Relatório de indexação de páginas: o que cada status significa

O relatório de indexação de páginas do Search Console mostra quantas URLs de uma propriedade o Google rastreou e indexou e, principalmente, por que as demais ficaram de fora. Nem todo status de "não indexada" é erro.

O trabalho é confirmar se o motivo de cada grupo faz sentido para a intenção do site.

O relatório mostra o motivo de cada grupo de URLs

O relatório separa as URLs da propriedade em indexadas e não indexadas. O gráfico com o total fica no topo; abaixo vêm duas tabelas de motivos: a de problemas que impediram a indexação e a de melhorias recomendadas.

Segundo a documentação do Google, a leitura correta não é perseguir 100% de cobertura. O objetivo é garantir que a versão canônica de cada página importante esteja indexada e que cada status de "não indexada" tenha um motivo que faça sentido para o site.

As melhorias recomendadas não bloqueiam a indexação, mas reduzem a capacidade do Google de entender o conteúdo. Cada linha abre uma página com histórico do problema e exemplos de URLs afetadas. A coluna de origem indica se o problema é do Google ou do site.

Só os itens com origem no site costumam estar ao alcance do time.

Duas limitações importam. As listas de exemplo têm no máximo 1.000 URLs e não necessariamente mostram todas as URLs de um mesmo status. E não há busca nem filtro por URL. O relatório não serve para descobrir o status de uma página específica — para isso existe a ferramenta de inspeção de URL.

Segundo o Google, sites com menos de 500 páginas provavelmente não precisam do relatório. Nesses casos, buscas como site:exemplo.com, site:exemplo.com termo e site:URL-exata já indicam se as páginas-chave estão indexadas.

"Não indexada" não é sinônimo de erro

O Google afirma que uma página fora do índice pode estar assim por um bom motivo: nem todo status de "não indexada" é erro. Regra esperada de robots.txt, diretiva noindex, duplicata ou 404 de página removida sem substituta são exemplos. O trabalho é ler o motivo de cada grupo e confirmar se ele corresponde à intenção.

Bloqueios: robots.txt e noindex

O bloqueio por robots.txt indica que a página não foi rastreada. A documentação alerta que isso não garante ausência de indexação: se outros sites linkarem para a URL, o Google pode indexá-la com base nessas informações, e o snippet tende a ser bastante limitado.

Para manter uma página fora dos resultados, o Google recomenda remover o bloqueio e usar noindex. A diferença entre as diretivas está em noindex vs disallow no robots.txt.

Quando o motivo é uma diretiva noindex encontrada na página, confirme no teste ao vivo se ela ainda existe. Se existir, remova-a da tag ou do cabeçalho HTTP para que a página possa ser indexada.

Erros de servidor e respostas 4xx

O erro de servidor (5xx) significa que o Googlebot não conseguiu acessar a URL, que a requisição expirou ou que o site estava sobrecarregado — o robô abandonou a requisição. Cheque a disponibilidade do host no relatório de estatísticas de rastreamento.

Verifique também se firewall, proteção contra negação de serviço ou configuração de DNS não bloqueiam o Googlebot, que faz mais requisições que um usuário comum.

Nos erros de cliente, o 404 não é necessariamente um problema quando a página foi removida sem substituta. Se a página mudou de endereço, o correto é um redirecionamento 301.

O 401 indica exigência de autorização e o 403 indica acesso negado. O Googlebot nunca fornece credenciais, lembra o Google, então um 403 é uma resposta incorreta do servidor.

Há ainda o soft 404: a página devolve uma mensagem amigável de "não encontrado" sem o código 404. A recomendação é responder com o código correto.

Redirecionamentos e canônicas

A página com redirecionamento é uma URL não canônica que aponta para outra. Ela não é indexada, e o destino pode ou não ser. Erros de redirecionamento aparecem quando há cadeia longa, laço, URL acima do tamanho máximo ou URL vazia na cadeia.

Três status de duplicata se destacam:

• "Alternada com canônica correta": a página aponta corretamente para a canônica, que está indexada — nada a fazer.
• "Duplicata sem canônica escolhida pelo usuário": o Google escolheu outra URL como canônica.
• "Duplicata, o Google escolheu canônica diferente": a página se declarou canônica de um conjunto, mas o Google preferiu outra URL.

Nos dois últimos casos, a inspeção revela qual URL o Google considera canônica. O guia de tag canônica ajuda a revisar a implementação.

Rastreada ou descoberta, mas fora do índice

"Crawled - currently not indexed" quer dizer que a página foi rastreada e não indexada. É uma mensagem comum, diz o Google, e não necessariamente um problema.

"Discovered - currently not indexed" indica que a URL foi encontrada mas ainda não rastreada. Normalmente o rastreamento foi reprogramado para não sobrecarregar o site — por isso a data do último rastreamento aparece vazia.

Avisos e o que aparece como indexado

Os avisos ficam na tabela de melhorias de experiência. Dois exemplos citados na documentação: "indexada, apesar de bloqueada por robots.txt" e "página indexada sem conteúdo", caso em que o Google não conseguiu ler o conteúdo.

O status "página indexada" indica indexação bem-sucedida. Outras questões — como dados estruturados — ainda podem aparecer na inspeção.

O que o relatório não faz

Não é possível buscar uma URL no relatório. Os totais também podem não bater exatamente com a estimativa do número de URLs do site. O Google afirma que os números são completos e precisos do ponto de vista dele, mas pequenas discrepâncias ocorrem.

Também não se deve esperar indexação imediata — conteúdo novo pode levar alguns dias. Nem concluir que uma página indexada aparecerá em toda busca: os resultados variam por histórico, localização e outros fatores.

Três leituras ajudam no diagnóstico

Três leituras ajudam a diagnosticar as mudanças de status:

• Queda no total de indexadas sem aumento de erros: sugere bloqueio novo por robots.txt, noindex ou exigência de login.
• Mais páginas não indexadas que indexadas: costuma vir de regras de robots.txt amplas ou volume grande de duplicatas por parâmetros de filtro e ordenação.
• Picos de erro: costumam acompanhar mudanças de template ou sitemaps que listam URLs bloqueadas.

Para o caso de queda de tráfego, siga o roteiro de como investigar uma queda de tráfego orgânico.

O que fazer agora

1. O Google orienta priorizar os problemas com origem no site e estado de validação "falhou" ou "não iniciada".
2. Corrija todas as instâncias e clique em validar. O processo costuma levar até cerca de duas semanas e pode demorar muito mais.
3. Se a validação falhar, o relatório mostra qual URL derrubou o processo.
4. Antes de pedir validação, crie e envie um sitemap só com as páginas mais importantes e filtre o relatório por ele. A documentação diz que isso acelera a conferência.