Un sitemap XML no sirve de nada si contiene URL que Google no debe indexar. Observamos regularmente archivos sitemap inflados con redirecciones 301, páginas en noindex o parámetros de URL duplicados, lo que diluye el presupuesto de rastreo en lugar de concentrarlo. Optimizar la navegación de un sitio a través de su sitemap implica primero limpiar este archivo para dejar solo URL canónicas, indexables y actualizadas.
Fiabilidad de lastmod: la única señal XML que Google sigue utilizando
Las etiquetas <priority> y <changefreq> son ignoradas por Google. Recomendamos eliminarlas del archivo para facilitar su lectura. El único parámetro XML que realmente influye en el comportamiento del rastreador es <lastmod> con una fecha de modificación real.
Una fecha lastmod fiable significa que corresponde a una modificación significativa del contenido, los datos estructurados o los enlaces internos de la página. Regenerar automáticamente el sitemap cada noche actualizando todas las fechas no constituye una señal relevante. Google compara la fecha anunciada con el contenido real de la página: si nada ha cambiado, la confianza en el archivo disminuye en general.
Bing va más allá y utiliza lastmod como señal de frescura en sus sistemas de búsqueda, incluso para las experiencias asistidas por IA. Un sitemap cuyas fechas son fiables mejora, por lo tanto, la visibilidad en los dos motores principales. Para observar cómo un sitio estructura concretamente sus URL en un archivo sitemap, la página sitemap de Soupir ilustra bien un desglose por secciones temáticas.
Sitemap XML y presupuesto de rastreo: qué excluir
El primer reflejo a adoptar es cruzar el contenido del sitemap con la cobertura de indexación en Google Search Console. Las URL que devuelven errores (404, soft 404, redirecciones) o en estado “explorada, no indexada” no tienen cabida en el archivo.
A continuación, las categorías de URL que deben excluirse sistemáticamente:
- Páginas redirigidas (301 o 302): el sitemap debe apuntar a la destino final, no a la URL de origen de la redirección
- URL con parámetros de ordenación, filtrado o paginación que generan contenido duplicado sin la etiqueta canonical correcta
- Páginas protegidas por un
noindexo bloqueadas en el robots.txt, ya que su presencia en el sitemap envía una señal contradictoria al rastreador - Recursos obsoletos (fichas de producto agotadas, artículos despublicados) que ya no devuelven contenido útil
Un sitemap solo debe contener URL indexables y actualizadas. Cada entrada superflua consume presupuesto de rastreo sin retorno. En un sitio de varios miles de páginas, esta higiene marca una diferencia medible en la velocidad de indexación de los nuevos contenidos.
Sitemap index y segmentación por tipo de contenido
Más allá de un cierto volumen de páginas, un archivo único se vuelve difícil de mantener y analizar. La especificación del protocolo sitemap permite archivos index que referencian varios sitemaps hijos. Recomendamos segmentar por tipo de contenido en lugar de por orden alfabético o por fecha de creación.
Un desglose efectivo separa las páginas editoriales (artículos, guías), las fichas de producto o servicio, las páginas de categorías y los medios (imágenes, videos). Esta segmentación permite identificar rápidamente qué subconjunto presenta problemas en Search Console. Si la tasa de indexación de las fichas de producto cae, el diagnóstico se realiza en segundos en lugar de tener que buscar en un archivo monolítico.
Los sitemaps especializados para imágenes y videos merecen una atención particular. Un sitemap de imágenes enriquecido con las etiquetas <image:loc> y <image:title> facilita la indexación en Google Imágenes. Para el video, las etiquetas <video:thumbnail_loc>, <video:title> y <video:description> permiten aparecer en los resultados enriquecidos. Estos sitemaps especializados están infrautilizados en la mayoría de los sitios que auditamos.
IndexNow y envío del sitemap: combinar ambos enfoques
Enviar su sitemap a través de Google Search Console y Bing Webmaster Tools sigue siendo el método de referencia para el descubrimiento inicial de URL. La declaración en el archivo robots.txt (Sitemap: https://example.com/sitemap.xml) asegura que cualquier rastreador conforme al protocolo encuentre el archivo sin configuración adicional.
Para Bing, el protocolo IndexNow complementa el sitemap durante cambios puntuales. En lugar de esperar a que el rastreador vuelva a visitar el sitemap, IndexNow notifica al motor en tiempo real que una URL ha sido añadida, modificada o eliminada. Esta notificación no debe enviarse de forma repetitiva para páginas sin cambios, bajo pena de perder credibilidad ante el sistema.
La combinación funciona así: el sitemap XML cubre la totalidad del sitio y sirve como red de seguridad para el descubrimiento a gran escala, mientras que IndexNow acelera la consideración de las actualizaciones urgentes. Google no ha adoptado IndexNow, pero su API de indexación ofrece un mecanismo similar para los tipos de contenido elegibles.
Sitemap HTML y enlazado interno: dos herramientas complementarias
Un sitemap HTML visible para los visitantes no reemplaza el archivo XML, pero refuerza el enlazado interno. Cada enlace en un sitemap HTML transmite PageRank hacia las páginas profundas que la navegación principal no siempre cubre.
Para que esta página sea útil y no un simple directorio plano, debe reflejar la jerarquía real del sitio. Agrupar los enlaces por categoría, con un nivel de profundidad limitado a dos o tres niveles, proporciona al visitante y al rastreador un mapa legible de la estructura.
Un sitemap, ya sea XML o HTML, no es un documento estático. La frecuencia de actualización debe seguir el ritmo de publicación del sitio. Un archivo XML obsoleto que referencia URL muertas degrada la confianza del rastreador hacia todo el dominio. Mantener esta coherencia entre el sitemap y el estado real del sitio sigue siendo la condición primordial para que la herramienta realmente sirva a la navegación y la indexación.
