sitemap.xml: el índice de contenidos para los buscadores

Módulo 3: La base técnica de una página · Tiempo de lectura: 11 minutos

Objetivo de aprendizaje: Al terminar esta lección, sabrá leer un sitemap.xml, comprobar si es correcto y conseguir que los buscadores lo encuentren.

Conceptos clave: sitemap XML, protocolo de sitemaps.org, urlset, url, loc, lastmod, changefreq y priority (Google los ignora), límite de 50.000 direcciones y 50 MB, índice de sitemaps, direcciones canónicas, línea Sitemap: en robots.txt, sitemap generado automáticamente

Qué es un sitemap, y qué no es

Un sitemap es un archivo con la lista de las direcciones de su sitio que usted quiere ver en los resultados de búsqueda. Es el índice de contenidos que usted entrega a un buscador. Un rastreador encuentra las páginas sobre todo siguiendo enlaces (lección 1.2). Un sitemap le ayuda en esa tarea: incluye también páginas que reciben pocos enlaces e indica cuándo se modificó una página por última vez.

Hay dos cosas que un sitemap no hace:

1. No es una garantía. Lo dice la propia Google: un sitemap no garantiza que todo lo que contiene se rastree e indexe. Enviar un sitemap es una sugerencia.
2. No sustituye a unos buenos enlaces. Una página que solo aparece en el sitemap y que no recibe ningún enlace desde su propio sitio indica a un buscador que usted mismo no la considera muy importante.

¿Necesita un sitemap? Según Google, resulta útil sobre todo en un sitio grande, en un sitio nuevo con pocos enlaces externos y en un sitio con mucho vídeo o muchas imágenes. Un sitio pequeño (Google habla de unas 500 páginas o menos) con buenos enlaces internos puede prescindir de él. Pero un sitemap no cuesta casi nada y la mayoría de los creadores de sitios web lo generan automáticamente. Si tiene uno, asegúrese de que sea correcto: un sitemap lleno de errores es peor que no tener sitemap.

Cómo es un sitemap

El sitemap habitual es un archivo XML que sigue el protocolo de sitemaps.org, que comparten Google, Bing y otros buscadores. Así es el sitemap de Bloemenatelier Lotte:

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-11-02</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/bruidsboeketten</loc>
    <lastmod>2026-10-14</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/contact</loc>
    <lastmod>2026-06-30T09:15:00+02:00</lastmod>
  </url>
</urlset>

Algunas reglas que suelen fallar:

• Direcciones completas. No /contact, sino https://www.example.com/contact. Google pide expresamente direcciones completas y absolutas.
• UTF-8 y caracteres de escape. El archivo debe estar en UTF-8, y caracteres como & dentro de una dirección se escriben como &. Un & suelto invalida todo el XML.
• El mismo esquema y el mismo host. Según el protocolo, un sitemap solo puede contener direcciones con el mismo esquema y el mismo host que el propio sitemap. Por lo tanto, un sitemap en https://www.example.com/ con direcciones en http://example.com/ no es correcto. Además, es una señal de que su canonical y su redirección no están alineados (lecciones 3.5 y 4.1).

lastmod: solo si es correcto

Google utiliza <lastmod> si es correcto "de forma coherente y verificable". En 2023, Google precisó qué cuenta como cambio: el texto principal, los datos estructurados o los enlaces de la página. Un año nuevo en el pie de página no es un cambio. Si pone cada día la fecha de hoy en todas las páginas, Google aprende que sus fechas no significan nada y las ignora. Una fecha honesta, o ninguna fecha, es mejor que una fecha inventada.

¿Sitio grande? Entonces, un índice de sitemaps

Un sitemap puede contener como máximo 50.000 direcciones y ocupar como máximo 50 MB (sin comprimir). Si su sitio es más grande, o si quiere dividir el sitemap (páginas, blog, productos), cree un índice de sitemaps: un sitemap de sitemaps.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemap-paginas.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemap-blog.xml</loc>
  </sitemap>
</sitemapindex>

En ese caso, solo envía el índice. WordPress lo hace así: https://www.example.com/wp-sitemap.xml es un índice que remite a sitemaps separados para páginas, entradas, categorías y autores. Los plugins de SEO suelen sustituirlo por su propio índice, por ejemplo sitemap_index.xml.

¿Qué direcciones deben incluirse?

Solo las direcciones que quiere ver en los resultados de búsqueda, y en su forma canónica (lección 3.5). Por lo tanto, no incluya:

• direcciones que redirigen (la variante http://, el nombre antiguo de una página);
• direcciones que devuelven un 404 o un 410;
• páginas con noindex (lección 1.3): estaría diciendo a la vez "incluye esto" y "no incluyas esto";
• páginas que bloquea en robots.txt (lección 3.3);
• variantes con parámetros, como ?sorteer=prijs o ?utm_source=nieuwsbrief;
• páginas de agradecimiento, carritos de compra, páginas de inicio de sesión.

Estas contradicciones aparecen en Search Console (lecciones 2.2 y 2.4): en el informe Páginas puede filtrar por las direcciones de su sitemap y verá, por ejemplo, direcciones excluidas por una etiqueta noindex o bloqueadas por robots.txt. Cada uno de esos avisos es una dirección que no debería estar en su sitemap, o una página que se ha bloqueado por error.

Cómo encuentran los buscadores su sitemap

Hay dos formas habituales, y conviene usar ambas:

1. Una línea en robots.txt (lección 3.3). Todos los buscadores leen robots.txt, así que incluso un buscador en el que nunca ha creado una cuenta lo encontrará:

   Sitemap: https://www.example.com/sitemap.xml

   La dirección debe ser completa. Puede incluir varias líneas Sitemap:.

2. Enviarlo en Search Console y en Bing Webmaster Tools (lecciones 2.2 y 2.5). Así verá también si la descarga se realizó correctamente y cuántas direcciones se encontraron.

Antes se podía hacer "ping" a Google con una dirección especial. Google lo suprimió en 2023: ese ping ya no hace nada. Si quiere informar rápidamente a los buscadores de un cambio, el camino es lastmod y, para Bing y algunos otros buscadores, IndexNow (lección 2.5).

En la práctica: hacerlo usted mismo o dejar que se genere

Casi nadie escribe un sitemap a mano. Desde la versión 5.5, WordPress genera por sí solo wp-sitemap.xml y añade la referencia en su robots.txt (virtual). Al publicar, el AI Builder de WebOké coloca un sitemap.xml en la carpeta web, con la fecha de la última modificación de cada página, y un robots.txt que incluye la línea Sitemap:. Otros creadores de sitios web hacen cosas parecidas. Su tarea consiste en comprobarlo:

• Abra /robots.txt en su propio dominio (por ejemplo, https://www.example.com/robots.txt) y compruebe si hay una línea Sitemap:.
• Abra ese sitemap en su navegador. ¿Contiene las direcciones que espera, con https:// y el nombre de host correcto (con o sin www)?
• Haga clic en algunas. ¿Carga cada página directamente bien, sin redirección?

Resumen

• Un sitemap es un índice de contenidos y una sugerencia, no una garantía. Los sitios pequeños y bien enlazados pueden prescindir de él, pero un sitemap correcto siempre ayuda.
• Son obligatorios urlset con el espacio de nombres correcto, url y loc con direcciones completas; lastmod solo si es correcto. Google ignora changefreq y priority.
• Como máximo 50.000 direcciones y 50 MB por archivo; por encima de eso, un índice de sitemaps.
• Solo direcciones canónicas que devuelvan 200, sin noindex y sin bloquear.
• Añada una línea Sitemap: en robots.txt y envíelo a Google y a Bing. El antiguo ping ya no funciona.

Cuestionario

Ejercicio

Ejercicio A3.4: ¿Es válido su sitemap y se puede encontrar? Introduzca la dirección de su sitio. El programa busca su sitemap como lo haría un buscador (primero mediante robots.txt y, si no, en /sitemap.xml), comprueba si es un XML válido según el protocolo, si figura en robots.txt, si las direcciones son completas y están en su propio host, y descarga algunas para ver si de verdad pueden entrar en el índice. ¿No tiene sitio propio? Utilice european-union.europa.eu.

Para seguir leyendo

Los pasos de estos artículos se refieren a los paneles de WebOké; con otros proveedores el funcionamiento es parecido.

• Dar de alta su página web en los motores de búsqueda (Google y Bing)
• Google Search Central, Crear y enviar un sitemap: https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
• Google Search Central, Qué es un sitemap: https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview
• El protocolo de sitemaps.org: https://www.sitemaps.org/protocol.html
• Google Search Central Blog, Sitemaps ping endpoint is going away (2023): https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping