Quase nenhum site acerta seus XML sitemaps

Do visualizador a ferramenta de auditoria

Joost de Valk, criador do plugin Yoast SEO, escreveu semanas antes sobre a remoção do XSLT pelos navegadores, o recurso que tornava os XML sitemaps legíveis. Ele criou uma extensão do Chrome, o Sitemap Inspector, para manter os arquivos navegáveis em formato de tabela. Ao visualizar os sitemaps como tabelas, os problemas ficaram evidentes: datas idênticas, URLs claramente erradas. Ele então adicionou verificações ao próprio arquivo e checagens ao vivo que buscam as URLs listadas e procuram redirecionamentos, erros HTTP, diretivas noindex, canonicals apontando para outra página e regras para o Googlebot no robots.txt. A conclusão do teste em sites que ele esperava acertar: quase ninguém acerta os XML sitemaps.

O que significa "acertar"

A documentação do Google é direta: o sitemap deve incluir as URLs que você quer ver nos resultados de busca, que devem ser URLs canônicas e carregáveis. O Google também tenta rastrear as URLs exatamente como listadas, então cada entrada errada custa um rastreamento. Há dois níveis de problemas: questões permitidas mas não ideais, como valores de lastmod ausentes ou compartilhados por muitas páginas; e erros reais - URLs que redirecionam, retornam erro, têm noindex ou declaram outra página como canônica, enviando aos buscadores uma URL e depois dizendo para não usá-la. Os exemplos abaixo são do segundo nível ou pior, verificados em 27 de setembro de 2026.

Os casos examinados

Adobe: o sitemap do UK Learn lista 978 páginas. Das primeiras 100 checadas, 98 tinham canonical apontando para outra URL - páginas como /uk/learn/indesign/web/add-pages declaram /uk/learn/indesign/web/template como canônica, o que parece um placeholder nunca substituído. Há ainda 43 valores de lastmod compartilhados por mais de 10 URLs cada, concentrados em cerca de dois minutos numa mesma noite de agosto, o que sugere um job em lote. O problema relevante é o canônico: o sitemap pede indexação e a página indica indexar o template.

Anthropic: dos 537 URLs, as checagens encontraram 21 com noindex, um 404 e quatro redirecionamentos. As páginas com noindex são as legais - termos, políticas de privacidade, política de uso aceitável. Excluí-las da busca pode ser uma escolha, mas listá-las no sitemap envia o sinal oposto.

Manchester City: o sitemap lista 1.964 páginas. Doze endereços aparecem duplicados com lastmod diferentes, dando duas respostas a uma mesma pergunta ao rastreador. Das primeiras 100 URLs, 17 retornaram erro HTTP e 16 redirecionaram. O padrão: são páginas de jogadores que saíram do clube - Riyad Mahrez e Cole Palmer redirecionam para a página do elenco masculino; Oleksandr Zinchenko e Liam Delap retornam 404 - mas continuam listadas como merecedoras de indexação.

GOV.UK: o primeiro arquivo tem 25.000 URLs, dentro do limite de 50.000. Das primeiras 500 checadas, 118 tinham noindex, quase todas decisões de tribunais trabalhistas e de propriedade residencial que nomeiam pessoas privadas - a exclusão da busca provavelmente é deliberada, e o erro foi incluí-las no sitemap. Todas as entradas trazem priority e changefreq, que o Google ignora.

X: o caso mais simples. O robots.txt aponta para https://x.com/sitemap.xml, inclusive com comentário explicando como as URLs deveriam ser formatadas - mas o endereço não retorna sitemap algum.

Semrush: o índice de sitemaps lista 23 arquivos sem nenhum lastmod. O sitemap de notícias retorna 404, outro redireciona 301 para uma página de produto, e duas entradas são índices de sitemaps eles próprios, o que a documentação do Search Console proíbe. Semrush vende ferramentas que auditam exatamente isso.

Por que isso continua acontecendo

Nenhum desses problemas é difícil. A hipótese do autor é que o sitemap costuma vir de um sistema, enquanto redirects, canonicals e noindex vivem em outro, e ninguém confere se os dois concordam; o arquivo valida, então ninguém o reabre. O contraponto apoia a tese: todos os sitemaps gerados pelo Yoast SEO, que ele criou, voltam limpos - o plugin que gera o sitemap também define os canonicals e as diretivas noindex, então omite o que disse aos buscadores para não indexar. Parte do problema também é invisível sem ferramentas: um canônico de template não se percebe lendo o XML. O conselho final é abrir o próprio sitemap no Sitemap Inspector e usar o Check URLs - a menos que um único sistema controle todos esses sinais, o autor se surpreenderia se o resultado viesse limpo.