XML Sitemaps para SEO: buenas prácticas y errores comunes

Un XML sitemap es un archivo que lista las URLs de tu web que quieres que los buscadores rastreen e indexen, junto con señales como la fecha del último cambio de cada página. No garantiza la indexación y no es un factor de ranking. Lo que hace es darle a Google un mapa limpio y fiable de tus páginas importantes para que se descubran y actualicen más rápido, algo que importa muchísimo en webs grandes y casi nada en las diminutas.

La mayoría de responsables tratan los XML sitemaps como una casilla que marcar y no vuelven a mirarlos. Es un error. Un sitemap descuidado es una de las fuentes más comunes de crawl budget malgastado y de señales de indexación confusas que veo en auditorías, y es uno de los arreglos técnicos más rápidos cuando está mal.

Esta guía cubre qué hace realmente un sitemap, las buenas prácticas que importan, cuándo necesitas un sitemap index, cómo enviarlo y monitorizarlo, y los errores que te perjudican en silencio.

Qué hace realmente un XML sitemap

Un XML sitemap es un mecanismo de descubrimiento. Cuando Googlebot lee tu sitemap.xml, obtiene una lista de URLs candidatas más metadatos opcionales para cada una, sobre todo la marca de tiempo lastmod. Google usa esa lista como una entrada más para decidir qué páginas rastrea y con qué frecuencia.

Lo crítico es entender lo que un sitemap no hace. Listar una URL en tu sitemap no obliga a Google a indexarla. Google sigue decidiendo la indexación según calidad, duplicación y demanda. Según la documentación de sitemaps de Google, un sitemap ayuda a descubrir URLs pero “no garantiza que todos los elementos del sitemap se rastreen e indexen”.

Así que el valor se concentra en dos escenarios. Primero, webs grandes donde el enlazado interno no puede exponer todas las URLs con eficiencia. Segundo, webs con contenido que cambia a menudo, donde la señal lastmod ayuda a Google a priorizar los re-rastreos. En una web corporativa de 200 páginas bien enlazadas, el sitemap es casi redundante.

También existen sitemaps especializados: de imágenes, de vídeo y de noticias. La mayoría de webs no los necesitan. Un image sitemap puede ayudar a Google a descubrir imágenes cargadas por JavaScript o servidas desde otro host, pero si tus imágenes están en etiquetas <img> estándar, Google las encuentra a través de la página.

Buenas prácticas de XML sitemap que sí importan

Ignora el folclore. Un puñado de buenas prácticas concentra casi todo el peso, y el resto es ruido.

Incluye solo URLs canónicas, indexables y con estado 200. Esta es la regla más importante. Cada URL de tu sitemap debe ser una página que quieres indexar, que devuelve un estado 200, que no está bloqueada por robots.txt y que es la versión canónica. Un sitemap lleno de redirecciones, 404, páginas noindex o duplicados no canónicos le envía a Google señales contradictorias y quema solicitudes de rastreo en callejones sin salida.

Mantén el lastmod honesto. La etiqueta lastmod debe reflejar el último cambio real y relevante de una página. Google ha sido explícito en que solo confía en lastmod cuando los valores son consistentes y verificablemente precisos. En 2023, Gary Illyes de Google confirmó que si una web pone cada lastmod con la fecha actual en cada rastreo, Google aprende a ignorar el campo por completo para esa web. Un lastmod fiable en una web grande de noticias o ecommerce es una palanca real de eficiencia de rastreo; uno falso no vale nada.

Respeta los límites de tamaño. La documentación de Google limita un único archivo de sitemap a 50.000 URLs y 50 MB sin comprimir. Si superas cualquiera de los dos límites, divide en varios sitemaps y referéncialos desde un sitemap index. Puedes comprimir los sitemaps con gzip para reducir el tamaño de transferencia, y el tope de 50.000 URLs se sigue aplicando al contenido sin comprimir.

Elimina priority y changefreq. Google lleva años diciendo que ignora los campos <priority> y <changefreq>. Son pistas heredadas que ya no influyen en el rastreo. Dejarlas no hace daño, pero no dediques ni un segundo a ajustarlas.

Referencia el sitemap en robots.txt. Añade una línea Sitemap: https://ejemplo.com/sitemap.xml a tu robots.txt. Esto permite que cualquier rastreador que cumpla el estándar, no solo Google, lo descubra sin envío manual. Es un cambio de una línea que muchas webs olvidan.

Si tus sitemaps los genera automáticamente tu CMS, audítalos igual. La autogeneración es justo donde se cuelan URLs no canónicas y noindex. Cuando hago una auditoría de SEO técnico, el sitemap es uno de los primeros archivos que comparo contra el índice real, porque la diferencia entre ambos cuenta la historia rápido.

Cuándo necesitas un sitemap index

Un sitemap index es un sitemap de sitemaps. En lugar de apuntar a Google hacia un único archivo enorme, lo apuntas a un índice que lista varios sitemaps hijos, cada uno cubriendo un segmento de tu web.

Necesitas uno en el momento en que superas las 50.000 URLs, pero la razón más inteligente para usarlo antes es el diagnóstico. Si divides tus sitemaps por sección, categoría de producto o tipo de contenido, Search Console informa de la cobertura de indexación por sitemap. Esa segmentación convierte un vago “algunas páginas no se indexan” en “nuestro blog está indexado al 98% pero las fichas de producto al 61%”, que es un hallazgo accionable.

Aquí tienes una segmentación práctica para un ecommerce de tamaño medio:

1. sitemap-index.xml referencia a todos los hijos
2. sitemap-products.xml para fichas de producto
3. sitemap-categories.xml para páginas de categoría y listados
4. sitemap-blog.xml para contenido editorial
5. sitemap-static.xml para páginas como Sobre nosotros y Contacto

Cada hijo se mantiene muy por debajo del límite de 50.000 URLs y ganas una vista limpia de salud de rastreo e indexación por segmento. Este tipo de estructura encaja de forma natural con la optimización del crawl budget en webs grandes, porque te deja ver exactamente dónde se rompe el descubrimiento.

Cómo enviar y monitorizar tu XML sitemap

Enviar un XML sitemap lleva alrededor de un minuto. Monitorizarlo es donde vive el valor de verdad.

Abre Google Search Console, ve al informe de Sitemaps en Indexación, introduce la ruta de tu sitemap y envíalo. Google lo descarga, informa del recuento de URLs descubiertas y marca los errores de análisis. No necesitas reenviarlo tras cada cambio de contenido; Google vuelve a rastrear los sitemaps conocidos según su propio calendario.

El bucle de monitorización es la parte que casi todos se saltan. Vigila tres cosas:

• URLs descubiertas frente a enviadas. Una diferencia grande significa que tu sitemap contiene URLs que Google se niega a contar, a menudo porque son no canónicas o están bloqueadas.
• El informe de Indexación de páginas cruzado con el sitemap. Filtra la cobertura de indexación por sitemap para ver qué segmentos rinden peor.
• Estado de descarga y errores. Un sitemap que devuelve un 404, agota el tiempo o contiene XML mal formado deja de funcionar en silencio, y Google no siempre te avisa.

Trata el sitemap como un instrumento de diagnóstico vivo, no como un archivo de enviar y olvidar. En mi experiencia auditando webs, la diferencia entre sitemap e índice suele ser la señal más rápida de un problema técnico o de calidad más profundo, y no cuesta nada revisarla cada semana.

La auditoría de XML sitemap en 7 puntos

Ejecuta esta lista en cualquier web que heredes. Lleva quince minutos y caza la mayoría de problemas de sitemap antes de que te cuesten.

1. Descarga el sitemap directamente. Carga sitemap.xml en un navegador. Confirma que devuelve 200 y XML válido, no un 404 ni una página de error HTML.
2. Compara el recuento de URLs con el número de descubiertas en Search Console. Una diferencia amplia es tu primera bandera roja.
3. Revisa estados por muestreo. Rastrea las URLs del sitemap con una herramienta como Screaming Frog y filtra todo lo que no devuelva 200.
4. Busca noindex y desajustes de canonical. Cada URL listada debe ser autocanónica e indexable.
5. Confirma que robots.txt no bloquea las URLs listadas. Una URL del sitemap bloqueada en robots.txt es una contradicción directa.
6. Verifica que la línea Sitemap: de robots.txt apunta a la ruta correcta y actual.
7. Valida la precisión de lastmod en una muestra de páginas. Las marcas de tiempo deben coincidir con ediciones reales, no con la fecha de rastreo.

Este proceso es deliberadamente mecánico. Los problemas de sitemap rara vez son sutiles cuando miras; el fallo casi siempre es que nadie miró. Si quieres esto ejecutado en toda una web con los hallazgos priorizados por impacto, es parte central de cómo planteo una auditoría SEO.

Errores comunes de XML sitemap

Estos son los fallos recurrentes que encuentro, más o menos por orden de frecuencia.

Incluir URLs no canónicas. El sitemap lista variantes con ?utm_source, duplicados con y sin barra final, o URLs con parámetros que canonicalizan hacia otra parte. Google tiene que resolver el conflicto y tú has diluido tu propia señal.

Listar redirecciones y 404. Sitemaps caducados que nadie limpió apuntan a páginas que se movieron o murieron. Cada una es un rastreo malgastado y un pequeño golpe de credibilidad a todo el archivo.

Bloquear el sitemap o sus URLs en robots.txt. Una herida autoinfligida sorprendentemente común, sobre todo tras una migración. Si robots.txt prohíbe las rutas que tu sitemap lista, le estás diciendo a Google que encuentre páginas que no tiene permiso para descargar.

Falsear el lastmod. Regenerar el archivo para que cada URL muestre la fecha de hoy. Como vimos arriba, Google lo detecta y deja de confiar en el campo, así que pierdes una señal real de priorización de rastreo.

Sitemaps huérfanos tras un rediseño. La ruta del sitemap antiguo sigue devolviendo contenido mientras existe uno nuevo, y Search Console sigue leyendo el archivo equivocado. Confirma siempre qué sitemap consume Google en realidad.

Ninguno es complejo de arreglar. Persisten porque los sitemaps son invisibles hasta que alguien los audita, que es justo por lo que pertenecen a una lista técnica recurrente y no a una tarea de configuración única. Tener el sitemap bien no te dará rankings por sí solo, pero un XML sitemap roto puede limitar en silencio cuánto de tu web llega a ver Google. Si prefieres delegarlo, este es el tipo de trabajo poco vistoso y de alto impacto que un consultor SEO debería asumir de principio a fin.

Preguntas frecuentes

¿Necesito un XML sitemap si mi web es pequeña?

No de forma estricta. Google rastrea una web pequeña y bien enlazada sin él porque los enlaces internos exponen todas las URLs. Pero no hay desventaja y sí una ventaja clara: una lista limpia y canónica de las páginas que quieres indexar. Casi todas las plataformas lo generan solas, así que recomiendo que toda web tenga uno.

¿Cuál es la diferencia entre un XML sitemap y un sitemap HTML?

Un XML sitemap es para buscadores: una lista de URLs legible por máquina con metadatos. Un sitemap HTML es una página orientada a personas que enlaza tus secciones clave para navegar. Sirven a audiencias distintas, y la versión XML es la que importa para rastreo e indexación.

¿Un XML sitemap puede contener URLs de otro dominio?

En general no. Un sitemap solo debe listar URLs del mismo host desde el que se sirve. La excepción es la publicación cruzada verificada en Search Console, donde demuestras la propiedad de ambas propiedades. Para casi todas las webs, mantén el sitemap en el dominio cuyas páginas cubre.

¿Por qué mis URLs del sitemap están “Descubierta: actualmente sin indexar”?

Ese estado significa que Google sabe que la URL existe pero ha decidido no rastrearla ni indexarla todavía, normalmente una señal de bajo valor percibido, contenido pobre o límites de crawl budget, no un fallo del sitemap. El sitemap hizo su trabajo al exponer la URL; el arreglo es calidad de contenido, enlazado interno y demanda, no el sitemap en sí.

¿Debo comprimir mi XML sitemap con gzip?

Puedes, y merece la pena en archivos muy grandes para reducir el tamaño de transferencia y la carga. Google admite del todo los sitemaps comprimidos con gzip. Recuerda que los límites de 50.000 URLs y 50 MB se aplican al contenido sin comprimir, así que la compresión ahorra ancho de banda, no margen frente a esos topes.