Un sitemap XML es un archivo que lista las URL de un sitio web destinadas a ser exploradas por los motores de búsqueda. Su estructura determina la rapidez con la que Google descubre, explora e indexa las páginas. Un sitemap mal construido no provoca un error visible, pero ralentiza silenciosamente la indexación de los contenidos estratégicos.
Etiquetas obsoletas del sitemap XML: qué eliminar
La especificación original del protocolo sitemaps.org prevé varias etiquetas opcionales para cada URL. Entre ellas, priority y changefreq son ahora ignoradas por Google. Conservarlas en el archivo no aporta ningún beneficio y sobrecarga innecesariamente el documento.
La etiqueta priority asignaba un valor entre 0.0 y 1.0 para señalar la importancia relativa de una página. Google ya no la tiene en cuenta para programar sus visitas. La etiqueta changefreq, que se supone indica la frecuencia de actualización (diaria, semanal, mensual), se trata de la misma manera: el robot la ignora.
Eliminar estos dos campos reduce el tamaño del archivo y elimina una falsa impresión de control sobre el rastreo. Las informaciones del sitio actuweb fr ilustran bien cómo se ve un sitemap depurado, centrado en las URL y sus metadatos realmente utilizados.
La única etiqueta opcional que conserva un peso real es lastmod, siempre que se utilice correctamente, lo cual es objeto de la siguiente sección.
Lastmod del sitemap: la única señal de frescura fiable
El campo lastmod indica la fecha de la última modificación significativa de una página. Cuando esta fecha es fiable, Googlebot la utiliza para priorizar el recrawl de los contenidos recientemente actualizados. Es la palanca más directa que tiene un webmaster para acelerar la consideración de una modificación.
Lastmod no debe reflejar más que las modificaciones reales del contenido, no la fecha de regeneración automática del archivo. Un sitemap donde todas las URL muestran la fecha del día envía una señal contradictoria: si todo ha cambiado, nada ha cambiado. Google acaba ignorando el campo por completo para este dominio.
Errores frecuentes sobre lastmod
- Actualizar lastmod después de un cambio cosmético (corrección de un espacio, modificación del footer) sin tocar el contenido editorial de la página
- Regenerar el sitemap diariamente a través de un cron job que aplica la fecha del día a todas las entradas, incluso a las que no han cambiado en meses
- Dejar lastmod vacío en páginas recientemente remodeladas, lo que impide que Google detecte la actualización
Un lastmod exacto en una ficha de producto actualizada (nuevo precio, nuevo stock, nueva descripción) acelera el recrawl de esta ficha. En un artículo de blog republicado con datos actualizados, el efecto es idéntico.
Filtrado de URL: qué páginas incluir en el sitemap
Un sitemap eficaz no lista todas las URL del sitio. Solo contiene las páginas que merecen aparecer en los resultados de búsqueda. Cada URL del sitemap debe devolver un código HTTP 200 y tener una etiqueta meta robots index.
Incluir páginas en noindex, redirecciones 301, URL canónicas hacia otras páginas o páginas de error 404 contamina el archivo. El robot gasta presupuesto de rastreo en URL que nunca llevarán a una indexación.
Páginas a excluir sistemáticamente
- Páginas de resultados de búsqueda interna, de filtros de facetas o de paginación profunda sin contenido único
- Páginas protegidas por un login o que redirigen a la página de inicio de sesión
- URL con parámetros de seguimiento (utm, session ID) que duplican páginas ya presentes sin parámetro
- Páginas en borrador, en staging o accesibles únicamente a través de un subdominio de preproducción
En un sitio de comercio electrónico con varios miles de fichas de productos, el filtrado se convierte en un trabajo regular. Las fichas de productos agotados definitivamente, pasadas a 404 o redirigidas, deben salir del sitemap en cada actualización.
Sitemap index y segmentación por tipo de contenido
El protocolo permite un máximo de 50,000 URL por archivo sitemap. Más allá, o cuando el sitio contiene tipos de contenidos distintos (artículos, productos, imágenes, vídeos), un sitemap index que referencia varios subsitemaps facilita el diagnóstico y el seguimiento.
Segmentar por tipo de contenido (un sitemap para los artículos, uno para las categorías, uno para las fichas de productos) permite identificar rápidamente qué segmento presenta un problema de indexación en Google Search Console. Si la tasa de indexación cae en el sitemap de productos pero se mantiene estable en el sitemap de artículos, el problema está localizado.
Sitemaps especializados en imágenes y vídeos
Los sitemaps de imágenes y vídeos utilizan extensiones del protocolo XML. Señalan a Google los medios integrados en las páginas, lo que mejora su visibilidad en Google Imágenes y Google Vídeo. Para un sitio cuyo tráfico depende en gran medida de lo visual (portafolio, comercio electrónico de moda, recetas de cocina), un sitemap de imágenes dedicado aumenta la superficie de indexación sin modificar el contenido de las páginas.
El sitemap de vídeo requiere metadatos específicos: título, descripción, URL de la miniatura, duración. Sin esta información, Google no toma en cuenta la entrada.
Presentación y verificación del sitemap en Search Console
Declarar el sitemap en el archivo robots.txt a través de la directiva Sitemap: seguida de la URL absoluta del archivo sigue siendo el método más simple y universal. Funciona para todos los motores compatibles con el protocolo.
La presentación manual a través de Google Search Console o Bing Webmaster Tools ofrece una ventaja adicional: un informe de estado que indica el número de URL presentadas, el número de URL indexadas y los posibles errores detectados. La diferencia entre URL presentadas y URL indexadas constituye el primer indicador de calidad del sitemap.
Una diferencia persistente señala URL problemáticas: contenido duplicado, contenido demasiado delgado, páginas bloqueadas por el robots.txt o errores de servidor intermitentes. Corregir estas diferencias implica limpiar el sitemap tanto como corregir las páginas mismas.
La verificación regular de este informe, junto con una actualización del sitemap después de cada lote de publicaciones o de eliminaciones de páginas, mantiene la coherencia entre el archivo y el estado real del sitio. Un sitemap que refleja fielmente la estructura indexable de un sitio proporciona a Googlebot un mapa fiable, y un mapa fiable acorta el camino hacia la indexación.
