El sitemap XML es un archivo de inventario que se envía a los robots de rastreo. Enumera URL, proporciona metadatos opcionales y deja que el motor de búsqueda decida qué hacer con ellos. Esta distinción entre señal e instrucción determina toda la estrategia de implementación.
Etiquetas XML del sitemap: qué aprovecha realmente Google
La especificación del protocolo contempla varios campos para cada entrada <url>. El motor de búsqueda no trata todos de la misma manera, y confundir ambas categorías supone perder tiempo en la configuración.
Google ignora los campos priority y changefreq. Rellenarlos no influye ni en el orden ni en la frecuencia del rastreo. Estas etiquetas, heredadas de la primera versión del protocolo, siguen siendo sintácticamente válidas, pero no tienen ningún efecto operativo.
En cambio, el campo lastmod sí se tiene en cuenta, siempre que la fecha corresponda a un cambio sustancial en el contenido principal, los datos estructurados o los enlaces internos de la página. Cambiar el año del copyright o un elemento estético de la plantilla no cuenta. Si el valor es incoherente o siempre idéntico en todas las URL, el motor acaba ignorándolo en todo el sitio.
En la práctica, un sitemap bien construido se centra en loc (la URL) y lastmod (la fecha fiable). El resto es ruido. Observamos que muchos generadores automáticos siguen asignando priority con un valor predeterminado de 0.8 a todas las páginas, algo que no sirve absolutamente de nada.
Por ejemplo, el sitemap de Incroyable Maison muestra un archivo XML legible que enumera todas las páginas del sitio y permite tanto a los robots como a los visitantes curiosos visualizar la estructura completa.
Límites de tamaño de los archivos sitemap XML e índice de sitemaps
Un único archivo sitemap admite un máximo de 50 000 URL o 50 MB sin comprimir. Si se supera ese límite, el archivo deja de ser válido y los robots lo ignoran, en todos los casos sin mostrar una advertencia explícita.
Para los sitios grandes (catálogos de comercio electrónico, directorios, medios con archivos extensos), la solución normalizada es el índice de sitemaps. Este archivo principal hace referencia a varios sitemaps secundarios, cada uno dentro de los límites de volumen.
- Dividirlos por tipo de contenido (páginas de producto, artículos de blog, categorías) facilita el diagnóstico cuando un problema de indexación afecta a una sección concreta del sitio.
- Dividirlos por fecha de publicación permite regenerar solo el archivo del mes en curso, en lugar de recalcularlo todo con cada actualización.
- Un índice puede contener decenas de miles de referencias a sitemaps secundarios, lo que cubre prácticamente todas las arquitecturas existentes.
Se admite la compresión gzip, que reduce considerablemente el ancho de banda consumido por los rastreadores. Una vez descomprimido, el archivo debe pesar siempre menos de 50 MB.
Sitemap e indexación: una señal, no una instrucción
Es frecuente confundir el sitemap con una garantía de indexación. Incluir una URL en el sitemap no obliga a rastrearla. Google descarga el archivo, registra las URL candidatas y después decide, según sus propios criterios (calidad percibida, presupuesto de rastreo y señales de popularidad), si merece la pena rastrear e indexar cada página.
Por tanto, el sitemap no sustituye a una estructura coherente de enlaces internos. Es poco probable que se indexe una página huérfana (sin ningún enlace interno que apunte a ella) incluida en el sitemap si el motor no encuentra otro motivo para visitarla. El archivo XML sirve como complemento para descubrir páginas, no como sustituto de la arquitectura del sitio.
Incluir en el sitemap URL que devuelven un código 404, una redirección 301 o una etiqueta noindex envía señales contradictorias. Todas las URL del sitemap deben devolver un código 200 y ser indexables. Las herramientas de auditoría SEO detectan estas incoherencias, pero para corregirlas hay que limpiar el archivo con regularidad, no limitarse a hacer un análisis puntual.
Sitemaps especializados: imágenes, vídeos y noticias
El protocolo sitemap no se limita a las páginas HTML. Las extensiones permiten describir contenidos específicos para los motores de búsqueda verticales.
- El sitemap de imágenes amplía cada entrada
<url>con las etiquetas<image:image>, que declaran las imágenes asociadas a la página. Esto facilita que Google Imágenes las encuentre cuando se cargan dinámicamente o están alojadas en una CDN independiente. - El sitemap de vídeos utiliza el espacio de nombres
<video:video>para indicar la duración, la descripción, la miniatura y la URL del reproductor. Este formato está dirigido a Google Vídeos y a la sección de vídeos de los resultados de búsqueda. - El sitemap de noticias (
<news:news>) está destinado a los editores de prensa incluidos en Google Noticias. Indica el título, el idioma y la fecha de publicación de los artículos recientes (por lo general, publicados en los últimos dos días).
Estas extensiones pueden combinarse en un mismo archivo o distribuirse en sitemaps independientes, según el volumen. En un sitio que publica tanto artículos ilustrados como vídeos, separar los sitemaps por tipo de contenido simplifica el mantenimiento y el seguimiento en Google Search Console.
Robots.txt y Search Console: indicar el sitemap a los motores de búsqueda
El sitemap XML puede comunicarse a los robots de dos formas complementarias. La primera consiste en añadir la línea Sitemap: https://example.com/sitemap.xml al archivo robots.txt, en la raíz del sitio. Todos los rastreadores compatibles con el protocolo detectan automáticamente esta declaración.
La segunda consiste en enviarlo directamente desde la interfaz de Google Search Console (o Bing Webmaster Tools). Este método ofrece una ventaja concreta: el informe indica el número de URL enviadas, el número de URL indexadas y los posibles errores detectados en el archivo. Es la única forma de obtener una respuesta explícita del motor sobre la validez del sitemap.
La práctica habitual es combinar ambos métodos. El archivo robots.txt permite que todos los motores descubran el sitemap de forma pasiva, mientras que Search Console proporciona los datos de seguimiento necesarios para el diagnóstico.
Un sitemap XML bien mantenido sigue siendo un recurso técnico sencillo, pero fundamental. No modifica la clasificación de una página: facilita que se descubra. Su valor reside en la precisión del archivo: URL limpias, fechas fiables y ninguna entrada obsoleta. El resto depende de los enlaces internos y de la calidad del contenido.
