Cuando se gestiona un sitio con varios cientos de páginas, siempre se termina enfrentando al mismo problema: contenidos enterrados que ni los visitantes ni los motores de búsqueda encuentran. El sitemap, ya sea XML o HTML, responde directamente a esta situación. Comprender este archivo y saber leerlo permite retomar el control sobre la forma en que un sitio es recorrido, indexado y utilizado a diario.
La etiqueta lastmod en un sitemap XML: una señal a menudo mal aprovechada
La mayoría de las guías sobre sitemaps enumeran las etiquetas disponibles sin especificar cuáles son realmente importantes. En la práctica, Google ignora las etiquetas priority y changefreq desde hace años. Solo el valor lastmod mantiene un interés, siempre que sea fiable.
Un lastmod útil refleja la fecha real de la última modificación sustancial del contenido. Si todas las URL de un sitemap muestran la misma fecha (la de la generación automática del archivo), la señal pierde credibilidad. Google termina por no tenerla en cuenta para ese dominio.
Se puede verificar este punto abriendo directamente el archivo sitemap.xml en un navegador. Si las fechas lastmod son idénticas en páginas visiblemente diferentes, hay un problema de configuración.
En WordPress, algunos plugins SEO regeneran el sitemap en cada guardado menor, lo que sobrescribe las verdaderas fechas. Desactivar la actualización automática del lastmod en modificaciones menores (corrección de typo, adición de una etiqueta) es una precaución concreta. Para observar la estructura de un sitemap bien organizado, se puede consultar la página sitemap de Entrepreneur Land, que ilustra una división por categorías de contenido.
Sitemap HTML y navegación del usuario: un uso olvidado de los grandes sitios
El sitemap XML está dirigido a los robots. El sitemap HTML, en cambio, está dirigido a los humanos. En un sitio de varios cientos de páginas, la navegación por menús no siempre es suficiente. Secciones secundarias, páginas de recursos o artículos antiguos desaparecen de los recorridos de usuario habituales.
Las Directrices de Sostenibilidad Web del W3C recomiendan explícitamente un sitemap legible por humanos para sitios voluminosos o complejos. Esta página actúa como un índice: permite a un visitante localizar en pocos segundos una sección que no habría encontrado a través del menú principal.
El interés es doble:
- Los usuarios que buscan una página específica acceden a ella sin pasar por la búsqueda interna, que a menudo es poco efectiva en los sitios pequeños
- Los robots de exploración descubren URL huérfanas (páginas sin enlaces internos que apuntan a ellas) gracias a la red que crea la página sitemap HTML
- Los equipos editoriales identifican rápidamente los contenidos obsoletos o duplicados al recorrer la lista completa de URL publicadas
Se subestima cuánto un sitemap HTML bien mantenido reduce las solicitudes al soporte (“no encuentro tal página”) en los sitios institucionales o de comercio electrónico.
Diagnosticar un problema de indexación a partir del sitemap
Cuando las páginas no aparecen en los resultados de búsqueda, el reflejo habitual es verificar el archivo robots.txt o las etiquetas meta noindex. A menudo se olvida el sitemap como herramienta de diagnóstico.
Cruzando sitemap y Google Search Console
Google Search Console indica el número de URL enviadas a través del sitemap y el número de URL efectivamente indexadas. Una discrepancia significativa entre estos dos números señala un problema técnico: páginas con error 404, redirecciones en bucle, contenido duplicado o tiempo de respuesta del servidor demasiado largo.
El procedimiento concreto: se abre la sección “Sitemaps” de la Search Console, se anota la proporción enviadas/indexadas y luego se consulta el informe “Páginas” para identificar las razones de exclusión. Esta verificación toma unos minutos y evita buscar a ciegas.
Identificar las URL que no deberían figurar en el sitemap
Un sitemap inflado artificialmente diluye las señales enviadas a los motores de búsqueda. Las páginas de resultados de búsqueda interna, las páginas de filtros de comercio electrónico, los archivos por fecha o las páginas de etiquetas con un solo artículo no tienen cabida en un sitemap XML.
Limpiar su sitemap mejora la calidad del rastreo sin modificar una sola línea de contenido. En los sitios de gran volumen, esta operación libera presupuesto de rastreo para las páginas que realmente importan.
Estructura del archivo sitemap XML: leer las etiquetas que importan
Un archivo sitemap XML contiene un conjunto de etiquetas enmarcadas por la estructura urlset. Cada URL se declara en un bloque url, con al menos la etiqueta loc que indica la dirección de la página.
Las etiquetas realmente útiles se reducen a dos:
- loc: la URL completa de la página, obligatoria y no negociable
- lastmod: la fecha de última modificación, útil únicamente si es exacta y verificable por Google
- Las etiquetas changefreq y priority existen en la especificación pero son ignoradas por Google, lo que las hace inútiles en la práctica
Para los sitios que publican videos o imágenes específicas, extensiones en formato XML permiten declarar estos contenidos en sitemaps dedicados. Las opiniones varían sobre el impacto real de estos sitemaps especializados, pero siguen siendo relevantes para los sitios cuyo contenido multimedia constituye la actividad principal.
Un sitemap puede contener hasta un número limitado de URL por archivo. Más allá, se crea un índice de sitemap que apunta a varios archivos sitemap. Esta arquitectura de dos niveles es estándar en los sitios de comercio electrónico o medios en línea.
Consultar regularmente su sitemap, ya sea para verificar la coherencia de las fechas lastmod, identificar URL huérfanas o limpiar páginas innecesarias, sigue siendo un gesto de mantenimiento simple con un impacto directo en la visibilidad. Es un archivo que se configura una vez y luego se olvida, cuando en realidad merecería una revisión trimestral como mínimo.
