Cómo explorar eficazmente el sitemap de un sitio web para encontrar las páginas adecuadas

Un sitemap XML enumera las URL de un sitio, pero esa lista no dice nada sobre el estado real de las páginas que contiene. Algunas URL pueden devolver un error, otras no reciben ningún enlace interno y otras muestran contenido obsoleto pese a tener una fecha de modificación reciente. Explorar un sitemap de forma útil consiste en tratarlo como un inventario de páginas candidatas a revisión, no como un directorio de páginas funcionales.

Sitemap XML: lo que el archivo no revela sobre tus páginas

El protocolo Sitemap permite un máximo de 50 000 URL o 50 MB sin comprimir por archivo. Los sitios que superan estos límites utilizan un índice de sitemaps, es decir, un archivo que enlaza con varios sitemaps secundarios. Esta segmentación ofrece una primera pista para la exploración: cada archivo secundario suele agrupar un tipo de contenido (artículos, fichas de producto, categorías), lo que permite examinar conjuntos coherentes en lugar de una única lista.

Google aclara que incluir una URL en un sitemap no garantiza su indexación. El archivo indica que una página existe, pero no informa sobre su calidad ni su relevancia. Para observar cómo organiza un sitio sus contenidos, recorrer el sitemap de Passez l’info ofrece una buena idea de cómo un índice de sitemaps segmenta las URL por sección.

Dos etiquetas del sitemap suelen malinterpretarse. Google ignora la etiqueta priority: no influye ni en el orden de rastreo ni en el posicionamiento. La etiqueta changefreq corre la misma suerte. Por tanto, estos metadatos declarativos no sirven para priorizar las páginas que se deben examinar.

Hombre consultando un sitemap XML en una pantalla grande en una oficina moderna de planta abierta

Contrastar el sitemap con los enlaces internos y los informes de inspección

La forma más productiva de explorar un sitemap consiste en contrastarlo con otras dos fuentes: el enlazado interno del sitio y los datos de Search Console. Esta triangulación revela discrepancias que nunca se aprecian al leer únicamente el archivo XML.

Detectar páginas huérfanas en el sitemap

Una URL que aparece en el sitemap, pero no en el enlazado interno, plantea un problema concreto. Los robots de rastreo pueden descubrirla a través del archivo XML, pero los visitantes no pueden llegar a ella mediante ninguna ruta de navegación. Es poco probable que este tipo de página huérfana reciba tráfico, aunque esté indexada.

Para identificar estos casos, hay que cruzar la lista de URL del sitemap con un rastreo del sitio (Screaming Frog, Sitebulb o cualquier otra herramienta de rastreo). Las URL que aparecen en el sitemap sin recibir enlaces internos merecen una revisión: o bien deben integrarse en la estructura del sitio, o bien ya no tienen motivo para figurar en el archivo.

Comprobar el estado real mediante la inspección de URL

El informe Sitemaps de Google Search Console indica el número de URL descubiertas y los errores detectados. Este informe ofrece una visión general, pero la inspección individual de una URL es la única forma de conocer su estado exacto: indexada, descubierta pero no indexada, excluida por una etiqueta canónica que apunta a otra página o bloqueada por el archivo robots.txt.

En la práctica, empezar por las URL que el informe Sitemaps señala como problemáticas permite centrar los esfuerzos en casos concretos. Inspeccionar una URL al azar en un sitemap con varios miles de páginas no tiene mucho sentido.

La etiqueta lastmod: una señal útil, con condiciones

Google indica que la etiqueta lastmod puede ayudarle a planificar nuevos rastreos, siempre que se cumpla una condición: la fecha debe reflejar un cambio importante en el contenido, los datos estructurados o los enlaces de la página. Una simple actualización del pie de página o una recompilación automática del sitio no justifica cambiar la fecha.

En muchos CMS, la fecha lastmod se actualiza cada vez que se guarda la página, incluso si solo se corrige una coma. Este comportamiento diluye la señal. Los sitios cuya etiqueta lastmod es sistemáticamente precisa y verificable envían una señal más fiable a los robots de rastreo.

Para aprovechar esta información durante una exploración manual, ordenar las URL del sitemap por fecha lastmod permite detectar dos casos interesantes:

  • Páginas con una fecha muy antigua (de hace varios años) que, al parecer, nunca se han actualizado, lo que puede indicar contenido obsoleto que conviene revisar o eliminar
  • Páginas cuya fecha cambia con mucha frecuencia sin que el contenido visible evolucione, lo que indica un problema de configuración del CMS
  • Páginas modificadas recientemente que, según Search Console, aún no están indexadas, lo que justifica una inspección individual para entender qué impide su indexación

Sitemap e IndexNow: distinguir entre descubrimiento e indexación en Bing

El protocolo IndexNow permite avisar a Bing y a otros motores participantes de que se ha añadido, modificado o eliminado una URL. Una respuesta de recepción confirma que se ha recibido la notificación, pero no garantiza ni el rastreo ni la indexación.

El sitemap sigue siendo el inventario de referencia para estos motores. IndexNow cumple una función complementaria de notificación en tiempo real. Al explorar un sitemap, esta distinción es importante: una URL puede aparecer en el archivo, haberse notificado mediante IndexNow y aun así no figurar en los resultados de búsqueda. Las herramientas para webmasters de Bing ofrecen un informe sobre el estado de las URL, similar al de Google, que permite comprobar estos casos.

Joven explorando la estructura de un sitemap en un mapa mental en su portátil, en un salón acogedor

Método práctico para clasificar las URL de un sitemap

Explorar un sitemap de forma sistemática implica no leer el archivo línea por línea. El método más eficaz sigue un orden concreto:

  • Descargar el sitemap (o el índice de sitemaps) e importar las URL a una hoja de cálculo o una herramienta de rastreo para obtener una visión general por tipo de contenido
  • Contrastar estas URL con los datos de enlaces internos obtenidos en un rastreo: identificar las páginas huérfanas, las páginas con un solo enlace entrante y las páginas con más enlaces internos
  • Comparar la lista con los informes de Search Console (o Bing Webmaster Tools) para identificar las URL no indexadas, excluidas o con errores
  • Comprobar la coherencia de las etiquetas lastmod comparando las fechas indicadas con los cambios reales del contenido

Este cruce de datos entre el sitemap, el enlazado interno y los informes de inspección convierte un simple archivo XML en una herramienta de diagnóstico. Las páginas que aparecen en el sitemap, cuentan con un buen enlazado interno y tienen la indexación confirmada son las que realmente contribuyen a la visibilidad del sitio. Las demás requieren una acción correctiva o deben eliminarse del archivo.

Un sitemap limpio, en el que cada URL corresponda a una página accesible, canónica y enlazada con el resto del sitio, envía una señal clara a los motores de búsqueda. En cambio, un archivo repleto de URL muertas o huérfanas dispersa la atención de los robots de rastreo entre páginas que no aportan valor a los visitantes.

Cómo explorar eficazmente el sitemap de un sitio web para encontrar las páginas adecuadas