Cum interpretați rapoartele de acoperire în Google Search Console

Cum interpretați rapoartele de acoperire în Google Search Console, raportul care spune, pentru fiecare adresă pe care Google o cunoaște de pe site, dacă este în index și, dacă nu, de ce. Din 2022 se numește Page indexing (Indexarea paginilor), dar toată lumea îi spune încă raportul de acoperire. Este raportul cu cele mai multe interpretări greșite: un număr mare de pagini neindexate pare o catastrofă și deseori nu este, iar o singură stare neobservată poate ascunde 200 de pagini de produs ieșite din Google.

Ghidul parcurge structura raportului, apoi fiecare motiv de neindexare, cu ce înseamnă, dacă este normal și ce faceți, apoi validarea remedierilor și modul în care combinați raportul cu inspecția adreselor.

Cum interpretați rapoartele de acoperire în Google Search Console

Structura raportului

Partea de sus arată două cifre în timp: paginile indexate și cele neindexate, pe 90 de zile, cu un filtru pentru toate paginile cunoscute sau doar pentru cele trimise prin hărți. Sub grafic, tabelul Why pages aren't indexed listează motivele, cu numărul de pagini și tendința fiecăruia; un clic pe un motiv deschide lista adreselor (cel mult 1.000, exportabile). Mai jos, Improve page appearance arată paginile indexate cu probleme minore. Datele se actualizează la câteva zile și reflectă ultima accesare a fiecărei adrese, nu starea de acum.

Primul filtru pe care îl aplicăm: All submitted pages. Paginile din hartă sunt cele pe care le vreți indexate; motivele de neindexare de pe ele sunt problemele reale. Motivele de pe paginile nesubmise (găsite prin legături, parametri, adrese vechi) sunt, în majoritate, zgomot de curățat, nu erori.

Motivele de neindexare, unul câte unul

Cele care sunt, de obicei, normale

• Excluded by noindex tag: ați cerut excluderea. Normal pentru arhive, pagini de mulțumire, filtre. Problemă doar dacă apar aici pagini pe care le vreți indexate, de obicei după o actualizare de modul SEO sau o setare „Discourage search engines” uitată activă.
• Page with redirect: adresa redirecționează. Normal după migrări și consolidări. Problemă dacă numărul crește brusc fără să ați schimbat ceva (redirecționări în lanț sau o regulă greșită).
• Alternate page with proper canonical tag: duplicat cu canonical corect spre principală. Normal și de dorit.
• Not found (404): adresa nu există. Normal pentru pagini șterse intenționat; Google le reține luni de zile. Problemă dacă sunt pagini pe care nu le-ați șters sau dacă sunt legate din site.
• Blocked by robots.txt: ați blocat accesul. Normal pentru zonele blocate intenționat; problemă dacă apar resurse (CSS, JavaScript) sau pagini de conținut.

Cele care cer analiză

• Crawled, currently not indexed: Google a citit pagina și a decis să nu o indexeze, pentru moment. Semnalul cel mai clar de conținut considerat insuficient: pagini subțiri, foarte asemănătoare cu altele, generate automat, sau pagini noi pe un site cu autoritate mică. Remediul este în conținut și în legăturile interne spre pagină, nu în retrimiterea hărții. Pe site-urile mari, se combină cu bugetul de accesare, descris în articolul despre crawl budget.
• Discovered, currently not indexed: Google știe adresa, dar nu a accesat-o încă. Pe site-uri mici, e o coadă de așteptare de câteva zile sau săptămâni. Pe site-uri mari, cu mii de adrese aici, este un semn că Google nu consideră paginile suficient de importante ca să cheltuie accesări; legăturile interne și eliminarea adreselor inutile sunt remediul.
• Duplicate without user-selected canonical: Google a găsit copii și nu ați indicat principala. Adăugați canonical; cazurile sunt în ghidul despre conținutul duplicat.
• Duplicate, Google chose different canonical than user: ați indicat o canonică, Google a ales alta. De obicei, semnalele contrazic eticheta: legăturile interne merg spre varianta neindicată, sau conținutul diferă. Aliniați semnalele cu eticheta.
• Soft 404: pagina răspunde 200, dar Google o consideră goală sau de tip „nu există”. Pagini de categorie fără produse, pagini „niciun rezultat”, pagini cu doar un titlu. Fie le umpleți cu conținut, fie le faceți să răspundă 404 sau 410 real.

Cele care sunt erori și cer intervenție acum

• Server error (5xx): serverul a răspuns cu eroare la accesare. Verificați jurnalele la ora respectivă, cum arătăm în ghidul despre jurnalele de erori; repetat, reduce accesarea întregului site.
• Redirect error: lanț prea lung, buclă sau redirecționare spre o adresă invalidă.
• Blocked due to unauthorized request (401) și Blocked due to access forbidden (403): pagini care cer autentificare sau pe care un firewall le refuză lui Googlebot. Dacă sunt pagini publice, cauza este un serviciu de protecție sau o regulă de securitate care blochează roboții.
• Blocked by page removal tool: cineva a cerut eliminarea din unealta Removals; expiră după șase luni.
• Indexed, though blocked by robots.txt (în secțiunea de avertismente): pagina e în index fără conținut, fiindcă Google nu o poate citi, dar are legături spre ea. Dacă nu o vreți indexată, deblocați-o și puneți noindex; blocarea singură nu o scoate.

Cum prioritizați

1. Erorile (5xx, redirect error, 401/403 pe pagini publice): imediat, indiferent de număr.
2. Paginile din hartă cu Crawled sau Discovered, currently not indexed: aici este valoarea pierdută; alegeți cele 20 cele mai importante comercial și lucrați pe ele.
3. Duplicatele fără canonical și cu canonical schimbat: configurare, câteva ore.
4. Soft 404 și noindex neintenționat: verificare pagină cu pagină.
5. Restul (404 vechi, redirecționări, alternative cu canonical): curățare de legături interne, fără urgență.

Numărul total de pagini neindexate nu este o metrică. Un magazin cu 2.000 de produse indexate și 30.000 de adrese neindexate (filtre cu canonical, parametri blocați, pagini șterse) este sănătos. Un blog cu 200 de articole din care 60 sunt în Crawled, currently not indexed are o problemă de conținut, chiar dacă numărul e mic.

Validarea remedierilor

După ce ați rezolvat cauza unui motiv, butonul Validate fix din pagina motivului îi cere lui Google să reverifice adresele din listă. Procesul durează până la două săptămâni și se încheie cu Passed, Failed sau, parțial, cu adrese încă în verificare. Failed înseamnă că cel puțin o adresă mai are problema; deschideți lista de adrese rămase, nu reluați totul. Validarea nu grăbește indexarea paginilor din Crawled, currently not indexed, pentru că acolo nu există o „remediere” tehnică de verificat; pentru ele, urmăriți doar tendința numărului în timp.

Inspecția adreselor, complementul raportului

Raportul spune ce s-a întâmplat la ultima accesare; inspecția unei adrese spune de ce, în detaliu: data accesării, robotul folosit, dacă accesarea a fost permisă, dacă indexarea e permisă, ce canonică ați declarat și ce canonică a ales Google, cum a fost descoperită pagina (hartă sau pagini care leagă spre ea). Testul live arată starea de acum, după remediere, fără să aștepte reaccesarea. Pentru orice adresă importantă dintr-un motiv de neindexare, inspecția este pasul următor, iar pentru cele mai importante, Request indexing după remediere. Ghidul general al uneltei, cu celelalte rapoarte, este în ghidul complet pentru Search Console.

Ce înseamnă tendința, nu doar numărul

Graficul de 90 de zile este mai util decât cifra de azi. Un salt al paginilor neindexate în aceeași zi cu o lansare de temă indică o cauză tehnică; o creștere lentă a stării Crawled, currently not indexed pe parcursul lunilor indică o problemă de calitate acumulată; o scădere a paginilor indexate fără creștere corespunzătoare a niciunui motiv înseamnă pagini șterse sau redirecționate intenționat. Exportați lunar totalurile pe motive într-un tabel; după trei luni, tiparele sunt evidente, iar o variație de 5% nu vă mai sperie, în timp ce una de 30% pe un motiv precis primește atenția pe care o merită.

Trei situații din practică

Un site de servicii avea 140 de pagini în Excluded by noindex, apărute peste noapte; toate erau pagini de serviciu. Cauza: o actualizare a modulului SEO resetase o setare pe tipul de conținut „servicii” la noindex. Remediere în cinci minute; revenirea în index, în două săptămâni, cu validare Passed.

Un magazin avea 3.200 de adrese în Discovered, currently not indexed, majoritatea produse. Jurnalele arătau că Googlebot cheltuia accesările pe pagini de filtre; după blocarea filtrelor și legături interne din categorii spre produse, numărul a scăzut la 400 în două luni. Metoda este cea din ghidul despre auditul SEO tehnic și erorile de accesare.

Un blog avea 80 de articole în Crawled, currently not indexed, toate din 2019-2020, sub 400 de cuvinte, pe subiecte acoperite și de articole mai noi. Consolidarea în 25 de articole extinse și redirecționarea celorlalte a dus la indexarea a 24 dintre ele în șase săptămâni. Este exact procesul pe care l-am aplicat și pe propriul blog, unde articolele scurte au fost extinse și cele duplicate redirecționate.

Ce faceți pentru fiecare tip de eroare tehnică din raport, cu comenzile de verificare, este detaliat în articolul despre erorile de indexare frecvente, iar hărțile, care alimentează filtrul All submitted pages, în ghidul despre trimiterea hărții XML.

Surse

• Ajutor Search Console, raportul de indexare a paginilor: descrierea oficială a fiecărei stări și a validării.
• Ajutor Search Console, instrumentul de inspectare a adreselor: câmpurile raportului de inspecție și testul live.