Quando se gerencia um site composto por várias dezenas de páginas, a primeira dificuldade não é criar conteúdo, mas saber exatamente o que já existe. Uma página publicada há dois anos, um antigo formulário de contato que se tornou obsoleto, uma landing page esquecida que ainda carrega um pixel de rastreamento sem banner de consentimento: esses pontos cegos apresentam problemas concretos, desde SEO até conformidade com a CNIL.
Elaborar uma lista completa das páginas disponíveis em um site é um pré-requisito operacional, não um exercício teórico.
Rastreadores e conformidade CNIL: o verdadeiro motivo para inventariar cada página
Costuma-se pensar que um inventário de páginas serve apenas para SEO. No campo, a razão mais urgente é outra. A CNIL lembra que a obrigação de consentimento diz respeito não apenas aos cookies, mas também aos pixels, ao armazenamento local, ao fingerprinting e aos identificadores publicitários. Cada URL ativa em um site pode carregar scripts diferentes.
Uma página de produto criada em 2022 pode integrar uma ferramenta de audiência configurada antes da atualização da sua CMP (plataforma de gerenciamento de consentimento). Se ninguém a verificou desde então, essa página pode depositar rastreadores sem consentimento válido. O banner conforme exibido na página inicial não cobre automaticamente todas as URLs do domínio.
Concretamente, uma auditoria página por página deve verificar as tecnologias carregadas antes e depois do consentimento, e não apenas listar as URLs descobertas. A CNIL recomenda, em particular, capturas datadas de cada versão do banner e um histórico de configuração mantido pela CMP. Em outras palavras, uma lista de páginas útil deve incluir uma data de exploração e um estado de conformidade.
Ao percorrer a lista de páginas de Bla Bla Bla, fica claro como um sitemap estruturado facilita esse tipo de verificação: cada URL é identificável, e rapidamente identificamos as seções que necessitam de um controle específico.
Sitemap XML e crawl interno: duas abordagens complementares para listar as páginas de um site
O arquivo sitemap.xml é o ponto de partida óbvio. Ele pode ser encontrado adicionando /sitemap.xml à raiz do domínio. Ele lista as URLs que o administrador do site deseja tornar visíveis para os motores de busca. O problema é que ele contém apenas o que foi decidido incluir.
As páginas órfãs (aquelas que não recebem nenhum link interno) não aparecem nem no sitemap nem na navegação. Um crawl interno com uma ferramenta dedicada percorre o site como faria um robô de motor de busca, seguindo cada link. É o único método para descobrir URLs esquecidas.
O que o sitemap não mostra
- Páginas em noindex que permanecem acessíveis através de sua URL direta, mas que o sitemap exclui por convenção
- Antigas URLs redirecionadas (301/302) cuja destinação mudou ou que apontam para uma página excluída
- Páginas geradas dinamicamente por filtros ou parâmetros de URL, frequentemente ausentes do sitemap, mas indexadas pelo Google
Combinar sitemap e crawl cobre quase todas as URLs ativas. Recomenda-se realizar um crawl completo pelo menos uma vez por trimestre em um site de tamanho médio e comparar os resultados com o sitemap declarado.
Operador site: no Google e Search Console para verificar a indexação
Uma vez que a lista interna é estabelecida, ela é confrontada com o que o Google realmente conhece. O comando site:mondomaine.fr na barra de pesquisa exibe as páginas indexadas. Esse método tem suas limitações: o Google nem sempre retorna a totalidade das URLs indexadas, especialmente em grandes sites.
O Search Console oferece um relatório de indexação mais confiável. Nele, distinguimos as páginas indexadas, aquelas excluídas voluntariamente (noindex, canônica apontando para outro lugar) e aquelas rejeitadas pelo Google por razões técnicas. A diferença entre as URLs submetidas e as URLs indexadas revela os problemas: conteúdo duplicado, erros de servidor, tempo de carregamento excessivo.
Parâmetros de URL e páginas fantasmas
Os parâmetros de URL (ordenação, filtros, identificadores de sessão) às vezes geram centenas de variantes de uma mesma página. O Google pode indexá-las separadamente, o que dilui a autoridade do domínio. No Search Console, a seção “Parâmetros de URL” permite sinalizar aqueles que o Google deve ignorar.
Os retornos variam nesse ponto: alguns sites notam uma melhoria rápida no orçamento de crawl após a limpeza dos parâmetros, outros não veem mudanças notáveis. O impacto depende do volume de páginas afetadas e da frequência de crawl do site.
Classificar as páginas por nível de dependência das ferramentas sujeitas ao consentimento
Todas as páginas de um site não apresentam o mesmo risco em termos de conformidade. Uma página institucional estática sem ferramenta analítica não apresenta nenhum problema. Uma página de conversão que carrega um pixel de remarketing, uma ferramenta de heatmap e um gerenciador de tags está no extremo oposto.
Uma classificação operacional consiste em classificar as URLs em três categorias:
- Páginas sem rastreador sujeito ao consentimento (avisos legais, páginas estáticas, algumas páginas de blog)
- Páginas com ferramentas de audiência isentas sob certas condições (medição de audiência estritamente anonimizada, de acordo com as diretrizes da CNIL)
- Páginas que carregam rastreadores publicitários ou ferramentas de terceiros que exigem consentimento explícito antes do depósito
Essa triagem identifica imediatamente as páginas prioritárias para uma auditoria de conformidade. Começamos pela terceira categoria, onde o risco de sanção é mais elevado.
A prova de conformidade não se limita a um banner visível. Ela implica que a recusa seja tão simples quanto a aceitação, e que a retirada do consentimento permaneça possível a qualquer momento. Cada página da lista deve ser verificável com base nesses três critérios.
Elaborar o inventário completo de um site não é uma tarefa pontual. As páginas evoluem, os scripts mudam, as CMPs são atualizadas. Um sitemap atualizado, um crawl regular e um acompanhamento de conformidade por URL formam a base de um site bem gerenciado, tanto para SEO quanto para o cumprimento das obrigações legais.
