URLs, die in der robots.txt per 'disallow' gesperrt sind, haben keine Auswirkungen auf das von Google gewährte Crawl-Budget für eine Website.
Gute Nachricht für alle diejenigen, die sich Sorgen um ihr Crawl-Budget machen: Für URLs in der robots.txt, die auf "disallow" gesetzt sind, gibt es keine Abzüge. Das hat Gary Illyes von Google jetzt per Twitter mitgeteilt. Er erklärte, der entsprechende Blog-Post "What Crawl Budget Means for Googlebot" sei erweitert worden:
Neu hinzugekommen ist das folgende Frage-Antwort-Paar (Übersetzung Red.):
Frage: Beeinträchtigen URLs, die ich disallowed habe, das Crawl-Budget in irgendeiner Weise?
Antwort: Nein, Disallow-URLs beeinträchtigen nicht das Crawl-Budget.
Das Thema Crawl-Budget wird jedoch ohnehin meist überbewertet. Bei kleinen und mittelgroßen Websites mit einigen Tausend Unterseiten hat Google überhaupt keine Probleme, die Inalte zu crawlen. Interessant wird dies erst bei sehr großen Websites, auf denen es eine Million oder mehr Unterseiten gibt. Hier kann es durchaus sinnvoll sein, sich über die Verteilung des Crawl-Budgets Gedanken zu machen und beispielsweise per robots.txt Einfluss auf den Abruf der Seiten durch den Googlebot zu nehmen.
Verwandte Beiträge
Google: Seiten mit 4xx-Status verschwenden kein Crawlbudget
Seiten, die einen Statuscode aus der 400er-Reihe senden, gehen nicht zu Lasten des Crawl-Budgets. Eine Ausnahme gibt es aber.
Google: Deutlicher Rückgang des Crawlens für manche Websites beobachtet
Google scheint einige Websites deutlich weniger zu crawlen als noch vor einigen Tagen. Dafür gibt es bestätigte Berichte.
Verschiedene Googlebots teilen sich ein Crawl-Budget, unterschiedliche Crawl-Budgets pro Host
Das Crawl-Budget einer Website wird unter den verschiedenen Googlebots aufgeteilt. Dafür gibt es pro Host ein eigenes Crawl-Budget, was Subdomains interessant machen kann.
