Un sitemap XML es un archivo que lista las URLs de un sitio que quieres que los buscadores rastreen e indexen, con metadatos opcionales como la fecha de última modificación.
Sigue el protocolo sitemaps.org: cada URL va en un elemento <url> con su <loc> y, opcionalmente, <lastmod>. Cada archivo admite como máximo 50 000 URLs o 50 MB sin comprimir; si el sitio es mayor, se divide en varios sitemaps agrupados en un índice de sitemaps. Existen extensiones para imágenes, vídeos y noticias, y el sitemap también puede declarar las alternativas hreflang.
Google ignora los campos <priority> y <changefreq>. Sí usa <lastmod>, pero solo si es coherente y fiable, es decir, si cambia cuando cambia de verdad el contenido. Un lastmod que se actualiza en cada despliegue sin cambios reales acaba ignorándose.
Lo que le das a Google con un sitemap es una lista de prioridades: estas son las URLs canónicas e indexables que me importan. Por eso solo debe incluir URLs que devuelvan 200, sean canónicas de sí mismas y no lleven noindex. Un sitemap lleno de redirecciones, 404 o URLs no canónicas manda señales contradictorias y pierde utilidad como herramienta de diagnóstico.
El sitemap no sustituye al enlazado interno: es una vía de descubrimiento adicional, especialmente útil en sitios grandes, nuevos, con contenido que cambia a menudo o con páginas poco enlazadas. Se envía desde Search Console o se declara en robots.txt; el antiguo endpoint de ping de Google ya no funciona.
Ejemplos
- Segmentación por tipo: una tienda separa sitemap-categorias.xml, sitemap-productos.xml y sitemap-blog.xml en un índice. En Search Console ve el ratio de indexación de cada tipo por separado.
- Lastmod veraz: un medio solo actualiza lastmod cuando cambia el cuerpo del artículo, no cuando cambian los comentarios o la barra lateral.
- Sitemap sucio (ejemplo hipotético): el CMS incluye URLs con noindex, páginas de etiquetas vacías y redirecciones. Search Console muestra miles de URLs enviadas sin indexar y el diagnóstico se vuelve inútil.
Consejos prácticos
- Genera el sitemap de forma dinámica desde el CMS y filtra solo URLs indexables, canónicas y con respuesta 200.
- Segmenta por tipo de página para que el informe de Search Console te diga qué plantilla tiene problemas de indexación.
- Declara el sitemap en robots.txt con la línea Sitemap: y envíalo también en Search Console.
- Actualiza lastmod solo cuando cambie el contenido principal de la página.
- Compara periódicamente las URLs del sitemap con un crawl del sitio: las URLs que solo están en el sitemap pueden ser huérfanas.
- En sitios con varios idiomas, valora declarar hreflang en el sitemap para no sobrecargar el HTML.
Cuidado con
- Incluir una URL en el sitemap no garantiza que se indexe; solo facilita su descubrimiento.
- No incluyas URLs con noindex ni URLs no canónicas: son señales contradictorias.
Términos relacionados
- Indexación / Indexing: El sitemap comunica qué URLs quieres indexar
- Google Search Console (GSC): Desde donde se envía y se monitoriza el sitemap
- Robots.txt: Puede declarar la ubicación del sitemap
- Hreflang: Puede declararse dentro del sitemap
- IndexNow: Protocolo complementario para avisar de cambios a Bing y otros buscadores