Un sitemap XML que les moteurs suivent

Un sitemap dit : voici les URLs qui comptent. Si la moitié fait 301 ou 404, le crawler apprend qu’il peut ignorer ta liste. J’ai vu des index de 80 000 lignes dont un tiers était du bruit de paramètres. Personne ne les suit fidèlement. Un plugin qui dumpait « tout », y compris les pages merci.

Seulement des URLs canoniques, statut 200, le même hôte qu’en live. lastmod seulement si tu le mets vraiment à jour, sinon tu mens chaque jour. Au-dessus de 50 000, on découpe. Pas de résultats de recherche, pas de panier, pas d’ancienne pagination. Et aucune URL en Disallow dans robots.txt. C’est se contredire.

L’URL dans robots.txt et dans Search Console. Une seule des deux, c’est comme ça qu’elle se perd. Deux sitemaps qui se chevauchent un peu, ça va. Deux qui se contredisent, non. Index now, index later : choisis-en un.

Une URL de sitemap qui fait 404, ce n’est pas un « attention ». C’est une erreur dure. Après une mise en ligne de contenu, vérifie vite que les nouveaux morceaux sont dedans et les anciens dehors. Un sitemap n’a pas besoin de plus de drame. Petit, propre, même hôte. C’est tout le truc.

Je crawle l’URL du sitemap elle-même, pas seulement les pages dedans. Si ce XML fait 301 vers un autre hôte, ou saute gzip et pèse 8 Mo, personne ne le suit. Un index de quelques centaines d’URLs propres bat trois index pleins de filtres. Ennuyeux. Aussi la seule version qui tient.