Un sitemap sigue siendo uno de los archivos más simples de producir en un sitio web. Su función parece evidente: listar URL para que los motores de búsqueda las encuentren. En la práctica, la mayoría de los sitemaps generados automáticamente por extensiones de CMS contienen URL innecesarias, fechas de modificación erróneas y ninguna lógica de ordenación.
El resultado: un archivo que Googlebot lee sin obtener mucho de él, y una página HTML de mapa del sitio que los visitantes ignoran. Optimizar un sitemap es, primero, entender lo que los robots y los humanos esperan de este archivo, y luego decidir qué merece estar allí.
Lastmod, ping obsoleto y señales reales enviadas a los motores de búsqueda
La etiqueta lastmod en el sitemap XML a menudo se utiliza incorrectamente. Google aclara que este valor solo ayuda a planificar los recrawls si refleja una modificación real del contenido principal, de los datos estructurados o de los enlaces internos. Un CMS que regenera el sitemap y actualiza todas las fechas en cada construcción envía una señal confusa: el robot ya no puede distinguir una página realmente actualizada de una página inalterada.
Este punto técnico tiene consecuencias directas en la navegación indirecta. Un sitemap cuyas fechas son fiables permite a los motores priorizar el rastreo de páginas frescas. En un sitio editorial o de comercio electrónico, esto significa que los nuevos contenidos aparecen más rápido en los resultados, lo que reduce el tiempo entre la publicación y la primera visita orgánica.
Otra señal a verificar: el método de notificación. Google eliminó en junio de 2023 el antiguo endpoint de ping para los sitemaps. Los plugins que enviaban una solicitud a esta URL ya no notifican nada. Los dos métodos que funcionan siguen siendo la declaración en robots.txt y el envío a través de Google Search Console. Un sitio que no ha actualizado su configuración desde esta fecha puede creer que sus nuevos contenidos están siendo señalados cuando en realidad no lo están.
Para los sitios que también apuntan a Bing, el protocolo IndexNow complementa el sitemap al señalar las URL añadidas, modificadas o eliminadas a medida que se producen. Este mecanismo no reemplaza el sitemap (que sigue siendo un inventario), pero acelera la consideración de los cambios por parte de los motores participantes. Cuando se desea consultar la página sitemap de Agri Systems, se observa además un ejemplo de estructura donde cada URL listada corresponde a un contenido realmente accesible e indexable.
Sitemap XML y sitemap HTML: dos archivos, dos audiencias distintas
La confusión entre sitemap XML y página sitemap HTML persiste porque ambos llevan el mismo nombre. Sus destinatarios no tienen nada en común.
El sitemap XML está dirigido a los robots de exploración. Lista las URL canónicas con sus metadatos (fecha de modificación, posiblemente la frecuencia de cambio, aunque Google ya ignora las etiquetas priority y changefreq). Su formato no está destinado a ser leído por un humano.
La página sitemap HTML está dirigida a los visitantes. Funciona como un mapa del sitio visual, organizado por categorías o temáticas. Su utilidad depende del tamaño del sitio y de la calidad del menú de navegación principal.
En un sitio de menos de cincuenta páginas con un menú bien estructurado, esta página HTML aporta casi nada. En un sitio voluminoso con contenidos enterrados a varios niveles de profundidad, puede reducir el número de clics necesarios para alcanzar una página específica.
Lo que el sitemap HTML cambia para el enlace interno
Una página sitemap HTML crea un enlace interno directo hacia cada URL que lista. Esto reduce la profundidad de rastreo de ciertas páginas, lo que puede facilitar su descubrimiento por parte de los motores. Pero un sitemap HTML no compensa un enlace interno deficiente. Si una página solo es accesible a través del mapa del sitio y no por ningún enlace contextual en el cuerpo de los artículos, sigue estando débilmente conectada al resto de la arquitectura.
El sitemap HTML funciona mejor como red de seguridad que como estrategia de enlace. Atrapa las páginas olvidadas, no aquellas que merecen ser destacadas.
Filtrar las URL del sitemap: lo que merece estar y lo que debe excluirse
La mayoría de los sitemaps generados automáticamente incluyen todas las URL públicas del sitio. Este comportamiento por defecto plantea un problema: ahoga las páginas estratégicas en una lista de páginas de etiquetas, resultados de búsqueda internos, paginaciones o contenidos duplicados.
Un sitemap eficaz aplica un filtro estricto. Las URL que contiene deben cumplir tres condiciones simultáneas:
- La página devuelve un código HTTP 200, sin redirección ni error. Una URL redirigida en 301 en el sitemap desperdicia el presupuesto de rastreo y envía una señal contradictoria al robot.
- La página lleva una etiqueta meta robots que permite la indexación. Incluir una URL noindex en el sitemap equivale a pedir al motor que visite una página para decirle que no la guarde.
- La página contiene un contenido distinto y útil para un visitante. Las páginas de filtros facetados, los archivos por fecha sin contenido editorial propio y las páginas de resultados de búsqueda internos generalmente no tienen su lugar en el sitemap.
Cada URL del sitemap debe ser una página que desea ver aparecer en los resultados de búsqueda. Si no es así, está ocupando espacio en el archivo.
Sitemaps especializados por tipo de contenido: imágenes, videos, noticias
El formato sitemap XML admite extensiones dedicadas a ciertos tipos de medios. Un sitemap de imágenes permite referenciar visuales que no serían descubiertos por el rastreo clásico (imágenes cargadas en JavaScript, por ejemplo). Un sitemap de videos proporciona metadatos como la duración, la descripción y la miniatura, lo que facilita la aparición en los resultados enriquecidos de Google.
El sitemap de noticias, por su parte, se refiere a los sitios de información elegibles para Google Noticias. Señala los artículos publicados en las últimas 48 horas con su fecha de publicación y su título.
Estos sitemaps especializados solo son relevantes para los sitios que producen estos tipos de contenidos en volumen significativo. Un sitio vitrina de diez páginas no necesita un sitemap de videos. Por el contrario, un sitio de comercio electrónico con miles de fichas de productos ilustradas se beneficia de declarar un sitemap de imágenes distinto para aumentar su visibilidad en Google Imágenes.
Límites conocidos de estas extensiones
Google no garantiza la indexación de los medios declarados en un sitemap especializado. El archivo facilita el descubrimiento, no la selección. Los criterios de calidad del contenido, la relevancia de la página anfitriona y las señales de popularidad siguen siendo determinantes. Un sitemap de videos perfectamente estructurado no es suficiente si la página que alberga el video no tiene enlaces entrantes ni tráfico.
El mantenimiento de estos archivos también representa una carga técnica. Un sitemap de imágenes desincronizado del catálogo de productos (imágenes eliminadas, URL rotas) degrada la fiabilidad general del sitemap a los ojos del robot. Es mejor un solo sitemap XML limpio que un conjunto de archivos especializados mal mantenidos.
