
Um sitemap XML lista os URLs de um site, mas essa lista não revela o estado real das páginas que contém. Alguns URLs podem devolver um erro, outros não recebem links internos e outros ainda apresentam conteúdo desatualizado, apesar de terem uma data de modificação recente. Explorar um sitemap de forma útil significa tratá-lo como um inventário de páginas candidatas a verificação, e não como um diretório de páginas funcionais.
Sitemap XML: o que o ficheiro não revela sobre as suas páginas
O protocolo Sitemap permite, no máximo, 50 000 URLs ou 50 MB sem compressão por ficheiro. Os sites que ultrapassam estes limites utilizam um índice de sitemaps, ou seja, um ficheiro que aponta para vários sitemaps secundários. Esta segmentação é uma primeira pista para a exploração: cada ficheiro secundário costuma agrupar um tipo de conteúdo (artigos, fichas de produto, categorias), o que permite analisar conjuntos coerentes em vez de uma única lista.
O Google esclarece que incluir um URL num sitemap não garante a sua indexação. O ficheiro indica a existência de uma página, não a sua qualidade nem relevância. Para observar como um site organiza os seus conteúdos, consultar o sitemap do Passez l’info dá uma boa ideia de como um índice de sitemaps segmenta os URLs por secção.
Duas etiquetas do sitemap são frequentemente mal interpretadas. A etiqueta priority é ignorada pelo Google: não influencia a ordem de rastreamento nem o posicionamento. A etiqueta changefreq tem o mesmo destino. Por isso, estes metadados declarativos não têm qualquer valor para definir a prioridade das páginas a analisar.

Cruzar o sitemap com os links internos e os relatórios de inspeção
A forma mais produtiva de explorar um sitemap consiste em compará-lo com duas outras fontes: a estrutura de links internos do site e os dados da Search Console. Esta triangulação revela discrepâncias que a leitura isolada do ficheiro XML nunca mostra.
Identificar páginas órfãs no sitemap
Um URL presente no sitemap, mas ausente da estrutura de links internos, representa um problema concreto. Os robôs de rastreamento podem descobri-lo através do ficheiro XML, mas os visitantes não conseguem aceder-lhe por nenhum percurso de navegação. É pouco provável que este tipo de página órfã receba tráfego, mesmo que esteja indexada.
Para identificar estes casos, é necessário cruzar a lista de URLs do sitemap com um rastreamento do site (Screaming Frog, Sitebulb ou qualquer outra ferramenta de rastreamento). Os URLs que aparecem no sitemap sem receber links internos merecem ser analisados: ou devem ser integrados na estrutura do site, ou já não têm razão para constar do ficheiro.
Verificar o estado real através da inspeção de URL
O relatório Sitemaps da Google Search Console indica o número de URLs descobertos e os erros encontrados. Este relatório oferece uma visão geral, mas a inspeção individual de um URL continua a ser a única forma de conhecer o seu estado exato: indexado, descoberto mas não indexado, excluído por uma etiqueta canónica que aponta para outro URL ou bloqueado pelo ficheiro robots.txt.
Na prática, começar pelos URLs que o relatório Sitemaps assinala como problemáticos permite concentrar os esforços em casos concretos. Inspecionar um URL aleatório num sitemap com milhares de páginas não traz grande benefício.
A etiqueta lastmod: um sinal útil, sob certas condições
O Google indica que a etiqueta lastmod pode ajudá-lo a planear novos rastreamentos, desde que a data reflita uma alteração importante no conteúdo, nos dados estruturados ou nos links da página. Uma simples atualização do rodapé ou uma recompilação automática do site não justifica a alteração da data.
Em muitos CMS, a data lastmod é atualizada sempre que se guarda uma página, mesmo que seja apenas para corrigir uma vírgula. Este comportamento dilui o sinal. Os sites cuja etiqueta lastmod é regularmente exata e verificável enviam um sinal mais fiável aos robôs de rastreamento.
Para aproveitar esta informação durante uma exploração manual, ordenar os URLs do sitemap pela data lastmod permite identificar dois casos interessantes:
- Páginas com uma data muito antiga (há vários anos) que aparentemente nunca foram atualizadas, o que pode indicar conteúdo desatualizado a verificar ou eliminar
- Páginas cuja data muda com muita frequência sem que o conteúdo visível se altere, o que indica um problema de configuração do CMS
- Páginas modificadas recentemente que ainda não estão indexadas, segundo a Search Console, o que justifica uma inspeção individual para perceber o que está a impedir a indexação
Sitemap e IndexNow: distinguir descoberta de indexação no Bing
O protocolo IndexNow permite informar o Bing e outros motores de pesquisa participantes de que um URL foi adicionado, alterado ou eliminado. Uma resposta de receção confirma que a notificação foi recebida, mas não garante o rastreamento nem a indexação.
O sitemap continua a ser o inventário de referência para estes motores. O IndexNow complementa-o com notificações em tempo real. Ao explorar um sitemap, esta distinção é importante: um URL pode constar do ficheiro, ter sido comunicado através do IndexNow e, ainda assim, não aparecer nos resultados de pesquisa. As ferramentas para webmasters do Bing disponibilizam um relatório de estado dos URLs semelhante ao do Google, que permite verificar estes casos.

Método prático para organizar os URLs de um sitemap
Explorar um sitemap de forma sistemática implica não ler o ficheiro linha a linha. O método mais eficaz segue uma ordem específica:
- Descarregar o sitemap (ou o índice de sitemaps) e importar os URLs para uma folha de cálculo ou ferramenta de rastreamento, para obter uma visão geral por tipo de conteúdo
- Cruzar estes URLs com os dados de links internos obtidos através de um rastreamento: identificar as páginas órfãs, as páginas com apenas um link de entrada e as páginas com mais links internos
- Comparar a lista com os relatórios da Search Console (ou do Bing Webmaster Tools) para identificar URLs não indexados, excluídos ou com erros
- Verificar a coerência das etiquetas lastmod, comparando as datas apresentadas com as alterações efetivas do conteúdo
Este cruzamento entre o sitemap, a estrutura de links internos e os relatórios de inspeção transforma um simples ficheiro XML numa ferramenta de diagnóstico. As páginas que constam do sitemap, têm uma boa estrutura de links internos e cuja indexação está confirmada são as que realmente contribuem para a visibilidade do site. As restantes precisam de uma ação corretiva ou de ser removidas do ficheiro.
Um sitemap bem organizado, em que cada URL corresponde a uma página acessível, canónica e ligada ao resto do site, transmite um sinal claro aos motores de pesquisa. Em contrapartida, um ficheiro repleto de URLs inativos ou órfãos dispersa a atenção dos robôs de rastreamento por páginas sem valor para os visitantes.