Un sitemap XML è un file che elenca gli URL di un sito per facilitare la loro esplorazione da parte dei robot dei motori di ricerca. Localizzare questo file su un sito di terzi (o sul proprio) permette di valutare il volume delle pagine indicizzabili, la frequenza di aggiornamento e la struttura tecnica di un dominio. I metodi per accedervi variano a seconda della configurazione del server e del CMS utilizzato, e l’URL del sitemap non è sempre quello che si può intuire.
Robots.txt: il primo file da consultare per localizzare un sitemap
La maggior parte delle guide raccomanda di testare direttamente /sitemap.xml alla radice del dominio. Questo approccio funziona spesso, ma ignora un caso frequente: il sitemap non è sempre ospitato in quella posizione. Alcuni siti utilizzano percorsi personalizzati, sottodirectory o nomi di file generati automaticamente dal loro CMS.
Vedi anche : Come scegliere bene una macchina per il livellamento di una terrazza in modo efficace
Il file robots.txt, accessibile all’indirizzo votredomaine.com/robots.txt, contiene una o più righe che iniziano con Sitemap: seguite dall’URL esatto. Questa dichiarazione è normalizzata e leggibile da tutti i crawler. Rimane la fonte più affidabile perché riflette ciò che l’amministratore del sito ha scelto di dichiarare ai motori.
Un stesso robots.txt può anche puntare a più sitemap, ad esempio un sitemap principale e un sitemap dedicato alle immagini o ai video. Cercare di indovinare l’URL senza consultare questo file equivale a ignorare un’informazione già disponibile. Iniziare da lì permette anche, per chi desidera trovare il sitemap di Hi Business, di verificare in pochi secondi se il piano di sito è dichiarato pubblicamente.
Vedi anche : Come trovare facilmente le richieste di abbonamento inviate su Instagram
Percorsi di sitemap a seconda del CMS: WordPress, Shopify, Wix e altri
Quando robots.txt non menziona alcun sitemap, il CMS del sito fornisce un’indicazione preziosa. Ogni piattaforma genera il proprio file in una posizione predefinita, e queste posizioni differiscono sensibilmente.
- WordPress senza estensione SEO: dalle versioni recenti, WordPress genera un sitemap nativo accessibile a
/wp-sitemap.xml. Tuttavia, se Yoast SEO o Rank Math è installato, il percorso diventa spesso/sitemap_index.xml. - Shopify posiziona sistematicamente il proprio sitemap a
/sitemap.xml, ma il file è un indice che rimanda a sottositemap (prodotti, collezioni, pagine, articoli del blog). - Wix utilizza anch’esso
/sitemap.xml, con una struttura di indice comparabile. Squarespace e Webflow seguono la stessa convenzione. - Prestashop, in diverse configurazioni comuni, utilizza
/1_index_sitemap.xml, un percorso che pochi SEO testano spontaneamente.
Identificare il CMS prima di testare URL evita di moltiplicare i tentativi alla cieca. Strumenti come BuiltWith o Wappalyzer rilevano la tecnologia di un sito in pochi secondi.
Google Search Console e il divario tra sitemap dichiarato e sitemap preso in considerazione
Per un sito di cui sei proprietario o al quale hai accesso come amministratore, Google Search Console mostra il sitemap realmente inviato, il suo stato di elaborazione e la data dell’ultimo passaggio del robot. Questa informazione va oltre la semplice esistenza del file.
Un punto raramente affrontato: il sitemap inviato in Search Console può differire da quello dichiarato in robots.txt. Un vecchio sitemap può rimanere referenziato in robots.txt mentre una versione più recente è stata inviata manualmente tramite la console. Esiste anche l’inverso, un sitemap dichiarato in robots.txt ma mai inviato in Search Console, il che non impedisce a Googlebot di esplorarlo, ma riduce la visibilità sul suo trattamento reale.
Bing Webmaster Tools offre una funzione comparabile. Per un audit SEO completo, incrociare le due fonti permette di individuare incoerenze tra ciò che il sito annuncia e ciò che i motori trattano effettivamente.
Cosa rivela lo stato del sitemap
Search Console indica il numero di URL rilevate nel sitemap e il numero di URL effettivamente indicizzate. Un divario significativo tra questi due numeri segnala un problema tecnico: pagine con errore 404, reindirizzamenti in loop, tag noindex contraddittori con la presenza nel sitemap, o contenuti ritenuti insufficienti da Google.
Questa diagnosi è impossibile da realizzare dall’esterno, consultando solo il file XML grezzo. Il sitemap da solo non garantisce nulla sull’indicizzazione reale.
Strumenti automatizzati di scoperta di sitemap: utilità e limiti
Vari strumenti online scansionano automaticamente robots.txt, testano i percorsi convenzionali e mostrano metadati come il numero di URL o la data di ultima modifica. Soluzioni come Sitemap Finder (offerto da ToolScraper o Pixellize) permettono di ottenere queste informazioni senza intervento manuale.
Il loro principale interesse è il guadagno di tempo durante un audit che coinvolge più domini. Tuttavia, questi strumenti non rilevano i sitemap protetti da autenticazione né quelli serviti esclusivamente tramite Search Console senza dichiarazione pubblica. I feedback sul campo divergono sulla affidabilità di alcuni di essi di fronte a configurazioni server atipiche (riscrittura di URL, CDN intermedio, firewall applicativo).
Per un uso occasionale su un sito unico, la verifica manuale di robots.txt seguita da un test di URL rimane altrettanto rapida e più affidabile. L’automazione ha senso a partire da una decina di domini da analizzare simultaneamente.
Sitemap e posizionamento: cosa cambia concretamente il file XML
Avere un sitemap correttamente strutturato facilita l’esplorazione delle pagine da parte dei robot, ma un sitemap non costringe l’indicizzazione di una pagina. Google tratta il file come un suggerimento, non come una direttiva. Una pagina esclusa da un tag noindex o bloccata da robots.txt non sarà indicizzata anche se figura nel sitemap.
Il reale contributo del sitemap si colloca su tre assi:
- Segnalare ai motori pagine profonde o orfane che il crawl naturale (tramite i link interni) non scoprirebbe facilmente.
- Comunicare la data di ultima modifica tramite il tag
lastmod, il che può accelerare il recrawl di contenuti aggiornati. - Strutturare gli URL per tipo di contenuto (articoli, prodotti, immagini, video) grazie a sitemap separati, il che facilita la diagnosi in Search Console.
Un sitemap contenente URL con errori o pagine di bassa qualità può invece diluire il budget di crawl. È meglio un sitemap pulito che un sitemap esaustivo che includa pagine senza valore per il posizionamento.
La localizzazione del sitemap di un sito di terzi rimane una fase di analisi, non un fine a se stesso. Ciò che conta poi è confrontare il contenuto del file con i dati di indicizzazione reali e la struttura dei link interni del dominio.