Un mapa del sitio, o sitemap, es un archivo que enumera las URL accesibles de un sitio web. Existen dos formatos principales: el sitemap XML, destinado a los motores de búsqueda, y el mapa del sitio HTML, diseñado para facilitar la navegación de los usuarios. Comprender la estructura de este archivo permite localizar información concreta en cuestión de segundos, así como detectar qué falta o qué ha dejado de funcionar en un sitio.
Sitemap XML y mapa del sitio HTML: dos archivos con usos distintos
El sitemap XML es un archivo técnico que pueden leer los robots de rastreo de Google o Bing. Contiene una lista de URL acompañadas de metadatos, como la fecha de la última modificación. Este archivo no está dirigido directamente a los visitantes: al abrirlo, se muestran líneas de código.
El mapa del sitio HTML, en cambio, es una página web convencional. Presenta las secciones y subsecciones de un sitio en forma de enlaces en los que se puede hacer clic, organizados por temas. Para quienes buscan información concreta, el mapa HTML ofrece un acceso rápido a las distintas secciones sin tener que recurrir al buscador interno.
Cuando un sitio deportivo reúne cientos de páginas (fichas de productos, guías, categorías), el mapa completo del sitio permite visualizar toda la estructura y acceder directamente a la sección deseada.
Detectar páginas que faltan o están obsoletas gracias al sitemap
La mayoría de los artículos sobre sitemaps se limitan a explicar cómo encontrarlos o enviarlos a los motores de búsqueda. Para quien gestiona un sitio, el uso más práctico consiste en comparar el contenido del sitemap con las páginas realmente accesibles.
Si una URL incluida en el sitemap devuelve un error 404, es señal de que la página se ha eliminado o trasladado sin configurar una redirección. Por su parte, una página que no aparece en el sitemap corre el riesgo de no ser rastreada nunca por los robots de indexación.
Comprobar la coherencia entre el sitemap y el sitio real
Al abrir el archivo sitemap XML (normalmente disponible en /sitemap.xml), se obtiene la lista completa de las URL declaradas. Al cruzar esta lista con los datos de una herramienta de rastreo, se pueden identificar tres situaciones problemáticas:
- URL incluidas en el sitemap pero inaccesibles (páginas con errores, redirecciones rotas, contenido retirado sin actualizar el archivo)
- Páginas publicadas en el sitio pero ausentes del sitemap y, por tanto, potencialmente invisibles para los motores de búsqueda
- URL con una etiqueta lastmod obsoleta, cuya fecha de modificación no corresponde a ningún cambio real en el contenido
Este último punto merece atención. Google puede utilizar el valor lastmod para priorizar el rastreo de las páginas modificadas recientemente. Cambiar esta fecha sin que haya habido una modificación real del contenido acaba restando fiabilidad a esta señal a ojos del motor de búsqueda.
Metadatos que conviene ignorar en un sitemap XML
Las etiquetas priority y changefreq siguen apareciendo en muchos archivos sitemap. Google no las tiene en cuenta. Su presencia no afecta a la frecuencia de rastreo ni al posicionamiento de las páginas. Para procesar el archivo, solo cuentan las URL y las fechas de modificación reales.
Cómo localizar el sitemap de un sitio web
Antes de poder utilizar un mapa del sitio, hay que encontrarlo. Las rutas varían según el CMS y la configuración del sitio.
- El archivo robots.txt (disponible en /robots.txt) suele incluir una línea “Sitemap:” que indica la URL exacta del archivo XML
- Los CMS más habituales (WordPress, Shopify, Wix) generan automáticamente un sitemap en ubicaciones estándar, como /sitemap_index.xml o /sitemap.xml
- Google Search Console muestra los sitemaps enviados por el propietario del sitio, junto con el número de URL detectadas y su estado de indexación
- Como último recurso, una búsqueda en Google con el operador site:domaine.com filetype:xml puede mostrar el archivo
Limitaciones del sitemap: lo que el archivo no garantiza
Enviar un sitemap a Google no garantiza que se rastreen ni se indexen las URL que contiene. Que el envío se procese correctamente significa que se ha leído el archivo, no que el robot de rastreo vaya a visitar todas las páginas.
Un archivo sintácticamente válido puede incluir páginas bloqueadas por robots.txt, URL redirigidas o páginas duplicadas con una etiqueta canónica que apunta a otra dirección. La validación técnica del sitemap no sustituye la comprobación, página por página, del estado real de las URL.
En los sitios grandes, Google establece un límite de 50 000 URL o 50 MB sin comprimir por archivo sitemap. Si se supera, hay que dividir el archivo en varios sitemaps agrupados en un índice de sitemaps. Un archivo demasiado pesado o mal dividido puede ignorarse parcialmente.
El mapa del sitio, ya sea XML o HTML, sigue siendo una herramienta de navegación y diagnóstico. Si se utiliza como una instantánea de la estructura de un sitio, permite ver tanto las páginas existentes como las que deberían existir. La próxima vez que no encuentres una página en un sitio, comprobar el sitemap antes de iniciar una búsqueda suele ahorrar tiempo o confirmar que el contenido simplemente ha desaparecido.
