sitemap.xml: turinio rodyklė paieškos sistemoms

3 modulis: Puslapio techninis pagrindas · Skaitymo laikas: 11 min.

Mokymosi tikslas: Po šios pamokos galėsite perskaityti sitemap.xml, įvertinti, ar ji teisinga, ir pasirūpinti, kad paieškos sistemos ją rastų.

Pagrindinės sąvokos: XML svetainės schema, sitemaps.org protokolas, urlset, url, loc, lastmod, changefreq ir priority (Google jų nepaiso), 50.000 adresų ir 50 MB riba, svetainės schemų rodyklė (sitemapindex), kanoniniai adresai, Sitemap: eilutė robots.txt faile, automatiškai sukurta svetainės schema

Kas yra svetainės schema ir kas ji nėra

Svetainės schema (sitemap) yra failas su sąrašu Jūsų svetainės adresų, kuriuos norite matyti paieškos rezultatuose. Tai turinio rodyklė, kurią pateikiate paieškos sistemai. Tikrintuvas (crawler) puslapius daugiausia randa sekdamas nuorodas (pamoka 1.2). Svetainės schema jam padeda: joje nurodomi ir puslapiai, į kuriuos veda mažai nuorodų, ir pasakoma, kada puslapis paskutinį kartą pasikeitė.

Dviejų dalykų svetainės schema nedaro:

1. Ji nėra garantija. Google tai sako pati: svetainės schema negarantuoja, kad viskas, kas joje yra, bus patikrinta ir įtraukta į indeksą. Svetainės schemos pateikimas yra tik užuomina.
2. Ji nepakeičia gerų nuorodų. Puslapis, kuris yra tik svetainės schemoje ir į kurį Jūsų pačių svetainėje neveda nė viena nuoroda, paieškos sistemai yra ženklas, kad Jūs patys jo nelaikote labai svarbiu.

Ar Jums reikia svetainės schemos? Pasak Google, ji labiausiai padeda didelei svetainei, naujai svetainei, į kurią veda mažai išorinių nuorodų, ir svetainei, kurioje daug vaizdo įrašų ar paveikslėlių. Maža svetainė (Google nurodo maždaug 500 puslapių ar mažiau) su gerais vidiniais saitais gali apsieiti ir be jos. Tačiau svetainės schema beveik nieko nekainuoja, o dauguma svetainių kūrimo įrankių ją sukuria automatiškai. Jei ją turite, pasirūpinkite, kad ji būtų teisinga: svetainės schema, pilna klaidų, yra blogiau nei jokios schemos.

Kaip atrodo svetainės schema

Įprasta svetainės schema yra XML failas pagal sitemaps.org protokolą, kurį kartu naudoja Google, Bing ir kitos paieškos sistemos. Štai kaip atrodo Bloemenatelier Lotte (gėlių salonas Amersfoorte, Nyderlanduose) svetainės schema:

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-11-02</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/bruidsboeketten</loc>
    <lastmod>2026-10-14</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/contact</loc>
    <lastmod>2026-06-30T09:15:00+02:00</lastmod>
  </url>
</urlset>

Kelios taisyklės, dėl kurių dažnai suklystama:

• Visi adresai. Ne /contact, o https://www.example.com/contact. Google aiškiai prašo visų, absoliučių adresų.
• UTF-8 ir specialiųjų simbolių keitimas (escape). Failas turi būti UTF-8 koduotės, o tokius simbolius kaip & adrese rašote kaip &. Vienas nepakeistas & padaro visą XML negaliojantį.
• Ta pati schema ir tas pats pagrindinis kompiuteris. Pagal protokolą svetainės schemoje gali būti tik adresai su ta pačia schema (protokolu) ir tuo pačiu pagrindiniu kompiuteriu (host) kaip ir pačios schemos. Taigi svetainės schema, esanti https://www.example.com/, su adresais http://example.com/ yra neteisinga. Tai kartu ženklas, kad Jūsų canonical ir nukreipimai nėra suderinti (pamoka 3.5 ir 4.1).

lastmod: tik jei ji teisinga

Google naudoja <lastmod>, jei ji „nuosekliai ir patikrinamai“ teisinga. 2023 m. Google papildomai nurodė, kas laikoma pakeitimu: pagrindinis tekstas, struktūrizuoti duomenys arba nuorodos puslapyje. Nauji metai poraštėje nėra pakeitimas. Jei kiekvienam puslapiui kasdien nurodote šiandienos datą, Google išmoksta, kad Jūsų datos nieko nereiškia, ir jų nepaiso. Teisinga data arba jokios datos yra geriau nei išgalvota data.

Didelė svetainė? Tada svetainės schemų rodyklė

Vienoje svetainės schemoje gali būti ne daugiau kaip 50.000 adresų, o jos dydis negali viršyti 50 MB (be suspaudimo). Jei Jūsų svetainė didesnė arba norite svetainės schemą padalyti (puslapiai, tinklaraštis, produktai), sukuriate svetainės schemų rodyklę (sitemapindex): svetainės schemų svetainės schemą.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemap-paginas.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemap-blog.xml</loc>
  </sitemap>
</sitemapindex>

Tada pateikiate tik rodyklę. Taip daro WordPress: https://www.example.com/wp-sitemap.xml yra rodyklė, nurodanti atskiras svetainės schemas puslapiams, įrašams, kategorijoms ir autoriams. SEO įskiepiai ją dažnai pakeičia savo rodykle, pavyzdžiui, sitemap_index.xml.

Kurie adresai turi būti schemoje?

Tik tie adresai, kuriuos norite matyti paieškos rezultatuose, ir tik jų kanoniniu pavidalu (pamoka 3.5). Taigi ne:

• adresai, kurie nukreipia (http:// variantas, senas puslapio pavadinimas);
• adresai, kurie grąžina 404 arba 410;
• puslapiai su noindex (pamoka 1.3): tada vienu metu sakote „įtraukite tai“ ir „neįtraukite to“;
• puslapiai, kuriuos blokuojate robots.txt faile (pamoka 3.3);
• variantai su parametrais, pavyzdžiui, ?sorteer=prijs arba ?utm_source=nieuwsbrief;
• padėkos puslapiai, pirkinių krepšeliai, prisijungimo puslapiai.

Šiuos prieštaravimus matysite Search Console (pamoka 2.2 ir 2.4): ataskaitoje Puslapiai (Pages) galite filtruoti pagal adresus iš savo svetainės schemos ir tada matysite, pavyzdžiui, adresus, kurie neįtraukti dėl noindex žymos arba užblokuoti robots.txt faile. Kiekvienas toks pranešimas reiškia adresą, kuriam ne vieta Jūsų svetainės schemoje, arba puslapį, kuris netyčia užblokuotas.

Kaip paieškos sistemos randa Jūsų svetainės schemą

Yra du įprasti būdai, ir naudokite abu:

1. Eilutė robots.txt faile (pamoka 3.3). Kiekviena paieškos sistema skaito robots.txt, todėl taip ją randa net paieškos sistema, kurioje niekada neturėjote paskyros:

   Sitemap: https://www.example.com/sitemap.xml

   Adresas turi būti visas. Galite įrašyti kelias Sitemap: eilutes.

2. Pateikimas Search Console ir Bing Webmaster Tools (pamoka 2.2 ir 2.5). Tada matysite ir tai, ar pavyko ją gauti, ir kiek adresų rasta.

Anksčiau Google buvo galima „pingtelėti“ (ping) specialiu adresu. 2023 m. Google tai panaikino: toks ping nebeturi jokio poveikio. Jei norite greitai pranešti paieškos sistemoms apie pakeitimą, naudokite lastmod, o Bing ir kelioms kitoms paieškos sistemoms IndexNow (pamoka 2.5).

Praktikoje: kurti patiems ar leisti sukurti įrankiui

Beveik niekas svetainės schemos nerašo ranka. WordPress nuo 5.5 versijos pats sukuria wp-sitemap.xml ir įrašo nuorodą į savo (virtualų) robots.txt. WebOké AI Builder publikuodamas į svetainės aplanką įdeda sitemap.xml su kiekvieno puslapio paskutinio pakeitimo data ir robots.txt su Sitemap: eilute. Kiti svetainių kūrimo įrankiai daro panašiai. Jūsų užduotis yra patikrinti:

• Atidarykite /robots.txt savo domene (pavyzdžiui, https://www.example.com/robots.txt) ir pažiūrėkite, ar jame yra Sitemap: eilutė.
• Atidarykite tą svetainės schemą naršyklėje. Ar joje yra adresai, kurių tikitės, su https:// ir teisingu pagrindinio kompiuterio vardu (su www ar be jo)?
• Spustelėkite kelis iš jų. Ar kiekvienas puslapis iškart atsidaro teisingai, be nukreipimo?

Santrauka

• Svetainės schema yra turinio rodyklė ir užuomina, ne garantija. Mažos svetainės su gerais saitais gali apsieiti be jos, tačiau teisinga svetainės schema visada padeda.
• Privalomi yra urlset su teisinga vardų sritimi, url ir loc su visais adresais; lastmod tik jei ji teisinga. Google nepaiso changefreq ir priority.
• Ne daugiau kaip 50.000 adresų ir 50 MB viename faile; jei daugiau, reikia svetainės schemų rodyklės.
• Tik kanoniniai adresai, kurie grąžina 200, be noindex ir neužblokuoti.
• Įrašykite Sitemap: eilutę į robots.txt ir pateikite schemą Google ir Bing. Senasis ping nebeveikia.

Testas (quiz)

Užduotis

Užduotis A3.4: Ar Jūsų svetainės schema galioja ir ar ją galima rasti? Įveskite savo svetainės adresą. Programa ieško Jūsų svetainės schemos taip, kaip tai daro paieškos sistema (pirmiausia per robots.txt, kitaip adresu /sitemap.xml), patikrina, ar tai galiojantis XML pagal protokolą, ar schema nurodyta robots.txt faile, ar adresai yra visi ir Jūsų pačių pagrindiniame kompiuteryje, ir atsisiunčia kelis iš jų, kad patikrintų, ar jie iš tiesų gali patekti į indeksą. Neturite savo svetainės? Naudokite european-union.europa.eu.

Skaitykite daugiau

Šiuose straipsniuose aprašyti žingsniai taikomi WebOké valdymo skydeliams; pas kitus paslaugų teikėjus tai veikia panašiai.

• Jūsų svetainės registravimas paieškos sistemose (Google ir Bing)
• Google Search Central, Svetainės schemos kūrimas ir pateikimas: https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
• Google Search Central, Kas yra svetainės schema: https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview
• sitemaps.org protokolas: https://www.sitemaps.org/protocol.html
• Google Search Central Blog, Sitemaps ping endpoint is going away (2023): https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping