Chọn tiêu chuẩn đủ điều kiện trước khi sinh sitemap
Sitemap XML là danh sách URL có thể đọc bằng máy kèm metadata tùy chọn. Bắt đầu bằng một quy tắc đủ điều kiện, không phải xuất từ crawl của bot: chỉ bao gồm một trang khi nó được định hướng cho tìm kiếm, có thể truy xuất công khai và là phiên bản ưu tiên của nội dung. Giữ các URL danh mục có bộ lọc (faceted catalog), kết quả tìm kiếm nội bộ, biến thể chiến dịch, trang login và bản xem trước ra ngoài trừ khi chúng thực sự là điểm đến công khai cho tìm kiếm.
Các trang công khai, hữu ích và được dự định hiển thị trong tìm kiếm với một URL ưu tiên.
Các chuyển hướng, trang lỗi, bản sao trùng lặp, trang noindex và route riêng tư.
Giúp khám phá không đảm bảo việc thu thập dữ liệu hay lập chỉ mục.
Liệt kê URL chuẩn (canonical), không phải mọi cách để đến trang đó
URL chuẩn là phiên bản bạn muốn công cụ tìm kiếm coi là đại diện cho các phiên bản tương tự. Việc đưa vào sitemap là tín hiệu chuẩn yếu, vì vậy nó nên củng cố — không mâu thuẫn — với chuyển hướng, thẻ canonical tự tham chiếu và liên kết nội bộ. Chọn một dạng HTTPS ổn định và xuất đúng phiên bản đó.
Kiểm tra http và https, www và non-www, quy tắc slash, viết hoa/viết thường, trang in, bộ lọc và các tham số theo dõi. Nếu một URL chuyển hướng, chỉ liệt kê điểm đến cuối cùng là canonical. Mỗi trang bản địa hóa (locale) độc lập có URL chuẩn riêng; đừng dùng sitemap để gộp nội dung bản địa hóa khác nhau vào một mục duy nhất.
Ghi đầy đủ scheme và host, không dùng đường dẫn tương đối. Google thu thập URL như được liệt kê.
Sitemap, thẻ canonical, liên kết nội bộ và chính sách chuyển hướng nên cùng chỉ tới cùng một trang.
Chặn một bản sao bằng robots.txt không thiết lập được phiên bản ưu tiên.
Giữ XML nhỏ, hợp lệ và trung thực
Sử dụng cấu trúc theo Sitemap Protocol: XML mã hóa UTF-8 với một urlset, namespace của sitemap và một loc cho mỗi URL. Escape các ký tự nhạy cảm của XML trong giá trị URL. Tự động hoá nên serialize các URL thay vì ghép nối XML bằng tay.
Mỗi sitemap tối đa chứa 50.000 URL và không lớn hơn 50 MB khi chưa nén. Đây là giới hạn chứ không phải mục tiêu. Chia file sớm hơn nếu sản phẩm, bài viết, locale hoặc loại nội dung tạo ra ranh giới vận hành hữu ích.
Chỉ dùng lastmod cho ngày có thay đổi đáng kể thực sự của trang. Google sử dụng trường này khi nó được cung cấp nhất quán và có thể kiểm chứng; cập nhật năm bản quyền không được tính. Không bao giờ đóng dấu mọi URL bằng thời gian chạy của bộ sinh. Google bỏ qua changefreq và priority, nên có thể bỏ qua hai trường này.
loc là bắt buộc; lastmod là tùy chọn và phải mô tả trang, không phải thời điểm sinh file.
Gzip có thể giảm kích thước truyền, nhưng file khi giải nén phải nhỏ hơn 50 MB.
Kiểm tra tính well-formed của XML, khả năng fetch và hành vi thực tế của các trang được liệt kê.
Dùng index để mở rộng mà vẫn giữ quyền sở hữu
Sitemap index liệt kê các file sitemap con. Dùng index khi site vượt quá giới hạn một file hoặc cần các danh mục riêng biệt. Nhóm theo biên tập, sản phẩm hoặc bộ phận hỗ trợ. Nó chịu cùng giới hạn 50.000 mục và 50 MB chưa nén.
Giữ các file con trên cùng site với URL ổn định. Giao thức thông thường ràng buộc các URL đủ điều kiện với host và vị trí của sitemap; các sắp xếp chéo site cần xác nhận quyền sở hữu.
Chia theo mục tiêu có thể kiểm tra — loại nội dung, cửa hàng, tập ngôn ngữ hoặc ranh giới triển khai. Ghi lại bộ sinh, chủ sở hữu và dự kiến số lượng mục.
Nộp index hoàn chỉnh thay vì từng file con thủ công.
lastmod của index mô tả file sitemap, không phải các trang bên trong.
Xuất bản, gửi và diễn giải kết quả đúng cách
Lưu sitemap tại một địa chỉ HTTPS ổn định, có thể fetch công khai, tốt nhất là gần thư mục gốc. Thêm chỉ thị Sitemap tuyệt đối vào robots.txt. Gửi sitemap hoặc index trong Google Search Console và Bing Webmaster Tools để xem chi tiết xử lý.
Trong Search Console, Success nghĩa là sitemap được lấy và đọc không lỗi. Has errors nghĩa là nó được đọc nhưng có lỗi; Couldn’t fetch nghĩa là không truy xuất được. Sửa lỗi phân phối, xác thực, DNS, robots, chuyển hướng hoặc XML rồi gửi lại.
Xem số lượng trang được phát hiện như dữ liệu chẩn đoán, không phải điểm số. Trang được phát hiện không đảm bảo sẽ được thu thập hay lập chỉ mục. Kiểm tra mẫu URL với URL chuẩn của nó, phản hồi và báo cáo lập chỉ mục.
robots.txt giúp phát hiện; gửi qua công cụ cho phép xem báo cáo xử lý.
Search Console liệt kê các file được gửi qua báo cáo hoặc API, không phải mọi thứ được phát hiện qua robots.txt.
Vận hành sitemap như hạ tầng quan trọng cho phát hành
Chất lượng sitemap có thể suy giảm khi plugin CMS thay đổi, triển khai đổi host canonical, quy tắc cache phục vụ dữ liệu cũ, hoặc job hàng loạt xuất bản các trang chưa hoàn chỉnh. Đưa kiểm tra sitemap vào quy trình tiền phát hành và rollback. Đừng âm thầm thay thế một inventory đầy đủ bằng một file trống hoặc sai định dạng.
Giữ sitemap đã biết là tốt trước đó, cảnh báo khi số lượng thay đổi bất ngờ, và kiểm tra mẫu các mục thêm vào và xóa trước khi xuất bản. Khi đường dẫn thay đổi, phối hợp chuyển hướng, thẻ canonical, liên kết nội bộ và sitemap như một bộ thay đổi. Đây là tối ưu hóa khả dụng chủ động: bảo vệ bề mặt công khai có thể được khám phá trước khi bot và khách truy cập gặp đường dẫn hỏng.
Tạm dừng xuất bản nếu đầu ra sitemap bị vô hiệu, trống, sai host hoặc không phải là phiên bản canonical.
Giữ artifact và cấu hình bộ sinh đã biết tốt để sẵn sàng rollback.