12 cosas que deberías saber sobre los sitemaps.xml

Hoy nos toca el tercer post experto en sistemas de indexación posicionamiento web en buscadores. Ya hemos abordadoy lapara controlar la indexación. Ahora nos toca trabajar con otro de los archivos más famosos del SEO: los ficheros sitemaps.xml. Como en precedentes ocasiones vamos desgranar todo el contenido en diferentes puntos, en un caso así vamos a hablar sobre doce cosas que es importante que sepas sobre estos ficheros. Algunas serán sabidas, otras espero que te sorprendan y lógicamente algunas serán validas para unos proyectos o bien otros.

Back to top

1) Qué son y cómo crear los sitemaps.xml

Los Sitemap no son más que una vía que nos ofrecen los buscadores a fin de que mismos les afirmemos que páginas deberían rastrear. Como casi todo en herramientas de indexación son solo sugerencias y Google realmente visitará las páginas que le de la gana en el orden que él quiera. No obstante en muchos proyectos en los que (más por defecto de la web que de las arañas de Google) las arañas van un tanto perdidas han probado ser de gran utilidad para guiarlas y ayudarlas a localizar el contenido.

Los sitemaps.xml son uno de los primeros ficheros que Google se preocupó por que conociésemos y eso ha conseguido que exista muchísima documentación sobre como crearlos. A día de el día de hoy la mejor referencia oficial que tenemos la hallamos en "en muchísimos idiomas. El protocolo es muy simple mas tiene ciertas peculariedades.

Este es el formato normal de un fichero sitemaps.xml bien hecho:

De esta estructura lo importante es sobretodo la declaración inicial. Si no definimos el sitemap como un XML y sus atributos xmlns no será bien interpretado. Luego solo se trata de ir añadiendo nodos <url> con sus detalles (de los que solo <loc> es obligatorio). De echo la enorme mayoría de los sitemaps que encontraras verás que solo contienen el nodo "loc" y ningún otro detalle de las URLs.

La codificación de caracteres también es muy importante, solo se acepta UTF-ocho así que hay que revisarla. Además el sistema nos prohíbe de forma explicita el uso de ciertos caracteres. Si queremos usarlos tenemos que "escapearlos" en código HTML, es decir, debemos emplear un código HTML para identificar el carácter preciso que realmente deseamos incorporar.

Por suerte estos no son muchos:

Todo muy lógico, y no es nada que aun site con un tanto de posicionamiento SEO onpage bien hecho le vaya a afectar. Mas tengámonos en cuenta. Por poner un ejemplo, ¿qué pasa con esta url: "?categoria=2&producto=25"? pues que en realidad en nuestro sitemap deberíamos incluirla como "?categoria=2&producto=25".

Por último hay una restricción de tamaño:

• Máximo se nos permiten 50.000 URLs por archivo sitemap.xml
• Y el peso del fichero no podrá ser superior a los 50MB (así que cuidado con ajustar a 50.000 urls como hacen muchos que la podéis liar)

Bien, hasta aquí la teoría, pasamos a las cosas que a una parte de la documentación básica deberíamos todos tener contempladas para hacer un buen uso de estos ficheros.

Back to top

2) 1. La mayoría de sites no necesitan un sitemap.xml para nada

Esto no es solo verdad, sino si hacemos mal el fichero sitemap.xml podemos hacer más mal a la indexación que bien. Este es otro de los puntos clásicos de los SEOs que están empezando: en clase les dicen que los sitemaps.xml son esenciales y de ahí muchos entienden que cualquier site que no los tenga no indexará bien y mejoraría su indexación con ellos.

Esto no es cierto, estos archivos son una guía a fin de que las arañas no se pierdan y sepan donde acceder. Pero ¿que pasa si no se pierden? Les estoy aportando algo con este fichero. Puede que si, si tienes alguna estrategia de trabajo con ellos (veremos varios ejemplos más adelante) pero solo por subirlo con URLs y nada más no ganarás absolutamente nada con ello.

Así que por servirnos de un ejemplo para sites pequeños (normalmetne con pocos recursos de desarrollo) y donde no vemos un problema de estructura evidente nosotros desde IKAUE no acostumbramos a solicitar archivos sitemaps.xml. El posicionamiento web en buscadores siembre debe jugar en la línea de la rentabilidad y indudablemente gastar tiempo de desarrollo en algo que no aporta absolutamente nada carece de sentido. Y no, la solución no es subir un fichero sitemap.xml estático que creas tu con cualquier programita... ¿qué sentido tiene? ¿Vas a emplear un crawler menor para ayudar a uno que es mucho más potente que el que tu usas? ¿Que esperas localizar que google no pueda encontrar por si mismo?

Como contra además tenemos a toda esta gente que sube un sitemap sin tener mucha idea de posicionamiento SEO y encima provoca problemas de indexación que ya antes no tenía. Esto pasa más de lo que podría parecer (hay demasiados "primos de" o bien "amigos de" haciendo SEO para webs pequeñas). Os pongo algunos ejemplos de problemas que podemos provocar con sitemaps.xml mal realizados.

• Para comenzar si no lo haces bien puedes darle muchas URLs que en posicionamiento en buscadores te importan más bien poco su indexación. Esto pasa cuando los produces automáticamente. Le afirmas que te indexe paginas corporativas que antes no tenía indexadas cosas así. También cuando te los producen desde desarrollo sin que pase nadie las indicaciones de qué deben contener te puedes encontrar con cosas URLs del ambiente privado de usuario o páginas de gracias en el sitemap... ¿En serio queremos enseñarle eso a Google?
• Otro clásico parecido al primero es cuando nos fiamos de nuestro CMS o de algún plugin de esos que lo produce todo. Ahi WordPress, drupals y cosas así son unos especialistas en lograr indexar contenido basura. Taxonomias a las que no habías ofrecido URLs en tu página, Páginas de autor, de Ficheros Mensuales (o peor incluso diarios). No todo suma, todo esto resta
• Finalmente otro inconveniente sucede con sites donde el rastreo de Google no llega a todas las páginas (con inconvenientes de). Nos encontramos con que le cuesta llegar a URLs muy profundas y decidimos subirlas al sitemaps "para ayudarle a encontrarlas". En estos casos podemos provocar que la araña ataque a páginas que tienen menos prioridad de posicionamiento del que tu les dabas en tu estructura. Por servirnos de un ejemplo, en una estructura web has relegado el posicionamiento de artículos muy viejos que no estaban bien enfocados hacia el target real de tu web a múltiples clicks desde la home (asumiendo que muchos no se indexarán). Subes un sitemap y te alegras pues mejora la indexación de estos artículos. Mas por otra parte no te das cuenta de que el crawl budget prosigue siendo exactamente el mismo que tenías (no lo has mejorado) y que la araña visite estos contenidos tan despriorizados termina provocando al cabo de un tiempo la desindexación de otros que tampoco estaban en primera línea de indexación mas que tenias más priorizados que estos que ahora estás comenzando a recoger. Cuidado con ese tipo de cosas que cuando pasan puedes no darte cuenta de que el problema lo has provocado tu mismo con tus ansias de indexación. El crawl budget es el que es y el sitemap.xml no lo mejora.
• Por último un problema (para mi menor) es que ponemos a disposición de cualquiera que sea capaz de localizar este fichero todas y cada una nuestras URLs y todos los datos que pongamos sobre ellas a su alcance. La competencia en posicionamiento en buscadores se audita también y ponérselo un tanto difícil no está de más. A mi me parece que salvo salvedades no es problemático que la competencia vea nuestros sitemaps, pero todo depende. Si esto te preocupa, es fácil de evitar: pongámonos a los ficheros un nombre que no sea obvio y declaremoslos en Google Search Console y no en Robots.txt.

En terminante 2 cosas a destacar: a) en muchas webs no notaras ninguna por añadir un sitemap y b) si no te lo tomas en serio puedes empeorar tu indexación en vez de mejorarla. Como norma, si no hay una estrategia clara detrás no hagas un sitemap.

Back to top

3) 2. Declárale la guerra a los archivos de "mapa del sitio", esos no son los buenos

Si es que realmente es muy obvio que no ayudan mas sigue sucediendo. La gente lee sitemap y hace asociaciones extrañas. No es exactamente lo mismo un archivo XML de Sitemaps que un Mapa del sitio montado en una o múltiples páginas de la página web.

Un sitemap.xml:

Es un archivo muy concreto que tus usuarios no ven y que solo le ofreces a los rastreadores. Solo cumple funciones SEO, no afecta a la usabilidad del site

Un Mapa del lugar (o sitemap HTML o sitemap a secas):

Son páginas web que se usaban hace muchos años para sustituir carencias de estructura en la página web. Lo que hacían estas páginas era, ante sites que no permitían a las arañas lograr el contenido saltando de enlace en enlace ofrecer una vía secundaria de indexación. Vamos, que se solventaban carencias básicas del site creando páginas nuevas en el mismo.

Esto hace unos años era muy común... teníamos Menús que se montaban en iframes o bien con flash. Las webs las hacían diseñadores, sin indicaciones y la UX ni tenía nombre... Más adelante incluso se utilizaron para casos específicos: Por ejemplo era algo muy usado en Webs basadas en un buscador (clasificados, páginas de vuelos, etcétera). La página tal y como estaba diseñada no ofrecía enlaces cara el contenido así que se ponía un enlace abajo de "mapa del sitio" donde enlace a enlace el contenido acababa siendo accedido por las arañas. Eran otros tiempos y las arañas eran mucho más tontas y sabíamos menos sobre como administrarlas.

A día de hoy los mapas del lugar no tienen sentido. Existen métodos mucho mejores para lograr que las arañas hallen el contenido. Lo primero es una arquitectura bien planificada y aprovechar los propios menús y bloques de enlaces del site. Si esto no es suficiente es probable que precisemos dar vías de acceso secundarias (las aerolíneas siguen haciéndolo) mas con una estructura muy cercana a una real de un site y con contenidos, no con simples páginas llenas de links...

Lo peor de este sistema es que quien lo tiene piensa que ha solucionado la papeleta y no es cierto... Lo dicho: Muerte a los mapas del lugar. No los relaciones jamás con los sitemaps.xml. Estos últimos son una herramienta estupenda para hacer posicionamiento SEO mientras que los desfasados mapas de lugar son solo un vestigio del pasado tenebroso del posicionamiento SEO.

Back to top

4) 3. Podemos enviar a Google el sitemap de varias formas, no solo a través de Google Search Console

Uno de los puntos básicos mas vitales para que Google lea nuestro sitemap. El sitemap no es como el fichero robots que siempre queda alojado en la misma URL sino que practicamente podemos ponerle cualquier nombre. Así que hay que decirle a Google (o a bing) donde buscar. Esto se hace a través de Google Search Console, donde encontraremos una sección llamada sitemap donde podemos señalar esta URL. A esta acción la mal-llamamos "subir el sitemap". No subes nada, mas se le ha quedado este nombre.

Veremos más adelante que esta es la mejor vía posible puesto que nos da ciertas estadísticas sobre fallos y su lectura, pero no es la única, realmente podemos emplear 2 vías más para señalarle a Google estos archivos.

Indincándolo en el robots.txt

Es una de las vías recomendadas y puede suponer una enorme ventaja cuando hacemos implementaciones genéricas, en muchos sites a la vez o por lo que sea no podemos acceder al Google Search Console de cada dominio separadamente. También puede ser una buena opción para buscadores web menores. Por poner un ejemplo, si trabajaremos sobretodo Google pero queremos que ya de paso Bing lea nuestros sitemaps (si bien no vayamos a trabajarlos en bing) podemos añadirlo al Robots.txt y además darlos de alta en Google Search Console.

Es tan sencillo como declarar todos los archivos sitemaps que deseemos con la declaración "siteamap:" al principio de la línea.

Los buscadores web los rastrearán pero no nos darán la información de indexación y fallos que si veríamos en Search Console.

Haciendo ping

Otra forma es hacer "ping" a una URL del buscador al que queremos informar con la URL a leer. Un "Ping" no es más que una solicitud a esta URL sin más complejidades. Se carga la URL y el sistema se da por enterado. Esta solución también es valida para varios buscadores web. Mandamos un ping a una URL con el próximo formato "dominio buscador/ping?sitemap=URL del Sitemap". Por poner un ejemplo para mandar a Google el ping de mi dominio llamaríamos a la siguiente URL.

Esta es la manera más desmandada si bien puede servirnos para pegarle un toque de atención al buscador y que venga a mirar algo. Bastante gente lo utiliza además para intentar forzar reastreos: frente a un update lanzamos pings de sitemaps que poseen las URLs con update procurando que la araña las visite. Aunque es cierto que subir sitemaps de URLs a efectuar updates semeja que algo si que afecta yo al menos no he tenido mucha diferencia en hacer ping o bien no a sus sitemaps la verdad.

Back to top

5) 4. Los sitemaps.xml solo afectan a archivos que están en su directorio o bien a mayor profundidad de este

Es decir "midominio.com/carpeta1/carpeta2/sitemaps.xml" no debe contener enlaces a archivos de "midominio.com/carpeta1" o bien "midominio.com/" solo a los de "midominio.com/carpeta1/carpeta2/..."

Asi que por poner un ejemplo crear la típica carpetita de /sitemaps/ y por poner un ejemplo alojar uno en "midominio.com/sitemaps/posts.xml" no es una gran idea en tanto que en teoría estos enlaces no se seguirían.

Lo mejor que podemos hacer es que es que todos nuestros sitemaps queden en la raiz de nuestro dominio (así garantizamos que no vamos a tener este género de limitaciones). También existe la posibilidad de tener las cosas bien organizadas, y por poner un ejemplo tener "/blog/sitemaps.xml" que solo tenga links a "/blog/..." mas es más fácil confundirse con estas URLs que forzando a que los archivos se queden en la raiz del dominio (sin usar carpetas).

Lo que acostumbramos a hacer nosotros para ordenarlos es (si verdaderamente tenemos esta necesidad) jugar con el nombre de los ficheros. Por servirnos de un ejemplo, imagina que tienes un sitemap destinado al weblog de la tienda de madrid del site. Como no terminamos de fiarnos de meterlo en la carpetita "dominio.com/madrid/blog/sitemap.xml" por el hecho de que ciertas URLs podrían no estar en esta estructura lo que si podemos es imitar algo parecido con en el nombre poniéndole por nombre por ejemplo: "/sitemap-dominio-com--madrid--blog.xml"

Back to top

6) 5. Google no solo admite sitemaps en XML, hay más formatos

Y es que el sitemap.xml es solo uno de los formatos aceptados (y el más completo y estándar, claro) pero hay otros que nos pueden ser muy muy útiles en otros casos. Puedes.

Podemos subir ficheros sitemap.txt, formados por un archivo muy simple que tan solo contenga todas las URLs del site una detrás de otra cada una en una línea distinta. Google los lee igual y nos podemos eludir complejidades técnicas si tenemos prisa o trabajamos con el típico proyecto con recursos técnicos limitados... (ejem). Como sitemap básico funcionará igual, mas este sistema lógicamente no es el más recomendado por la sencilla razón de que perdemos muchas de las funcionalidades que vamos a ver más adelante (dado precisamente a que solo indicamos URLs y nada más con ellos).

Otra opción incluso menos conocida es que podemos Subir un RSS o Feed del site. Estos son ficheros que se emplean para sindicar el contenido, o sea, a fin de que ciertas herramientas puedan ver las finalizas publicaciones de una plataforma y leerlas. Son ficheros XML que solo tienen contenido y no diseño. Si jamás has visto ninguno puedes ver el de cualqueir blog en wordpress añadiendo "/rss" al final de su URL. POr ejemplo,. Subir esta clase de archivos suele suponer una mejora en la velocidad de indexación nuevamente contenido. Son sitemaps bastante consultados que por norma general solo contienen diez o veinte elementos y por ende Google puede leerlso muy rápidamente.

Back to top

7) 6. Tenemos sitemaps de varios tipos no solo de URLs

Estamos acostumbrados a que los Sitemaps.xml se refieran a páginas HTML específicas mas en realidad pueden contener otros tipos de información. Google tiene especificados 4 géneros de sitemap entre aquéllos que resalta el estandar (URLs):

• Estandar:/index.html
• Video:/webmasters/answer/80471
• Imagen:/webmasters/answer/178636
• Noticias:/news/publisher/answer/74288

Por supuesto, cuando lo que deseamos es indexar contenido multimedia (algo que no siempre y en toda circunstancia os recomendaría) los sitemaps especializados en vídeos y también imágenes pueden ser realmente útiles. Los de noticias también son utiles aunque con la desparición de Google News (que vuelve a estar perceptible, todos lo hemos visto) puede parecer que carecen de sentido la verdad es que no se trabajan igual y deberían aprovecharse en sitios de noticias.

POr finalizo mentar que incluso podemos mezclar estas tipologías de sitemaps creando archivos que contengan sitemap de URLs, imágenes, videos, lo-que-desees al unísono... Yo no lo haría porque no ayuda a entender las cosas mejor mas existe esa posibilidad.

Back to top

8) 7. Muchos campos (que cuesta tiempo desarrollar) se ignoran muchas veces por Google (según ellos por no hacerlo bien)

Y aquí viene el enorme problema al trabajar con sitemaps... ¿ponemos todos y cada uno de los atributos o bien no?

Los sitemaps nos ofrecen tres campos a añadir a la URL:

• lastmod: fecha de finalizo cambio en la página
• changeFreq: Cada cuanto tiempo aprox cambia el contenido de esta página.
• Priority: de 0.1 a diez y solo en relación a las páginas del propio sitemap, cuan importantes son unas y otras.

Sobre su interpretación tenemos históricamente mensajes muy contradictorios por parte de Google mas que a la que los lees te das cuenta de que todos tienen un hilo común. No voy a contestarlos pues son bastantes, pero os los resumo: por un lado nos afirman que se ignora la fecha de modificacion y la frecuencia porque absolutamente nadie lo hacia bien, por otro que se ignora la prioridad por el hecho de que no aportaba la información esperada... mas siempre, en todos y cada comentario que nos hacen hay una coletilla: "en la mayoría de los casos".

Al final todo esto quiere decir que estas etiquetas bien gestionadas no se ignoran, mas que acostumbramos a gestionarlas mal y cuando eso sucede Google no les hace ni caso. Esto cuadra, prácticamente en todos los aspectos es así: si Google no lo ve claro ignora tus etiquetados. Así que partamos de que si que podemos usarlas, mas solo para utilizarlas bien, no para hacer el bárbaro.

Os comento algunos ejemplos de mala gestión que harían que google ignorase estas etiquetas...

Sobre lastmod

• lastmod cuando utilizamos generadores de sitemaps.xml nos lo ponen a la fecha de creación del sitemap, lo cual no tiene sentido y más aun cuando todas y cada una de las urls tienen la misma fecha
• lastmod tampoco tiene sentido cuando lo usamos para manipular al buscador. Google sabe cuando modificamos el contenido... si engañamos nos pilla
• Por ultimo En contenidos donde la Data aparece en el html o incluso la tenemos marcada con schema no podemos aguardar que si no son datas iguales nos haga caso

¿Que hacer con esta directriz?

Pensemos en su utilidad de cara al posicionamiento SEO. Realmente incorporarlo tan solo nos sirve para indicar a Google que se está perdiendo una actualización en uno de nuestros contenidos. Aguardamos con ello que al ver que su fecha de modificación es más reciente que la que el tiene en caché venga a ver el contenido antes. Por ese motivo yo os recomendaría lo siguiente:

• Ni lo marquéis en páginas o bien sitemaps que no podéis garantizar que su fecha implique si o si la remata revisión del contenido único de la página
• Marquémoslo solo en páginas de contenido (un last mod en un listado es muy difícil de trabajar seguramente)
• Usémoslo solo si realmente hacemos reediciones en el contenido y nuestra reindexación es tan lenta que tenemos que asistir a Google a percatarse de que lo hemos cambiado

Para todo lo demás creo que es preferible no usarlo a usarlo mal y que eso invalide toda la etiqueta al leer nuestos sitemaps.

ChangeFreq

Otra vez suele utilizarse muy mal esta etiqueta:

• Muchos sitemaps usan el daily para todo aguardando que así su contenido se revise más a menudo
• Otros escriben incluso mal el texto, tan solo se deja especificado por la documentación
• Y otros simplemente la lían mucho haciendo un etiquetado arbitrario que nada debe ver con la realidad del cambio del contenido

¿Cómo deberíamos emplearlo?

• Lo primero. Ni lo indiquemos si no estamos prestos a trabajarlo bien y de forma bien automatizada (esta etiqueta no nos ayuda en sitemaps.xml estáticos). Partamos de la idea de que si nos pilla mintiéndole en nuestro favor ignorará la etiqueta.
• Aún así, habitualmente esta indicación ni tan siquiera va a tener sentido. ¿Cada cuanto cambia un contenido? Lo adecuado sería señalar "never" mas, ¿queremos decirle a Google eso? ¿y si nos hiciera caso y nunca la revisitara? Pero lo cierto es que un contenido puede no cambiar nunca y todo cuanto no sea un "never" es mentir al buscador.
• En listados muy dinámicos un "dialy" en contraposición a los "never" o bien "yearly" de las fichas haciendo más que evidente que deseamos más indexación en estos listados dinámicos

En la práctica nosotros en IKAUE prácticamente jamás la indicamos porque son matices muy particulares y creemos poco en que las arañas vayan a cambiar su cola de indexación por esta indicación. Mas puesto a usarlo solo lo usaría en listados, para marcar diferencias entre los que añaden nuevos elementos constantemente (daily) y los que solo reciben nuevos elementos cada pocos días (weekly), aguardando así optimizar mejor nuestro crawl budget advirtiendo mejor nuevos items en la página web.

Priority

Como en las demás esta también suele usarse muy mal...

• Los generadores automáticos de sitemaps nos marcan todo el site a priority "1.0" lo que es como no decir nada
• Muchos SEOs la intentan aprovechar para posicionar contenidos TOP que luego no se respaldan en lo más mínimo por links, menús, autoridad ni por ninguna otra señal.
• Otros procuran hacer cambios en sus sitemaps para provocar la reindexación de contenidos. Por servirnos de un ejemplo, tengo mi sitemap todo a 0.5 y cuando quiero que se reindexe un contenido cambio la prioridad de este a diez esperando que esto provoque la visita de la araña. Esto no acostumbra a marchar (aunque si lo que hacemos es subir otro sitemap nuevo a veces si)

¿como usar la directriz de priority?

Cuando no tenemos inconvenientes de indexación el empleo más lógico que podemos hacer del sitemap es ayudarnos a reforzar la estructura de la página web marcando la relevancia de cada una de nuestras webs. En estos sites subir el típico fichero de sitemaps donde todo el sitemap tiene priority "1.0" ya sabemos que es estúpido. Lo que tenemos es que aprovechar este campo para fortalecer la estructura/arquitectura del site. La misma definición de menús, URLs, Breadcrumbs e inlinks, debería ser consecuente con los datos indicados en priority.

Lo que buscamos es que Google vea que nuestras prioridades si tienen sentido para que nos haga caso y asi ayudarle a matizar lo más importante. Así localizar que la home y secciones primordiales tienen prioridad diez y vamos bajando hasta localizar los productos estrella en prioridad 0.7 o 0.6 puede tener sentido. Haciéndolo así no se nos deja poner estos productos en máxima prioridad (mintiendo a Google) mas si por lo menos diferenciar los esenciales de los que no lo son (por poner un ejemplo marcando los importantes a 0.7 y los menos esenciales a 0.5).

Hay que partir de nuestra deficnición de arquitectura web y luego hacer pequeñas modificaciones sin cosas demasiado drásticas que inutilicen la directriz absolutamente para Google.

Back to top

9) 8. Un Sitemap nos deja sustituir otras etiquetas de indexación como hreflang o canonical (aunque no es igualmente potente)

Y aquí viene otra utilidad secundaria de los sitemaps. Todos sabemos que el proyecto web perfecto no existe... Todos tienen uno, dos o bien incluso muchos problemas. Hay cosas que simplemente resulta un problema etiquetar en ciertas web. Abordamos ya como solucionar inconvenientes de indexación desde cabeceras o indexación desde el robots pero veamos dos posibilidades que si que nos aportan los sitemaps para sustituir a etiquetas concretas.

Marcar los hreflang desde el sitemap

Los hreflang son una especie de implementación en sites con orientación a varias zonas geográficas o sencillamente idiomas. Su definición es en realidad sencilla: Desde cada página web debo señalar en su cabecera y mediante etiquetas <link rel="alternate" hreflang /> sus urls equivalentes en otro idioma.

Esto que parece muy simple en la práctica si tu página web por detrás no tiene estas equivalencias ya hechas (algo muy común en CMSs libres donde esta orientación multidioma no se había planeado desde un inicio) o bien si las maquetas son especialmente rígidas puede ser un averno para los programadores.

En estos casos debemos saber que contamos con otra posibilidad: señalar estas relaciones en los archivos sitemap en vez de (o bien además de) en la página web. Su empleo es igualmente simple: en todos y cada <url/< del sitempa señalamos además del nodo <loc> múltiples nodos <xhtml:link/> con las equivalencias de esa URL con otros idiomas. El problema sigue siendo el mismo: debemos identificar en cada URL sus posibles traducciones mas por lo menos disponemos de otro sitio (muchas veces más programado a medida del posicionamiento web en buscadores) donde hacer este trabajo.

Puedes ver, o bien sencillamente guiarte por el ejemplo que te copio a continuación:

Evitar canibalizaciones del contenido

Y este es un método que desde luego no es equivalente a una buena etiqueta canonical (de las que vamos a hablar en otro artículo) pero si que puede asistirnos en ciertos instantes en los que tenemos canibalizaciones de contenido (entiéndase canibalizado como contenido duplicado interno en el que uno posiciona por encima de otro haciendo a la segunda URL absolutamente inútil).

En estos casos lo que solemos hacer es decidir como de los dos contenidos deseamos que sea el que se posicione y añadir una etiqueta canónica (si no un 301 de forma directa) desde las URLs secundarias a la primordial. Mas sabemos que esto no es siembre fácil...

Sin embargo: ¿Sabías que ante duplicados internos Google escoge casi siempre la URL que esté en el sitemap.xml? Lo señalan mismos en su documentación, mentando que es un posible substituto de etiquetas canonicas. Para esto solo tenemos qu etner un sitemap bien hecho, en el que evitemos incluir ninguna etiqueta que tenga riesgo de ser canibalizada. Esto es, en estos casos en los que múltiples URLs tienen el mismo contenido o bien apuestan por la misma Keywrod nos es suficiente con solo incluir la URL primordial en el sitemap para que esta sea la que muestre Google en sus resultados. A menos que por links recibidos nuestra elección de URL principal no tenga ningún sentido (por ejemplo: le indicamos una URL sin enlaces internos dejando fuera a la URL que se enlaza desde todos los menús) Google nos hará caso.

No nos engañemos, esto no es como un canonical: No traspasa autoridad y ni siquiera tenemos garantías de que nos haga caso siempre y en toda circunstancia (bueno, con los canonicals tampoco) mas es una vía secundaria que tener en consideración cuando tenemos este género de limitaciones.

Back to top

10) 9. Los indices para sitemaps son lo mejor que puedes usar ¡Aprovechalos Siempre y en todo momento!

Dado que los Sitemaps.xml son finitos (tienen peso y URLs máximas) debieron concebir una forma por las que despiezarlos en distintos archivos. Para poder hacer eso existe un tipo del archivo sitemap de índice. Son archivos en los que podemos apuntar otros ficheros sitemap. Los beneficios son claras: subimos un único archivo y desde este controlamos todos y cada uno de los que ofrecemos realmente a Google automatizando su fragmentación.

Y es que al final procurar centralizar todo el sitemap en un único archivo tiene muchos riesgos:

• Corremos el riesgo de pasarnos del tamaño máximo.
• Nos cuesta mucho encontrar en el todas y cada una de las URls
• Nos cuesta auditar sus prioridades.

Lo mejor es que para cada término, sección, lo-que-sea de la web creemos un sitemap distinto y usemos estos índices para organizarlo todo.

Crear un índice es fácil y, solo debemos indicar una rama "sitemapindex" donde podemos incluir elementos "sitemap" que tienen su localización y de forma opcional su última modificación con "lastmod" (al que aplicaríamos los mismos comentarios que al lastmod de las URLs).

Back to top

11) 10. Esta es muy importante: Los sitemaps son la única forma de comprobar el porcentaje de indexación de nuestras URLS.

Uno de los mejores indicadores que nos dan los sitemaps cuando los subimos vía Google Search Console es el estado de indexación de la lista de URLS que les pasamos en ellos. Esto lo hace para cada sitemap: lo subimos y al poco tiempo ya nos dice para cada uno cuantas URLs contenía y de ellas cuantas ha indizado. Solo tendremos que dividir una cantidad sobre la otra para saber el porcentaje de indexación de tal sitemap.

Pensando un tanto sobre esto no es difícil llegar a la conclusión de que no queremos subir sitemaps enormes a nuestro site: lo suyo es que subamos siempre un índice que apunte a una colección más o menos grande de sitemaps.xml parciales del site. ¿Cuantos? depende de cuanta información quieras realmente recoger.

Por cada sitemap.xml fragmentado que creemos, vamos a tener un nuevo conjunto de URLs del que conocer el estado de su indexación. Así que a mayor cantidad de información que deseemos saber sobre la indexación del site más deberíamos fragmentar los sitemaps para conocerla. Esta es una técnica medianamente famosa mas que incluso sabiendola se usa poco y se aplica sin meditar demasiado en ella:

Os pongo 2 ejemplos a fin de que queden claro.

Imaginad que tenemos un weblog del que subiremos los sitemaps.xml fragmentados en diferentes piezas para conocer el estado de indexación de cada tipo de página. Una fragmentación básica nos haría crear los siguientes sitemaps:
- Home.xml
- categorías.xml
- tags.xml
- Posts.xml

Con esto vamos a poder saber que porcentaje de cada tipo de página tenemos indizado. Probablemente si el blog tiene bastante tiempo y poco seo técnico nos encontraremos con que cada tipología de contenido tiene gran cantidad de URLs sin indexar.

Y esto esta bien saberlo pero si solo vemos esta clase de cosas no podremos activarlo, no sabemos que hacer para prosperar estas situación y no tenemos nada que hacer con esta información. Este acostumbra a ser el inconveniente.

Ahora pensemos en aplicar a nuestra fragmentación del sitemap una lógica SEO. Pensamos en todos y cada tipología de página, como puede ser su problemática de indexación. Por ejemplo, elegimos los posts, donde estamos viendo el mayor porcentaje de contenido no indizado, los examinamos y vemos que probablemente se trata de un problema de anigüedad: a mayor antigüedad del post más creemos que se habrá desindexado... Así que hacemos nuestra fragmentación del sitemap buscando obtener información justo por este criterio y en lugar de subir un único sitemap de artículo subimos la siguiente colección:

- posts-novedad.xml -->Indexación 90 por cien
- artículo-último-mes.xml -->Indexación cien por ciento
- posts-dos-meses.xml -->Indexación noventa y ocho por ciento
- artículo-3-6meses.xml -->Indexación 89 por ciento
- posts-siete-doce-meses.xml -->Indexación 50 por ciento
- blog post-1-dos-anos.xml -->Indexación cincuenta y cinco por ciento
- posts-2-3-anos.xml -->Indexación cincuenta y siete por cien
Etc...

La cantidad de indexación de cada uno de ellos de estos sitemaps si que es un dato accionable. Puedo hallarme con que desde los 6 meses comienzan a perder la indexación y descubrir que tengo problemas de rastreo profundos. O bien que los posts de hace más de 5 años prosiguen indexados mas los presentes no se indexan tan bien (probando un problema de autoridad y de calidad del contenido)...

Se pueden hacer muchas estrategias de este género. Aun jugar a cambiar el patrón por el que dividimos estos sitemaps. Piensa por servirnos de un ejemplo en pasar screaming frog, sacar las URLs por distancia de rastreo desde la home y subir un sitemap temporal según distancia de rastreo para poder ver a partir de cuantos saltos comienza a padecer la indexación. Sacamos el dato, lo activamos y luego volvemos a utilizar los sitemaps de siempre...

Otra opción es simplemente hacer seguimiento, apuntar estos datos cada seemana y así observar como mejora o empeora la indexación por zonas de la página web.

Back to top

12) 11. Puedes alojar los sitemaps fuera de tu dominio

Alguno habrá arqueado la ceja al leer este título... Y es que esto es extraño mas tiene grandisimas ventajas especialmente si llevas el posicionamiento en buscadores desde fuera de la página web (como autónomo, agencia, consultoría, etc... Jamás os recomendaría alojar el sitemap general de vuestro site en otro dominio distinto al del propio site pero para determinadas acciones y pruebas viene realmente bien tener la posibilidad de poder ir haciendo subidas sin incordiar a los desarrolladores de la página web. Pensad solo en muchas de las posibilidades que hemos comentado en este post y veréis que tener un espacio donde no depender de IT para subir determinados sitemaps bajo tu control te va a permitir efectuar más acciones (o bien por lo menos de forma más rápida) de este tipo.

La idea es sencilla: a una parte de los propios sitemaps de la web deseo tener la posibilidad de subirle sitemaps que no se alojen en ese dominio. ¿Dpnde se alojarán? Puesto que en un dominio mio, uno en el que no dependo de IT y puedo acelerar ciertas acciones mientras que IT responde a las guías y funcionales que les hemos pasado.

Para esto hay múltiples opciones:

A. Emplear los sitemaps para sites multiples

Esto estáy basicamente nos deja subir el sitemap de un dominio de la forma normal, solo que indicándole en el sitemap URLs de otros dominios.

Para esto básicamente tenemos que hacer que el usuario que suba el sitemap.xml sea ADMINdel Google Search Console de los dos dominios. Así que realmente nada impide que creemos un dominio estúpido (sitemaps-seo.midominio.com) lo demos de alta en GSC y en el subamos nuestros sitemaps.xml para nuestros clientes, siempre y cuando nos hayan dado privilegios sobre sus GSCs.

B. Señalar el sitemap.xml en el robots.txt ya directamente apuntando a otro dominio

Este es otro recurso documentado aun en la propia documenación documentación de los sitemaps.org. Ahi nos afirman que podemos incluir en la indicación "sitemap: " del fichero robots un sitemap sin que importe que se encuentre o bien no en el dominio indicado.

Es decir que si en midominio.com dispongo de un robots.txt que termina con las próximas lineas:

Leerá ambos. Si sumamos esto a que estos sitemaps pueden ser indices que controlan donde leer cada fichero ya tenemos un mecanismo similar al de Google Search Console.

Que todo esto tiene sus peligros, lógicamente, pero bien hecho es una puerta nueva que no hay que desperdiciar solo por el hecho de que nos de temor emplearla.

Back to top

13) 12. Puedes emplear Sitemaps para alentar a las arañas a que visiten URLs que deseas que se miren (aunque no por ello que se indexen)

Por último y con una utilidad muy práctica si lo ligamos al punto anterior (de subir sitemaps por tu cuenta) tenemos una vieja técnica que se basa en subir sitemaps.xml para forzar su rastreo. Es sabido que al ir haciendo actualizaciones de los sitemaps las URLs que ahí se poseen terminan tarde o temprando siendo visitadas, mas esto es por norma general aún más rápido (aunque tampoco será inmediato) si lo que hacemos es subir sitemaps nuevos.

Así que tenemos una herramienta (la subida de nuevos sitemaps) que nos permite crearle a Google listas de URLs pendientes de rastrear y que nos puede venir muy bien sobretodo en ocasiones en las que por no ofrecer ya enlaces a estas páginas o bien por tener un rastreo lento no nos terminamos de fiar del trabajo de las arañas.

Os listo algunos de estos casos:

• En una migración dejar el sitemap viejo o aun, mejor aun, subir un nuevo el sitemap de URLs con 301 ayuda a que estas se lean ya antes y asegura que todas y cada una acaben siendo leidas
• Lo mismo para 301. Después de arreglos masivos de errores 404 que han sido sustituidos por trescientos uno una subida de sitemap con estas URLs ayuda a que las arañas las recojan y asimilen./li>
• Ante una actualización de desindexación con meta-robots subir el sitemap también puede asistir a agilizar su lectura
• Subir un sitemap de URLs AMP en teoría no es estándar y no "es necesario" pero en determinados casos donde la indexación de páginas AMP se bloquea nos ha resultado de gran ayuda.
• No es bueno crear errores en nuestros sitemaps pero para validar el bloqueo de URLs en grandes listados también podemos subir un sitemap con todas las URLs que deberían estar bloqueadas en el site y ver que ciertamente el validador nos da fallos al tener estas bloqueadas.

Y bueno, en suma, nos ayuda a comprobar o procurar agilizar la indexación tras nuestras actualizaciones en la web. Toda vez que deseemos que las arañas pesen por sitios atípicos por los que en general tardarían en pasar una subida puede ponerlas en marcha, jamás será algo excesivamente rápido pero ayudará a que no se eternice.

Como decía, si unimos este punto además al anterior, por el que podemos subirle a un cliente sitemaps.xml en nuestro dominio, tenemos un sistema de control de la indexación que no afecta al desarrollo de la web y que nos aportará en ciertos instantes el extra que precisamos.

Back to top

14) Conclusión

Los sitemaps son unos ficheros muy poco mimados por gran cantidad de SEOs. Como son fáciles de acotar y no lanzan grandes dificultades más allá de lograr el propio listado de URLs para muchos el trabajo queda ahí. Aun como decíamos al comienzo es una zona que mucha gente termina cuidando tan poco que hacen más mal que bien...

Sin embargo son una herramienta que trabajadas al detalle pueden ser un enorme aliado tanto para mejorar nuestra indexación, para hacer un análisis de la indexación o para suplir distintas carencias técnicas del SEO de nuestro site.

El problema con estos archivos prosigue siendo siempre y en todo momento el mismo: la base hay que programarla para que tenga sentido. Los desarrollos a medida no suelen haberlos tenido en cuenta y muchos Content Management System que los desarrollan mediante complementos al hacerlo de forma generica no terminan de ser lo que necesitamos. Solo tras una planificación y definición estratégica adecuadas comenzamos a hacer autenticas virguerías con estos archivos. Hay muchos tipos de posicionamiento en buscadores y muchos estadios de evolución en una estrategia posicionamiento SEO, no creo que esto sea de lo primero a atacar (por complejo) pero si tengo clara una cosa: al hacer un sitemap debemos tomarnos nuestro tiempo y hacerlo bien. SI no vas a mimarlos, mejor no los emplees.

¿Te gustó este post? Puedes proseguir sus comentarios a través de, o bien realizardesde tu blog.

Back to top