Verifica dell'indicizzabilità: come trovare le pagine che i motori di ricerca non possono indicizzare
Una pagina può sembrare perfetta nel browser ed essere comunque tenuta fuori da Google da un header, un meta tag o una riga in robots.txt. Un tool di verifica dell'indicizzabilità legge i segnali che leggono i motori di ricerca e ti dice, pagina per pagina, se ogni URL può essere indicizzato e perché no. Ecco quali sono questi segnali, come interagiscono e come confermare il risultato con gli strumenti di Google.
Scansionabile, indicizzabile e indicizzata
Tre parole si confondono di continuo, e un tool di verifica dell'indicizzabilità risponde solo a una di esse:
- Scansionabile: un motore di ricerca può scaricare l'URL. Lo decide robots.txt.
- Indicizzabile: una volta scaricata, niente nella pagina o nei suoi header chiede di tenerla fuori dall'indice. Lo decidono il codice di stato, il noindex e il canonical.
- Indicizzata: il motore di ricerca l'ha davvero salvata e può mostrarla nei risultati. Questo lo sa solo il motore di ricerca, quindi solo i suoi strumenti possono confermarlo.
Una pagina può essere scansionabile e non indicizzabile (ha un noindex), oppure indicizzabile e comunque non indicizzata (Google l'ha scansionata e ha scelto di non tenerla). La pagina di Google su come funziona la Ricerca spiega le fasi di scansione, indicizzazione e pubblicazione.
I cinque segnali che decidono l'indicizzabilità
| Segnale | Indicizzabile quando | Dove si trova |
|---|---|---|
| Codice di stato | 200 | Risposta HTTP |
| robots.txt | Nessun Disallow corrispondente | /robots.txt |
| Direttive robots | Niente noindex, niente none | Meta robots, X-Robots-Tag |
| Canonical | Sé stessa, o nessuno | Link nell'head, header Link |
| Rendering | Stessi tag dopo JavaScript | Pagina renderizzata |
Se li supera tutti e cinque, l'URL è indicizzabile. Se ne manca uno, non lo è. Il tool deve dire quale.
Sul nostro sito, il crawl completo di seoprocheck.com fatto da Neova il 17 ottobre 2026 ha scaricato 10.222 URL in 61 minuti. 4.561 erano pagine HTML che rispondevano 200. Solo queste potevano superare il primo segnale come pagine web, quindi gli altri quattro segnali sono stati verificati su di esse.
Codici di stato e soft 404
Solo un URL che risponde 200 può essere indicizzato come sé stesso. La pagina di Google sui codici di stato HTTP tratta ogni codice.
| Stato | Indicizzato come sé stesso | Cosa fa Google |
|---|---|---|
| 200 | ✓ | Legge e può indicizzare |
| 301, 308 | – | Segue fino alla destinazione |
| 302, 307 | – | Segue, segnale canonico più debole |
| 404, 410 | – | Rimuove l'URL |
| 429, 5xx | – | Rallenta, rimuove se persiste |
| Soft 404 (200) | – | La tratta come pagina di errore |
Un soft 404 risponde 200 ma dice "non trovato" o mostra un risultato vuoto. Restituisci invece un vero 404 o 410, e controlla le pagine 200 il cui title o H1 sembra un errore.
Sul nostro sito abbiamo trovato l'errore opposto. Il 20 novembre 2026 gli indirizzi sconosciuti su neova.app rispondevano 503 da una pagina "in arrivo" invece che 404. Un 503 dice a Google di tornare più tardi, quindi gli URL morti non lasciano mai la sua coda. Una vera pagina 404 l'ha risolto. SEO ProCheck ha un riferimento SEO completo sui codici di stato HTTP.
robots.txt blocca la scansione, non l'indicizzazione
Una regola Disallow impedisce a Google di scaricare un URL. Non gli impedisce di indicizzarne l'indirizzo: l'introduzione a robots.txt di Google dice che un URL bloccato può comunque comparire nei risultati, senza descrizione, se altre pagine lo linkano.
Significa anche che Google non vede mai nulla della pagina, noindex compreso. Questa combinazione è un errore comune:
robots.txt: Disallow: /old-offers/
page: <meta name="robots" content="noindex">
Risultato: Google non può scaricare la pagina, non legge mai il noindex
e può mantenere l'URL indicizzato a partire dai link.
Per rimuovere una pagina dall'indice, lascia che Google la scansioni e servi il noindex. Bloccala in robots.txt solo dopo che è uscita dall'indice, se proprio serve. La guida al tester del robots.txt mostra come provare le regole.
Noindex, X-Robots-Tag e canonical
La documentazione di Google sul noindex indica due posti per la direttiva:
<meta name="robots" content="noindex">
X-Robots-Tag: noindex
L'header funziona anche per PDF e immagini. Se i due non concordano, Google applica il più restrittivo, quindi un noindex sfuggito in uno dei due posti basta a tenere fuori una pagina. Plugin, impostazioni di staging e regole della CDN sono fonti comuni di noindex che nessuno voleva pubblicare. Ogni valore e dove si applica sono nel riferimento su meta robots e X-Robots-Tag di SEO ProCheck.
Un canonical che indica un altro URL chiede a Google di indicizzare quell'URL al suo posto. Google lo tratta come un suggerimento forte, non come una regola, secondo la sua guida al consolidamento degli URL duplicati. È giusto per i veri duplicati, e sbagliato per una pagina con contenuti propri. I canonical che puntano a redirect, errori o pagine noindex mandano segnali contraddittori; la guida alla verifica del tag canonical tratta questi casi.
Il rendering può cambiare la risposta
Sui siti costruiti con JavaScript, l'HTML grezzo e la pagina renderizzata possono non concordare. Uno script può aggiungere un noindex, toglierlo, cambiare il canonical o caricare il testo principale solo dopo il rendering. Le nozioni di base sulla SEO JavaScript di Google notano che quando l'HTML grezzo contiene noindex Google può saltare il rendering, quindi uno script che lo toglie potrebbe non girare mai.
Tieni il meta tag robots e il canonical nell'HTML grezzo, con gli stessi valori che avrà la pagina renderizzata. Un tool di verifica dell'indicizzabilità che renderizza le pagine può confrontare le due versioni e segnalare la differenza.
Conferma con Search Console
Un crawler ti dice se una pagina può essere indicizzata. Google Search Console ti dice se lo è:
- Controllo URL mostra, per un URL, se è su Google, il canonical scelto da Google, l'ultima scansione e se scansione e indicizzazione erano consentite. Testa URL live lo scarica di nuovo adesso.
- Il report Indicizzazione delle pagine raggruppa ogni URL noto per motivo, come Esclusa in base al tag "noindex", Bloccata da robots.txt, Pagina alternativa con tag canonico appropriato, Duplicata, Google ha scelto una pagina canonica diversa da quella indicata dall'utente, Soft 404, Pagina scansionata, ma attualmente non indicizzata e Rilevata, ma attualmente non indicizzata.
Confronta le due viste. Le pagine che il tuo crawl trova indicizzabili e che Google riporta come non indicizzate sono quelle da studiare: di solito contenuti scarni o duplicati, link interni deboli o pagine a cui Google non è ancora arrivato. SEO ProCheck elenca le cause di Pagina scansionata, ma attualmente non indicizzata e le loro soluzioni. Le pagine indicizzate da Google che il tuo crawl trova noindex o canonicalizzate indicano una correzione che Google non ha ancora recepito, o un segnale che ti è sfuggito. I link interni deboli sono trattati nella guida allo strumento per i link interni, e la scoperta lenta sui siti grandi in crawl budget.
Verificare l'indicizzabilità con Neova
Neova contrassegna ogni URL come Indicizzabile o no, e dice perché: stato 200, nessun noindex e un canonical verso sé stesso o nessuno. La categoria Indicizzabilità raccoglie codici di stato, noindex, canonical, robots.txt e HTML che rompe l'head prima dei tag SEO. Con il rendering JavaScript attivo, ogni pagina renderizzata viene confrontata con il suo HTML grezzo. Con Google Search Console collegato, Neova legge il verdetto del Controllo URL di Google fino a 200 URL per crawl, prima i più cliccati e poi i più linkati, e segnala le pagine indicizzabili che Google non indicizza o per cui Google ha scelto un altro canonical. Tra i controlli alla base:

- Direttiva noindex presente e Noindex diverso tra HTML e header HTTP
- Un URL interno è in disallow nel robots.txt
- Canonical che punta a un altro URL interno e Canonical che punta a un URL noindex
- URL interno che restituisce 4xx, 5xx o nessuna risposta e Title o H1 con una frase da soft 404
- Direttiva noindex rimossa da JavaScript
- URL noindex elencato in una sitemap XML
- URL indicizzabile non presente su Google, dal Controllo URL
- URL noindex che ha ricevuto clic in Search Console
L'indicizzabilità corrisponde ai passi 3 e 4 della checklist per l'audit SEO tecnico. Vedi le Funzionalità o scarica Neova; il piano Free scansiona fino a 1.000 URL con ogni controllo.
Domande
Che cos'è un tool di verifica dell'indicizzabilità?
Uno strumento che legge i segnali usati dai motori di ricerca (codice di stato, robots.txt, noindex, canonical e rendering) e riporta per ogni URL se può essere indicizzato e, se no, quale segnale lo impedisce.
Qual è la differenza tra indicizzabile e indicizzata?
Indicizzabile significa che niente nella pagina o nel server la tiene fuori dall'indice. Indicizzata significa che Google l'ha davvero salvata. Una pagina può essere indicizzabile e comunque non indicizzata, cosa che solo Search Console può confermare.
robots.txt impedisce che una pagina venga indicizzata?
No. Impedisce la scansione. Google può comunque indicizzare un URL bloccato a partire dai link, senza il suo contenuto. Per tenere una pagina fuori dall'indice, consenti la scansione e usa noindex.
Perché la mia pagina indicizzabile non è indicizzata?
I motivi comuni sono contenuti scarni o duplicati, pochi link interni, Google che sceglie un altro URL come canonico, o Google che non l'ha ancora scansionata. Il Controllo URL e il report Indicizzazione delle pagine danno il motivo registrato da Google.
Posso verificare l'indicizzabilità di un singolo URL?
Sì. Il Controllo URL in Search Console verifica un URL sulla tua proprietà. Un crawler verifica ogni URL del sito in una volta, e può scansionare solo un elenco di URL quando te ne servono pochi.