Um sitemap é um ficheiro em formato XML que lista os URLs de um site. Os motores de busca leem-no para descobrir e rastrear as páginas disponíveis. Aceder ao sitemap de um site de terceiros permite compreender a sua estrutura, identificar conteúdos recentes ou encontrar páginas que não são destacadas pela navegação habitual.
Ler um sitemap XML: o que cada etiqueta revela
Antes de procurar o sitemap de um site, é preciso saber o que procurar. Um ficheiro sitemap XML contém sobretudo etiquetas <loc>, cada uma envolvendo um URL. É a lista simples das páginas que o proprietário do site pretende tornar visíveis aos motores de busca.
Há outras duas etiquetas que merecem atenção. A etiqueta <lastmod> indica a data da última modificação de uma página. No entanto, o Google esclarece que esta data só é fiável se corresponder a uma alteração real do conteúdo. Uma data atualizada artificialmente não constitui um sinal útil.
A etiqueta <priority> atribui um valor entre 0 e 1 a cada URL. O Google não tem em conta este valor para efeitos de classificação. Reflete apenas a hierarquia que o proprietário do site atribui às suas próprias páginas, o que pode dar uma indicação dos conteúdos que considera principais.
Alguns sites utilizam um índice de sitemaps em vez de um único ficheiro. Este ficheiro principal remete para vários sitemaps secundários, organizados por tipo de conteúdo (artigos, produtos, categorias, imagens). Ao explorar, por exemplo, o sitemap de Vos Jeux, encontra-se este tipo de estrutura segmentada, que facilita a consulta por secção.
Métodos para encontrar o sitemap de um site
A localização do ficheiro varia consoante a configuração técnica do site. Há várias formas de o encontrar, começando pela mais fiável e avançando para as mais exploratórias.
O ficheiro robots.txt como ponto de partida
O ficheiro robots.txt encontra-se sempre na raiz de um domínio, acessível através de um endereço do tipo dominio.com/robots.txt. Muitas vezes, contém uma ou mais linhas que começam por “Sitemap:”, seguidas do URL completo do ficheiro. É o método mais rápido e direto.
Testar os caminhos padrão consoante o CMS
Quando o robots.txt não indica nada, ainda é possível testar os URLs mais comuns:
- /sitemap.xml funciona na maioria dos sites, independentemente do CMS utilizado
- /sitemap_index.xml é comum em sites WordPress com plugins de SEO como Yoast ou Rank Math
- /1_index_sitemap.xml é um caminho frequente nas lojas Prestashop
- Os sites Shopify costumam alojar o ficheiro em /sitemap.xml, que remete para sitemaps secundários por tipo (produtos, coleções, artigos de blog)
Se nenhum destes URLs apresentar resultados, talvez o site não gere um sitemap público ou o ficheiro tenha um nome personalizado.
Utilizar o Search Console ou o Bing Webmaster Tools
Num site de que seja proprietário ou ao qual tenha acesso de administrador, o Google Search Console apresenta os sitemaps enviados na secção correspondente. O Bing Webmaster Tools disponibiliza um relatório semelhante. Comparar as duas ferramentas ajuda a identificar um ficheiro processado corretamente por um motor de busca, mas com problemas no outro.
Sitemap processado não significa páginas indexadas
Um erro comum é confundir o envio de um sitemap com a indexação das respetivas páginas. O processamento bem-sucedido de um sitemap não garante que os seus URLs apareçam nos resultados de pesquisa.
O Google recomenda cruzar o relatório de Sitemaps com o relatório de indexação de páginas no Search Console. A inspeção de URLs, página a página, permite confirmar se um URL listado no sitemap foi rastreado, indexado ou, pelo contrário, ignorado.
Esta distinção tem um impacto direto quando se explora o sitemap de um site de terceiros para avaliar a sua cobertura real. O ficheiro XML mostra o que o proprietário pretende tornar visível, não aquilo que o Google decidiu apresentar.
Utilizar um sitemap para identificar páginas úteis
Depois de abrir o ficheiro, a dificuldade já não está em encontrá-lo, mas em identificar as páginas relevantes entre centenas ou até milhares de URLs. Algumas técnicas tornam a seleção mais rápida.
Filtrar por diretório no URL permite segmentar um tipo de conteúdo. Os URLs que contêm /blog/ remetem para artigos; os que incluem /produit/ ou /product/, para um catálogo; e os que contêm /category/, para páginas de classificação. Esta análise estrutural dá uma visão geral da arquitetura do site sem ser necessário navegar página a página.
As datas <lastmod> permitem ordenar os conteúdos por atualidade, desde que sejam fiáveis. Num site que atualiza esta data a cada pequena alteração (mudança da barra lateral, adição de uma etiqueta), a ordenação torna-se menos relevante. Já um site rigoroso permite identificar as publicações recentes em poucos segundos.
Quando o sitemap não é suficiente
O sitemap nem sempre lista todas as páginas de um site. URLs órfãos, páginas geradas dinamicamente ou conteúdos deliberadamente excluídos do ficheiro XML não aparecem no sitemap. Para uma auditoria completa, um crawler de SEO (Screaming Frog, Sitebulb) percorre o site ligação a ligação e identifica as páginas que não constam do sitemap.
- O crawler identifica páginas acessíveis através da navegação interna, mas ausentes do sitemap
- Deteta URLs com erros (404, redirecionamentos em cadeia) que continuam listados no sitemap
- Permite comparar a estrutura real do site com a estrutura declarada no ficheiro XML
O sitemap continua a ser uma ferramenta de descoberta rápida, não um inventário exaustivo. Cruzar o ficheiro XML com um rastreio técnico permite obter uma visão completa da arquitetura de um site. Para uma exploração pontual, o sitemap é suficiente. Para uma auditoria aprofundada, serve de ponto de partida, não de chegada.
