Su un sito di notizie, il volume di pubblicazione quotidiano rende obsoleta qualsiasi scoperta di contenuto tramite semplice navigazione gerarchica. La pagina sitemap, che sia in formato HTML per i lettori o XML per i robot, struttura questa massa di URL e orienta ogni visitatore verso l’informazione ricercata. Il suo ruolo va ben oltre il posizionamento: condiziona la capacità del sito di rimanere esplorabile man mano che le archiviazioni crescono.
Sitemap HTML e sitemap XML: due strati tecnici per un sito di notizie
Confondere il piano di sito HTML e il file sitemap XML rimane un errore frequente, anche nelle redazioni digitali. Il file XML è un documento strutturato destinato ai crawler di Google, Bing o qualsiasi altro motore. Contiene le URL, la loro data di ultima modifica e, nel caso delle notizie, etichette specifiche per il namespace Google News.
Il piano di sito HTML, invece, è una pagina web classica che il lettore consulta direttamente. Organizza i contenuti per sezioni, sottosezioni e talvolta per periodo di pubblicazione. Su un media, il piano HTML funge da percorso di emergenza quando la ricerca interna fallisce o quando un lettore esplora un argomento trasversale senza conoscere la data di pubblicazione.
Si può osservare come la pagina sitemap di Monde Libre illustri questa doppia logica: una classificazione tematica leggibile da un umano, affiancata a un file XML dichiarato lato server. L’uno non sostituisce l’altro, e rimuovere il piano HTML con la scusa che il XML è sufficiente priva il lettore di un accesso diretto ai contenuti archiviati.
Namespace Google News e etichette specifiche nel sitemap di notizie
Un sitemap XML standard utilizza il protocollo definito da sitemaps.org. Per un sito indicizzato in Google News, è necessaria un’ulteriore strato: il namespace news, dichiarato tramite l’attributo xmlns:news. Questo namespace consente di aggiungere, per ogni URL, metadati specifici per il trattamento editoriale.
Le etichette specifiche per le notizie includono il nome della pubblicazione, la lingua, la data di pubblicazione e il titolo dell’articolo. Questo sitemap si distingue radicalmente da un sitemap classico destinato a coprire l’intero sito, poiché si concentra solo sugli articoli più recenti.
Questa restrizione temporale ha una conseguenza diretta sull’architettura tecnica: il sitemap News deve essere rigenerato automaticamente ad ogni pubblicazione. Un CMS che aggiorna questo file solo una volta al giorno introduce un ritardo di scoperta incompatibile con il ritmo di un media.
Elementi richiesti in ogni voce del sitemap News
- nome della pubblicazione e lingua: identificano la fonte e la lingua del contenuto per il posizionamento in Google News
- publication_date: timestamp preciso della messa online, nel formato W3C DateTime, che determina la freschezza percepita dal motore
- title: il titolo dell’articolo così come deve apparire nei risultati, distinto dal title tag della pagina se necessario
Strutturare il piano di sito HTML per la navigazione del lettore
Un sito di notizie che pubblica diverse decine di articoli al giorno non può elencare ogni URL su una sola pagina. Il piano di sito HTML deve offrire due assi di navigazione complementari: tematica e cronologica.
La classificazione per rubrica (politica, economia, cultura, sport) consente al lettore di esplorare un argomento senza conoscere la data di pubblicazione. La classificazione per periodo (mese, anno) è adatta a chi sa approssimativamente quando un evento è stato trattato. Proporre questi due percorsi sulla stessa pagina riduce la dipendenza dal motore di ricerca interno, spesso poco performante sui siti media.
Trasformare questa pagina in un elenco esaustivo di articoli la rende inutilizzabile. È meglio raggruppare i link per rubrica e sottorubrica, limitando il numero di URL visibili per sezione. Una paginazione o un sistema a fisarmonica per anno preserva la leggibilità senza sacrificare la profondità.
Link rotti e migrazioni: il tranello degli archivi
Dopo un restyling o una migrazione di CMS, le URL cambiano. Se il piano di sito HTML conserva i vecchi indirizzi, ogni link rotto rimanda il lettore a una pagina 404. Su un media con anni di archivi, il numero di link morti può raggiungere proporzioni tali da rendere la pagina sitemap controproducente.
La verifica regolare dei link del piano di sito HTML è un compito di manutenzione editoriale, non solo tecnica. Rimuovere o reindirizzare le URL obsolete dopo ogni migrazione garantisce che la pagina mantenga la sua utilità di navigazione.
Accessibilità del sitemap e scoperta di contenuti da parte dei motori
Il file sitemap XML si dichiara in due posti: nel file robots.txt (direttiva Sitemap:) e in Google Search Console. Per un sito di notizie, raccomandiamo di dichiarare separatamente il sitemap principale e il sitemap News, poiché i loro cicli di aggiornamento e i loro ambiti di URL differiscono.
Un indice di sitemaps (sitemapindex) diventa necessario quando il numero di URL supera il limite per file. I grandi media frazionano i loro sitemaps per rubrica o per anno, il che facilita anche il diagnosticare in caso di problemi di indicizzazione su una sezione specifica.
- Il sitemap principale copre tutte le URL permanenti: pagine di rubrica, articoli di approfondimento, pagine istituzionali
- Il sitemap News contiene solo gli articoli recenti, rigenerato ad ogni pubblicazione
- Il sitemap immagini o video, facoltativo, segnala i contenuti ricchi associati agli articoli
- L’indice di sitemaps fa riferimento a tutti questi file e costituisce il punto d’ingresso unico dichiarato in robots.txt
Questa segmentazione non è un lusso architettonico. Permette di isolare un problema di crawl su un tipo di contenuto senza mettere in discussione l’intera indicizzazione del sito.
Il piano di sito, che sia destinato ai lettori o ai robot, rimane un componente attivo del sito. Richiede una manutenzione proporzionale al ritmo di pubblicazione. Un media che lo tratta come un file statico generato una volta per tutte finisce per accumulare URL morte lato HTML e articoli scaduti lato XML, due situazioni che degradano sia la navigazione che la visibilità nei motori di ricerca.
