest gebruikelijke URL’s proberen:
- /sitemap.xml werkt op de meeste websites, ongeacht het gebruikte CMS
- /sitemap_index.xml wordt gebruikt door WordPress-websites met SEO-plugins zoals Yoast of Rank Math
- /1_index_sitemap.xml is een veelgebruikt pad voor Prestashop-webshops
- Shopify-websites plaatsen hun bestand meestal op /sitemap.xml. Dit verwijst naar subsitemaps per type (producten, collecties, blogartikelen)
Leveren deze URL’s geen resultaat op, dan genereert de website mogelijk geen openbare sitemap of heeft het bestand een aangepaste naam.
Gebruik Search Console of Bing Webmaster Tools
Voor een website waarvan je eigenaar bent of waarvoor je beheerdersrechten hebt, toont Google Search Console de ingediende sitemaps in het daarvoor bestemde gedeelte. Bing Webmaster Tools biedt een vergelijkbaar rapport. Door de twee tools met elkaar te vergelijken, kun je ontdekken of een bestand door de ene zoekmachine correct wordt verwerkt, maar problemen oplevert bij de andere.
Een verwerkte sitemap betekent niet dat de pagina’s zijn geïndexeerd
Een veelgemaakte fout is om het indienen van een sitemap te verwarren met het indexeren van de pagina’s erin. Dat een sitemap succesvol is verwerkt, betekent niet dat de URL’s ervan in de zoekresultaten verschijnen.
Google raadt aan om het rapport Sitemaps te vergelijken met het rapport over pagina-indexering in Search Console. Door URL’s afzonderlijk te inspecteren, kun je nagaan of een URL in de sitemap is gecrawld en geïndexeerd, of juist is genegeerd.
Dit onderscheid is belangrijk wanneer je de sitemap van een andere website bekijkt om de daadwerkelijke dekking ervan te beoordelen. Het XML-bestand laat zien wat de eigenaar zichtbaar wil maken, niet wat Google uiteindelijk heeft besloten te tonen.
Een sitemap gebruiken om relevante pagina’s te vinden
Zodra je het bestand hebt geopend, is de uitdaging niet meer om het te vinden, maar om tussen honderden of zelfs duizenden URL’s de relevante pagina’s op te sporen. Met een paar technieken kun je sneller selecteren.
Met filteren op map in de URL kun je je richten op een bepaald type content. URL’s met /blog/ verwijzen naar artikelen, URL’s met /produit/ of /product/ naar een productcatalogus en URL’s met /category/ naar categoriepagina’s. Zo krijg je een beeld van de structuur van de website zonder elke pagina afzonderlijk te hoeven bezoeken.
De datums in <lastmod> kun je gebruiken om content op actualiteit te sorteren, mits ze betrouwbaar zijn. Als een website deze datum bij elke kleine wijziging bijwerkt (zoals een aanpassing van de sidebar of het toevoegen van een tag), is sorteren minder zinvol. Een website die de datum zorgvuldig bijhoudt, maakt het daarentegen mogelijk om recente publicaties in enkele seconden te vinden.
Wanneer de sitemap niet volstaat
Een sitemap bevat niet altijd alle pagina’s van een website. Pagina’s zonder inkomende links, dynamisch gegenereerde pagina’s en content die bewust uit het XML-bestand is weggelaten, staan er niet in. Voor een volledige audit kan een SEO-crawler (Screaming Frog, Sitebulb) de website link voor link doorlopen en pagina’s opsporen die ontbreken in de sitemap.
- De crawler vindt pagina’s die via interne navigatie bereikbaar zijn, maar niet in de sitemap staan
- De crawler detecteert URL’s met fouten (404’s, redirectketens) die nog wel in de sitemap staan
- De crawler maakt het mogelijk om de daadwerkelijke structuur van de website te vergelijken met de structuur die in het XML-bestand is opgegeven
Een sitemap is een handig hulpmiddel om snel pagina’s te ontdekken, maar geen volledige inventaris. Door het XML-bestand te combineren met een technische crawl krijg je een compleet beeld van de structuur van een website. Voor een snelle verkenning volstaat de sitemap. Voor een grondige audit is het een startpunt, geen eindpunt.
