Un sitio de 200 páginas del cual la mitad permanece invisible en Google, todos hemos conocido este escenario. El problema rara vez proviene del contenido: es el sitemap el que orienta (o desorienta) a los robots de exploración. Organizar este archivo correctamente cambia las reglas del juego en la velocidad de descubrimiento de las páginas y, por ende, en el posicionamiento SEO del sitio web.
Sitemap XML: un archivo de diagnóstico antes de ser una lista de URL
A menudo se trata el sitemap como un simple inventario de páginas. En la práctica, es una herramienta de diagnóstico. El informe de Sitemaps de Google Search Console muestra la última lectura del archivo, el número de URL detectadas y los errores de procesamiento. Una mención de « éxito » significa que el archivo ha sido analizado correctamente, no que todas las URL están indexadas.
Esta distinción es fundamental. Google trata el sitemap como una señal de descubrimiento y no como una solicitud de indexación automática. Se puede listar una URL perfectamente válida que Google decidirá no indexar, por falta de relevancia o debido a contenido duplicado. Antes de agregar páginas al archivo, se verifica que merezcan figurar en él.
Para profundizar en la estructura y las buenas prácticas alrededor de este archivo, la página expertsmarketing.fr del sitio detalla los formatos aceptados y los errores comunes a corregir con prioridad.
Clasificación de URL en el sitemap: lo que se conserva, lo que se retira
El reflejo común consiste en generar un sitemap automático a través de un plugin (Yoast, Rank Math, All in One SEO) y no volver a tocarlo. El resultado: páginas de etiquetas, archivos de categorías vacíos, URL con parámetros de ordenación o paginación, todo mezclado con las páginas estratégicas. El robot de Google pierde tiempo en URL innecesarias y ralentiza la exploración de las páginas que importan.
Antes de enviar el archivo, se filtra según criterios concretos:
- Cada URL debe devolver un código HTTP 200. Las redirecciones (301, 302) y los errores (404, 410) no tienen cabida en el sitemap.
- La página debe ser indexable: sin etiqueta noindex en el head, sin bloqueos en el robots.txt.
- El contenido debe ser único. Una página de producto presentada en seis variantes de color con el mismo texto ocupa espacio en el archivo sin aportar valor.
- Las páginas huérfanas (sin enlace interno) merecen o un enlace desde la estructura del sitio, o ser retiradas del sitemap si ya no son útiles.
En un sitio de comercio electrónico o un portal con varios cientos de páginas, esta clasificación a veces reduce el sitemap a la mitad. La ganancia es directa: el presupuesto de rastreo se concentra en los contenidos con alto potencial SEO.
Índice de sitemap y segmentación por temática
Cuando el sitio supera unas pocas decenas de páginas, se gana en legibilidad (para nosotros y para Google) al segmentar el sitemap. El protocolo sitemaps.org permite un archivo de índice que apunta a varios sitemaps hijos. Se puede dividir por tipo de contenido: un archivo para los artículos de blog, otro para las páginas de servicios, un tercero para las fichas de productos.
Un sitemap segmentado facilita el diagnóstico en Search Console. Si el informe muestra una tasa de indexación baja en el archivo « blog » pero correcta en el archivo « servicios », sabemos exactamente dónde buscar el problema. Con un sitemap monolítico, esta granularidad desaparece.
Para los sitios que publican videos o imágenes de alto valor (portafolios, tutoriales), existen sitemaps especializados. El sitemap de video, por ejemplo, enriquece los resultados de búsqueda con miniaturas. Las opiniones varían sobre el impacto real de estos archivos especializados según el tamaño del sitio, pero en un sitio con contenido visual rico, el esfuerzo sigue siendo limitado para una ganancia potencial de visibilidad.
Envío y declaración del sitemap: los métodos aún válidos
Un punto a menudo ignorado: el antiguo endpoint de ping de sitemap de Google fue retirado en 2023. Las guías que aún recomiendan una URL de tipo google.com/ping?sitemap=... están desactualizadas. Continuar usándola no provoca un error visible, pero la llamada ya no tiene ningún efecto.
Los métodos actualmente reconocidos para declarar un sitemap son tres:
- El envío directo a través de la interfaz de Google Search Console, en la sección « Sitemaps ».
- La API de Search Console, útil para los sitios gestionados por equipos técnicos o herramientas de automatización.
- La declaración en el archivo robots.txt con la directiva
Sitemap:seguida de la URL completa del archivo. Este método tiene la ventaja de funcionar también para Bing y otros motores.
Generalmente se combina el envío a través de Search Console y la declaración en robots.txt. La redundancia no presenta ningún problema y cubre el caso en que un motor secundario solo consulte el robots.txt.
Frecuencia de actualización y etiqueta lastmod
La etiqueta lastmod en el sitemap XML indica la fecha de la última modificación de una página. Google la utiliza como un indicio para priorizar la exploración de los contenidos recientemente actualizados. El truco: algunos CMS actualizan esta fecha en cada guardado, incluso sin modificación real del contenido. La señal pierde entonces toda fiabilidad.
Actualizar lastmod únicamente cuando el contenido cambia realmente sigue siendo la regla. Una fecha artificial no acelera la indexación. Puede, por el contrario, incitar a Googlebot a volver a visitar la página, constatar que no hay nada nuevo y, a largo plazo, espaciar sus visitas.
Para la frecuencia de regeneración del archivo en sí, un sitemap dinámico (generado al instante o recalculado diariamente) es adecuado para los sitios que publican con frecuencia. Un sitio de presentación actualizado una vez al mes no necesita un sitemap recalculado cada hora.
El sitemap no reemplaza ni un buen enlazado interno, ni un contenido de calidad, ni una estructura de sitio coherente. Es un palanca técnica complementaria. Cuando está bien organizado, filtrado y enviado correctamente, proporciona a los motores de búsqueda exactamente lo que necesitan para explorar el sitio sin desperdiciar recursos.
