Op een autosite met veel voertuigpagina’s, dealerpagina’s en redactionele content is de XML-sitemap de meest directe manier om alle rubrieken in kaart te brengen zonder handmatig door de menu’s te navigeren. Je moet alleen wel weten hoe je dit bestand leest, een sitemapindex van één sitemap onderscheidt en de nuttige URL’s filtert uit de varianten die ontstaan door combinaties van filters.
Sitemapindex en segmentatie van auto-URL’s
Een middelgrote autosite overschrijdt al snel de kritieke grens. Google beperkt elk sitemapbestand tot 50 000 URL’s of 50 MB ongecomprimeerd. Daarboven moet de site de URL’s verdelen over meerdere bestanden die via een sitemapindex met elkaar zijn verbonden. Die index is vaak te vinden op /sitemap_index.xml of /sitemap.xml.
Deze opsplitsing is niet alleen een technische vereiste. Op een autoportaal weerspiegelt ze de redactionele structuur: één bestand voor de pagina’s van voertuigen op voorraad, een ander voor modelpagina’s, een derde voor nieuws en een laatste voor dealers of verkooppunten. Door deze segmentatie in de index te herkennen, krijg je direct inzicht in de belangrijkste rubrieken van de site.
In de sitemap van Alerte Auto zie je bijvoorbeeld een indeling op basis van het type content, waarmee je rechtstreeks naar de gewenste rubriek kunt gaan zonder duizenden regels te doorzoeken.
Een sitemapindex in de praktijk lezen
De index bevat <sitemap>-tags, die elk een URL naar een onderliggend bestand bevatten. De naam van dat bestand geeft vaak een aanwijzing over de betreffende rubriek: sitemap-vehicules.xml, sitemap-marques.xml, sitemap-blog.xml. Open het juiste onderliggende bestand om de volledige lijst met pagina’s van een specifieke rubriek te bekijken.
Canonieke URL’s in een autocatalogus filteren
Autosites genereren een onevenredig groot aantal URL’s in verhouding tot het werkelijke aantal rubrieken. Combinaties van merk, model, aandrijving, prijsklasse en locatie leveren gefilterde resultatenpagina’s op die de sitemap kunstmatig laten groeien.
Een sitemap bevat gewenste URL’s, geen unieke rubrieken. Om de echte onderdelen van de site te vinden, moet je onderscheid maken tussen drie categorieën:
- Canonieke URL’s van rubrieken: modelpagina’s, voertuigcategorieën, redactionele secties en servicepagina’s. Ze hebben korte, stabiele paden (
/occasion/,/utilitaires/,/actualites/). - URL’s van afzonderlijke voertuigpagina’s: elk voertuig op voorraad heeft een eigen pagina. Die zijn nuttig voor een volledige audit, maar vormen geen navigatierubrieken.
- URL’s met parameters: resultaten van gecombineerde filters, vaak herkenbaar aan hun querystrings (
?marque=renault&prix_max=15000). Dat ze in de sitemap staan, betekent niet dat het volwaardige rubrieken zijn.
Door snel te sorteren op URL-diepte (het aantal schuine strepen in het pad) of op mappatroon, kun je de hoofdrubrieken binnen enkele seconden isoleren in een teksteditor of spreadsheet.
Snelle methode om rubrieken uit de XML-sitemap te halen
Als je de ruwe sitemap in een browser opent, wordt een XML-bestand weergegeven dat soms is opgemaakt en soms niet. De efficiëntste manier om de rubrieken eruit te halen, bestaat uit drie stappen.
Laad het hoofdsitemapbestand of de index in de browser, meestal via /sitemap.xml of /sitemap_index.xml. Als de site een gangbaar CMS gebruikt (bijvoorbeeld WordPress met een SEO-plugin), is de URL vrijwel gestandaardiseerd.
Kopieer de inhoud naar een spreadsheet of een editor die gestructureerde tekst kan verwerken. Haal de kolom met <loc>-tags eruit om een ruwe lijst met URL’s te krijgen. Met een eenvoudige filter op de eerste map na het domein (/modeles/, /services/, /blog/) groepeer je de pagina’s per rubriek.
Sorteer op het veld lastmod om actieve rubrieken te herkennen. Secties waarvan de pagina’s al lange tijd niet zijn bijgewerkt, kunnen gearchiveerde of verlaten rubrieken zijn. Let op: de datum bij lastmod is alleen betrouwbaar als de site deze bij elke inhoudelijke wijziging daadwerkelijk bijwerkt. Sommige CMS’en genereren de datum automatisch opnieuw, ook als de pagina niet echt is gewijzigd.
Het robots.txt-bestand als alternatieve ingang
Als de sitemap-URL niet voor de hand ligt, bevat het bestand robots.txt (te vinden in de hoofdmap van het domein) vaak een Sitemap:-regel die naar het juiste bestand verwijst. Controleer dit als eerste voordat je URL-paden gaat raden.
Beperkingen van de sitemap bij het in kaart brengen van een autosite
Een XML-sitemap is een declaratieve inventaris. Hij garandeert niet dat Google de vermelde pagina’s daadwerkelijk crawlt of indexeert. Er kunnen complete rubrieken in de navigatie van de site staan zonder dat ze in de sitemap voorkomen, met name pagina’s die dynamisch door filters worden gegenereerd of recente landingspagina’s die nog niet zijn opgenomen.
Omgekeerd kunnen verouderde URL’s of URL’s met een redirect in het bestand blijven staan als het onderhoud niet zorgvuldig gebeurt. Op een autosite waar de voertuigvoorraad dagelijks verandert, kan de sitemap pagina’s bevatten van voertuigen die al zijn verkocht.
Voor een volledig overzicht van de rubrieken raden we aan de sitemap te vergelijken met de zichtbare navigatie van de site (hoofdmenu’s, footer en interne links) en, indien beschikbaar, met de gegevens uit Google Search Console, waarin de daadwerkelijk geïndexeerde pagina’s staan.
De sitemap blijft het snelste startpunt voor een gestructureerd overzicht. Door de sitemap te combineren met de navigatie en indexeringsgegevens krijg je het betrouwbaarste overzicht. Op een autoportaal met duizenden pagina’s voorkomt deze gecombineerde aanpak dat je een rubriek over het hoofd ziet die in een submenu verborgen zit of niet in het XML-bestand staat.
