Pagină neindexată: cum diagnosticați cauza reală, nu doar simptomul

Pagină neindexată: cum diagnosticați cauza reală, nu doar simptomul. O pagină neindexată nu a dispărut de pe internet, a dispărut doar din rezultatele de căutare Google, iar primul pas corect este să stabiliți exact unde s-a oprit procesul, nu să presupuneți cauza după prima intuiție.

Majoritatea administratorilor sar direct la o soluție tehnică înainte să confirme diagnosticul. Rezultatul e timp pierdut pe o pistă greșită, în timp ce pagina rămâne în continuare afară din index.

Pagină neindexată: cum diagnosticați cauza reală, nu doar simptomul

Cauzele se împart practic în trei categorii: directive explicite care blochează accesul, semnale de calitate care fac pagina nedemnă de index în ochii Google și probleme de arhitectură care o lasă aproape invizibilă pentru crawler.

Articolul trece prin fiecare categorie, cu pașii exacți de verificare și cu diferența esențială dintre o pagină pe care Google nu a descoperit-o încă și una pe care a vizitat-o deja și a decis, din motive proprii, să o ignore.

Primul pas: confirmați cu instrumentul de inspecție URL

Înainte de orice diagnostic, verificați direct în Search Console, nu cu o căutare de tip site:, care este aproximativă și poate arăta rezultate învechite cu zile sau chiar săptămâni față de starea reală.

site:exemplu.ro/adresa-pagina

Instrumentul de inspecție a URL-ului arată starea curentă, exactă, a adresei verificate: dacă a fost accesată de Googlebot, dacă a fost trimisă prin sitemap și, cel mai important, motivul precis pentru care nu apare în index. Documentația oficială a instrumentului de inspecție a URL-ului explică fiecare câmp afișat în raport, inclusiv diferența dintre URL-ul declarat și cel selectat efectiv de Google.

Ce înseamnă fiecare stare raportată de Google

Lista completă a stărilor posibile este documentată oficial în raportul de indexare a paginilor din Search Console, dar cele mai relevante pentru diagnosticul unei singure adrese sunt acestea:

• Trimisă și indexată: pagina e în regulă, dacă totuși nu apare în căutări, problema e de clasare, nu de indexare.
• Crawled – currently not indexed: Google a citit pagina, dar a decis să nu o păstreze în index.
• Discovered – currently not indexed: Google știe că pagina există, dar nu a alocat încă resurse ca să o acceseze.
• Exclusă prin eticheta noindex: directivă explicită, nu e o eroare de sistem, e o decizie luată de site.
• Pagină alternativă cu etichetă canonică adecvată: Google a ales altă adresă drept versiune principală.

Fiecare dintre aceste stări cere o reacție diferită, de aceea confirmarea stării exacte este pasul zero al diagnosticului, nu un detaliu opțional pe care îl săriți. Două pagini cu același simptom vizibil, „nu apare în Google”, pot avea cauze complet diferite, iar soluția pentru una nu are niciun efect asupra celeilalte.

Directive explicite care blochează indexarea

Cea mai frecventă cauză nu este un algoritm capricios, ci o linie de configurare rămasă activă după lansare, după o migrare sau după testarea unei versiuni noi a site-ului.

Eticheta noindex în cod și în antetul HTTP

Eticheta <meta name="robots" content="noindex"> din <head> este vizibilă direct în sursa paginii, dar antetul HTTP X-Robots-Tag cu aceeași valoare nu apare niciodată acolo, pentru că este trimis de server înainte ca HTML-ul să ajungă în browser. Verificați-l cu o cerere directă către server:

curl -I https://exemplu.ro/adresa-pagina

Dacă în răspuns apare X-Robots-Tag: noindex, vizualizarea sursei din browser nu va arăta niciodată cauza, oricât de atent ați căuta în cod.

Fișierul robots.txt și eticheta canonical greșită

O regulă din fișierul robots.txt poate bloca accesul la un director întreg, nu doar la pagina vizată, mai ales după o restructurare de URL-uri care a lăsat active reguli vechi, scrise pentru o altă structură de site. La fel de des întâlnită este o etichetă canonical care indică din greșeală altă adresă, de obicei din cauza unui plugin SEO configurat implicit spre pagina principală a unei categorii.

Ambele probleme se confirmă rapid în instrumentul de inspecție a URL-ului, la câmpurile dedicate accesibilității pentru crawler și canonicalului selectat de Google.

Soft 404 și statusuri HTTP care induc în eroare crawlerul

O pagină care răspunde cu status 200 OK, dar afișează un mesaj de tipul „produsul nu mai este disponibil” sau un conținut practic gol, este tratată de Google drept soft 404, adică o eroare mascată sub un status de succes. Rezultatul este identic cu o blocare explicită: pagina nu intră în index, deși din punct de vedere tehnic serverul a răspuns corect.

Crawled – currently not indexed: pagina citită și respinsă

Dacă Googlebot a accesat pagina și a ales totuși să nu o indexeze, cauza este aproape mereu legată de valoarea conținutului, nu de un blocaj tehnic pe care îl puteți repara dintr-o setare.

Cele mai comune motive sunt conținutul subțire, fără informație suficientă pentru a justifica o pagină separată de restul site-ului, și conținutul duplicat cu o altă pagină de pe același domeniu sau de pe altul. Modul în care Google a rafinat pragurile de calitate folosite la decizia de indexare s-a schimbat vizibil în ultimii ani, pe măsură ce semnalele de calitate ale crawlerului au devenit mai stricte.

Soluția nu este republicarea paginii fără modificări reale, pentru că declanșează doar o nouă evaluare cu același rezultat probabil. Pagina trebuie fie extinsă cu informație pe care nicio altă adresă de pe site nu o oferă, fie unită cu pagina care acoperă aceeași intenție de căutare, printr-o redirecționare 301 curată.

O variantă mai subtilă a aceleiași probleme apare atunci când site-ul are deja o pagină care acoperă aceeași intenție de căutare, scrisă cu altă ocazie și cu alt titlu. Google indexează de regulă o singură pagină din grupul acesta, iar simptomul se confundă ușor cu o problemă tehnică, deși este de fapt canibalizare de cuvinte cheie obișnuită.

Discovered – currently not indexed: crawlerul nu a ajuns încă

Această stare înseamnă că Google cunoaște adresa, de regulă din sitemap sau dintr-un link extern, dar nu i-a alocat încă resurse de accesare efectivă.

Cauza este aproape mereu legată de crawl budget: un site mare, cu mii de pagini de calitate inegală, obligă Google să prioritizeze unde își trimite crawlerul. O pagină orfană, fără niciun link intern care să ducă spre ea, se bazează exclusiv pe sitemap pentru a fi descoperită, ceea ce o plasează automat la coada listei de prioritate.

Ce verificați concret

• Pagina apare în sitemap-ul XML trimis efectiv către Search Console?
• Există cel puțin un link intern către ea, dintr-o pagină deja indexată și cu trafic real?
• Timpul de răspuns al serverului pentru pagina respectivă este comparabil cu restul site-ului sau neobișnuit de mare?

Dacă pagina este nouă, câteva zile de așteptare sunt normale și nu indică nicio problemă. Dacă trec săptămâni fără nicio schimbare de stare, problema este de arhitectură, nu de răbdare.

Adâncimea de accesare contează la fel de mult ca prezența unui link. O pagină aflată la cinci sau șase clicuri distanță de pagina principală, accesibilă doar printr-o paginare lungă, primește vizite mult mai rare din partea crawlerului decât una legată direct din meniu sau dintr-o pagină de categorie cu trafic constant.

Randarea JavaScript întârzie sau blochează indexarea

Pe site-urile construite cu framework-uri care randează conținutul în browser, Googlebot vede inițial un HTML aproape gol și trebuie să execute scripturile înainte să găsească textul real al paginii.

Această execuție se face într-o rundă separată de procesare, programată distinct față de accesarea inițială, ceea ce introduce o întârziere de la câteva ore la câteva zile. Dacă execuția eșuează, de exemplu din cauza unui API extern indisponibil chiar la momentul randării, pagina rămâne cu conținut gol în ochii Google, chiar dacă arată perfect normal pentru un vizitator obișnuit. Detaliile acestui proces sunt descrise pe larg în articolul despre optimizarea SEO pentru site-uri construite cu React, Angular sau Vue.

Testați cu instrumentul de inspecție a URL-ului, nu cu simpla vizualizare a sursei: acolo vedeți exact HTML-ul randat pe care Google l-a reținut, nu codul brut livrat inițial de server.

Lista de verificare, în ordinea corectă

Parcurgeți pașii în această ordine, fără să săriți direct la cel care pare cel mai probabil din experiența unui proiect anterior.

1. Verificați starea exactă cu instrumentul de inspecție a URL-ului.
2. Căutați directive explicite: noindex în HTML, în antetul HTTP și în robots.txt.
3. Verificați eticheta canonical și confirmați că indică pagina însăși, nu o altă adresă.
4. Evaluați onest conținutul: oferă informație pe care nicio altă pagină de pe site nu o oferă deja?
5. Confirmați prezența paginii în sitemap și cel puțin un link intern funcțional către ea.
6. Pentru site-uri construite cu JavaScript, verificați HTML-ul randat din raportul de inspecție.
7. Solicitați indexarea manuală abia după ce ați eliminat cauza, nu înainte de corectare.

Solicitarea repetată de indexare fără să rezolvați cauza de fond nu grăbește nimic, ci consumă doar din cota zilnică de cereri manuale alocată site-ului dumneavoastră.

Concluzie

Diagnosticarea corectă a unei pagini neindexate cere verificare sistematică, nu presupuneri rapide, iar un audit SEO tehnic complet găsește de regulă mai multe pagini afectate de aceeași cauză în același timp, nu doar una izolată.

După ce aplicați corectura, nu vă opriți la o singură verificare. Reveniți în raportul de acoperire la câteva zile distanță, pentru că stările se actualizează treptat, iar o schimbare reală de la „exclusă” la „indexată” confirmă definitiv că ați rezolvat cauza și nu doar un simptom temporar.

Dacă problema persistă după parcurgerea listei de mai sus sau site-ul dumneavoastră are mii de pagini cu stări neclare în raportul de acoperire, un audit SEO realizat de o echipă cu experiență în SEO tehnic identifică rapid tiparul comun, acolo unde verificarea pagină cu pagină ar lua săptămâni întregi.