Un sitemap.xml presente e accessibile non garantisce che svolga correttamente il proprio ruolo. Questo file, pensato per aiutare Google a scoprire e dare priorità alle pagine di un sito, può contenere incongruenze che passano inosservate per mesi, riducendone silenziosamente l'utilità reale. A differenza di un evidente errore del server, questi problemi generalmente non provocano alcun messaggio di avviso chiaro, il che spiega perché spesso restano irrisolti.
L'incongruenza di dominio, un errore discreto ma frequente
Un sitemap che dichiara URL in http mentre il sito risponde in https, oppure che usa una forma del dominio diversa da quella realmente servita ai visitatori, come con o senza il prefisso www, crea confusione per Google. Il motore può quindi indicizzare le pagine sotto una forma di URL che non è quella considerata canonica dal sito, il che diluisce il segnale di posizionamento tra più varianti della stessa pagina invece di concentrarlo su un unico indirizzo. Questa incongruenza si verifica spesso dopo una migrazione a https o un cambiamento della configurazione del server, quando il generatore di sitemap non è stato riconfigurato per seguire tale cambiamento.
Un sitemap che include pagine che non dovrebbe contenere
Il sitemap dovrebbe contenere solo pagine destinate a essere indicizzate, nella loro versione canonica. Includervi pagine contrassegnate noindex, pagine reindirizzate, pagine in errore, o URL con parametri di tracciamento e filtro, invia un segnale contraddittorio a Google, che riceve da un lato l'istruzione di indicizzare la pagina tramite il sitemap e dall'altro l'istruzione opposta tramite il tag noindex o il codice di redirect presente sulla pagina stessa. Questa contraddizione non impedisce necessariamente l'indicizzazione, ma indebolisce la fiducia riposta nel sitemap nel suo complesso.
Le date di ultima modifica errate o assenti
Il tag lastmod indica a Google quando una pagina è stata modificata l'ultima volta, un'informazione utile per dare priorità alla nuova scansione delle pagine effettivamente cambiate invece di sprecare il budget di crawl su pagine invariate da tempo. Un generatore di sitemap mal configurato può applicare la stessa data a tutte le pagine del sito, oppure una data aggiornata sistematicamente ogni volta che il file viene generato anche senza alcuna reale modifica del contenuto. Google ha dichiarato pubblicamente di diffidare delle date ritenute poco affidabili e può semplicemente ignorare questa informazione se appare incoerente, il che annulla l'utilità di questo tag senza che il sitemap presenti alcun errore tecnico visibile.
I limiti di dimensione spesso dimenticati
Un singolo sitemap non può contenere più di cinquantamila URL, né superare i cinquanta megabyte non compressi. Un sito che si avvicina o supera questi limiti deve suddividere i propri URL su più file, raggruppati tramite un sitemap index che fa riferimento a ciascuno di essi. Un sito multilingue con diverse centinaia di articoli tradotti in cinque lingue può raggiungere questo volume più rapidamente di quanto si pensi, il che rende questa verifica pertinente anche per un sito che a prima vista sembra di dimensioni modeste.
Un sitemap che non riflette più il contenuto reale del sito
Un sitemap generato una volta e mai aggiornato automaticamente finisce per divergere dal contenuto reale del sito: le pagine eliminate vi restano elencate, mentre le nuove pagine non vi compaiono mai. Su WordPress, le comuni estensioni SEO rigenerano automaticamente questo file a ogni pubblicazione, ma uno sviluppo PHP su misura privo di un meccanismo equivalente può accumulare questo scarto per mesi senza che nessuno se ne accorga, finché un controllo manuale non rivela la differenza tra i due elenchi.
Come verificare concretamente il proprio sitemap
Il rapporto Sitemap di Google Search Console indica il numero di URL inviati e il numero effettivamente scoperti, uno scarto importante tra le due cifre essendo un segnale da esaminare attentamente. Una convalida del formato XML con uno strumento dedicato permette di individuare un errore di sintassi che impedirebbe la corretta lettura del file. Infine, un controllo manuale che confronta una manciata di URL del sitemap con il loro stato reale, ovvero se rispondono correttamente con un 200 senza redirect né errori, resta il modo più semplice per confermare che il file corrisponda davvero alla realtà del sito.
Punti da verificare prima della pubblicazione: confermare che i limiti di cinquantamila URL e cinquanta megabyte per file sitemap restino i valori ufficiali in vigore alla data di pubblicazione, e verificare che la descrizione del comportamento di Google di fronte a date lastmod ritenute poco affidabili corrisponda ancora alla documentazione ufficiale di Google Search Central.