Un sitemap es un archivo que lista las URL de un sitio para facilitar su exploración por los motores de búsqueda o su consulta por los visitantes. En un blog, esta página cumple un doble rol: orienta a los robots de indexación hacia los contenidos recientes y ofrece a los lectores un punto de entrada estructurado hacia todas las publicaciones.
Sitemap XML y sitemap HTML: dos mecanismos, dos públicos
El término “sitemap” abarca dos realidades técnicas distintas. El sitemap XML es un archivo destinado a los robots de los motores de búsqueda. Contiene una lista de URL acompañadas de metadatos (fecha de última modificación, frecuencia de actualización estimada, prioridad relativa). Este archivo no está diseñado para ser leído por un humano.
El sitemap HTML, por su parte, toma la forma de una página web clásica. Presenta la estructura del sitio en forma de enlaces clicables, organizados por categorías o por fechas. Es esta versión la que los visitantes consultan para navegar en un blog denso.
En un blog que publica regularmente, los dos formatos se complementan. El XML ayuda a Googlebot a detectar un artículo publicado hace unos minutos, mientras que el HTML permite a un lector encontrar una entrada enterrada bajo meses de publicaciones. Para ver cómo se concreta este enfoque dual, la página sitemap de La Caverne du Geek ilustra bien la estructuración por secciones en un blog activo.
Etiqueta lastmod en un sitemap XML: por qué la precisión cuenta
La mayoría de las guías explican cómo generar un sitemap. Pocas detallan un punto técnico que cambia la efectividad del archivo: la fiabilidad de la etiqueta lastmod.
Google tiene en cuenta esta fecha únicamente cuando corresponde a una modificación real del contenido de la página. Actualizar el pie de página o regenerar el sitemap sin tocar el cuerpo del artículo no justifica cambiar el valor lastmod. Si el motor detecta que las fechas no reflejan cambios reales, termina ignorando esta etiqueta en todo el sitio.
Para un blog, la buena práctica consiste en modificar lastmod solo cuando un artículo ha sido sustancialmente reescrito, enriquecido o corregido. Una simple corrección de erratas no merece esta actualización.
Lo que lastmod no hace
Modificar lastmod no desencadena automáticamente una nueva exploración de la página. El motor decide su propio calendario de rastreo en función de múltiples señales (frecuencia de publicación, popularidad del sitio, presupuesto de rastreo). La etiqueta es un indicio entre otros, no una instrucción.
Filtrar las URL: un sitemap efectivo excluye tanto como incluye
Listar todas las URL de un blog en el sitemap es un error frecuente. Un archivo útil solo contiene las páginas que merecen aparecer en los resultados de búsqueda. Aquí están los tipos de páginas que deben excluirse sistemáticamente:
- Las páginas de etiquetas y archivos duplicadas que repiten el mismo contenido bajo diferentes URL, ya que diluyen la señal enviada a los motores
- Las páginas con una etiqueta noindex, puesto que incluir en el sitemap una URL que se pide no indexar envía una señal contradictoria
- Las URL redirigidas (301 o 302) que apuntan a otras páginas, ya que el motor debe resolver la redirección antes de alcanzar el contenido final
- Las páginas de resultados de búsqueda interna del blog, que generan URL parametrizadas sin contenido original
Un sitemap no debe contener más que URL indexables y útiles. En un blog de WordPress, la mayoría de las extensiones SEO permiten filtrar automáticamente estas páginas. Verificar manualmente el archivo al menos una vez por trimestre sigue siendo una buena práctica.
Límites de tamaño y segmentación del sitemap para blogs voluminosos
Google impone un máximo de 50 000 URL o 50 MB no comprimidos por archivo sitemap. Para un blog personal o profesional de tamaño modesto, este límite no representa un problema. Sin embargo, un blog que publica varios artículos al día desde hace años puede alcanzarlo.
La solución es el índice de sitemap: un archivo principal que referencia varios subsitemas. Cada subarchivo agrupa un lote de URL, por ejemplo, por año de publicación o por categoría temática. Esta organización también facilita el diagnóstico en Google Search Console, ya que los errores se localizan en un archivo específico.
Presentación y seguimiento en Search Console
Enviar el sitemap a través de Google Search Console acelera su consideración inicial. El informe dedicado indica si el archivo ha sido leído correctamente y cuántas URL han sido descubiertas. Pero la lectura del archivo no garantiza la indexación de las páginas listadas. El informe de Sitemaps proporciona información sobre la recuperación del archivo, no sobre el estado de indexación de cada URL.
Para verificar la indexación real, es necesario cruzar los datos del informe de Sitemaps con el informe “Páginas” (anteriormente “Cobertura”). Es ahí donde se revelan las URL excluidas, con errores o simplemente ignoradas por el motor.
Navegación del blog y enlace interno: el sitemap no es suficiente
Un sitemap, incluso perfectamente configurado, no reemplaza una navegación clara ni un enlace interno coherente. Tanto los robots como los lectores descubren los contenidos principalmente a través de los enlaces presentes en los artículos, los menús y los widgets de la barra lateral.
- Cada nuevo artículo debería contener al menos dos o tres enlaces a publicaciones anteriores relacionadas con el mismo tema, para crear caminos de navegación temáticos
- Las categorías del blog deben ser limitadas en número y claramente nombradas, ya que estructuran tanto el menú principal como el sitemap HTML
- Los artículos más estratégicos se benefician de ser enlazados desde la página de inicio o desde un recuadro permanente, lo que envía una señal de prioridad a los motores
El sitemap señala la existencia de una página, el enlace interno demuestra su importancia. En un blog con varios cientos de artículos, los contenidos huérfanos (sin ningún enlace interno que apunte hacia ellos) corren el riesgo de ser ignorados incluso si figuran en el sitemap XML.
El archivo sitemap funciona como una red de seguridad, no como un sustituto de la arquitectura del sitio. Un blog cuya navegación se basa únicamente en el sitemap para hacer accesibles sus páginas tiene un problema estructural que el archivo XML no resolverá.
