Analyser un site et son sitemap

Ce que le crawl importe — et ce qu’il doit ignorer

La source « Site web complet » explore les pages publiques d’un même domaine afin d’en extraire un contenu textuel utilisable par l’assistant. Elle complète l’analyse légère de l’onboarding : cette dernière prépare le profil, tandis que le crawl construit une base de pages suivies individuellement.

Le volume autorisé dépend de la formule et du quota mensuel d’URL. Wavize découvre des adresses, les met en file, les traite en arrière-plan puis affiche les nombres découverts, réussis, exclus et échoués. Un grand sitemap n’annule pas la limite de votre formule.

Périmètre de sécurité
N’utilisez que des pages publiques que votre entreprise est autorisée à exploiter. Wavize bloque les destinations privées ou dangereuses et ne doit pas contourner une connexion, un pare-feu ou un challenge anti-robot.

Créer une source de site complète

Dans Base de connaissances, choisissez Site web complet, donnez un titre reconnaissable et saisissez l’URL canonique.

1. Choisir la racine publique

   Préférez https://exemple.com ou sa variante www finale. Évitez une URL de panier, une campagne temporaire, un sous-domaine privé ou une redirection qui quitte le domaine.

2. Laisser « Entraîner maintenant » activé

   La case est sélectionnée par défaut. Elle demande à Wavize de lancer la découverte et l’indexation après enregistrement. Décochez-la seulement si vous voulez préparer la source sans l’exécuter.

3. Attendre la file de traitement

   Ne rechargez pas en boucle et ne recréez pas la source. Le statut passe par des états de file et de traitement ; la progression évolue au fur et à mesure des tâches en arrière-plan.

Comprendre découverte, sitemap et sélection

Wavize peut exploiter des sitemaps et parcourir des liens internes, mais conserve des protections et priorités.

• Pages à forte valeur

  Accueil, services, catégories, produits, aide, livraison, retours et contact sont généralement prioritaires. Une page doit contenir du texte utile, pas uniquement une animation ou des blocs chargés après interaction.

• URL techniques

  Excluez compte, connexion, panier, paiement, recherche interne, paramètres de suivi, aperçus et filtres infinis. Ils créent des doublons ou exposent des écrans sans valeur pour une réponse.

• Quota et sélection partielle

  Si la découverte dépasse la capacité, concentrez-vous sur les pages les plus utiles ou excluez des familles d’URL. La limite de sécurité absolue ne garantit jamais que toutes les URL d’un immense site seront importées.

Piloter les URL après le premier crawl

La fiche de la source permet de rechercher les pages découvertes, de les exclure durablement, de les restaurer et de relancer l’entraînement.

1. Exclure sans perdre le contrôle

   Une exclusion persistante empêche la page de revenir au prochain crawl. Notez la raison dans votre procédure interne, notamment pour une ancienne politique ou une zone juridique locale.

2. Restaurer puis réentraîner

   Restaurer l’URL la rend de nouveau éligible ; relancez ensuite l’entraînement et attendez son traitement avant de tester une information qui s’y trouve.

3. Lire un échec avec prudence

   Le tableau conserve le total de pages échouées mais ne promet pas un diagnostic détaillé pour chaque URL. Testez la page publiquement, puis vérifiez redirections, statut HTTP, pare-feu et contenu avant de contacter le support.

Contrôle qualité d’un crawl

Un crawl terminé n’est utile que si son périmètre correspond à ce que l’assistant doit connaître.

• Couverture — Retrouvez les pages commerciales et support prioritaires dans la liste.
• Propreté — Aucun panier, compte ou variante de filtre massive ne domine les résultats.
• Réponse testée — Une question reprend un fait explicite de la page traitée, sans ajout inventé.