Para qué sirve un sitemap
Un sitemap es la lista de páginas que consideras dignas de indexarse. Ayuda a descubrirlas, pero no es un factor de posicionamiento: enviar uno no hace que una página posicione, y dejarla fuera no oculta una página enlazada desde otro sitio. Lo que sí hace es asegurar que no se escapa nada en una web donde algunas páginas solo se alcanzan a través de un buscador interno, un filtro o un archivo paginado en el que un rastreador se rinde.
Eso significa que la lista debe contener URL canónicas, indexables y que devuelvan 200, y nada más. Una redirección, una página cuyo canonical apunta a otra dirección, una página con noindex y una URL que da 404 son peores que no estar, porque cada una le enseña al rastreador que este archivo no es fiable. Si una página no debe salir en los resultados de búsqueda, dejarla fuera del sitemap es la parte fácil del trabajo.
Qué campos merece la pena rellenar
El formato admite cuatro elementos por entrada y solo dos merecen tu tiempo. <loc> es la URL y es obligatorio. <lastmod> es la fecha en la que el contenido cambió de verdad, y Google ha dicho que lo usa, con una gran salvedad: solo se fía mientras sea exacto. Una web que estampa la fecha de hoy en todas las entradas en cada publicación le enseña al rastreador a ignorar el campo por completo, y eso es peor que no haberlo puesto nunca.
Google ignora directamente <changefreq> y <priority>, y en la práctica también la mayoría de los demás buscadores. Este generador no los incluye, y no es un descuido: añadir campos que nadie lee hace el archivo más grande e invita a que alguien pase una tarde ajustando números que no sirven para nada.
Límites de tamaño y cómo lo encuentra un rastreador
Un archivo de sitemap admite como máximo 50.000 URL y 50 MB sin comprimir. Si superas cualquiera de los dos límites, repartes la lista en varios archivos y añades un índice de sitemaps que apunte a ellos, que es un archivo XML normal que enumera los sitemaps en lugar de las páginas. La mayoría de las webs nunca se acercan, y una web estática casi nunca.
Cuando el archivo esté publicado, avisa a los rastreadores en dos sitios: con una línea Sitemap: en tu robots.txt, que es la que funciona con todos los buscadores, y en tu cuenta de Search Console si tienes una. Los dos quieren una URL absoluta, y los dos funcionan mejor si el sitemap está en la raíz del mismo host que las páginas que enumera.
Lo que un sitemap no va a conseguir es que se indexe una página que un buscador ya ha visto y ha descartado. Enviar una URL es pedir que se rastree, no que se incluya, así que una página que nunca acaba de aparecer suele estar diciéndote algo sobre la propia página y no sobre el archivo en el que figura. Comprueba que devuelve 200, que su canonical apunta a sí misma y que no arrastra un noindex heredado de una plantilla.
Cómo usarlo
-
Pega tus URL
Una dirección completa por línea. Todo lo que no sea una URL absoluta válida se marca en lugar de escribirse en el archivo.
-
Decide si les pones fecha
Añade una fecha de última modificación a cada entrada si sabes que es exacta, o déjala fuera antes que estampar la fecha de hoy en todo.
-
Descarga o publica
Descarga el sitemap.xml o publícalo en un enlace, y luego cítalo desde tu robots.txt.
Preguntas frecuentes
¿El generador de sitemap es gratis?
¿Rastrea mi web para encontrar las páginas?
¿Debo incluir todas las páginas?
noindex y los duplicados hacen que el archivo sea menos fiable, no más completo.¿Por qué no hay campos priority ni changefreq?
¿Cuántas URL caben en un archivo?
¿Cómo lo encuentran los buscadores?
Sitemap: con la URL absoluta, y envíalo en Search Console si la usas. La línea del robots.txt es la que funciona en todas partes.