Op een nieuwswebsite maakt het dagelijkse publicatievolume elke ontdekking van inhoud door eenvoudige hiërarchische navigatie verouderd. De sitemap-pagina, of deze nu in HTML-formaat voor lezers of XML voor robots is, structureert deze massa aan URL’s en leidt elke bezoeker naar de gezochte informatie. De rol ervan gaat veel verder dan alleen SEO: het bepaalt de mogelijkheid van de site om verkenbaar te blijven naarmate de archieven groeien.
HTML-sitemap en XML-sitemap: twee technische lagen voor een nieuwswebsite
Het verwarren van de HTML-sitemap en het sitemap XML bestand blijft een veelvoorkomende fout, zelfs in digitale redacties. Het XML-bestand is een gestructureerd document bedoeld voor crawlers van Google, Bing of andere zoekmachines. Het bevat de URL’s, de datum van de laatste wijziging en, in het geval van nieuws, specifieke tags voor de Google News-namespace.
De HTML-sitemap is daarentegen een klassieke webpagina die de lezer rechtstreeks raadpleegt. Het organiseert de inhoud per rubriek, subrubriek en soms per publicatieperiode. Op een medium diende de HTML-sitemap als een noodroute wanneer de interne zoekfunctie faalt of wanneer een lezer een transversaal onderwerp verkent zonder de publicatiedatum te kennen.
We kunnen zien hoe de sitemap-pagina van Monde Libre deze dubbele logica illustreert: een thematische indeling die leesbaar is voor een mens, gekoppeld aan een XML-bestand dat aan de serverzijde is gedeclareerd. Het ene vervangt het andere niet, en het verwijderen van de HTML-sitemap onder het mom dat de XML voldoende is, ontneemt de lezer de directe toegang tot de gearchiveerde inhoud.
Google News-namespace en specifieke tags in de nieuws-sitemap
Een standaard XML-sitemap gebruikt het protocol dat is gedefinieerd door sitemaps.org. Voor een site die is opgenomen in Google Nieuws is een extra laag nodig: de news-namespace, gedeclareerd via de xmlns:news attribuut. Deze namespace maakt het mogelijk om voor elke URL metadata toe te voegen die specifiek zijn voor de redactionele verwerking.
De tags die specifiek zijn voor nieuws omvatten de naam van de publicatie, de taal, de publicatiedatum en de titel van het artikel. Deze sitemap verschilt radicaal van een klassieke sitemap die bedoeld is om de hele site te dekken, omdat deze alleen de meest recente artikelen target.
Deze temporele beperking heeft een directe consequentie voor de technische architectuur: de News-sitemap moet automatisch worden vernieuwd bij elke publicatie. Een CMS dat dit bestand slechts eenmaal per dag bijwerkt, introduceert een ontdekkingstijd die niet compatibel is met het tempo van een medium.
Vereiste elementen in elke invoer van de News-sitemap
- publication name en language: identificeren de bron en de taal van de inhoud voor de ranking in Google Nieuws
- publication_date: nauwkeurige timestamp van de publicatie, in het W3C DateTime-formaat, die de versheid bepaalt zoals waargenomen door de zoekmachine
- title: de titel van het artikel zoals deze in de resultaten moet verschijnen, verschillend van de title tag van de pagina indien nodig
Structureren van de HTML-sitemap voor de lezer navigatie
Een nieuwswebsite die meerdere tientallen artikelen per dag publiceert, kan niet elke URL op één pagina opsommen. De HTML-sitemap moet twee aanvullende navigatieassen bieden: thematisch en chronologisch.
De indeling per rubriek (politiek, economie, cultuur, sport) stelt de lezer in staat om een onderwerp te verkennen zonder de publicatiedatum te kennen. De indeling per periode (maand, jaar) is geschikt voor degene die ongeveer weet wanneer een gebeurtenis is behandeld. Het aanbieden van deze twee routes op dezelfde pagina vermindert de afhankelijkheid van de interne zoekmachine, die vaak niet goed presteert op mediagebieden.
Het transformeren van deze pagina in een uitputtende lijst van artikelen maakt het onbruikbaar. Het is beter om de links te groeperen per rubrieken en subrubrieken, waarbij het aantal zichtbare URL’s per sectie wordt beperkt. Een paginering of een systeem van accordeons per jaar behoudt de leesbaarheid zonder de diepgang op te offeren.
Verbroke links en migraties: de valstrik van archieven
Na een herontwerp of migratie van CMS veranderen de URL’s. Als de HTML-sitemap de oude adressen behoudt, verwijst elke verbroken link de lezer naar een 404-pagina. Op een medium met jaren aan archieven kan het aantal dode links een proportie bereiken die de sitemap-pagina contraproductief maakt.
Regelmatige controle van de links in de HTML-sitemap is een redactionele onderhoudstaak, niet alleen technisch. Het verwijderen of omleiden van verouderde URL’s na elke migratie garandeert dat de pagina zijn navigatie-nut behoudt.
Toegankelijkheid van de sitemap en inhoudsontdekking door zoekmachines
Het XML-sitemap bestand wordt op twee plaatsen gedeclareerd: in het robots.txt-bestand (directive Sitemap:) en in Google Search Console. Voor een nieuwswebsite raden we aan om de hoofd-sitemap en de News-sitemap afzonderlijk te declareren, omdat hun updatecycli en URL-periodes verschillen.
Een sitemapindex wordt noodzakelijk wanneer het aantal URL’s de limiet per bestand overschrijdt. Grote media splitsen hun sitemaps op per rubriek of per jaar, wat ook het diagnosticeren vergemakkelijkt in geval van een indexeringsprobleem op een specifieke sectie.
- De hoofd-sitemap dekt alle blijvende URL’s: rubriekpagina’s, diepgaande artikelen, institutionele pagina’s
- De News-sitemap bevat alleen recente artikelen, die bij elke publicatie worden vernieuwd
- De afbeeldingen- of video’sitemap, optioneel, geeft de rijke inhoud aan die aan de artikelen is gekoppeld
- De sitemapindex verwijst naar al deze bestanden en vormt het unieke toegangspunt dat in robots.txt is gedeclareerd
Deze segmentatie is geen architectonische luxe. Het stelt ons in staat om een crawlprobleem op een bepaald type inhoud te isoleren zonder de gehele indexering van de site in twijfel te trekken.
De sitemap, of deze nu bedoeld is voor lezers of robots, blijft een actief onderdeel van de site. Het vereist onderhoud in verhouding tot het publicatietempo. Een medium dat het behandelt als een statisch bestand dat één keer voor altijd is gegenereerd, eindigt met het accumuleren van dode URL’s aan de HTML-kant en verouderde artikelen aan de XML-kant, twee situaties die zowel de navigatie als de zichtbaarheid in zoekmachines verslechteren.
