Buenas prácticas de sitemaps XML (y lo que las rompe en silencio)

Un sitemap XML es la forma más sencilla de decirle a los buscadores qué páginas de un sitio realmente importan. Bien hecho, ayuda a Google a encontrar y entender tus páginas clave más rápido. Hecho sin cuidado, le da a Google una lista llena de redirecciones, páginas muertas y URLs que nunca quisiste indexar, y poco a poco erosiona la confianza en el sitio. Aquí están las prácticas que mantienen útil un sitemap, los errores que lo rompen en silencio, y por qué un sitemap que era perfecto el mes pasado puede no serlo hoy.

Deltio vigila los sitemaps de tus clientes para detectar los cambios que los rompen silenciosamente, y te avisa por Slack en cuanto algo cambia. Desde £20 al mes.

Para qué sirve realmente un sitemap

Un sitemap XML es una lista de las URLs que quieres que los buscadores conozcan, junto con algunos metadatos sobre cada una. Su función es la descubribilidad: ayuda a los buscadores a encontrar páginas, entender cuáles consideras canónicas y priorizar el rastreo, especialmente en sitios grandes o en aquellos con páginas que no están bien enlazadas internamente.

Conviene tener claro qué no es un sitemap. No es un factor de posicionamiento, e incluir una URL no obliga a Google a indexarla. Un sitemap es una recomendación, no una orden. Precisamente por eso importa tanto la calidad de la lista: es una señal de lo que consideras importante, y una lista desordenada envía una señal desordenada.

Las buenas prácticas que importan

La mayoría de los consejos sobre sitemaps se resumen en un principio: el sitemap debe ser una lista limpia y honesta de las páginas que quieres indexadas, y nada más.

• Incluye solo URLs canónicas e indexables. Cada URL del sitemap debe devolver un estado 200, ser canónica de sí misma y no llevar noindex. Si una página no está pensada para indexarse, no pertenece al sitemap.
• Nada de redirecciones ni páginas muertas. Una URL que redirige con un 301 o devuelve un 404 no debería estar ahí. Son los contaminantes más comunes y le indican a Google que tu lista está desactualizada.
• Mantenlo actualizado. El sitemap debe actualizarse cuando se añaden o eliminan páginas. Un sitemap que todavía lista páginas que borraste hace seis meses induce activamente a error.
• Usa fechas lastmod honestas. El campo lastmod debe reflejar cuándo cambió realmente el contenido de la página. Si todas las URLs afirman haberse modificado hoy, el campo se convierte en ruido y los buscadores aprenden a ignorarlo.
• Respeta los límites de tamaño. Un solo archivo de sitemap debe mantenerse por debajo de 50.000 URLs y 50MB sin comprimir. Más allá de eso, divídelo en varios sitemaps y únelos con un archivo de índice de sitemaps.
• Referéncialo en robots.txt y envíalo en Search Console. Añade una línea Sitemap: en robots.txt para que los buscadores puedan descubrirlo, y envíalo en Google Search Console para poder ver cómo se está procesando.

Nada de esto es complicado. La dificultad está en que un sitemap lo genera un software, y el software cambia sin avisarte.

Los errores que rompen un sitemap en silencio

Los problemas peligrosos de un sitemap no son los que arrojan un error. Son los que dejan el archivo válido pero incorrecto.

• URLs que no deberían estar ahí. Un CMS o plugin empieza a incluir páginas noindex, archivos de etiquetas, URLs redirigidas o 404. El archivo se sigue procesando sin problema; solo que ahora le dice a Google que le importen páginas que a ti no.
• URLs que desaparecen en silencio. Un fallo de regeneración o un despliegue defectuoso elimina un grupo de páginas reales del sitemap. No aparece ningún error. Google simplemente tiene una lista más corta para descubrir, y con el tiempo el rastreo de esas páginas se ralentiza.
• Lastmod obsoleto en todo. Una plataforma marca la fecha de hoy en cada URL en cada reconstrucción. Ahora el campo no vale nada y, peor aún, puede desperdiciar presupuesto de rastreo volviendo a buscar páginas que nunca cambiaron.
• Un sitemap huérfano. La URL del sitemap cambia o se elimina de robots.txt, y los buscadores dejan de encontrar la versión actualizada.

El hilo común es que todo esto ocurre después del lanzamiento, provocado por una actualización que nadie relacionó con el sitemap, y ninguno de estos casos es visible a menos que vayas a revisarlo.

Por qué los sitemaps se rompen en silencio, y por qué eso perjudica a las agencias

Un sitemap casi siempre se genera automáticamente, por el CMS, un plugin de SEO o un paso de compilación. Eso significa que cualquier actualización de cualquiera de esos elementos puede cambiarlo: una actualización de versión de un plugin, un cambio de plantilla, una migración, una capa de caché. La persona que hace ese cambio rara vez está pensando en el sitemap, así que la rotura es un efecto secundario que nadie nota.

Si gestionas un solo sitio, tal vez llegues a notarlo. Si gestionas veinte sitios de clientes que no controlas, no lo notarás, porque no hay razón para abrir un sitemap un martes cualquiera para un sitio que parece estar bien. Mientras tanto, el sitio de un cliente ha eliminado silenciosamente cuatrocientas URLs de su sitemap, o ha empezado a listar todas las páginas redirigidas, y la primera señal es una caída lenta en el rastreo y la indexación semanas después.

Cómo mantener un sitemap honesto con el tiempo

Puedes auditar un sitemap manualmente: ábrelo, verifica el recuento de URLs, comprueba al azar que las entradas devuelven 200 y son indexables, y confirma que está referenciado en robots.txt. Eso funciona para un sitio que te acuerdas de revisar.

El monitoreo es lo que cubre los sitios que no revisas. Deltio vigila los sitemaps de los sitios de tus clientes y señala los cambios que importan: el recuento de URLs que sube o baja, URLs que desaparecen, y las señales de indexación relacionadas que cambian en las páginas a las que apunta el sitemap. Cuando algo cambia, recibes una alerta clara en Slack con el nombre del sitio, el mismo día que ocurre, en lugar de deducirlo a partir de un informe de tráfico un mes después. Vigila las señales vecinas de la misma manera, noindex, canónicas y robots.txt, porque un sitemap rara vez se rompe de forma aislada. Puedes ver cómo funcionan esas alertas en alertas de cambios SEO, y la parte de robots.txt en cómo revisar tu robots.txt.

En resumen

Un buen sitemap XML es una lista limpia y actualizada que contiene únicamente las páginas canónicas e indexables que quieres que se encuentren, se mantiene por debajo de los límites de tamaño y está referenciado en robots.txt. Las buenas prácticas son fáciles; lo difícil es mantenerlas vigentes a medida que el sitio cambia, porque el archivo lo genera un software que se actualiza sin que nadie piense en el sitemap. En los sitios de los que eres responsable, la práctica que realmente te protege es que te avisen el mismo día en que la lista cambia.

Añade el primer sitio de tu cliente, conecta Slack, y Deltio empieza a vigilar ese mismo día. Empieza tu prueba de 14 días y descubre qué hay realmente en los sitemaps de tus clientes.