sitemap.xml: hakukoneiden sisällysluettelo

Moduuli 3: Sivun tekninen perusta · Lukuaika: 11 minuuttia

Oppimistavoite: Tämän oppitunnin jälkeen osaat lukea sitemap.xml-tiedoston, arvioida, onko se kunnossa, ja varmistaa, että hakukoneet löytävät sen.

Keskeiset käsitteet: XML-sivustokartta, sitemaps.org-protokolla, urlset, url, loc, lastmod, changefreq ja priority (Google ei huomioi niitä), 50 000 osoitteen ja 50 Mt:n raja, sivustokarttaindeksi, kanoniset osoitteet, Sitemap:-rivi robots.txt-tiedostossa, automaattisesti luotu sivustokartta

Mikä sivustokartta on ja mitä se ei ole

Sivustokartta (sitemap) on tiedosto, jossa luetellaan sivustosi osoitteet, jotka haluat näkyviin hakutuloksiin. Se on sisällysluettelo, jonka annat hakukoneelle. Hakurobotti löytää sivuja lähinnä seuraamalla linkkejä (oppitunti 1.2). Sivustokartta auttaa tässä: siinä mainitaan myös sivut, joille johtaa vain vähän linkkejä, ja se kertoo, milloin sivu on viimeksi muuttunut.

Kahta asiaa sivustokartta ei tee:

1. Se ei ole tae. Google sanoo sen itse: sivustokartta ei takaa, että kaikki siinä olevat sivut indeksoidaan. Sivustokartan lähettäminen on vihje.
2. Se ei korvaa hyviä linkkejä. Sivu, joka on vain sivustokartassa ja jolle ei johda yhtään linkkiä omalta sivustoltasi, kertoo hakukoneelle, ettet itsekään pidä sitä kovin tärkeänä.

Tarvitsetko sivustokartan? Googlen mukaan siitä on hyötyä etenkin suurella sivustolla, uudella sivustolla, jolle on vähän ulkopuolisia linkkejä, ja sivustolla, jolla on paljon videoita tai kuvia. Pieni sivusto (Google mainitsee noin 500 sivua tai vähemmän), jonka sisäinen linkitys on hyvä, pärjää ilmankin. Sivustokartta ei kuitenkaan maksa juuri mitään, ja useimmat sivustotyökalut luovat sen itsestään. Jos sinulla on sellainen, huolehdi, että se on kunnossa: virheitä täynnä oleva sivustokartta on huonompi kuin ei sivustokarttaa lainkaan.

Miltä sivustokartta näyttää

Tavallinen sivustokartta on XML-tiedosto, joka noudattaa sitemaps.org-protokollaa, jota Google, Bing ja muut hakukoneet käyttävät yhdessä. Tältä näyttää Bloemenatelier Lotten (kukkakauppa Amersfoortissa) sivustokartta:

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-11-02</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/bruidsboeketten</loc>
    <lastmod>2026-10-14</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/contact</loc>
    <lastmod>2026-06-30T09:15:00+02:00</lastmod>
  </url>
</urlset>

Muutama sääntö, jotka menevät usein pieleen:

• Täydelliset osoitteet. Ei /contact, vaan https://www.example.com/contact. Google pyytää nimenomaan täydellisiä, absoluuttisia osoitteita.
• UTF-8 ja merkkien koodaus. Tiedoston on oltava UTF-8-muodossa, ja osoitteessa olevat merkit kuten & kirjoitetaan muodossa &. Yksikin koodaamaton & tekee koko XML:stä virheellisen.
• Sama skeema ja sama isäntä. Protokollan mukaan sivustokartassa saa olla vain osoitteita, joilla on sama skeema ja sama isäntä kuin itse sivustokartalla. Osoitteessa https://www.example.com/ oleva sivustokartta, jossa on osoitteita muodossa http://example.com/, ei siis ole kunnossa. Se on samalla merkki siitä, että canonical ja uudelleenohjauksesi eivät ole linjassa (oppitunnit 3.5 ja 4.1).

lastmod: vain jos se pitää paikkansa

Google käyttää <lastmod>-tietoa, jos se on "johdonmukaisesti ja todennettavasti" oikein. Vuonna 2023 Google tarkensi, mikä lasketaan muutokseksi: sivun pääteksti, jäsennellyt tiedot tai linkit. Uusi vuosiluku alatunnisteessa ei ole muutos. Jos merkitset joka päivä jokaiselle sivulle kuluvan päivän, Google oppii, etteivät päivämääräsi kerro mitään, ja jättää ne huomiotta. Rehellinen päivämäärä tai ei päivämäärää lainkaan on parempi kuin keksitty päivämäärä.

Iso sivusto? Silloin sivustokarttaindeksi

Yhdessä sivustokartassa saa olla enintään 50 000 osoitetta, ja se saa olla enintään 50 Mt (pakkaamattomana). Jos sivustosi on suurempi tai haluat jakaa sivustokartan osiin (sivut, blogi, tuotteet), tee sivustokarttaindeksi: sivustokarttojen sivustokartta.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemap-paginas.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemap-blog.xml</loc>
  </sitemap>
</sitemapindex>

Silloin lähetät vain indeksin. WordPress toimii näin: https://www.example.com/wp-sitemap.xml on indeksi, joka viittaa erillisiin sivustokarttoihin sivuille, artikkeleille, kategorioille ja kirjoittajille. SEO-lisäosat korvaavat sen usein omalla indeksillään, esimerkiksi sitemap_index.xml.

Mitkä osoitteet kuuluvat mukaan?

Vain osoitteet, jotka haluat näkyviin hakutuloksiin, ja nekin kanonisessa muodossaan (oppitunti 3.5). Eli ei:

• osoitteita, jotka ohjautuvat muualle (http://-versio, sivun vanha nimi);
• osoitteita, jotka palauttavat koodin 404 tai 410;
• sivuja, joissa on noindex (oppitunti 1.3): sanot silloin yhtä aikaa "ota tämä mukaan" ja "älä ota tätä mukaan";
• sivuja, jotka estät robots.txt-tiedostossa (oppitunti 3.3);
• parametrillisia versioita, kuten ?sorteer=prijs tai ?utm_source=nieuwsbrief;
• kiitossivuja, ostoskoreja, kirjautumissivuja.

Nämä ristiriidat näkyvät Search Consolessa (oppitunnit 2.2 ja 2.4): Sivut-raportissa voit suodattaa sivustokartastasi tulevat osoitteet, ja silloin näet esimerkiksi osoitteet, jotka noindex-tagi on sulkenut pois tai robots.txt estänyt. Jokainen tällainen ilmoitus on osoite, joka ei kuulu sivustokarttaasi, tai sivu, joka on vahingossa estetty.

Miten hakukoneet löytävät sivustokarttasi

Tavallisia tapoja on kaksi, ja kannattaa käyttää molempia:

1. Rivi robots.txt-tiedostossa (oppitunti 3.3). Jokainen hakukone lukee robots.txt-tiedoston, joten näin sivustokartan löytää myös hakukone, jossa sinulla ei ole tiliä:

   Sitemap: https://www.example.com/sitemap.xml

   Osoitteen on oltava täydellinen. Voit lisätä useita Sitemap:-rivejä.

2. Lähettäminen Search Consoleen ja Bing Webmaster Toolsiin (oppitunnit 2.2 ja 2.5). Silloin näet myös, onnistuiko haku ja montako osoitetta löytyi.

Ennen Googlelle saattoi lähettää "pingin" erityiseen osoitteeseen. Google lopetti tämän vuonna 2023: ping ei enää tee mitään. Jos haluat kertoa hakukoneille muutoksesta nopeasti, keinot ovat lastmod ja Bingin sekä muutaman muun hakukoneen osalta IndexNow (oppitunti 2.5).

Käytännössä: tee itse tai anna työkalun tehdä

Lähes kukaan ei kirjoita sivustokarttaa käsin. WordPress luo versiosta 5.5 alkaen itse tiedoston wp-sitemap.xml ja lisää viittauksen (virtuaaliseen) robots.txt-tiedostoonsa. WebOkén AI Builder tallentaa julkaisun yhteydessä verkkokansioon tiedoston sitemap.xml, jossa on kunkin sivun viimeisimmän muutoksen päivämäärä, sekä robots.txt-tiedoston, jossa on Sitemap:-rivi. Muut sivustotyökalut tekevät samantapaisesti. Sinun tehtäväsi on tarkistaa:

• Avaa /robots.txt omassa verkkotunnuksessasi (esimerkiksi https://www.example.com/robots.txt) ja katso, onko siinä Sitemap:-rivi.
• Avaa sivustokartta selaimessa. Onko siinä odottamasi osoitteet, joissa on https:// ja oikea isäntänimi (www kanssa tai ilman)?
• Napsauta muutamaa. Avautuuko jokainen sivu suoraan oikein, ilman uudelleenohjausta?

Yhteenveto

• Sivustokartta on sisällysluettelo ja vihje, ei tae. Pienet, hyvin linkitetyt sivustot pärjäävät ilman, mutta kunnossa oleva sivustokartta auttaa aina.
• Pakollisia ovat urlset oikealla nimiavaruudella, url ja loc täydellisillä osoitteilla; lastmod vain jos se pitää paikkansa. Google ei huomioi tietoja changefreq ja priority.
• Enintään 50 000 osoitetta ja 50 Mt tiedostoa kohden; sitä suuremmille sivustokarttaindeksi.
• Vain kanonisia osoitteita, jotka palauttavat koodin 200, ilman noindexiä ja estämättöminä.
• Lisää Sitemap:-rivi robots.txt-tiedostoon ja lähetä sivustokartta Googlelle ja Bingille. Vanha ping ei enää toimi.

Tietovisa

Tehtävä

Tehtävä A3.4: Onko sivustokarttasi kelvollinen ja löydettävissä? Kirjoita sivustosi osoite. Ohjelma etsii sivustokarttasi samaan tapaan kuin hakukone (ensin robots.txt-tiedoston kautta, muuten osoitteesta /sitemap.xml), tarkistaa, onko se protokollan mukaista kelvollista XML:ää, onko se mainittu robots.txt-tiedostossa, ovatko osoitteet täydellisiä ja omalla isännälläsi, ja hakee niistä muutaman nähdäkseen, saavatko ne todella olla indeksissä. Eikö sinulla ole omaa sivustoa? Käytä osoitetta european-union.europa.eu.

Lisälukemista

Näiden artikkelien ohjeet koskevat WebOkén hallintapaneeleja; muilla palveluntarjoajilla toiminta on samantapaista.

• Ilmoita verkkosivustosi hakukoneisiin (Google ja Bing)
• Google Search Central, Sivustokartan luominen ja lähettäminen: https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
• Google Search Central, Mikä sivustokartta on: https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview
• sitemaps.org-protokolla: https://www.sitemaps.org/protocol.html
• Google Search Central Blog, Sitemaps ping endpoint is going away (2023): https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping