Un sitio de varios cientos de páginas sin un mapa del sitio, conocemos el resultado: visitantes que dan vueltas y un motor de búsqueda que ignora la mitad del contenido. El sitemap resuelve este problema al listar las URL útiles en un formato legible por los robots de indexación y, en su versión HTML, por los internautas. Aún así, es necesario que este archivo esté estructurado con método, porque un sitemap desordenado produce el efecto contrario al deseado.
Sitemap XML o sitemap HTML: dos archivos, dos usos distintos
Se confunden a menudo los dos. El sitemap XML es un archivo técnico destinado a los motores de búsqueda. Indica las URL a explorar, su fecha de última modificación y, a veces, una frecuencia de actualización. Google, Bing y otros crawlers lo leen para detectar las páginas que no habrían encontrado a través del enlace interno.
El sitemap HTML, por su parte, es una página visible del sitio. Sirve como un plan de navegación para los visitantes, especialmente aquellos que no logran localizar un contenido a través del menú principal. De hecho, el W3C recomienda ofrecer varios métodos de navegación (menú, búsqueda, mapa del sitio) para cubrir diferentes perfiles de uso.
En la práctica, un sitio necesita ambas versiones. El XML alimenta la indexación, el HTML mejora la experiencia de navegación. Cuando se puede explorar el sitemap de pharmaplanet.net, se ve concretamente cómo un mapa del sitio organiza las URL por categorías legibles, lo que facilita tanto la lectura humana como el crawl automatizado.
Filtrar las URL del sitemap: lo que incluimos lo cambia todo
La trampa clásica consiste en generar un sitemap automático a través de su CMS y no volver a tocarlo nunca más. WordPress, Shopify o Wix crean archivos por defecto que listan todas las páginas, incluidas las páginas de etiquetas, los archivos de fecha, los resultados de búsqueda internos o los duplicados paginados. Resultado: el motor de búsqueda desperdicia su presupuesto de crawl en páginas sin valor.
Un sitemap bien estructurado solo contiene las páginas que realmente queremos ver indexadas. Concretamente, se excluyen:
- Las páginas de avisos legales, política de privacidad y términos y condiciones (a menos que apunten a una palabra clave específica)
- Las páginas de resultados de búsqueda interna, que crean URL casi infinitas sin contenido original
- Las URL con parámetros de ordenación o filtrado, frecuentes en los sitios de comercio electrónico
- Las páginas en noindex, ya que solicitar la exploración de una página que se niega a indexar envía una señal contradictoria
Este filtrado no es un lujo técnico. En un sitio de unas pocas decenas de páginas, el impacto sigue siendo limitado. En un catálogo de productos o un sitio editorial con miles de artículos, la selección de URL en el sitemap condiciona directamente la velocidad de indexación de los contenidos recientes.
Estructura jerárquica del sitemap y enlace interno
Un sitemap plano, es decir, una lista de URL sin lógica de agrupamiento, cumple su función técnica mínima. Los robots recorren la lista y visitan las páginas. Pero se pierde un apalancamiento de navegación más poderoso.
Organizar las URL por silo temático
La buena práctica consiste en dividir el sitemap en subconjuntos coherentes. Un sitio de comercio electrónico puede separar sus sitemaps por categoría de productos. Un medio en línea puede crear un sitemap por sección editorial. El protocolo sitemaps.org permite un archivo de índice (sitemap index) que apunta a varios sitemaps hijos, cada uno limitado a un perímetro específico.
Esta organización refleja la estructura del sitio y refuerza el enlace interno. Un sitemap que reproduce la arborescencia real del sitio ayuda a los motores a entender la jerarquía de los contenidos. Una página de categoría agrupa páginas de productos, un dossier editorial agrupa artículos: el sitemap traduce esta lógica en URL ordenadas.
La fecha de modificación como señal de frescura
La etiqueta lastmod en el sitemap XML indica a los robots cuándo se ha modificado una página por última vez. Muchos CMS rellenan esta fecha automáticamente, pero algunos la actualizan en cada guardado, incluso sin un cambio real en el contenido. Cuando todas las páginas muestran la fecha del día, la señal pierde todo su valor.
Se gana al actualizar esta etiqueta solo durante una modificación sustancial del contenido. Los motores utilizan esta información para priorizar el recrawl de las páginas recientemente modificadas.
Accesibilidad del mapa del sitio en móvil y con teclado
Un ángulo que la mayoría de las guías ignoran: el sitemap HTML no tiene ninguna utilidad si es inaccesible en pantallas pequeñas o a través de la navegación con teclado. El W3C recomienda diseñar la presentación para diferentes formatos de ventana y verificar que los elementos de navegación sigan siendo comprensibles después de aumentar el texto.
Para un mapa del sitio HTML, esto significa que la lista de URL debe seguir siendo legible sin desplazamiento horizontal en móvil. Los enlaces deben tener una zona clicable suficiente, y la estructura por títulos (h2, h3) debe permitir a las tecnologías de asistencia saltar de una sección a otra.
Desde junio de 2025, la directiva europea sobre accesibilidad se aplica a ciertas categorías de servicios digitales, incluido el comercio electrónico. La accesibilidad del recorrido de navegación, incluido el mapa del sitio, se convierte en una obligación regulatoria para los sitios afectados. Los controles automáticos no son suficientes: las recomendaciones del W3C sugieren complementar con pruebas en situaciones reales con usuarios.
Declarar y mantener su sitemap a lo largo del tiempo
Crear un sitemap limpio no sirve de nada si los motores no saben dónde encontrarlo. Coexisten dos métodos de declaración:
- Agregar la línea Sitemap seguida de la URL completa del archivo en el robots.txt, en la raíz del sitio
- Enviar el sitemap directamente en Google Search Console o Bing Webmaster Tools, lo que también permite seguir los errores de crawl
- Combinar ambos enfoques para cubrir todos los motores, incluidos aquellos que no ofrecen una consola dedicada
El mantenimiento cuenta tanto como la creación inicial. Cuando se elimina una página, se retira del sitemap. Cuando se agrega una sección, se actualiza el archivo o se crea un nuevo sitemap hijo. Un sitemap obsoleto envía a los robots a errores 404, lo que degrada la calidad del crawl en todo el sitio.
El archivo sitemap no es un documento fijo que se genera una vez para siempre. Es una herramienta de gestión que refleja el estado real del sitio en un momento dado. Se mantiene como se mantiene su catálogo o su arborescencia de menús: regularmente, eliminando lo que ya no existe y añadiendo lo que acaba de ser publicado.
