Un sitemap XML lista las URL de un sitio para facilitar su localización por los motores de búsqueda. Google lo recuerda en su documentación: este archivo ayuda a la localización de las URL, pero no garantiza ni la exploración ni la indexación. Medir la diferencia entre lo que promete un sitemap y lo que realmente produce permite calibrar el esfuerzo técnico a dedicar.
Sitemap XML y sitemap HTML: dos archivos, dos funciones distintas
La confusión entre sitemap XML y sitemap HTML persiste. Sus roles, sus destinatarios y su impacto SEO divergen en varios puntos.
| Criterio | Sitemap XML | Sitemap HTML |
|---|---|---|
| Destinatario principal | Robots de indexación (Googlebot, Bingbot) | Visitantes humanos |
| Formato | Archivo .xml colocado en la raíz del sitio | Página web accesible a través del menú o el pie de página |
| Contenido | Lista de URL con metadatos (fecha de modificación, frecuencia) | Estructura clicable de las páginas |
| Impacto en el crawl | Señala las URL a explorar como prioridad | Ningún efecto directo en el crawl de los robots |
| Impacto en la experiencia del usuario | Ninguno (archivo no destinado a los visitantes) | Ayuda a la navegación, especialmente en sitios grandes |
| Mantenimiento | Automatizable a través de CMS o pipeline | A menudo manual o semi-automático |
El sitemap XML sigue siendo el formato de referencia en SEO. El sitemap HTML puede complementar el enlazado interno, pero no reemplaza un archivo XML correctamente estructurado. En la página sitemap de Pimp Your Biz, se observa un ejemplo concreto de archivo XML listado por sección, lo que ilustra bien la lógica de segmentación por tipo de contenido.
URL indexables en el sitemap: el filtro que cambia la señal enviada a Google
Listar todas las URL de un sitio en el sitemap es un error frecuente. Un archivo que contiene redirecciones 301, páginas en noindex, errores 404 o variantes con parámetros envía una señal confusa a los robots. Google debe entonces clasificar por sí mismo lo que merece ser explorado.
Solo las URL canónicas e indexables tienen su lugar en el sitemap. Este principio de filtrado transforma el archivo en un inventario fiable en lugar de un volcado técnico.
URL a excluir sistemáticamente
- Las páginas redirigidas (301, 302): apuntan a otra URL, incluirlas crea un bucle innecesario para el robot
- Las páginas en noindex: su presencia en el sitemap contradice la directiva meta robots y genera una incoherencia técnica
- Las URL con parámetros de ordenación, filtro o sesión: duplican el contenido de una página canónica sin valor añadido para la indexación
- Las páginas con error 404 o 410: desperdician el presupuesto de crawl en recursos inexistentes
Un sitio de comercio electrónico con miles de fichas de productos ilustra bien el problema. Sin filtro, el sitemap puede contener varias veces el mismo producto bajo diferentes URL (ordenado por precio, por color, por tamaño). El robot explora entonces decenas de variantes en lugar de concentrarse en la página canónica.
Automatizar la generación del sitemap para evitar la obsolescencia
Un sitemap mantenido manualmente se vuelve obsoleto tan pronto como el ritmo de publicación supera unas pocas páginas al mes. La automatización a través del CMS o un pipeline de despliegue constituye la buena práctica actual para los sitios que publican regularmente.
En WordPress, extensiones como Yoast SEO o Rank Math generan el sitemap XML en cada publicación o actualización de contenido. El archivo refleja entonces el estado real del sitio sin intervención humana.
Sitemaps especializados para contenidos ricos
Google permite declarar varios tipos de contenidos en los sitemaps, más allá de las páginas HTML clásicas. Los sitios ricos en medios ganan al segmentar sus archivos.
- Sitemap de imágenes: útil para portfolios, sitios de comercio electrónico o bancos de imágenes. Cada imagen asociada a una URL puede ser declarada con su título y su leyenda
- Sitemap de vídeos: pertinente para los sitios que alojan contenido de vídeo nativo. Los metadatos (duración, descripción, miniatura) ayudan a Google a mostrar fragmentos enriquecidos
- Sitemap de noticias: reservado para editores referenciados en Google Noticias, con una ventana de validez de unos días después de la publicación
Un sitemap segmentado por tipo de contenido facilita el diagnóstico técnico. Si la indexación de los vídeos plantea problemas, el archivo dedicado permite aislar la causa sin recorrer todas las URL del sitio.
Enviar y supervisar el sitemap en Google Search Console
Declarar el sitemap en el archivo robots.txt a través de la directiva Sitemap: https://example.com/sitemap.xml sigue siendo el método pasivo de referencia. Todos los robots compatibles lo detectan automáticamente durante el crawl.
La presentación activa a través de Google Search Console aporta un nivel de información adicional. La interfaz muestra el número de URL detectadas, el número de URL indexadas y los posibles errores de lectura del archivo. La diferencia entre URL enviadas y URL indexadas constituye un indicador directo de la calidad del sitemap.
Lectura de la diferencia entre URL enviadas e indexadas
Una diferencia baja significa que el archivo solo contiene URL relevantes a los ojos de Google. Una diferencia amplia (la mayoría de las URL enviadas no están indexadas) apunta a un problema de calidad del contenido, de duplicación o de directivas contradictorias.
Esta diferencia no se corrige volviendo a enviar el sitemap. Es necesario analizar las páginas excluidas, entender la razón del rechazo (contenido escaso, noindex, canónica hacia otra URL) y limpiar el archivo en consecuencia.
El sitemap no acelera mecánicamente la indexación. Estructura el diálogo entre un sitio y los robots, siempre que contenga solo URL que merezcan ser exploradas. La verdadera medida de su eficacia se refleja en Google Search Console, en el informe entre lo que se envía y lo que Google retiene.