Google a indexat 57% din paginile mele – am verificat de ce, și nu tehnica era problema

De ce nu indexează Google unele pagini de pe propriul tău site? Multă vreme nici eu nu am măsurat asta pe al meu, doar am presupus. Nu mă refer la poziții, ci la faptul dacă o pagină există în baza de date Google. Pentru că dacă nu există, cuvântul cheie, textul și designul sunt indiferente.

Acum am interogat, pentru fiecare dintre cele 156 de URL-uri ale mele, prin API-ul propriu al Search Console. Rezultatul: 89 indexate, adică 57%. Fiecare a treia pagină a mea nu exista pentru Google.

Acest articol este despre cauză. Nu a fost cea la care mă așteptam și nici cea spre care arată majoritatea articolelor.

Întâi am exclus ce nu era problema

Prima suspiciune logică este tehnica. Am luat pe rând paginile neindexate, una câte una:

• HTTP 200, toate accesibile
• canonical care arată spre sine, fără canonicalizare greșită
• index, follow în meta robots, nimic nu e exclus
• triada hreflang corectă între versiunile maghiară, română și engleză
• linkuri interne: pagina engleză de servicii primește trei, despre mine patru, contact cinci, de pe propria pagină principală engleză

Adică nimic. Zero erori tehnice. Prima dată e liniștitor, a doua oară însă e neplăcut: dacă tehnica este în regulă, atunci problema e ceva ce nu se rezolvă printr-o setare.

Cauza reală: 54 de pagini, cu patruzeci de cuvinte fiecare

Când am despărțit lista de indexare după tip, a ieșit esențialul. Din cele 67 de URL-uri lipsă, 37 erau dintre paginile mele de referință.

Am măsurat de ce. Textul de bază al paginilor de referință:

• Rubikom: 34 de cuvinte
• Evolut Agency: 43 de cuvinte
• Mediner: 59 de cuvinte
• RegeNail: 66 de cuvinte

Pentru comparație, o pagină de serviciu a mea are 230 de cuvinte. Și aveam 18 proiecte, în trei limbi, adică 54 de URL-uri, cu patruzeci-șaizeci de cuvinte fiecare.

Google nu indexează o pagină de patruzeci de cuvinte. Este de înțeles: nu are ce indexa pe ea. Problema e că pe explorarea lor se duce bugetul.

Ce este bugetul de explorare, pe scurt

Google nu parcurge internetul cu resurse nelimitate. Despre asta scrie chiar documentația Google pentru gestionarea bugetului de accesare cu crawlere. Fiecare domeniu are un buget aproximativ, cât este dispus să exploreze pe el, iar acest buget crește cu autoritatea domeniului. Site-ul meu are, conform Ahrefs, un Domain Rating de 7, ceea ce este foarte scăzut. Media din România este în jur de 35.

Adică: buget mic, și din el am dedicat 54 de URL-uri unor pagini pe care erau patruzeci de cuvinte.

Această greșeală e ușor de comis neobservat, pentru că fiecare decizie în sine părea logică. Era logic ca fiecare proiect să aibă pagină proprie. Era logic să fie în toate trei limbile. Doar că împreună a devenit o mulțime de 54 de elemente, care aspiră bugetul de la paginile care aduc bani.

Ce am făcut

Existau două căi. Una: setarea paginilor de referință pe noindex, lăsând indexabilă doar arhiva colectoare. Aceasta redistribuie bugetul imediat și e o jumătate de oră de muncă.

Am ales-o pe cealaltă: le-am scris pe toate cum se cuvine. Fiecare referință a primit un studiu de caz de 200-280 de cuvinte (care a fost sarcina, ce am făcut, ce a rezultat), în toate trei limbile.

Două lucruri nu le-am pus înăuntru în mod deliberat.

Nu am scris cifre ca rezultat. Nu apare niciun „cu 30% mai multe cereri", pentru că nu pot verifica. Pe o pagină de referință, cifra inventată este cel mai rău lucru posibil: ia exact acea credibilitate pentru care pagina există.

La proiectele de parteneriat am spus explicit ce nu este munca mea. La mai multe referințe nu am fost dezvoltator exclusiv, ci partener într-o echipă de agenție. Acolo designul și strategia nu sunt meritul meu. Aceste pagini au primit o secțiune separată despre asta. Am făcut-o pentru că un studiu de caz care afirmă mai mult decât este adevărat este o minciună verificabilă.

Împreună cu asta am cerut indexarea pentru unsprezece pagini în Search Console. Indexarea a urcat de la 89 la 99, de la 57% la 63%, în câteva ore.

Ce ai încerca în zadar

Pe parcurs m-am întâlnit și cu trei lucruri care se vând regulat ca soluție, și nu sunt.

Google Indexing API. Există, funcționează, și este exclusiv pentru conținut de tip JobPosting și BroadcastEvent (ofertă de muncă și transmisiune live). Trimiterea unei subpagini obișnuite prin el este împotriva regulilor și ineficientă. Dacă cineva oferă asta sub numele de „indexare instantanee", ori nu știe ce face, ori știe.

IndexNow către Google. IndexNow este un standard frumos: trimiți că un URL s-a actualizat, iar motorul se uită. Bing, Yandex, Seznam și Naver îl folosesc. Google nu.

Repetarea „cererii de indexare". Cota zilnică este pentru pagini noi și actualizate. Cererea aceluiași URL neschimbat în fiecare zi nu grăbește nimic. Documentația Google spune asta explicit. Merită parcurse o dată paginile lipsă, nu de zece ori aceleași.

Descoperirea neplăcută: Bing și ChatGPT

Fiind deja la IndexNow, mi-am verificat propria configurație. Fișierul cheie era acolo în rădăcina web, regulamentar. Și nimic nu apela API-ul. De luni de zile credeam că e configurat, în timp ce nu făcea nimic.

Asta a durut mai mult decât ar fi trebuit, pentru că Bing nu este azi periferia pe care mulți o cred. Motorul de căutare al ChatGPT și Microsoft Copilot se bazează pe indexul Bing. Ce nu cunoaște Bing, niciun model lingvistic nu poate cita.

Am verificat ce știe Bing despre mine: 26 de URL-uri indexate din 156. Nici sitemapul nu era trimis. Aceasta a fost și prima recomandare proprie a Bing Webmaster Tools. Raportul Bing AI Performance, care arată de câte ori a citat Copilot site-ul: zero.

Am scris automatizarea lipsă, am trimis sitemapul, iar încărcarea de start s-a făcut cu 156 de URL-uri. Un lucru l-am verificat însă dinainte, pentru că nu e de la sine înțeles: dacă serverul meu lasă să treacă roboții AI. GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended, bingbot și Applebot primesc toți răspuns 200 și HTML complet. Nu e așa peste tot. Același furnizor respinge alte instrumente de testare cu 403.

Ce aș verifica dacă nu indexează Google la tine

Trei pași, în ordine, și niciunul nu necesită instrumente plătite.

1. Uită-te la cifra reală. Search Console, raportul Pagini: câte URL-uri sunt indexate și câte nu. Dacă în sitemap ai o sută de URL-uri și treizeci sunt indexate, atunci problema nu e cu cuvintele cheie.

2. Numără paginile subțiri. Dacă ai douăzeci-treizeci de pagini cu textul de bază sub o sută de cuvinte, acelea îți iau bugetul. Ori le scrii cum se cuvine, ori le scoți din index. Doar nu le lăsa acolo în starea asta.

3. Verifică dacă Bing știe de tine. Este gratuit, se poate importa din Search Console, și de atunci vezi ce știe despre tine indexul pe care se bazează motorul de căutare al ChatGPT.

Ce nu rezolvă igiena tehnică

Tot ce am descris aici este igienă. Necesară, măsurabilă, și a meritat. Dar punctul de sufocare e în altă parte.

Punctul de sufocare este că spre domeniul meu abia trimit alte site-uri. Asta spune Google, asta spune Domain Rating 7 de la Ahrefs, și asta spune și Bing cu propriile cuvinte: „nu există suficiente linkuri de intrare de pe domenii de calitate". Patru surse independente arată spre același lucru.

Bugetul de explorare a fost strâmt pentru că autoritatea e scăzută. Indexarea e lentă pentru că autoritatea e scăzută. Asta nu se rezolvă printr-o setare, și nu se poate cumpăra nici în pachete de linkuri. Dovada e propria mea măsurătoare: am 401 linkuri de pe 346 de domenii, și totuși Domain Rating este 7. Cantitatea nu valorează nimic.

Ce valorează: mențiuni reale, justificabile, de pe locuri care se leagă efectiv de tine. La asta lucrez acum, și voi scrie și despre ce a adus.

Dacă la propriul site nu ești sigur că este indexat ceea ce ai publicat, scrie-mi un mesaj și mă uit. Iar dacă te interesează ce este eroare reală și ce este zgomot într-un audit SEO, despre asta am scris un articol separat.