Wanneer je een site beheert met meerdere honderden pagina’s, kom je altijd weer hetzelfde probleem tegen: verborgen inhoud die noch door bezoekers, noch door zoekmachines wordt gevonden. De sitemap, of het nu XML of HTML is, speelt hier direct op in. Begrijpen wat dit bestand is en leren het te lezen, stelt je in staat om de controle terug te krijgen over hoe een site wordt doorlopen, geïndexeerd en dagelijks gebruikt.
De lastmod-tag in een XML-sitemap: een vaak slecht benut signaal
De meeste gidsen over sitemaps sommen de beschikbare tags op zonder te verduidelijken welke echt belangrijk zijn. In de praktijk negeert Google al jaren de tags priority en changefreq. Alleen de lastmod-waarde blijft van belang, mits deze betrouwbaar is.
Een nuttige lastmod weerspiegelt de werkelijke datum van de laatste substantiële wijziging van de inhoud. Als alle URL’s in een sitemap dezelfde datum weergeven (de datum van de automatische generatie van het bestand), verliest het signaal zijn geloofwaardigheid. Google houdt hier uiteindelijk geen rekening meer mee voor dat domein.
Dit punt kan worden gecontroleerd door het bestand sitemap.xml rechtstreeks in een browser te openen. Als de lastmod-datums identiek zijn op blijkbaar verschillende pagina’s, is er een configuratieprobleem.
Op WordPress regenereren sommige SEO-plugins de sitemap bij elke kleine opslaan, wat de echte datums overschrijft. Het deactiveren van de automatische update van de lastmod bij kleine wijzigingen (typefouten corrigeren, een tag toevoegen) is een praktische voorzorgsmaatregel. Om de structuur van een goed georganiseerde sitemap te observeren, kan men de sitemap-pagina van Entrepreneur Land raadplegen, die een indeling per categorie van inhoud illustreert.
HTML-sitemap en gebruikersnavigatie: een vergeten gebruik van grote sites
De XML-sitemap is gericht op robots. De HTML-sitemap is daarentegen gericht op mensen. Op een site met meerdere honderden pagina’s is navigeren via menu’s niet altijd voldoende. Secundaire secties, bronnenpagina’s of oude artikelen verdwijnen uit de gebruikelijke gebruikerspaden.
De W3C Web Sustainability Guidelines raden expliciet een menselijk leesbare sitemap voor grote of complexe sites aan. Deze pagina fungeert als een index: het stelt een bezoeker in staat om in enkele seconden een sectie te vinden die hij via het hoofdmenu niet zou hebben gevonden.
De voordelen zijn dubbel:
- Gebruikers die naar een specifieke pagina zoeken, kunnen deze bereiken zonder via de interne zoekfunctie te gaan, die vaak niet goed werkt op kleine sites
- Verkenningsrobots ontdekken wees-URL’s (pagina’s zonder interne links die naar hen wijzen) dankzij het netwerk dat de HTML-sitemappagina creëert
- Redactieteams identificeren snel verouderde of dubbele inhoud door de volledige lijst van gepubliceerde URL’s te doorlopen
We onderschatten hoezeer een goed onderhouden HTML-sitemap de verzoeken aan de ondersteuning (“ik kan die pagina niet vinden”) op institutionele of e-commerce sites vermindert.
Een indexeringsprobleem diagnosticeren aan de hand van de sitemap
Wanneer pagina’s niet verschijnen in de zoekresultaten, is de gebruikelijke reflex om het bestand robots.txt of de meta noindex-tags te controleren. Vaak wordt de sitemap vergeten als diagnostisch hulpmiddel.
Sitemap en Google Search Console combineren
Google Search Console geeft het aantal URL’s aan dat via de sitemap is ingediend en het aantal URL’s dat daadwerkelijk is geïndexeerd. Een significante afwijking tussen deze twee cijfers duidt op een technisch probleem: pagina’s met fout 404, lusomleidingen, dubbele inhoud of te lange serverreactietijden.
De concrete aanpak: open de sectie “Sitemaps” van de Search Console, noteer de verhouding ingediende/geïndexeerde, en raadpleeg vervolgens het rapport “Pagina’s” om de redenen voor uitsluiting te identificeren. Deze controle duurt enkele minuten en voorkomt dat je blindelings moet zoeken.
URL’s identificeren die niet in de sitemap zouden moeten staan
Een kunstmatig opgeblazen sitemap verzwakt de signalen die naar zoekmachines worden verzonden. Pagina’s met interne zoekresultaten, e-commerce filterpagina’s, archieven per datum of tagpagina’s met slechts één artikel hebben niets te zoeken in een XML-sitemap.
Het opschonen van je sitemap verbetert de kwaliteit van de crawl zonder een enkele regel inhoud te wijzigen. Op sites met een hoge volumetrie bevrijdt deze operatie crawlbudget voor de pagina’s die er echt toe doen.
Structuur van het XML-sitemapbestand: lees de belangrijke tags
Een XML-sitemapbestand bevat een reeks tags die zijn ingekaderd door de urlset-structuur. Elke URL wordt verklaard in een url-blok, met minimaal de loc-tag die het adres van de pagina aangeeft.
De werkelijk nuttige tags zijn er twee:
- loc: de volledige URL van de pagina, verplicht en niet onderhandelbaar
- lastmod: de datum van de laatste wijziging, alleen nuttig als deze exact is en door Google kan worden geverifieerd
- De tags changefreq en priority bestaan in de specificatie maar worden door Google genegeerd, waardoor ze in de praktijk nutteloos zijn
Voor sites die video’s of specifieke afbeeldingen publiceren, zijn er extensies in XML-formaat waarmee deze inhoud in speciale sitemaps kan worden verklaard. De meningen verschillen over de werkelijke impact van deze gespecialiseerde sitemaps, maar ze blijven relevant voor sites waarvan de multimedia-inhoud de belangrijkste activiteit vormt.
Een sitemap kan tot een beperkt aantal URL’s per bestand bevatten. Daarboven creëer je een sitemapindex die naar meerdere sitemapbestanden verwijst. Deze architectuur met twee niveaus is standaard op e-commerce sites of online media.
Regelmatig je sitemap raadplegen, of het nu is om de consistentie van de lastmod-datums te controleren, wees-URL’s te identificeren of onnodige pagina’s op te schonen, blijft een eenvoudige onderhoudshandeling met directe impact op de zichtbaarheid. Het is een bestand dat je één keer configureert en vervolgens vergeet, terwijl het minimaal een kwartaalreview verdient.
