Il famoso limite di 15MB di Googlebot riguarda solo il singolo file HTML. Ma per PDF, immagini e video valgono regole diverse, raramente documentate in modo chiaro. Vediamole.
Il 15MB e perche e morbido
Googlebot tronca il download di file HTML oltre i 15MB. Oltre, indicizza solo cio che ha scaricato. Per le PMI il rischio reale e raro, ma su siti generati da page builder con codice gonfio si vede.
PDF, immagini e video: regole diverse
Le regole non sono uniformi. Ecco i comportamenti specifici:
- PDF: limite reale intorno ai 10-15MB di contenuto testuale estraibile. PDF scansionati (immagini) non vengono indicizzati come testo.
- Immagini: nessun cap fisso. Sopra 5-10MB Google Images spesso le scarta.
- Video: Google non scarica i file video. Legge solo metadati e schema VideoObject.
- Sitemap XML: max 50MB non compressi o 50.000 URL.
Casi limite che vediamo spesso
Su WooCommerce: pagine prodotto con 40 immagini full HD in pre-render che superano i 3MB. Su siti corporate: cataloghi PDF da 25MB scansionati come immagini. Su WordPress: sitemap auto-generate senza index per siti con 100.000+ post.
Come monitorare i limiti
Tre tool gratis o low-cost: PageSpeed Insights (peso pagina), Screaming Frog (audit massivo file size), log server (cosa Googlebot scarica davvero). Una volta al mese basta.
In pratica per la tua agenzia o PMI
- Audit dei PDF: ogni PDF sopra 10MB va rifatto in versione testuale.
- Controllo sitemap: se sopra 50k URL, dividi in sitemap multipli con index.
- Test PageSpeed: pagine sopra 2MB vanno alleggerite.
- Log review mensile per identificare URL che Googlebot ignora.
I limiti di Googlebot non sono curiosita tecniche. Sono confini reali dentro cui il sito riesce ad essere indicizzato bene o male.
I 5 file specifici e cosa indicizzano davvero
Il limite 15MB su HTML e’ solo l’inizio. Il comportamento concreto per ciascun tipo di file: HTML standard troncato sopra 15MB con perdita di indicizzazione delle sezioni in fondo. PDF testuali estratti fino ai 15MB, il resto viene ignorato. PDF immagini (scansionati) non vengono estratti come testo: solo l’OCR opzionale di Google, che funziona male sui file italiani con caratteri accentati. Immagini ottimizzate sotto 1MB indicizzate normalmente, oltre 5MB hanno chance ridotte di essere mostrate in Google Images. Video: Googlebot non scarica i file, legge solo metadati (titolo, descrizione, durata) e schema VideoObject.
Conoscere questi dettagli evita problemi reali. Un’agenzia che fa migrazioni siti senza considerare questi limiti rischia di consegnare un sito che indicizza al 60% del previsto.
Audit pratico in 90 minuti
Procedura completa per un audit limiti scansione su un sito medio. Step 1: Screaming Frog crawla l’intero sito identificando file oltre 5MB (15 minuti). Step 2: per ogni file pesante, verifica se e’ veramente necessario o e’ un PDF gonfio (20 minuti). Step 3: PageSpeed Insights sulle 10 pagine top per traffico, controlla peso pagina e LCP (15 minuti). Step 4: lettura log server per identificare gli URL che Googlebot scarta o ignora (30 minuti). Step 5: report di 1 pagina con 5-8 azioni concrete e priorita’ (10 minuti).
Casi di studio italiani
Tre casi reali risolti negli ultimi 12 mesi. Caso 1: e-commerce moda con 800 pagine prodotto a 3.5MB medie. Problema: Google indicizzava solo 60% dei prodotti. Soluzione: lazy loading immagini, ottimizzazione WebP, peso medio sceso a 1.2MB, indicizzazione salita al 95% in 60 giorni. Caso 2: sito B2B con catalogo PDF da 22MB ciascuno. Problema: PDF non indicizzati nei risultati di ricerca. Soluzione: rifatti in versione testuale di 6MB ciascuno + HTML alternativo. Risultato: indicizzazione completa + ranking sui termini di ricerca prodotti tecnici. Caso 3: sito editoriale con sitemap automatica da 70k URL. Problema: solo 40k URL indicizzati. Soluzione: split in 5 sitemap con index. Risultato: indicizzazione completa in 30 giorni.
Roadmap di manutenzione per le agency
Per le agency che gestiscono manutenzione siti, la routine sui limiti scansione dovrebbe essere mensile. Settimana 1 del mese: PageSpeed audit top 10 pagine. Settimana 2: review sitemap (dimensione, URL count, errori). Settimana 3: analisi log per identificare URL crawl-trap o ignorati. Settimana 4: report cliente con metriche chiave (peso pagine medio, indicizzazione coverage, errori 4xx/5xx). Tempo totale: 4-6 ore/mese per sito. Da incorporare nel pacchetto retainer standard.
