Como explorar facilmente as secções e os recursos de um site através do mapa do site

Um mapa do site desempenha duas funções distintas, dependendo de se destinar a um robô de indexação ou a um visitante humano. O sitemap XML lista URLs para os motores de busca, enquanto o mapa HTML apresenta aos utilizadores a estrutura de navegação de um site.

Confundir os dois leva a expectativas erradas: enviar um ficheiro XML ao Google não garante a exploração nem a indexação das páginas, e esse ficheiro não serve para percorrer visualmente as secções de um site.

Etiquetas XML do sitemap: o que o Google realmente utiliza

O protocolo sitemap permite várias etiquetas por URL. Entre elas, lastmod, priority e changefreq aparecem na quase totalidade dos geradores automáticos. No entanto, a sua utilidade real difere do que muitos guias dão a entender.

O Google ignora os campos priority e changefreq. Incluí-los num ficheiro não provoca erros de validação, mas não influencia a frequência de rastreamento nem a classificação. Qualquer documentação que apresente priority como um fator de SEO está desatualizada ou é imprecisa.

A etiqueta lastmod é o único metadado que o Google tem em conta, desde que reflita uma alteração substancial do conteúdo. Atualizar a data sem alterar o texto da página equivale a enviar um sinal enganador. Quando essa data é constantemente exata e verificável, ajuda o Googlebot a priorizar as suas visitas. Caso contrário, é ignorada.

Um sitemap também não é o único meio de descoberta. A inclusão de uma diretiva Sitemap: no ficheiro robots.txt permite indicar a localização do ficheiro XML sem recorrer à Google Search Console ou ao Bing Webmaster Tools. Este recurso continua a ser pouco utilizado, sobretudo em sites que gerem vários subdomínios com sitemaps distintos.

A estrutura do mapa do site da Euromedia Télévision ilustra bem este princípio: cada URL é listada com a respetiva data da última modificação, o que facilita tanto a indexação pelos motores de busca como a leitura humana da estrutura hierárquica.

Mapa HTML e navegação: encontrar uma secção sem ter de procurar por todo o lado

O mapa HTML continua a ser a forma mais direta de um visitante aceder a todas as secções de um site. Ao contrário do sitemap XML (um ficheiro bruto, ilegível sem uma ferramenta), o mapa HTML é uma página web normal, com links clicáveis organizados por categoria.

Em sites de média dimensão, esta página reúne frequentemente todas as secções: páginas institucionais, categorias de conteúdo, fichas de produto e informações legais. A estrutura hierárquica fica visível num relance, ao passo que o menu de navegação principal mostra apenas os dois primeiros níveis.

Aceder ao mapa HTML de um site existente

A convenção mais comum é disponibilizar esta página no endereço /plan-du-site ou /sitemap (sem a extensão .xml). Normalmente, existe um link no rodapé. Se não encontrar esse link, experimente introduzir manualmente estes URLs na barra de endereço: na maioria dos casos, encontrará a página.

Nem todos os sites disponibilizam um mapa HTML. CMS como o WordPress raramente o geram por predefinição. Nesse caso, é necessário recorrer a outros métodos para reconstituir a estrutura hierárquica.

Ferramentas para visualizar a estrutura hierárquica de um site

Quando não existe um mapa HTML, há várias formas de reconstituir a estrutura de um site. A escolha depende do nível de detalhe pretendido e da dimensão do site a explorar.

• As DevTools do navegador (separador Rede) permitem observar cada pedido efetuado durante o carregamento de uma página, incluindo ficheiros CSS, JS e chamadas à API. Não são uma ferramenta de mapeamento, mas revelam os recursos carregados por uma determinada página e os URLs chamados dinamicamente.
• Os crawlers especializados (Screaming Frog, Sitebulb ou scripts baseados em Puppeteer/Headless Chrome) percorrem os links internos de um site e reconstituem toda a sua estrutura hierárquica. Exportam a lista de URLs, a respetiva profundidade, os códigos de resposta HTTP e os links entre páginas.
• Ferramentas de visualização online, como Octopus.do ou DynoMapper, geram representações gráficas da estrutura hierárquica. São úteis para auditorias rápidas ou apresentações, mas a versão gratuita limita frequentemente o número de páginas exploradas.
• A leitura direta do ficheiro sitemap.xml (acessível através de /sitemap.xml ou indicado em robots.txt) fornece a lista bruta dos URLs indexáveis. Ao cruzá-la com um crawl, é possível identificar páginas órfãs (presentes no sitemap, mas inacessíveis através da navegação).

DevTools: inspecionar os recursos carregados por uma página

O separador Rede das DevTools (F12 no Chrome, Firefox ou Edge) apresenta em tempo real cada ficheiro solicitado pelo navegador. Filtrar por tipo (documento, script, imagem, XHR) permite isolar os pedidos relevantes. Este método não mapeia um site inteiro, mas revela recursos que não são visíveis no código-fonte: tipos de letra remotos, scripts de terceiros e chamadas a APIs internas.

Para uma auditoria pontual, preferimos cruzar esta inspeção com a leitura do sitemap XML. As diferenças entre as duas listas revelam frequentemente incoerências: páginas eliminadas que ainda constam do sitemap ou, pelo contrário, páginas recentes que nunca foram declaradas.

Sitemap XML versus mapa HTML: quando utilizar cada um

O sitemap XML destina-se aos robôs. O mapa HTML destina-se às pessoas. Os dois coexistem sem se substituírem, mas a utilização de cada um varia consoante o objetivo.

• Para explorar manualmente as secções de um site, o mapa HTML (ou, na sua ausência, um crawl exportado em forma de estrutura hierárquica) é o formato adequado. Oferece links clicáveis, uma hierarquia visual e não requer ferramentas técnicas.
• Para diagnosticar a cobertura da indexação, o sitemap XML cruzado com os dados da Search Console ou do Bing Webmaster Tools continua a ser a referência. Permite verificar quais os URLs enviados, rastreados e indexados.
• Para reconstituir a arquitetura de um site concorrente ou de um site sem documentação, um crawler externo, combinado com a leitura do robots.txt e do sitemap XML, fornece a visão mais completa.

Um site bem estruturado mantém ambos os formatos atualizados. Um mapa HTML desatualizado confunde os visitantes tanto quanto um sitemap XML desatualizado confunde o Googlebot. A coerência entre a navegação, o mapa HTML e o sitemap XML é um indicador fiável da qualidade da manutenção de um site.

O essencial a reter: o mapa do site, seja XML ou HTML, não é um mero acessório. É uma ferramenta de diagnóstico para profissionais de SEO e um atalho de navegação para os visitantes. Ignorar um dos formatos significa deixar parte do público (humano ou robótico) sem orientação.