サイトマップ

どのようなものか

サイトマップとは、ウェブサイトが自身について公開するファイルです。所
有者が検索エンジンに知らせたいアドレスを、ページごとに1件ずつ列挙
し、必要に応じて、それぞれにいくつかの補足情報を添えます。これが必要
になるのは、クローラーが通常、すでに知っているページからリンクをたど
るという遅い方法でサイトを知るためです。長いリンクの連鎖の先にある
ページや、ほかからのリンクがほとんどないページもあります。

主要な検索エンジンが共通して使う形式は、sitemaps.orgで公開されている
Sitemapsプロトコルです。XML形式では、一覧を`<urlset>`要素で囲み、各
ページに一つの`<url>`を置きます。その中の`<loc>`には完全なアドレスを
記述し、必須の子要素はこれだけです。`<lastmod>`はページの最終更新
日、`<changefreq>`は今後の更新頻度の予測、`<priority>`は0.0から1.0の
値で、サイト内のほかのページに対する優先度を示します。他者のページと
の比較ではありません。このプロトコルは、1行に一つのアドレスを書くプ
レーンテキストファイルや、RSS、Atomフィードも受け付けます。

プロトコルには明確な制限があります。一つのファイルに含められるアドレ
スは最大50,000件、非圧縮で50
MBまでで、gzipで圧縮でき、UTF-8で記述し、値をエンティティエスケープ
しなければなりません。各アドレスは2,048文字未満に収めます。より大き
なサイトでは一覧を分割し、同じサイト内のサイトマップを最大50,000件列
挙する、別形式のファイルであるサイトマップインデックスを公開します。
また、サイトマップが列挙できるのは、自身と同じ階層か、その下にあるア
ドレスだけです。`/catalog/sitemap.xml`のファイルは`/catalog/`のペー
ジを対象とし、そのフォルダーの外には及びません。

検索エンジンがファイルの場所を知る方法は二つあります。robots.txtの
`Sitemap:`行で、ユーザーエージェントのグループとは独立して完全なアド
レスを示すか、所有者がGoogle
Search Consoleなど、検索エンジン自身のツールから送信します。

同じ言葉は、人間の訪問者に向けたリンク集のページも指します。区別が必
要なときは、プログラム向けのものを「XMLサイトマップ」と呼びます。

なぜ重要なのか

Googleの文書は、その限界を率直に説明しています。ページが適切にリンク
されたサイトは、通常サイトマップなしでも発見でき、Googleは検索結果に
載せるべきページが約500件までのサイトを「小規模」としています。ま
た、サイトマップは「含まれるすべての項目がクロールされ、インデックス
に登録されることを保証しない」とし、送信は「単なるヒント」だと述べて
います。特に役立つのは、大規模なサイト、ほかのサイトからのリンクが少
ない新しいサイト、動画、画像、ニュースを多く扱うサイトです。

ほぼすべてのサイトジェネレーターが追加の手間なく生成するため、本当に
決めるべきなのはファイルで何を主張するかです。各項目は、検索エンジン
が実際のページと照合できる記述になります。

どのアドレスを入れるのでしょうか。Googleは各ページの正規アドレスを求
めています。リダイレクト、重複、`noindex`を指定したページで一覧を膨
らませると、サイトのほかの部分では対象外にするよう伝えているものを、
ここでは対象にするよう求めることになります。

どの項目を使うのでしょうか。Googleは`<priority>`と`<changefreq>`を無
視すると述べています。`<lastmod>`を利用するのは、「一貫して正確で、
例えばページの最終変更と比較することで、その正確さを検証できる場合」
に限ります。プロトコルも、日付は「サイトマップの生成日時ではなく、リ
ンク先のページが最後に変更された日付に設定しなければならない」と定め
ています。Googleは、ページの主要な内容、構造化データ、リンクの変更を
重要とし、著作権表示の年を更新することは軽微だとしています。

ここに運用の負担があります。ファイルシステムから日付を取るのは簡単で
すが、デプロイやエクスポート、新しいチェックアウトでも、文章が変わっ
ていないファイルの日時が更新されるため、通常は誤った値になります。
バージョン履歴から取る日付は内容に即していますが、ビルドにはその履歴
を用意し、正しい順序で参照する必要があります。手入力の日付は、誰かが
更新を忘れるまでは正確です。

実際の活用例

このサイトのrobots.txtは、`https://engineer.company/sitemap.xml`とい
う一つのアドレスを示しています。このファイルは、公開している各言語版
のサイトマップを列挙するサイトマップインデックスです。各ページの項目
には、アドレスと日付に加え、公開済みの他の翻訳版にある同じページへの
リンクが含まれます。`<priority>`と`<changefreq>`は省いています。
Googleがどちらも無視すると明示しており、プロトコル上も必須ではないた
めです。この記事の執筆時点で、AI対応についてのページの項目は、言語間
リンクを除くと次のようになっていました。

```xml
<url>
  <loc>https://engineer.company/ai-ready/</loc>
  <lastmod>2026-10-15T14:25:16+02:00</lastmod>
</url>
```

一覧の対象は意図的に選別しています。会社の専門分野別サテライトサイト
は、正規URLをこのサイトへ向けて実績を再公開します。同じテンプレート
が、それらのコピーを各サテライトのサイトマップから除外します。項目を
載せることは、その正確なアドレスをインデックスに登録するよう検索エン
ジンへ求めることなので、別のページを原本として示しながらコピーの登録
を求めると矛盾するためです。各ホストは自分自身のページだけを通知しま
す。

日付にも、それ自体の経緯があります。かつてサイトマップは、176ページ
のうち172ページが同じ瞬間に変更されたと検索エンジンへ伝えていまし
た。原因はありふれたものでした。日付を各ファイルの変更時刻から取って
おり、コンテンツのエクスポートが毎回すべてのファイルを書き直していた
のです。修正では、情報源をバージョン履歴へ移し、明示的なフィールド、
コミット履歴、ファイルの順に試すフォールバックの連鎖を設けました。こ
こには知っておくべき落とし穴がありました。その一覧にフィールド名その
ものが含まれていないと、ジェネレーターはそのフィールドを一度も読みま
せん。修正後、1か月の編集を経て再同期したときに更新されたのは、186
ファイルすべてではなく8ファイルだけで、サイトマップは内容に即したこ
とを述べるようになりました。

その日付は今、サイトマップ以外にも使われています。AIエージェントに発
見されるためのページで説明しているように、デプロイのたびに、Bingなど
複数の検索エンジンが参加するIndexNowプロトコルで変更を通知します。デ
プロイスクリプトは、各ページの`lastmod`を前回送信した値と比較して変
更を判断するため、1ページだけを編集するデプロイなら、通知も1ページに
なります。GoogleはIndexNow自身が挙げる参加検索エンジンの一覧に含まれ
ないため、次にサイトマップを読んだときに変更を知ります。ビルド内の検
査は、すべてのサイトマップの日付をページの履歴と照合し、一つでも誤っ
ていれば公開を拒否して、日付の正確さを保ちます。プログラムではなく人
間向けには、全ページを読める形でまとめた索引もあります。

問題が起きるところ

すべてのページが今日変わったと主張する。
数百ページにわたってサイトマップが一つの日付、またはデプロイごとの日
付を持っていると、検索エンジンはどの内容が新しいのか分かりません。原
因はファイルシステムやビルド時刻から取った日付です。Googleが
`<lastmod>`を利用するのは、一貫していて正確だと検証できる場合だけ
で、共通のタイムスタンプは明らかにその条件を満たしません。日付はコン
テンツ自身の履歴から取り、ビルドを変更した後は、項目をいくつか選んで
履歴と照合してください。

対象外のページまで一覧に載せてしまう。
ビルドしたファイルをすべて列挙するジェネレーターのサイトマップには、
リダイレクト、追跡パラメーターを持つ重複アドレス、`noindex`を指定し
たページ、ステージング用ホスト、正規URLが別の場所を指すコピーまで現
れます。それぞれが、ページ自身は対象外だと伝えるアドレスへクローラー
を送ります。検索結果に載せたい各ページの正規アドレスだけを一覧にし、
このサイトのテンプレートのように、サイトマップとcanonicalタグが同じ
ルールに基づいて生成されるようにしてください。

項目がファイルの対象範囲から外れる。
`/blog/sitemap.xml`のサイトマップにショップのページを載せたり、
`/page.html`のような相対パスを書いたりします。プロトコルは、ファイル
と同じフォルダーか、その下にあるアドレスだけを認め、Googleは記述され
たとおりのアドレスをクロールします。サイトマップはルートに公開し、す
べての`<loc>`を同じホスト上の完全な`https://`アドレスで記述し、一覧
が50,000件または50
MBに近づく前に、サイトマップインデックスへ切り替えてください。

数か月載せているページがインデックスに入らない。
所有者はサイトマップを指示だと受け取り、待ち続けます。Googleはそれを
ヒントと呼んでいます。載せたアドレスでも、ファイル外の理由によって対
象から外されたり、重複として統合されたりすることがあります。一覧では
なくページを確認してください。ほかのページからリンクされているか、正
規URLが自身を指しているか、robots.txtや`noindex`のルールでクローラー
を遠ざけていないかを調べます。

参考資料

  * Sitemaps XML形式 —
すべてのタグ、サイズ上限、インデックスファイル、ファイルに載せられる
アドレスを定めたプロトコル本体です。

  * サイトマップを作成して送信する — 無視するタグや、日付を信頼する
条件を含むGoogleのルールです。

  * サイトマップについて — サイトマップが必要な場合と、適切なリンク
があれば足りる場合についてのGoogleの説明です。

  * IndexNowの文書 — 変更を公開した日に、参加する検索エンジンへ知ら
せるプロトコルです。

  * RFC 9309：Robots Exclusion Protocol —
ルールと並べて`Sitemap:`行をクローラーに読ませられるrobots.txtの標準
です。

hこのページのウェブ版	URL:https://engineer.company/ja/glossary/sitemap/	engineer.company	70
