Soumission de Sitemap à Baidu

Un Sitemap est la déclaration permanente de ce que contient un site, et dans Baidu, c’est le canal approprié pour le corpus de pages existant — par opposition aux canaux de push, qui sont pour ce qui est nouveau.

Comment Baidu le traite

Le fichier est récupéré et traité cycliquement, ce qui le rend fiable et plus lent que le push. C’est le compromis établi par la propre comparaison de la plateforme : aucun développement nécessaire, couverture complète, mais pas la voie pour quelque chose qui doit être indexé aujourd’hui.

Ce qu’il doit contenir

• Uniquement les URL canoniques — une forme par page, correspondant à ce que les liens internes utilisent.
• Les pages qui devraient réellement se positionner. Un Sitemap listant des combinaisons de filtres et des URL de recherche interne invite au crawl de pages que les propres règles de Baidu qualifient d’inutiles.
• Des dates de modification précises, afin que le robot puisse prioriser ce qui a changé.

ETag et récupération conditionnelle

Baidu documente l’utilisation de ETag pour prendre en charge la soumission du Sitemap — le serveur indique au robot si le fichier a changé depuis sa dernière récupération. Sur un Sitemap volumineux ou fréquemment régénéré, cela évite les téléchargements répétés d’un fichier inchangé, ce qui représente une capacité restituée au crawl des pages réelles.

Les échecs courants

• Le fichier est inaccessible, redirige ou répond par autre chose que 200.
• des URL qui ne correspondent pas à la forme canonique — variantes de paramètres, divergences de www ou de protocole.
• Un Sitemap listant des URL bloquées dans robots.txt: une instruction de crawler et une instruction de ne pas crawler sur le même site.
• Un fichier obsolète régénéré moins souvent que le site ne publie.

L’agencement qui fonctionne

Régénérez selon un calendrier qui correspond aux publications, conservez les URL canoniques, servez-le avec les en-têtes de mise en cache corrects et utilisez les canaux de push pour tout ce qui est sensible au facteur temps. Le Sitemap est la carte ; ce n’est pas le messager.

Vérification

Vérifiez dans la plateforme que le fichier a été récupéré et traité, et comparez le nombre d’URL au volume de l’index. Un grand écart entre les éléments soumis et indexés est un problème de qualité ou de duplication, pas un problème de Sitemap.