網站地圖可用來快速盤點內容規模、比較分類占比,並在網址與日期資訊足夠時,探索發布趨勢及主題分布;若是呈現資訊架構的圖解,則能協助檢視導覽與內容缺口。但它不是網站全貌:網址數不代表影響力,最後修改日期不等於發布日期,缺漏與失效網址也會限制判讀。
先分清楚:分析內容清單,還是檢視網站架構?
NN/g 在2023年的文章介紹了呈現內容層級的網站地圖:以節點標示不同層級,也可附註頁面功能,區分「分類名稱」與「實際頁面」。這類圖解適合檢視各區導覽如何銜接,以及哪裡缺少內容。
XML網站地圖則提供網址清單,可能另含最後修改日期等欄位。Semrush於2020年發布的BuzzFeed分析案例,便利用這些資料整理內容。兩者用途不同:前者呈現內容的組織方式,後者提供可彙整的網址與中繼資料,分析時不能混為一談。
從網址拆出分類,再比較內容量與主題
能從網址取得多少內容線索,取決於網址本身包含哪些資訊。上述案例的網站地圖檔案路徑包含分類,因此能將網址歸類並計算數量;文章網址也提供作者、語言與標題片段等線索。可依資料條件逐步整理:
- 保留頁面網址及其所屬網站地圖,再從有意義的路徑擷取分類。
- 計算各分類的網址數與占比,比較清單中的內容規模。
- 統計標題片段中的詞語,例如挑出含「quiz」的網址,觀察共同出現的詞,探索測驗內容的主題。
熟悉資料限制後,還可探索主題建模、實體擷取或分群。但若網址只有不具語意的產品編號,能直接取得的內容線索就很少;上述方法不能原樣套用到每個網站。
用lastmod看趨勢,要保留日期的不確定性
若資料提供lastmod,可依這個日期按年或月統計網址數,觀察數量變化。不過,它記錄的是最後修改時間,並非可靠的首次發布日期。2020年案例以它近似發布日期,但不能據此認定每筆內容都在該日上線。
缺值也要單獨檢查:該次BuzzFeed資料有2.1%的網址缺少lastmod,全部屬於video分類,無法納入日期分析;這批影片網址也未提供可供分析的內容資訊。其流量或營收占比不明,不能因網址占比小就認定影響不大。
數量與歷史線索,仍須交叉驗證
分類占比不等於內容影響力。該案例中,Tasty在內容數量圖表占比很小,但作者當時指出其Facebook頁面有近一億追蹤者,提醒讀者不能只憑文章數評估觸及。
失效網址既是資料限制,也可能留下歷史線索。案例抽查部分網址時得到404回應,顯示清單中的頁面並非全都還能閱讀;不過,這些仍列在網站地圖中的失效網址,仍保存了部分歷史線索。至於已從網站地圖移除的舊網址,分析者無法由這份清單得知。因此,網站地圖適合提供初步概況,重要判斷仍應盡可能以其他來源驗證。
網站地圖的內容分析與限制:網路各方觀點
文章量突然增加,能從網站地圖判定原因嗎?
不能單憑增量判定原因,但可結合作者資訊與每月趨勢提出待驗證的解釋。Semrush的2020年案例發現,大量文章來自新聞機構,因而認為2011年4月的增量較可能與內容合作有關;這仍是根據資料作出的推測,而非已證實的因果關係。若要確認合作及其影響,還需查找其他資料。
抽查發現部分網址失效,能估算整份清單的失效率嗎?
僅憑少量抽查不能可靠地估算整份清單的失效率。Semrush案例抽查部分標為HuffPost作者的網址時收到404回應,但作者並未檢查全部網址,也指出需要遍查資料集才能量化問題。即使完成清單內的檢查,已被移出網站地圖的舊網址仍不在統計範圍內。
使用最後修改日期推估發布趨勢時,能假定修改都發生在發布後不久嗎?
不能把這項假設套用到所有網站。Semrush案例作者觀察到,多數頁面不會更新;若有修改,通常也是在發布後一兩天內修正內容。但這只是作者的觀察,不足以證明其他網站也如此。以最後修改日期近似發布日期時,仍應考慮後續更新可能造成的時間誤差。
參考資料
- Information Architecture vs. Sitemapswww.nngroup.com · 2023-09-03T16:00:00+0000 — 本文論述的參考來源。
- Content Analysis with XML Sitemaps and Pythonwww.semrush.com · 2020-05-08T07:00:00Z — 討論:文章量突然增加,能從網站地圖判定原因嗎?;抽查發現部分網址失效,能估算整份清單的失效率嗎?




