¿Qué son los mapas de sitio XML?

El descubrimiento falla incluso cuando se puede acceder a las páginas

Los motores de búsqueda descubren páginas siguiendo enlaces y luego deciden si las rastrean, indexan y clasifican.

Descubrir significa encontrar una URL.

Rastrear significa buscarlo.

Indexar significa almacenarlo y comprenderlo.

Clasificar significa ordenar páginas indexadas para consultas.

Los usuarios pueden acceder a una página y aun así pasarla por alto o rastrearla muy raramente.

Los problemas comunes de descubrimiento y rastreo incluyen URL huérfanas o con enlaces débiles, paginación profunda y enlaces internos inconsistentes.

La navegación por facetas puede crear enormes espacios de URL donde las páginas importantes compiten con muchas combinaciones de filtros.

La generación dinámica de URL puede agregar parámetros como etiquetas de seguimiento, ID de sesión y opciones de clasificación que crean casi duplicados y desperdician recursos de rastreo.

Los sitios grandes también enfrentan límites de presupuesto de rastreo, lo que hace que los errores de priorización sean más costosos.

La navegación dependiente de JavaScript puede reducir el descubrimiento basado en enlaces cuando la representación o la extracción de enlaces no son consistentes.

Un mapa de sitio XML reduce estos modos de error al proporcionar un inventario declarado de URL que el sitio considera importantes.

Qué es y qué no es un mapa de sitio XML

Un mapa de sitio XML es un archivo legible por máquina que enumera las URL que un sitio desea que los motores de búsqueda descubran y consideren para rastrear.

No es un sistema de navegación.

Está dirigido a rastreadores, no a usuarios.

Un mapa de sitio HTML es diferente y está orientado al usuario.

Un mapa de sitio XML es una sugerencia, no un comando.

No garantiza el rastreo, la indexación ni la clasificación.

Los motores de búsqueda todavía aplican sistemas de calidad, duplicación y relevancia.

Los mapas de sitio XML no reemplazan los enlaces internos.

Los enlaces internos siguen siendo la principal forma en que los motores aprenden la estructura del sitio y su importancia relativa.

Los mapas de sitio tampoco anulan los controles técnicos.

robots.txt puede bloquear el rastreo de URL que aparecen en un mapa del sitio.

Una directiva noindex puede impedir la indexación de una URL listada.

Dejar una URL fuera de un mapa del sitio no impide la indexación si los motores pueden descubrirla en otro lugar.

Cómo los motores de búsqueda encuentran y procesan los mapas de sitio

Los motores de búsqueda encuentran mapas de sitio a través de una directiva Sitemap en robots.txt, el envío en Google Search Console o Bing Webmaster Tools y ubicaciones comunes como /sitemap.xml.

Las herramientas para webmasters también proporcionan comentarios y diagnósticos sobre el procesamiento.

Después del descubrimiento, el motor busca y analiza el XML, extrae las URL y deduplica las entradas.

Compara las URL del mapa del sitio con las URL descubiertas mediante rastreo y enlaces.

La selección canónica puede anular la intención del mapa del sitio cuando otras señales son más fuertes, incluidas rel=canonical, redireccionamientos y enlaces internos consistentes a una URL diferente.

Los mapas de sitio no válidos reducen la utilidad.

XML con formato incorrecto, codificación incorrecta, URL bloqueadas, respuestas que no sean 200 y URL de redireccionamiento pueden provocar un procesamiento parcial o entradas ignoradas.

Los motores también pueden descontar campos opcionales cuando no son fiables a escala.

Los valores precisos de lastmod pueden admitir la programación de rastreo, pero no fuerzan una velocidad de rastreo.

Las URL de los mapas del sitio deben coincidir con el formato canónico preferido, incluido HTTPS y el host preferido.

Estructura de archivos y señales admitidas

Un mapa de sitio XML estándar utiliza un elemento raíz urlset con entradas de URL.

Cada entrada de URL representa una URL.

El elemento loc es obligatorio y debe contener la URL absoluta con protocolo y host.

El XML debe estar bien formado y utilizar el espacio de nombres del mapa del sitio correcto.

El elemento lastmod es opcional y debe reflejar el último cambio de contenido significativo.

Los cambios significativos incluyen actualizaciones de contenido principal, cambios importantes en datos estructurados y cambios sustanciales en enlaces internos.

Las ediciones triviales de la plantilla no deberían actualizar el último mod.

Los motores de búsqueda pueden ignorar lastmod cuando es inconsistente.

Otros campos opcionales incluyen frecuencia de cambio y prioridad.

Los principales motores los tratan como sugerencias débiles o los ignoran.

No deben usarse para manipular el rastreo.

Existen extensiones y mapas de sitio especializados para imágenes, vídeos y noticias.

Estos agregan metadatos que pueden ayudar a descubrir y calificar para resultados enriquecidos o funciones verticales.

Siguen siendo necesarios espacios de nombres correctos y URL válidas.

Los archivos deben usar UTF-8 y los caracteres reservados deben tener caracteres de escape para que XML siga siendo válido.

Escala, segmentación y cobertura limpia

Los sitios grandes deben dividir los mapas del sitio para ajustarse a los límites estándar de 50.000 URL por archivo y las restricciones de tamaño máximo de archivos sin comprimir.

Un archivo de índice de mapa del sitio enumera varios archivos de mapa del sitio para que los motores puedan descubrirlos de manera eficiente.

Segmente los mapas de sitio según cómo se gestiona y rastrea el sitio.

Las divisiones comunes incluyen el tipo de contenido, el idioma o región y la frecuencia de actualización.

La segmentación mejora el seguimiento y facilita el aislamiento de problemas.

Mantenga los mapas del sitio limpios.

Incluya solo URL canónicas indexables que devuelvan 200 códigos de estado.

Excluye redireccionamientos, URL de error, URL bloqueadas y duplicados no canónicos.

Excluir variantes de parámetros que no sean objetivos de índice distintos.

Incluya URL paginadas solo cuando estén destinadas a indexarse y proporcionar un valor único.

Excluye los resultados de búsqueda internos y las URL basadas en sesiones porque crean espacios infinitos o de bajo valor.

Las URL facetadas normalmente no deberían aparecer en los mapas de sitio, a menos que sean páginas de destino seleccionadas con reglas estables y objetivos canónicos claros.

Gestione los duplicados con canonicalización y redirecciones, luego incluya solo la URL preferida en el mapa del sitio.

Hreflang está relacionado pero separado.

Cada versión de idioma o región necesita su propia URL canónica.

Hreflang se puede implementar en la página o en mapas del sitio.

El mapa del sitio debería incluir solo URL canónicas e indexables.

Cuándo los mapas de sitio cambian los resultados y cuándo no

Los mapas de sitio XML suelen mejorar la eficiencia de descubrimiento y rastreo.

Ayudan a los motores a encontrar páginas nuevas o con enlaces débiles y pueden fomentar un rastreo más rápido cuando la última modificación es precisa.

Los mapas de sitio tienen un efecto directo limitado en las clasificaciones.

No añaden autoridad ni relevancia.

Las ganancias normalmente provienen de una mejor cobertura de rastreo y una indexación más rápida de páginas valiosas.

Los mapas de sitio sucios reducen los beneficios.

Los mapas de sitio inflados que incluyen páginas delgadas, duplicados y ruido en los parámetros pueden desperdiciar la atención del rastreo y dificultar la depuración.

Una última modificación inexacta puede hacer que los motores desconfíen del campo.

Los informes de Search Console hacen que los mapas del sitio sean útiles para realizar diagnósticos.

Las lagunas entre los datos enviados y los indexados pueden indicar problemas de calidad, conflictos canónicos, bloqueos de rastreo, duplicaciones o páginas que se descubren pero no se seleccionan para la indexación.

Una tasa de error elevada suele indicar reglas de generación que no coinciden con la intención de indexación.

Crear, validar, enviar y mantener un mapa del sitio XML: una lista de verificación compacta

Defina reglas de inclusión.

Incluya únicamente URL canónicas que deban indexarse, que sean rastreables y que no contengan ningún índice.

Defina el manejo de parámetros y excluya el seguimiento y las variantes de sesión.

Para sitios multilingües, asegúrese de que la URL de cada idioma sea canónica y que las reglas hreflang sean coherentes.

Seleccione un método de generación.

Utilice CMS o complementos para sitios estándar.

Utilice la generación personalizada cuando el enrutamiento sea complejo, los tipos de contenido necesiten segmentación o las reglas canónicas dependan de la lógica de la aplicación.

Automatizar la creación de índices de mapas de sitios para sitios grandes.

Validar antes de publicar.

Confirme el formato XML correcto, la codificación UTF-8 y los espacios de nombres correctos.

Compruebe que las URL enumeradas devuelvan 200, no estén bloqueadas y se resuelvan en los mismos objetivos canónicos declarados en la página.

Utilice lastmod solo cuando refleje actualizaciones significativas.

Publicar y enviar.

Aloja el mapa del sitio en URL estables.

Agregue la ubicación del mapa del sitio a robots.txt con una directiva de mapa del sitio.

Envíe el mapa del sitio o el índice del mapa del sitio en Google Search Console y Bing Webmaster Tools.

Supervise el estado del procesamiento, los errores y las tendencias enviadas versus indexadas.

Mantener con desencadenantes claros.

Regenerar después de migraciones, cambios de protocolo o nombre de host, cambios de patrón de URL, lanzamientos importantes y actualizaciones de canonicalización.

Actualice los mapas del sitio continuamente o según un cronograma que coincida con la velocidad de publicación.

Mantenga el contenido del mapa del sitio alineado con lo que el sitio pretende indexar.

Preguntas frecuentes

¿Deberían todas las URL ir en el mapa del sitio XML?

No.

Incluya URL canónicas e indexables que merezcan ser descubiertas.

Excluye duplicados, páginas sin índice, archivos delgados, variantes de parámetros y páginas que no deberían clasificarse.

¿Con qué frecuencia se debe actualizar un mapa del sitio?

Actualízalo cada vez que se publiquen, eliminen, redireccionen o cambien materialmente páginas importantes, y verifica que las URL obsoletas no permanezcan en la lista.

¿Qué pasa si Search Console dice que la URL enviada no está indexada?

Compruebe si la página es canónica, indexable, vinculada internamente, útil y no está bloqueada antes de asumir que el problema es el mapa del sitio.

¿Los mapas de sitio reemplazan los enlaces internos?

No.

Los mapas de sitio ayudan al descubrimiento, pero los enlaces internos aún explican la estructura, la importancia y las relaciones temáticas del sitio.