Un sitio de comercio electrónico con varios miles de referencias añade fichas de productos cada semana, pero Google solo rastrea una fracción de las nuevas URL. El problema no proviene del contenido ni del enlazado interno. El sitemap XML enviado a través de Search Console contiene páginas redirigidas, URL en noindex y duplicados parametrizados. El motor recibe una señal confusa y ralentiza su exploración.
Optimizar la página sitemap de un sitio no se limita a generar un archivo y olvidarse de él. Hablamos de una herramienta de gestión que, si no se mantiene adecuadamente, desperdicia el presupuesto de rastreo en lugar de concentrarlo en las páginas que importan.
Coherencia entre sitemap XML, etiqueta canónica y directiva de indexación
El primer error que se encuentra en el terreno es la incoherencia entre lo que declara el sitemap y lo que la página dice de sí misma. Una URL listada en el sitemap debería siempre devolver un código HTTP 200, tener su propia etiqueta canónica y no contener una directiva noindex.
Cuando se envía una URL redirigida (301 o 302), el motor debe seguir la redirección antes de decidir si indexa el destino. Este desvío consume presupuesto de rastreo sin beneficio. La misma lógica se aplica a las páginas eliminadas que devuelven un 404, o a las URL con parámetros que duplican un contenido ya indexado bajo otra forma.
Se puede ilustrar este principio con la página sitemap de Bargento, que estructura sus URL de manera que solo lista páginas accesibles y realmente destinadas a la indexación. Este tipo de rigor evita enviar ruido a los robots.
- Cada URL del sitemap debe ser la versión canónica de la página, aquella que desea que aparezca en los resultados de búsqueda.
- Las páginas bloqueadas por el robots.txt, en noindex o redirigidas no tienen cabida en el archivo.
- Las URL parametrizadas (filtros, ordenamientos, sesiones) deben ser excluidas a menos que apunten a un contenido único e indexable.
En la práctica, un sitemap limpio solo contiene URL indexables en HTTP 200. Si su archivo contiene varias centenas más que su número de páginas indexadas en Search Console, es una señal de alerta.
Etiqueta lastmod del sitemap: señal útil o ruido técnico
Muchos CMS actualizan la fecha lastmod en cada regeneración del sitemap, incluso cuando el contenido de la página no ha cambiado. Google ha aclarado este punto: el valor lastmod solo tiene interés si refleja una modificación editorial real.
Si republica un artículo después de corregir un error en el pie de página, no es un cambio significativo. En cambio, si actualiza una guía con nuevos datos o reestructura una ficha de producto, la fecha lastmod debería corresponder a esa actualización.
Sincronizar lastmod con los datos estructurados
La coherencia va más allá del sitemap. La fecha lastmod debe coincidir con la fecha de actualización mostrada en la página y con el campo dateModified en sus datos estructurados (schema.org). Cuando estas tres señales coinciden, el motor tiene un indicador fiable de frescura. Cuando divergen, la señal pierde toda credibilidad.
En este punto, los retornos varían: algunos SEO observan un recrawl más rápido después de corregir lastmod, otros no notan ninguna diferencia notable. Lo que es cierto es que un lastmod engañoso o automático no engaña a nadie.
Sitemap index y segmentación de URL para grandes sitios
Más allá de unas pocas centenas de páginas, un archivo sitemap único se vuelve difícil de explotar, tanto para usted como para los motores. La segmentación en varios archivos hijos, organizados bajo un sitemap index, permite un diagnóstico mucho más preciso.
La idea es simple: agrupamos las URL por tipo de contenido. Un archivo para las fichas de productos, uno para los artículos de blog, uno para las páginas de categorías. Esta organización permite identificar inmediatamente en los informes de cobertura de Search Console qué segmento presenta problemas.
Transformar el sitemap en herramienta de diagnóstico
En Bing Webmaster Tools, los informes de cobertura permiten examinar las URL conocidas del sitemap y los motivos de no indexación. Esta funcionalidad transforma el sitemap en una herramienta de control operativo para detectar las páginas bloqueadas o excluidas involuntariamente.
Google Search Console ofrece un informe similar. Comparar el número de URL enviadas con el número de URL indexadas por archivo sitemap revela las discrepancias. Un archivo sitemap hijo con una tasa de indexación baja señala un problema estructural en ese segmento (contenido duplicado, enlazado insuficiente, calidad percibida como baja).
Combinar sitemap XML e IndexNow para acelerar la indexación
El sitemap XML funciona como un inventario permanente. Los motores lo consultan periódicamente, a su propio ritmo. Para los sitios cuyo contenido cambia a menudo (editorial, marketplace, catálogo), este ritmo puede ser insuficiente.
IndexNow complementa el sitemap al señalar las modificaciones en tiempo real a los motores que soportan el protocolo (Bing, Yandex y otros). En lugar de esperar a que el robot pase, se le envía un ping por cada URL creada, modificada o eliminada.
Las dos herramientas no se sustituyen. El sitemap sigue siendo la referencia para el inventario global. IndexNow sirve como notificación instantánea. En un sitio de comercio electrónico que añade decenas de fichas por día, esta combinación reduce el tiempo entre la publicación y la consideración por parte del motor.
Implementación concreta
- Generar una clave API IndexNow y colocarla en la raíz del sitio en un archivo de texto con el nombre de la clave.
- Configurar el CMS o el pipeline de despliegue para enviar una llamada IndexNow en cada creación o modificación de página.
- Mantener el sitemap XML actualizado en paralelo, con fechas lastmod fiables, para que los motores que no soportan IndexNow dispongan de una señal de frescura.
El sitemap e IndexNow cubren dos temporalidades diferentes: el inventario permanente y la notificación puntual. Utilizar ambos aumenta la cobertura de indexación sin depender únicamente de la frecuencia de rastreo natural.
Un sitemap bien segmentado, depurado de sus URL innecesarias y sincronizado con las señales técnicas de la página no tiene nada de espectacular. Es un trabajo de mantenimiento regular, no un ajuste que se hace una vez. Cada URL enviada debe merecer su lugar en el archivo, de lo contrario se diluye la atención del robot en páginas que nunca servirán para el posicionamiento.
