Erori de indexare frecvente și cum le remediați în Google

Erori de indexare frecvente și cum le remediați în Google: lista pe care o parcurgem la fiecare audit tehnic, în aceeași ordine, pentru că aceleași zece cauze explică aproape toate paginile lipsă din index. Unele sunt erori de server, altele sunt instrucțiuni pe care le-ați dat lui Google fără să vreți, iar câteva sunt decizii ale Google despre valoarea paginii, deghizate în „erori”.

Pentru fiecare: cum o recunoașteți în Search Console, cum o confirmați din terminal sau din jurnale și ce faceți. Cadrul general al raportului este în ghidul despre interpretarea rapoartelor de acoperire; aici intrăm în fiecare caz.

Erori de indexare frecvente și cum le remediați în Google

1. Pagina răspunde 404, deși există

În raport: Not found (404) pe adrese pe care le vreți indexate. Cauza obișnuită: adresa din hartă sau din legăturile interne diferă de cea reală (slash final, majuscule, diacritice codificate diferit, prefix de limbă). Confirmare: curl -I pe adresa exactă din raport. Remediu: corectați sursa adresei greșite (harta, meniul, legăturile din conținut) și, dacă adresa greșită a primit legături externe, redirecționați-o 301 spre cea corectă.

curl -I -A "Googlebot" https://www.exemplu.ro/pagina-din-raport/

2. Soft 404

Pagina răspunde 200, dar Google o consideră inexistentă sau goală: categorii fără produse, căutări fără rezultate, pagini cu doar un titlu, pagini „în construcție”. Remediu: fie conținut real, fie răspuns 404 sau 410 pentru ce nu există. O pagină de categorie temporar goală primește noindex până se umple, nu rămâne indexabilă cu mesajul „niciun produs”.

3. Erori de server (5xx) și expirări

În raport: Server error (5xx). În jurnale: răspunsuri 500, 502, 503 la ora accesării, sau lipsa oricărui răspuns (expirare). Cauze: limită de resurse atinsă, copii de siguranță în orele de accesare, erori PHP pe anumite pagini, baza de date supraîncărcată. Remediu după cauză, cu ajutorul jurnalelor din ghidul despre jurnalele de erori și acces și al monitorizării din cel despre resursele serverului. Repetate, erorile 5xx reduc ritmul de accesare al întregului site și scot pagini din index.

4. Blocarea robotului Google: 403 sau conținut diferit

În raport: Blocked due to access forbidden (403) sau pagini indexate cu conținut greșit. Cauze: un firewall de aplicație, un serviciu de protecție împotriva roboților, o regulă .htaccess care blochează user agent-uri sau adrese IP din centre de date, sau o pagină de verificare („confirmați că sunteți om”) servită roboților. Confirmare: testul live din URL Inspection arată exact ce a primit Google; jurnalul arată răspunsul 403 pentru adresele Googlebot. Remediu: excepție pentru roboții Google verificați (după lista oficială de adrese IP, nu după user agent), la nivelul serviciului care blochează. Cazul serviciilor de protecție care servesc ecranul de verificare roboților l-am întâlnit repetat pe găzduiri cu Imunify sau cu reguli Cloudflare prea stricte.

5. Blocarea în robots.txt

În raport: Blocked by robots.txt, sau Indexed, though blocked by robots.txt. Cauze: reguli prea largi (Disallow: /*?), un Disallow: / rămas de la dezvoltare, blocarea dosarelor cu CSS și JavaScript (Google nu poate randa pagina și o consideră goală). Confirmare: raportul robots.txt din Search Console (Settings) și testul live. Remediu: reguli precise, niciodată pe resurse, și verificarea fișierului după fiecare lansare. Rețineți că robots.txt nu scoate din index; pentru asta e nevoie de noindex, care cere ca pagina să fie accesibilă.

6. noindex neintenționat

În raport: Excluded by noindex tag, pe pagini pe care le vreți indexate. Cauze: setarea „descurajează motoarele de căutare” din platformă, un modul SEO cu noindex pe un tip de conținut, un antet X-Robots-Tag pus de server pe anumite extensii, o temă care adaugă noindex pe pagini paginate sau pe pagini fără imagine. Confirmare: sursa paginii (meta robots) și antetele (curl -I). Remediu: eliminarea instrucțiunii și Request indexing pentru paginile importante.

7. Canonical greșit

În raport: Alternate page with proper canonical tag pe pagini care ar trebui să fie ele canonice, sau Duplicate, Google chose different canonical than user. Cauze: canonical spre prima pagină pe toate paginile (o eroare de temă clasică), canonical spre versiunea http sau fără www, canonical spre pagina 1 pe paginile 2, 3 ale unei liste. Confirmare: eticheta din head și coloana User-declared canonical din inspecție. Remediu: canonical automat corect pe fiecare șablon, spre adresa curată a paginii însăși. Cazurile de duplicate sunt în ghidul despre conținutul duplicat.

8. Redirecționări greșite

În raport: Redirect error sau Page with redirect pe pagini care nu ar trebui să redirecționeze. Cauze: lanțuri (http spre https spre www spre slash final, patru sărituri), bucle, redirecționări spre 404, redirecționări condiționate de user agent. Confirmare: curl -IL arată tot lanțul. Remediu: o singură săritură spre destinația finală, aceeași pentru toți vizitatorii; configurarea corectă este în ghidul despre redirecționările 301 și 302.

curl -sIL -o /dev/null -w "%{http_code} %{redirect_url}\n" https://exemplu.ro/pagina

9. Conținut care depinde de JavaScript

În raport: pagini în Crawled, currently not indexed sau indexate cu titlu și conținut greșit. Cauza: conținutul apare doar după executarea JavaScript, iar randarea Google eșuează sau întârzie (scripturi blocate, erori, apeluri spre servicii care refuză roboții). Confirmare: testul live, fila HTML randat, comparată cu ce vedeți în browser. Remediu: randare pe server sau prerandare pentru conținutul principal, HTML static pentru titlu, descriere și text; pentru aplicațiile client-side, un serviciu de prerandare, cum am descris în ghidul despre Docker pe Linux.

10. Pagini pe care Google nu le consideră suficient de valoroase

În raport: Crawled, currently not indexed sau Discovered, currently not indexed, fără nicio eroare tehnică. Nu este o eroare, ci o decizie: conținut subțire, duplicat în esență, generat automat, sau pur și simplu un site cu autoritate mică pentru volumul de pagini. Remediu: mai puține pagini, mai bune; legături interne spre cele care contează; consolidarea celor asemănătoare. Pe site-urile mari, verificați și bugetul de accesare. Nicio retrimitere a hărții nu rezolvă acest caz.

Ordinea de verificare la o pagină neindexată

1. URL Inspection: ce spune Google despre adresă (accesare permisă? indexare permisă? canonică?).
2. Test live: ce primește Google acum, inclusiv HTML-ul randat și captura de ecran.
3. curl -I și curl -IL cu user agent Googlebot: codul, antetele, lanțul de redirecționări.
4. Sursa paginii: meta robots, canonical, hreflang.
5. robots.txt: regulile care se potrivesc adresei.
6. Jurnalul serverului: cererile Googlebot spre adresă și răspunsurile lor.
7. Dacă totul e curat: conținutul și legăturile interne, adică punctul 10.

Erori mai rare, dar cu efect mare

• Hreflang greșit: versiunea în română servită pentru Germania, sau canonical spre versiunea în altă limbă; paginile de limbă dispar din rezultatele țării lor. Verificați reciprocitatea etichetelor.
• Conținut diferit pentru Google față de vizitatori (camuflare accidentală): un cache care servește roboților o versiune veche sau o versiune fără conținut; testul live îl arată.
• Pagini enorme sau cu HTML invalid grav: Google indexează primii câțiva MB și poate rata conținutul de jos.
• Meta refresh sau redirecționări JavaScript în loc de 301: Google le urmează uneori, dar le tratează ca semnal slab.
• Certificat expirat sau greșit pe subdomeniu: paginile răspund, dar cu avertisment; Google reduce încrederea și, în timp, accesarea. Reînnoirea automată este descrisă în ghidul despre certificatele SSL/TLS.
• Pagini indexate pe adresa IP sau pe numele serverului (server.gazda.ro/~cont/): duplicate ale întregului site, din configurația găzduirii; redirecționați-le spre domeniu.

Cât durează recuperarea

După remedierea unei erori tehnice, Google trebuie să reacceseze pagina. Pentru paginile importante, legate din prima pagină, se întâmplă în zile; pentru cele adânci, în săptămâni. Request indexing din inspecție grăbește câteva pagini pe zi. Revenirea în poziții după reindexare este de obicei rapidă dacă pagina avea istoric; o pagină scoasă din index luni de zile își reface pozițiile mai încet. Numărați două-patru săptămâni de la remediere până la o evaluare corectă, și nu schimbați altceva între timp, ca să știți ce a funcționat.

Prevenirea

• O verificare automată, după fiecare lansare, a paginilor principale: cod 200, fără noindex, canonical corect; un script de zece rânduri cu curl ajunge.
• Harta site-ului generată din date curente, trimisă corect, conform ghidului despre trimiterea hărții XML.
• Alertele Search Console pe e-mail, la o adresă citită.
• Monitorizare externă a disponibilității, ca erorile 5xx să fie prinse înainte de Google.
• Un jurnal al schimbărilor pe site; majoritatea erorilor de indexare încep la o actualizare.

Toate aceste verificări fac parte din auditul SEO pe care îl facem înainte de orice lucru de conținut, fiindcă un site care nu este indexat corect nu poate fi optimizat; ce anume conține auditul tehnic este descris în articolul despre auditul SEO tehnic și erorile de accesare.

Surse

• Ajutor Search Console, raportul de indexare a paginilor: stările raportului și semnificația lor.
• Google, codurile de stare HTTP și erorile de rețea: cum tratează Google fiecare cod de răspuns și erorile de conectare.