Definición:
Un sitemap es un archivo que enumera las URLs que un sitio quiere comunicar a los motores de búsqueda. El formato más habitual utiliza XML y puede añadir información sobre la fecha de última modificación y recursos específicos, como imágenes, vídeos o noticias.
El sitemap ayuda a descubrir y programar el rastreo de URLs, especialmente en sitios grandes, nuevos o con páginas poco enlazadas. No sustituye la navegación interna ni garantiza el rastreo, la indexación o el posicionamiento de las direcciones incluidas.
Índice de contenidos
Contenido de un sitemap XML
Un archivo basado en el protocolo Sitemaps organiza cada dirección dentro de un elemento url. Sus componentes más relevantes son:
- Dirección de la página:
loccontiene la URL absoluta que se comunica al buscador. - Última modificación:
lastmodindica cuándo cambió de forma significativa el contenido, siempre que la fecha sea exacta. - Extensiones especializadas: pueden describir imágenes, vídeos o noticias cuando esos recursos requieren información adicional.
- Codificación y sintaxis: el archivo debe utilizar UTF-8, XML válido y caracteres correctamente escapados.
- Selección de URLs: normalmente incluye direcciones canónicas, accesibles e indexables que representan el contenido vigente del sitio.
Las etiquetas changefreq y priority forman parte del protocolo, pero no obligan a los buscadores a rastrear una URL con una frecuencia o prioridad determinadas.
Tipos de sitemap
- Sitemap XML: relación de URLs destinada principalmente a los sistemas de rastreo.
- Índice de sitemaps: archivo que agrupa varios sitemaps cuando el sitio necesita dividir sus direcciones.
- Sitemap de imágenes: extensión que aporta información sobre imágenes asociadas con una página.
- Sitemap de vídeo o noticias: formatos especializados para contenidos que cumplen los requisitos del buscador correspondiente.
- Sitemap HTML: página navegable para usuarios que organiza enlaces internos; puede ser útil, pero no sustituye al protocolo XML.
Un sitio puede utilizar varios tipos simultáneamente. La elección depende de su tamaño, arquitectura y clases de contenido, no de la necesidad de mantener un único archivo universal.
Uso por los buscadores
Los motores de búsqueda procesan el sitemap como una fuente de descubrimiento y diagnóstico:
- Descubrimiento: el crawler obtiene direcciones que quizá no haya encontrado todavía mediante enlaces.
- Planificación del rastreo: señales como una fecha
lastmodfiable pueden ayudar a decidir cuándo volver a visitar una página. - Cobertura de sitios complejos: facilita comunicar grandes catálogos, archivos, contenidos recientes o páginas con pocos enlaces internos.
- Diagnóstico: las herramientas para webmasters comparan las URLs enviadas con las rastreadas o indexadas y muestran incidencias.
La presencia de una URL en el sitemap es una solicitud, no una orden. El buscador sigue evaluando accesibilidad, contenido, canonicalización, duplicados y demás señales antes de decidir si la rastrea o la incorpora a su índice.
Límites y organización
- Número de URLs: un sitemap individual admite hasta 50.000 direcciones.
- Tamaño: el archivo no puede superar 50 MB sin comprimir.
- Ámbito: por defecto, solo puede incluir URLs del host y de la ruta compatibles con la ubicación desde la que se publica.
- División: los sitios que superan los límites deben crear varios archivos y reunirlos en un índice de sitemaps.
- Compresión: puede utilizarse gzip para reducir la transferencia, aunque los límites se aplican al contenido descomprimido.
La organización por tipos de contenido o secciones puede facilitar el diagnóstico, pero no crea una jerarquía de importancia para el buscador. Cada archivo debe mantenerse actualizado y responder correctamente.
Creación y envío
El proceso habitual comprende estas acciones:
- Generar las URLs: el CMS, una herramienta SEO o un proceso propio extrae las direcciones que cumplen los criterios definidos.
- Validar el archivo: se comprueban sintaxis, límites, códigos de respuesta, canonicales y posibles URLs bloqueadas o excluidas.
- Publicarlo: el sitemap se aloja en una dirección estable y accesible para los rastreadores.
- Declararlo: su ubicación puede indicarse mediante una línea
Sitemap:en robots.txt. - Enviarlo y supervisarlo: Google Search Console y Bing Webmaster Tools permiten comunicar la dirección y consultar su procesamiento.
Los gestores de contenido y extensiones SEO suelen actualizar el sitemap automáticamente. En sitios desarrollados a medida, la generación debe sincronizarse con las altas, bajas y cambios relevantes de URLs.
Errores y comprobación
- URLs no canónicas: incluir duplicados o direcciones distintas de la rel canonical envía señales contradictorias.
- Páginas bloqueadas o no indexables: una URL impedida por
robots.txt, protegida o marcada comonoindexno debería presentarse como candidata válida. - Redirecciones y errores: respuestas 3xx, 4xx o 5xx reducen la utilidad del archivo y dificultan su diagnóstico.
- Fechas inexactas: actualizar
lastmodsin un cambio real impide utilizar esa señal con confianza. - Hosts o protocolos incoherentes: mezclar variantes HTTP, HTTPS,
wwwy sinwwwpuede comunicar direcciones que no coinciden con la versión canónica. - Archivo desactualizado: conservar páginas retiradas o excluir nuevas URLs relevantes degrada la representación del sitio.
La revisión del sitemap forma parte del SEO técnico, pero debe interpretarse junto con el rastreo real, los enlaces internos, los estados HTTP, los canonicales y los informes de indexación.