Kontrola sitemap.xml: najde ji Google?

Co zjistíte

• Jestli sitemap.xml na doméně vůbec existuje a vrací platný XML dokument, ne chybovou stránku nebo prázdnou odpověď.
• Jestli je XML syntakticky validní, nebo dokument obsahuje chyby, které parser vyhledávače odmítne.
• Odkazuje-li na sitemapu robots.txt, nebo si ji test musí najít sám na obvyklé cestě — a jestli případný odkaz v robots.txt míří na vlastní doménu, ne na cizí.
• Kolik URL sitemapa obsahuje a jestli se blíží limitu 50 000 adres nebo 50 MB dat.
• Zda jsou všechny adresy zapsané jako absolutní URL se schématem a doménou, ne jen jako holé cesty.
• Jestli je u adres vyplněné pole lastmod a jestli má formát, který Google umí přečíst.
• Jak vypadá canonical tag testované stránky — ukazuje-li sama na sebe a nebije-li se s nastaveným meta robots noindex.

K čemu sitemapa je a k čemu ne

Sitemapa pomáhá Googlu objevit stránky, které by jinak musel dohledávat proklikáváním webu. Nic víc a nic míň. Neurčuje pořadí, v jakém se stránky zobrazí ve výsledcích, a její přítomnost nezaručuje zařazení adres do indexu — o tom rozhoduje obsah a jeho kvalita, ne seznam v XML souboru.

Nejvíc pomůže tam, kde je samotné objevování stránek problém. Nový web bez zpětných odkazů čeká na první procházení déle, a sitemapa tuhle čekací dobu zkracuje. Velký e-shop se stovkami produktů se bez ní spoléhá jen na interní prolinkování, které bývá u kategorií a filtrů děravé. Web po přestavbě, kde se změnila celá struktura URL, potřebuje robota nasměrovat na nové adresy rychle, ne čekat, až je najde sám. A stránka, která visí tři kliky od homepage a nikde jinde na ni nevede odkaz, dostane díky sitemapě aspoň šanci, aby ji Google vůbec objevil.

Formát, který Google čte

Sitemapa je XML dokument s kořenovým prvkem urlset, uvnitř kterého každá adresa dostane vlastní blok url s povinným tagem loc — plnou, absolutní URL stránky. Volitelný tag lastmod nese datum poslední změny obsahu a má smysl ho vyplňovat jen tehdy, když skutečně odpovídá realitě, datum, které se mění při každém načtení stránky bez ohledu na obsah, přestane Google časem brát vážně.

Weby s víc než 50 000 adresami nebo přes 50 MB dat v jednom souboru sitemapu rozdělují na části a spojují je indexovým souborem — sitemapou, která místo na jednotlivé stránky odkazuje na jiné sitemapy. Celý soubor lze navíc odeslat komprimovaný jako sitemap.xml.gz. Google gzip rozbalí sám, a ušetří to přenos dat na obou stranách.

Chyby, které sitemapu znehodnotí

Přesměrované adresy v sitemapě nutí robota k extra kroku navíc, který zpomaluje procházení a signalizuje neaktuální data. Stránky s noindex, které v seznamu zůstaly, posílají Googlu protichůdný signál — sitemapa říká „projdi mě“, meta tag říká „nezařazuj“.

Adresa s http:// tam, kde web dávno běží na https, je stejný případ zbytečného přesměrování, jen skrytý za jiným protokolem. Parametrizované filtry, tedy varianty stejné kategorie s desítkami kombinací v query stringu, sitemapu nafouknou o duplicity, které do ní nepatří.

Lastmod nastavené na dnešní datum u úplně všeho, generované automaticky skriptem bez ohledu na to, co se opravdu změnilo, ztrácí smysl ve chvíli, kdy si toho Google všimne poprvé. A sitemapa umístěná na jiné doméně, která navíc neobsahuje ani jednu adresu auditovaného webu, se v praxi rovná tomu, že sitemapa neexistuje — takový odkaz z robots.txt audit nepřebírá a soubor hledá přímo na testované doméně.

Po opravě

Opravenou sitemapu má smysl odeslat v Search Console přes sekci Sitemapy, i když ji Google dřív nebo později najde sám podle odkazu v robots.txt. Ruční odeslání jen urychlí první načtení a dá Vám zpětnou vazbu — stav „Úspěch“ znamená, že Google soubor přijal a zpracoval bez chyb.

Kontrolu stejné adresy má smysl spustit znovu po každé úpravě — opakovaný test téže stránky se do denního limitu nepočítá. Tlačítko Spustit znovu na výsledkovce vlastní kontroly sitemapu stáhne načisto, takže opravu potvrdí obratem. Nabízí se jen zadavateli kontroly, kdo dostal odkaz na výsledek, vidí uloženou verzi. Kdo chce vidět, jak spolu robots.txt a sitemapa souvisí a jak se navzájem doplňují, najde podrobný postup v článku Robots.txt a Sitemap.xml: Jak je správně nastavit.