Saltar al contenido

Master CELSA Mines

Communication, numérique et technologies

¿Cómo usar un sitemap para explorar fácilmente los recursos de un sitio web?

Un sitemap XML no es solo un archivo pasivo alojado en la raíz de un servidor. Si se aprovecha correctamente, se convierte en una herramienta de auditoría…

Femme analysant un diagramme de sitemap web imprimé sur un bureau en bois dans un bureau à domicile moderne

Un sitemap XML no se limita a ser un archivo pasivo alojado en la raíz de un servidor. Si se aprovecha correctamente, se convierte en una herramienta de auditoría, diagnóstico y exploración que va mucho más allá del SEO. Comprender su funcionamiento interno permite obtener información que la navegación habitual por un sitio no revela.

Usar el sitemap como herramienta de auditoría de la estructura

La primera utilidad práctica de un sitemap, que a menudo se pasa por alto en las guías para el público general, es comparar las URL que declara con las que realmente se pueden encontrar a través del enlazado interno. La diferencia entre ambos conjuntos revela páginas huérfanas o mal enlazadas.

Descargar el archivo XML (normalmente disponible en /sitemap.xml o /sitemap_index.xml) y compararlo con un rastreo completo del sitio permite establecer tres categorías: las URL presentes tanto en el sitemap como en el rastreo, las que solo aparecen en el sitemap (páginas aisladas) y las que se han rastreado, pero no figuran en el sitemap (omisiones en la declaración).

Este método de inventario funciona con cualquier sitio público. Por ejemplo, el sitemap de Mon Habitat muestra la estructura completa del sitio, lo que permite visualizar rápidamente el alcance de los recursos publicados sin tener que recorrer manualmente cada sección.

En sitios grandes, recomendamos automatizar esta comparación con una hoja de cálculo o un script que analice el XML y lo compare con las URL obtenidas del rastreo. Las discrepancias revelan problemas de enlazado mucho antes de que afecten a la indexación.

Desarrollador web de pie consultando una herramienta visual de sitemap en dos pantallas en una oficina diáfana

Etiqueta lastmod en un sitemap XML: fiabilidad y riesgos

La etiqueta <lastmod> indica la fecha de la última modificación real de una página. Google puede utilizarla para priorizar el nuevo rastreo, pero solo cuando la fecha refleja un cambio efectivo en el contenido. Actualizar el valor de lastmod con cada despliegue técnico, sin modificar el contenido editorial, equivale a enviar una señal irrelevante.

El problema más frecuente: un CMS que regenera automáticamente la fecha de lastmod cuando se cambia una plantilla o se actualiza un plugin. Si el motor detecta que las fechas no corresponden a cambios reales en el contenido, acaba ignorando la etiqueta en todo el dominio.

Comprobar la coherencia de las fechas

Comparar la fecha de lastmod declarada con la fecha de modificación que aparece en la página (o en las cabeceras HTTP Last-Modified) permite detectar incoherencias. Una diferencia sistemática entre ambos valores indica un problema de configuración del CMS.

  • Conservar la etiqueta lastmod solo en las páginas cuyo contenido editorial cambie de verdad y con regularidad
  • Eliminar lastmod de las páginas estáticas (aviso legal, condiciones generales de venta) en lugar de mostrar una fecha reciente falsa
  • Configurar el CMS para que actualice lastmod solo al guardar manualmente o al modificar un campo de texto

Informe de sitemaps en Google Search Console: qué muestra y qué no

El informe de sitemaps de Search Console muestra tres datos: el estado de lectura del archivo, los posibles errores de sintaxis y el número de URL descubiertas. Este informe no confirma la indexación de las URL. Una URL «descubierta» puede permanecer indefinidamente en la cola del rastreador sin llegar a indexarse.

Para comprobar la indexación efectiva, hay que cruzar el informe de sitemaps con el informe de cobertura (o el informe «Páginas» de la versión actual de Search Console). Las URL incluidas en el sitemap, pero ausentes del índice, aparecen entonces con un motivo de no indexación: página duplicada, redirigida, bloqueada por robots.txt o considerada de escaso valor añadido.

Enviar un sitemap a Bing mediante Bing Webmaster Tools

Google no es el único motor que utiliza sitemaps. Bing Webmaster Tools permite enviar el archivo directamente y también admite el protocolo IndexNow, que permite notificar en tiempo real la incorporación, modificación o eliminación de URL. Este protocolo complementa el sitemap en sitios cuyo contenido cambia con frecuencia.

Joven consultando un sitemap interactivo en una tableta, sentada con las piernas cruzadas en un sofá de lino en un salón acogedor

Índice de sitemaps: organizar un archivo XML para sitios grandes

Un único archivo sitemap está sujeto a límites de tamaño: un tamaño máximo sin comprimir y un número máximo de URL por archivo. Cuando un sitio supera estos límites, la solución consiste en utilizar un índice de sitemaps, un archivo XML principal que referencia varios sitemaps secundarios.

Cada sitemap secundario agrupa una sección lógica del sitio: artículos del blog, fichas de producto o páginas de categorías. Esta segmentación permite supervisar la indexación por tipo de contenido en Search Console, ya que cada sitemap secundario tiene su propio informe.

  • Segmentar por tipo de contenido (artículos, productos, archivos multimedia) en lugar de hacerlo por orden alfabético o cronológico
  • Asignar nombres descriptivos a los archivos (sitemap-articles.xml, sitemap-produits.xml) para facilitar el diagnóstico
  • Declarar el índice de sitemaps en el archivo robots.txt mediante la directiva Sitemap: seguida de la URL completa del archivo
  • Comprobar que cada sitemap secundario solo contenga URL canónicas, sin parámetros de sesión ni duplicados

Acceder al sitemap de un sitio de terceros para cartografiar sus recursos

Explorar los recursos de un sitio web del que no somos propietarios suele implicar consultar su sitemap. La mayoría de los sitios permiten acceder públicamente a este archivo. Hay dos puntos de acceso habituales: la URL directa /sitemap.xml y la directiva Sitemap del archivo robots.txt (disponible en /robots.txt).

Algunos CMS generan sitemaps en rutas no estándar (/sitemap_index.xml, /wp-sitemap.xml en WordPress). Consultar el archivo robots.txt sigue siendo el método más fiable para localizar el archivo, ya que la directiva indica su URL exacta.

Una vez descargado el archivo, al abrirlo en un navegador se muestra la lista de URL sin procesar. Para organizar los datos, un analizador XML o una simple importación en una hoja de cálculo permite filtrar por sección, fecha o profundidad de la URL. Este método resulta especialmente útil para analizar la cobertura editorial de un sitio de la competencia o inventariar los recursos de un portal antes de una migración.

El sitemap sigue siendo un archivo declarativo: refleja lo que el webmaster decide mostrar a los motores de búsqueda. Algunas páginas pueden excluirse deliberadamente. Comparar el sitemap con un rastreo externo ofrece una visión más completa de la arquitectura real del sitio.

¿Cómo usar un sitemap para explorar fácilmente los recursos de un sitio web?