Sitemap XML: cum îl construiți corect pentru un site mare

Sitemap XML: cum îl construiți corect pentru un site mare este documentul XML care listează adresele pe care le considerați importante din site și le spune motoarelor de căutare când au fost modificate ultima dată.

Pe un blog cu douăzeci de articole, Google le găsește oricum, fără ajutor special. Pe un magazin online cu zece mii de produse, sitemap-ul decide ce pagini ajung repede la crawl și ce așteaptă săptămâni.

Sitemap XML: cum îl construiți corect pentru un site mare

Un sitemap XML corect nu forțează indexarea și nu înlocuiește un fișier robots.txt curat sau o structură de linkuri interne solidă. Funcția lui e mai modestă: oferă o listă explicită de adrese, pe care motorul de căutare o poate ignora parțial, dar de care ține cont atunci când decide ce să recrawleze primul.

Pe site-urile mari, fără un sitemap actualizat, paginile noi sau modificate pot aștepta săptămâni până ajung la o verificare, mai ales dacă arhitectura de linkuri interne nu le aduce suficient de aproape de pagina principală.

Structura unui sitemap XML valid

Un sitemap XML pornește de la eticheta rădăcină urlset, cu spațiul de nume oficial declarat ca atribut, și conține câte un bloc url pentru fiecare adresă inclusă în fișier, conform documentației oficiale Google pentru sitemapuri.

Elementele obligatorii ale fiecărui URL

Fiecare intrare are nevoie de o singură etichetă obligatorie, loc, cu adresa completă și absolută, exact cum apare în bara de adresă a browserului. Adresa trebuie să fie cea canonică, nu o variantă cu parametri de urmărire sau o adresă care redirecționează în altă parte.

Recomandăm și eticheta lastmod, cu data ultimei modificări reale a conținutului, în format ISO 8601. Google o citește ca semnal pentru a decide dacă merită să recrawleze o pagină deja indexată de mult timp.

<url>
  <loc>https://exemplu.ro/ghid-seo-tehnic/</loc>
  <lastmod>2026-10-20</lastmod>
</url>

Dacă nu știți sigur care sunt adresele canonice din propriul site, înainte să le puneți într-un sitemap, un audit tehnic complet al site-ului le identifică pe toate și elimină variantele duplicate.

Elementele opționale și cele ignorate de Google

Etichetele changefreq și priority apar încă în multe sitemapuri generate automat, dar Google a confirmat public că nu le mai folosește la stabilirea priorității de crawl. Nu merită timp nici pentru a le adăuga special, nici pentru a le elimina dintr-un sitemap deja funcțional.

Limitele tehnice ale unui sitemap XML

Standardul sitemap impune limite stricte pentru un singur fișier, indiferent de platforma pe care rulează site-ul.

• Maximum 50.000 de adrese URL într-un singur fișier sitemap.
• Maximum 50 MB necomprimat; comprimarea gzip este acceptată și recomandată pentru fișierele mari.
• O singură adresă nu poate depăși 2.048 de caractere.

Un site cu câteva sute de pagini nu se apropie de aceste praguri. Un magazin online cu categorii, filtre indexabile și pagini de produs le atinge mai repede decât pare, mai ales dacă fiecare variantă de culoare sau mărime generează o adresă proprie, un scenariu obișnuit în optimizarea SEO pentru magazine online cu cataloage mari.

Calculul e simplu: la 120.000 de pagini de produs sunt necesare cel puțin trei fișiere sitemap separate, fiecare sub pragul de 50.000 de adrese, plus un index care le leagă pe toate. Platformele mari ajung frecvent la zeci de sitemapuri, organizate pe categorii sau pe intervale de dată a publicării.

Pragurile exacte și recomandările pentru site-urile foarte mari sunt documentate în ghidul oficial Google pentru sitemapuri de dimensiuni mari. Când limita e depășită, soluția nu este trunchierea fișierului, ci împărțirea lui în mai multe sitemapuri, coordonate printr-un index central.

Indexul de sitemapuri pentru arhive mari

Când adresele depășesc limita unui singur fișier, soluția standard este un index de sitemapuri: un fișier separat, de obicei numit sitemap_index.xml, care listează la rândul lui adresele celorlalte fișiere sitemap.

<sitemapindex>
  <sitemap>
    <loc>https://exemplu.ro/sitemap-articole.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://exemplu.ro/sitemap-produse.xml</loc>
  </sitemap>
</sitemapindex>

Împărțirea pe tip de conținut, articole separat de pagini de produs, separat de categorii, ajută mai mult decât o împărțire pur numerică după ordinea alfabetică. Ajută direct și la gestionarea crawl budgetului, fiindcă oferă motorului de căutare priorități clare pentru fiecare tip de conținut în parte.

Separarea pe fișiere distincte permite și urmărirea individuală în rapoartele de acoperire: puteți vedea exact câte pagini de produs sunt indexate, separat de câte articole, în loc să priviți o singură cifră agregată pentru tot site-ul.

Cum declarați indexul în robots.txt

Adăugați o singură linie, cu adresa completă a indexului de sitemapuri: Sitemap: https://exemplu.ro/sitemap_index.xml. Nu este nevoie de nicio directivă Allow sau Disallow suplimentară doar pentru fișierul sitemap, acesta este public prin natura lui.

Generarea automată în WordPress și alte platforme

Pe WordPress, pluginurile SEO generează automat sitemap-ul și îl actualizează la fiecare articol publicat sau modificat, fără nicio intervenție manuală din partea redacției. Dacă folosiți deja un astfel de plugin, nu are sens să îl duplicați cu un generator extern, riscați să ajungeți cu două fișiere care listează adrese diferite.

Ce verificați după activare

• Dacă adresa sitemap-ului răspunde cu statusul HTTP 200, nu cu o eroare de server sau o pagină goală.
• Dacă paginile marcate noindex lipsesc din fișier; un plugin configurat greșit le include oricum.
• Dacă adresele listate sunt cele canonice, cu protocolul și subdomeniul corecte, fără amestec între varianta cu www și cea fără.

Pentru platforme construite în React, Angular sau Vue, generarea sitemapului trebuie legată de procesul de build al aplicației, nu lăsată pe seama unui script rulat manual din când în când. Particularitățile acestor site-uri sunt tratate pe larg în ghidul nostru de SEO tehnic pentru site-uri JavaScript.

Pentru platforme fără plugin dedicat, un script rulat periodic prin cron, care interoghează baza de date și regenerează fișierul XML, este suficient. Important este ca procesul să ruleze automat, la fiecare publicare, nu manual de fiecare dată când apare conținut nou.

Sitemapuri specializate pentru imagini, video și conținut multilingv

Pe lângă sitemapul standard de pagini, protocolul permite extensii dedicate pentru conținut care nu se indexează la fel ca un text obișnuit.

Sitemapuri de imagini și video

Un bloc url poate include etichete suplimentare, dintr-un spațiu de nume dedicat imaginilor, cu adresa fiecărei imagini relevante de pe pagină. E util mai ales pentru site-urile cu conținut vizual bogat, unde traficul din Google Imagini contează la fel de mult ca cel organic obișnuit. Pentru video, extensia e similară, dar cere și informații suplimentare, precum titlul, descrierea și durata clipului.

Adresele alternative pentru conținut multilingv

Pentru un site tradus în mai multe limbi, sitemapul poate conține și etichete xhtml:link cu atributul hreflang, care leagă fiecare versiune lingvistică de celelalte. E o alternativă la plasarea acelorași legături direct în secțiunea de cod a fiecărei pagini, utilă mai ales când numărul de combinații limbă-regiune devine greu de gestionat manual.

<url>
  <loc>https://exemplu.ro/ro/pagina/</loc>
  <xhtml:link rel="alternate" hreflang="en" href="https://exemplu.ro/en/page/" />
</url>

Greșeala frecventă aici este declararea unei singure direcții: pagina în română indică varianta în engleză, dar varianta în engleză nu mai indică înapoi spre cea în română. Relația trebuie să fie simetrică în toate sitemapurile implicate, altfel Google ignoră semnalul în întregime.

Greșelile care strică indexarea prin sitemap

Un sitemap greșit nu afișează nicio eroare vizibilă pe site, doar transmite semnale slabe, iar efectul apare lent, cu întârziere de săptămâni, în rapoartele de acoperire din Search Console.

• Adrese cu redirecționare 301 incluse direct în sitemap, în loc de adresa finală către care redirecționează.
• Pagini care răspund cu 404 sau 410, rămase în fișier mult timp după ștergerea conținutului respectiv.
• Adrese blocate prin robots.txt, trimise totuși prin sitemap, ceea ce transmite un semnal contradictoriu motorului de căutare.
• Eticheta lastmod actualizată automat la fiecare generare a fișierului, chiar și atunci când nu s-a schimbat nimic real în conținut.

Ultima greșeală este des întâlnită și subestimată. Dacă data se schimbă fără motiv real, Google observă rapid că semnalul nu mai este de încredere și începe să îl ignore pentru întregul site, inclusiv în situațiile în care data chiar este corectă.

Trimiterea sitemapului în Search Console și verificarea rezultatului

Declararea sitemapului în robots.txt este suficientă pentru ca Google să îl găsească singur, dar trimiterea manuală prin Search Console oferă un raport dedicat, cu erorile semnalate explicit pentru fiecare fișier în parte.

După trimitere, raportul dedicat arată câte adrese au fost descoperite în fișier și, separat, câte dintre ele au fost efectiv indexate. O diferență mare între cele două cifre este un semnal clar că merită un audit tehnic mai amplu, nu doar o corectură punctuală a sitemapului.

Nu este nevoie să retrimiteți sitemapul manual de fiecare dată când publicați un articol nou, dacă fișierul se actualizează automat. Google revine periodic la aceeași adresă și citește din nou conținutul. Retrimiterea manuală are sens doar după o restructurare majoră a site-ului, când verificarea trebuie să înceapă mai devreme decât ar porni-o Google din proprie inițiativă.

Pentru site-urile cu mai multe sitemapuri, verificați fiecare fișier în parte, nu doar indexul central. Un singur fișier cu probleme nu oprește indexarea celorlalte, dar poate ascunde o secțiune întreagă a site-ului din rapoarte dacă priviți doar cifra agregată de la nivelul indexului.

Un sitemap XML bine întreținut nu rezolvă singur problemele de indexare, dar elimină un întreg set de ambiguități pentru crawler. Pentru un site cu câteva mii de pagini, diferența dintre un fișier curat și unul generat automat fără verificări se vede direct în rapoartele de acoperire. Dacă aveți nevoie de o verificare completă a modului în care Google vă crawlează și indexează site-ul, un audit SEO complet pornește exact de la aici. Pentru arhitecturi mari, cu mii de adrese și categorii multiple, serviciile noastre de SEO tehnic acoperă structura sitemapului și tot ce ține de crawlabilitate. Dacă preferați o discuție directă despre situația site-ului dumneavoastră, o consultanță SEO dedicată este punctul de plecare, iar serviciile noastre de optimizare SEO acoperă tot ce urmează după diagnostic.