sitemap 配置的第一步不是生成文件，是记基线：URL 总数、提交日期、索引状态、抓取错误。四个数记下来，后面每次调整才知道是变好还是变坏。配置上有五条硬规则，其中「只放可索引的 200 页面」最常被违反。带 noindex、需要登录、返回 404 的页面放进去，会让整份文件的可信度下降。全站统一写今天，等于告诉搜索引擎这个字段不可信，之后会被忽略。
企业官网sitemap配置
第一步不是生成文件，是记基线：URL 总数、提交日期、索引状态、抓取错误。四个数记下来，后面每次调整才知道是变好还是变坏。
基线记什么
| 指标 | 从哪看 | 用途 |
|---|---|---|
| URL 总数 | sitemap 文件行数 | 判断覆盖是否完整 |
| 提交日期 | 搜索后台 | 确认是否被抓取 |
| 索引状态 | 覆盖率报告 | 找出未收录的页面 |
| 抓取错误 | 抓取统计 | 定位技术问题 |
四个数每月记一次，写在同一张表里。三个月后就能看出趋势，比任何工具的诊断都直接。
五条硬规则
一是只放返回 200 且可索引的页面。带 noindex、需要登录、返回 404 的页面放进去，会让整份文件的可信度下降。
二是 lastmod 必须是真实的最后修改时间。全站统一写今天，等于告诉搜索引擎这个字段不可信，之后会被忽略。
三是单个文件不超过五万条、五十兆。超过就拆成索引文件加分片。
四是 URL 用绝对地址，带协议和域名，不要用相对路径。
五是在 robots.txt 里声明 sitemap 地址，一行就够。
建议拆成几个分片
页面、文章、产品、案例各一个分片，用一个索引文件串起来。好处是某一类出问题不影响其他类，也便于单独看每类的收录率。
分片命名要能看出内容，比如 sitemap-posts.xml、sitemap-products.xml，不要用 sitemap1、sitemap2。
自动生成还是手工维护
有 CMS 的用插件自动生成，但要检查插件有没有把标签页、搜索结果页、分页参数页也塞进去。这类页面大量出现在 sitemap 里，是最常见的污染源。
纯静态站用构建脚本生成，在构建时遍历输出目录，过滤掉草稿和重定向页。手工维护只适合页面少于五十个的站，再多一定会漏。
提交之后做什么
提交不等于收录。提交后看覆盖率报告，把「已发现未编入索引」的页面挑出来，逐个查原因：内容太薄、重复、canonical 指向别处。
这一步比反复重新提交有效得多。重新提交只影响抓取优先级，不解决内容问题。
常见错误
一是把 sitemap 当成收录加速器，天天重生成。二是把 404 页面留在文件里。三是分片之间 URL 重复。四是提交了 sitemap 但 robots.txt 里 Disallow 了对应目录，两个配置互相打架。
同一主题的其他问法
同一件事被问出来的方式不止一种。除了本文标题这种说法，还常有人搜「营销型网站sitemap配置」、「企业官网」这样的主题词，或者「营销型网站sitemap配置要避开哪些坑」、「营销型网站sitemap配置从哪一步开始」、「营销型网站sitemap配置怎么做」这样的长尾问法。本文的结论对这些问法同样成立，区别只在于先看哪一节。