Cómo la navegación facetada destruye el crawl budget (con ejemplos reales)

La navegación por facetas genera desperdicio de crawl budget, aumento de índices y URL duplicadas

Navegación facetada le permite filtrar una lista como zapatos por color, talla, marca y precio.

El riesgo de SEO comienza cuando cada opción de filtro crea una nueva dirección rastreable.

Un puñado de filtros pueden multiplicarse en miles o millones de URL, muchas de las cuales muestran la misma cuadrícula de productos con pequeños cambios.

Luego, los motores de búsqueda dedican tiempo a buscar páginas de filtro de bajo valor en lugar de tus categorías clave y páginas de productos, que es lo que la gente quiere decir con crawl budget destrucción.

Este desperdicio se manifiesta como un rastreo excesivo de URL de parámetros, páginas duplicadas o casi duplicadas que compiten entre sí y un índice hinchado donde Google almacena muchas páginas delgadas que no agregan ningún valor nuevo.

También divide la equidad de los enlaces porque su sitio enlaza con muchas variantes de filtro, por lo que la autoridad se distribuye entre las copias en lugar de fluir hacia las páginas que desea posicionar.

Cuando esto sucede, tus páginas importantes se rastrean con menos frecuencia, mientras que las facetas dominan la actividad de rastreo, lo que determina cómo se forma la trampa de rastreo.

Cómo la generación de URL de facetas se convierte en una trampa de rastreo (parámetros, ordenamiento, resultados vacíos)

La mayoría de las trampas de rastreo comienzan con parámetros de consulta, como /shoes?color=red&brand=nike.

Cada filtro agregado crea otra URL y las combinaciones crecen rápidamente.

ID de sesión puede empeorar las cosas porque cada visita puede crear una nueva URL como /shoes?sid=XYZ123, que nunca termina.

La posicionamiento y la paginación agregan más variaciones, como /shoes?color=red&sort=price-asc y /shoes?color=red&page=12, por lo que el rastreador encuentra nuevas rutas sin encontrar contenido nuevo.

El orden de los parámetros puede crear duplicados que parecen diferentes pero significan lo mismo.

Si su sitio permite tanto /shoes?color=red&size=10 como /shoes?size=10&color=red, simplemente duplicó el recuento de URL para la misma página.

Los resultados vacíos también pueden inundar su sitio con basura.

Si /shoes?color=red&size=3 no devuelve ningún producto pero aún responde con un estado 200 OK, creó una página de bajo valor que se comporta como un 404 suave porque parece válida pero no ayuda a nadie.

Si devuelve un 404 sin resultados o combinaciones sin sentido, corta esa rama.

El problema central es que los rastreadores deben buscar estas URL antes de poder juzgarlas, por lo que cada nueva combinación invita a un mayor rastreo, lo que lleva a probar el daño con evidencia.

Cómo probar la destrucción del crawl budget con evidencia (GSC + operador del sitio + archivos de registro)

Empiezo con un sitio: busque para ver qué indexó Google.

Si busca sitio:sudominio.com y detecta muchas URL con parámetros como ?color= o ?sort=, o el recuento indexado parece mucho mayor que el recuento de páginas real, es probable que tenga un índice de facetas inflado.

Luego validas en Consola de búsqueda de Google.

En la indexación de páginas, “Indexada, no enviada en el mapa del sitio” a menudo revela URL de filtro que nunca quiso indexar, y “Rastreada actualmente no indexada” a menudo muestra dónde Google pierde el tiempo de rastreo y luego rechaza las páginas.

A continuación, reviso las estadísticas de rastreo para ver si el robot de Google dedica una gran parte de las solicitudes a páginas HTML que coinciden con patrones de facetas.

Después de eso, utilizo los registros del servidor como base de datos.

Los registros muestran visitas repetidas del robot de Google a URL de parámetros y combinaciones profundas, y le permiten agrupar el volumen de rastreo por nombres de parámetros o patrones de URL.

Cuando se compara eso con la frecuencia de rastreo de categorías y productos clave, se pueden señalar los receptores de rastreo exactos que necesitan control, lo que establece por qué algunos controles funcionan mejor que otros.

Por qué funcionan los métodos de control oficiales de Google (y dónde los canonicals/noindex se quedan cortos)

de google El control de rastreo más fuerte es robots.txt que no permite parámetros facetados que no necesita indexar.

Si bloquea patrones como *?sort= o ID de sesión, dejará de rastrear en la puerta, lo que ahorra crawl budget y recursos del servidor.

Otra opción son los fragmentos de URL, como /shoes#color=red.

Google ignora la parte del fragmento después del #, por lo que los filtros aún funcionan para los usuarios pero no crean nuevos objetivos de rastreo para Google.

Las etiquetas canonicals y los enlaces nofollow pueden ayudar, pero no dejan de rastrearse de la misma manera directa.

Un canonical le dice a Google qué versión prefiere, pero Google aún tiene que rastrear los duplicados para ver la señal y puede ignorar el canonical si las páginas difieren.

Nofollow puede reducir el descubrimiento a través de tus propios enlaces, pero no puede evitar el rastreo si la URL aparece en otro lugar.

Sin índice elimina páginas de los resultados de búsqueda, pero Google debe rastrear la página para ver el noindex, por lo que no resuelve el desperdicio de rastreo por sí solo.

Robots.txt también tiene un inconveniente: una URL bloqueada aún puede aparecer en los resultados como una URL simple si Google la descubre a través de enlaces, por lo que necesitas un plan para lo que permites, lo que bloqueas y lo que limpias a continuación.

Qué facetas se convierten en páginas de destino indexables frente a estados bloqueados/no indexados/solo JS

Separo las facetas en dos grupos: facetas que desea posicionar y facetas que existen sólo para ayudar a los compradores a refinar una lista.

Si una faceta coincide con la demanda de búsqueda real y puede respaldarla con suficientes productos y señales de página claras, la trata como una página de destino.

Lo mantienes rastreable, utilizas un patrón de URL estable, mantienes el orden de los parámetros consistente y lo incluyes en enlace interno y mapas del sitio como objetivo canonical.

Para controles de bajo valor, como orden de posicionamiento, tamaño de vista o pilas de filtros profundos, evite los enlaces rastreables y manténgalos como estados controlados por botones o solo JavaScript para que no generen URL que compitan con tus páginas principales.

También necesita reglas para la paginación y resultados vacíos.

Las URL de facetas paginadas profundas se multiplican rápidamente, por lo que mantiene solo la primera página como objetivo principal y evita que las páginas profundas se rastreen de forma inflada.

Cuando una combinación de filtros no produce resultados o no produce tonterías, devuelve un 404 para que el rastreador deje de tratarla como una página.

Si ya tiene indexadas URL de facetas no deseadas, puede usar noindex primero para borrarlas de los resultados, luego agregar bloques robots.txt para reducir el rastreo futuro y vincularlo todo mediante enlaces y mapas de sitio que apunten solo a las páginas que desea indexar.

Una vez que establezca estas reglas, puede volver a ejecutar las mismas GSC y verificaciones de registros para confirmar que el robot de Google dedica su tiempo a páginas que impulsan las posicionaciones.

Preguntas frecuentes

¿Qué facetas deberían convertirse en páginas de destino indexables?

Indexe únicamente las facetas que coincidan con la demanda de búsqueda real y cree una página útil para los visitantes. Por ejemplo, una categoría de alta demanda más una ubicación o un atributo de producto pueden merecer una página de destino, mientras que las combinaciones de filtros aleatorios normalmente no deberían hacerlo.

¿Qué debo auditar antes de bloquear URL facetadas?

Consulte Google Search Console, datos de rastreo, enlaces internos, etiquetas canonicals, reglas de robots y registros del servidor, si están disponibles. El objetivo es comprender qué patrones de parámetros desperdician el crawl budget antes de cambiar las reglas en todo el sitio.

¿Debo utilizar etiquetas canonicals o noindex para la navegación por facetas?

Utilice canonicals cuando las variantes duplicadas deban consolidarse en una página principal, pero no confíe en los canonicals para resolver cada trampa de rastreo. También es posible que se necesiten noindex, reglas de robots, filtros solo de JavaScript y limpieza de enlaces internos.

¿Quién debería aprobar las reglas finales de las facetas?

El SEO, el desarrollo, la comercialización y la búsqueda paga deberían revisar las reglas juntos. Una faceta que parece un desperdicio de SEO duplicado aún puede respaldar la comercialización, la búsqueda interna o las páginas de inicio de campañas.