Indexace stránek

Index je databáze, ze které vyhledávač skládá výsledky. Když se člověk na něco zeptá, nehledá Google v tu chvíli po internetu - prochází svůj index, tedy to, co si stáhl a zpracoval dřív. Odtud plyne celý význam indexace: bez zápisu v indexu se stránka nemůže zobrazit na žádný dotaz, i kdyby byla nejlepší na trhu.

Cesta stránky do indexu

Než se stránka objeví ve výsledcích, musí projít třemi fázemi:

1. Objevení. Vyhledávač o adrese musí vědět. Dozví se ji z odkazu na jiné stránce, ze sitemapy, nebo mu ji pošlete sami.
2. Procházení (crawling). Robot stránku stáhne. Tady rozhoduje dostupnost - návratový kód, rychlost serveru, přístupnost bez přihlášení.
3. Indexace. Vyhledávač obsah zpracuje, vyhodnotí a rozhodne se, jestli ho uloží.

Ta poslední věta je důležitá. Indexace není automatický důsledek procházení - je to rozhodnutí. Google to v nápovědě říká rovnou: nezaručuje, že se do indexu dostanou všechny stránky.

Stavy v Search Console a co z nich čtu

Nejužitečnější nástroj je v Search Console přehled Indexování stránek. Dva stavy se přitom pletou nejčastěji, přitom znamenají úplně jinou diagnózu:

• „Objeveno - momentálně neindexováno” - Google adresu zná, ale ještě ji neprošel. Podle jeho vlastního vysvětlení k tomu typicky dochází proto, že by procházení web přetížilo, takže si ho odložil. To je signál o serveru a kapacitě, ne o obsahu.
• „Procházeno - momentálně neindexováno” - stránku stáhl a rozhodl se ji neuložit. Tady je problém v hodnotě stránky, ne v technice. Google k tomu dodává, že URL není potřeba posílat k procházení znovu.

Další stavy, se kterými se v auditu potkávám nejčastěji: Vyloučeno značkou noindex, Blokováno v souboru robots.txt a Duplicitní stránka bez kanonické verze zvolené uživatelem. U blokace v robots.txt má Google poznámku, kterou je dobré si přečíst dvakrát: blokování procházení nezaručuje, že se stránka do indexu nedostane jinou cestou. Blokovat a doufat, že to funguje jako noindex, tedy nestačí.

Jak ověřit, co je v indexu

Search Console je zdroj pravdy, ale i ta má limity - seznam příkladů URL v každém stavu je omezený na tisíc adres, takže u velkých webů vidíte vzorek, nikoli inventuru.

Operátor site:vasedomena.cz se hodí na rychlou kontrolu jedné stránky. Jako počítadlo je ale nepoužitelný a Google to sám píše: vrací jen vzorek stránek, o kterých ví. Když se někdo diví, že mu „počet zaindexovaných stránek” den ze dne skáče, obvykle se dívá právě na tohle číslo.

Seznam má IndexNow, Google ne

U českých webů se vyplatí vědět, že se oba vyhledávače chovají jinak. Seznam.cz podporuje protokol IndexNow - pošlete mu seznam změněných adres a on o nich okamžitě ví. Ve své nápovědě k tomu uvádí, že přes IndexNow není počet URL omezený, kdežto přes Seznam Webmaster jde poslat 500 adres denně. Zařazení ale negarantuje: odeslání bere jen jako informaci, o procházení a indexaci rozhodují jeho algoritmy, a zaindexované stránky se ve výsledcích objeví do týdne.

Google IndexNow nepodporuje. Protokol dnes používají Bing, Seznam.cz, Yandex, Naver a Yep. Pro Google zbývá sitemapa, odkazy a žádost v Search Console.

Prakticky z toho plyne jedna věc, kterou je dobré říct nahlas: zapnutí IndexNow indexaci v Googlu nezrychlí. Smysl má u webů, kde návštěvnost ze Seznamu a Bingu něco znamená - a u obsahu, který rychle stárne.

Žádost o indexaci není fronta na přednost

V Search Console jde přes Kontrolu URL požádat o indexaci konkrétní adresy. Je to užitečné u nové nebo právě opravené stránky, ale ne jako opakovaný rituál: u stavu „Procházeno - momentálně neindexováno” Google výslovně píše, že adresu není potřeba posílat znovu. Rozhodnutí neuložit stránku se dalším kliknutím nezmění.

Co s tím stavem funguje, je změna zadání. Doplnit stránce vlastní důvod existence, odkázat na ni z relevantní stránky webu, sloučit ji s podobnou. Teprve pak má smysl žádat znovu.

Nejčastější příčiny problémů z praxe

• Zapomenutý noindex z vývoje. Nejčastější nález vůbec. Web se spustí a značka zůstane na šablonách, na které nikdo nemyslel.
• Parametrické a filtrované adresy. V e-shopu z pěti filtrů vzniknou desítky tisíc kombinací. Vyhledávač na nich spálí kapacitu procházení a na důležité stránky mu zbyde méně.
• Tenké stránky bez vlastní hodnoty. Kategorie s jedním produktem, štítky s jedním článkem, stránky, které se od sebe liší jedním slovem.
• Redesign bez přesměrování. Staré adresy zmizí, nové se musí objevit a zaindexovat od začátku - a mezitím je z návštěvnosti díra.
• Obsah dostupný jen po interakci. Stránka, na kterou nevede žádný odkaz a načte se až po kliknutí nebo scrollování, se hůř objevuje.

Zaindexováno neznamená vyhledatelné

Poslední věc, která bývá zdrojem zklamání: index je vstupenka, ne výsledek. Stránka může být v indexu a nemít jediný dotaz, na kterém by se dostala dost vysoko, aby ji někdo viděl. Indexace je proto podmínka, kterou je potřeba splnit a pak přestat řešit - dokud se něco nerozbije.

A obráceně: mít v indexu všechno není cíl. U větších webů dává větší smysl dvě stě stránek, které mají důvod existovat, než dvacet tisíc filtrovaných kombinací. Když s klientem řešíme indexaci, druhá polovina práce bývá o tom, co z indexu naopak dostat pryč.