Quando si gestisce un sito web composto da diverse decine di pagine, la prima difficoltà non è creare contenuti, ma sapere esattamente cosa esiste già. Una pagina pubblicata due anni fa, un vecchio modulo di contatto diventato obsoleto, una landing page dimenticata che carica ancora un pixel di tracciamento senza banner di consenso: questi angoli morti pongono problemi concreti, dal SEO alla conformità con la CNIL.
Redigere l’elenco completo delle pagine disponibili su un sito web è un prerequisito operativo, non un esercizio teorico.
Tracciatori e conformità CNIL: il vero motivo per inventariare ogni pagina
Si pensa spesso che un inventario delle pagine serva unicamente al posizionamento. Sul campo, la ragione più urgente è altrove. La CNIL ricorda che l’obbligo di consenso riguarda non solo i cookie, ma anche i pixel, lo storage locale, il fingerprinting e gli identificatori pubblicitari. Ogni URL attiva su un sito può caricare script diversi.
Una pagina prodotto creata nel 2022 potrebbe integrare uno strumento di audience configurato prima dell’aggiornamento della tua CMP (piattaforma di gestione del consenso). Se nessuno l’ha verificata da allora, questa pagina può depositare tracciatori senza un consenso valido. Il banner conforme visualizzato sulla homepage non copre automaticamente tutte le URL del dominio.
Concretamente, un audit pagina per pagina deve verificare le tecnologie caricate prima e dopo il consenso, e non solo elencare le URL scoperte. La CNIL raccomanda in particolare catture temporizzate di ogni versione del banner e una cronologia di configurazione conservata dalla CMP. In altre parole, un elenco di pagine utile deve includere una data di esplorazione e uno stato di conformità.
Esplorando l’elenco delle pagine di Bla Bla Bla, si vede chiaramente come una sitemap strutturata faciliti questo tipo di verifica: ogni URL è identificabile e si individuano rapidamente le sezioni che necessitano di un controllo specifico.
Sitemap XML e crawl interno: due approcci complementari per elencare le pagine di un sito
Il file sitemap.xml è il punto di partenza ovvio. Si trova aggiungendo /sitemap.xml alla radice del dominio. Elenca le URL che l’amministratore del sito desidera rendere visibili ai motori di ricerca. Il problema è che contiene solo ciò che si è voluto inserire.
Le pagine orfane (quelle che non ricevono alcun link interno) non appaiono né nella sitemap né nella navigazione. Un crawl interno con uno strumento dedicato esplora il sito come farebbe un robot di motore di ricerca, seguendo ogni link. È l’unico metodo per scoprire URL dimenticate.
Ciò che la sitemap non mostra
- Le pagine in noindex che rimangono accessibili tramite il loro URL diretto, ma che la sitemap esclude per convenzione
- Le vecchie URL reindirizzate (301/302) di cui la destinazione è cambiata o che puntano a una pagina rimossa
- Le pagine generate dinamicamente da filtri o parametri URL, spesso assenti dalla sitemap ma indicizzate da Google
Combinare sitemap e crawl copre quasi tutte le URL attive. Si raccomanda di avviare un crawl completo almeno una volta a trimestre su un sito di dimensioni medie e di confrontare i risultati con la sitemap dichiarata.
Operatore site: su Google e Search Console per verificare l’indicizzazione
Una volta stabilito l’elenco interno, lo si confronta con ciò che Google conosce realmente. Il comando site:mondomaine.fr nella barra di ricerca mostra le pagine indicizzate. Questo metodo ha i suoi limiti: Google non restituisce sempre l’intero insieme delle URL indicizzate, soprattutto sui grandi siti.
La Search Console offre un rapporto di indicizzazione più affidabile. Qui si distinguono le pagine indicizzate, quelle escluse volontariamente (noindex, canonica che punta altrove) e quelle rifiutate da Google per motivi tecnici. La differenza tra le URL inviate e le URL indicizzate rivela i problemi: contenuto duplicato, errori del server, tempi di caricamento eccessivi.
Parametri URL e pagine fantasma
I parametri URL (ordinamento, filtri, identificatori di sessione) generano a volte centinaia di varianti di una stessa pagina. Google può indicizzarli separatamente, il che diluisce l’autorità del dominio. In Search Console, la sezione “Parametri URL” consente di segnalare quelli che Google deve ignorare.
I risultati variano su questo punto: alcuni siti notano un miglioramento rapido del budget di crawl dopo la pulizia dei parametri, altri non vedono cambiamenti significativi. L’impatto dipende dal volume delle pagine interessate e dalla frequenza di crawl del sito.
Classificare le pagine in base al livello di dipendenza dagli strumenti soggetti a consenso
Tutte le pagine di un sito non presentano lo stesso rischio in materia di conformità. Una pagina istituzionale statica senza strumento analitico non pone alcun problema. Una pagina di conversione che carica un pixel di remarketing, uno strumento di heatmap e un tag manager è l’opposto.
Una classificazione operativa consiste nel suddividere le URL in tre categorie:
- Pagine senza tracciatore soggetto a consenso (note legali, pagine statiche, alcune pagine di blog)
- Pagine con strumenti di audience esenti a determinate condizioni (misurazione dell’audience strettamente anonimizzata, secondo le linee guida CNIL)
- Pagine che caricano tracciatori pubblicitari o strumenti di terze parti che richiedono un consenso esplicito prima del deposito
Questa suddivisione identifica immediatamente le pagine prioritarie per un audit di conformità. Si inizia dalla terza categoria, dove il rischio di sanzione è più elevato.
La prova di conformità non si limita a un banner visibile. Essa implica che il rifiuto sia altrettanto semplice quanto l’accettazione, e che il ritiro del consenso rimanga possibile in qualsiasi momento. Ogni pagina dell’elenco deve essere verificabile su questi tre criteri.
Redigere l’inventario completo di un sito non è un compito occasionale. Le pagine evolvono, gli script cambiano, le CMP si aggiornano. Una sitemap aggiornata, un crawl regolare e un monitoraggio della conformità per URL formano le basi di un sito ben gestito, sia per il posizionamento che per il rispetto degli obblighi legali.
