Qué es el Sitemap XML y cómo crearlo

Un sitemap XML es un archivo de texto en formato XML (eXtensible Markup Language) que lista las URLs que quieres que los buscadores conozcan. Cada dirección va dentro de una etiqueta <loc>, y la lista entera vive dentro de un elemento <urlset>.

Además de la dirección, cada entrada puede traer información opcional que da contexto al buscador:

• <loc>: la URL de la página, el único campo obligatorio.
• <lastmod>: la fecha de la última modificación, útil para señalar contenido actualizado.
• <changefreq> y <priority>: pistas de frecuencia de cambio e importancia relativa, hoy poco consideradas por Google.

En la práctica, el sitemap es un mapa del sitio entregado en bandeja: en lugar de esperar a que el buscador lo encuentre todo solo mediante los enlaces, le das la lista de las direcciones que importan.

El papel del sitemap es ayudar en el descubrimiento. Facilita el trabajo del crawler, el robot que recorre la web siguiendo enlaces, al entregar de una vez la relación de páginas que consideras relevantes.

Esto es especialmente valioso en algunos escenarios:

• Sitios grandes: con miles de URLs, es fácil que alguna página quede mal conectada y pase desapercibida.
• Sitios nuevos: todavía con pocos backlinks, dependen más del sitemap para ser encontrados.
• Páginas aisladas: las direcciones con pocos enlaces internos apuntando a ellas ganan una vía directa de descubrimiento.

Un aviso importante: el sitemap ayuda en el descubrimiento, pero no garantiza la indexación. Google decide por su cuenta qué indexar, evaluando calidad y relevancia. Listar una URL en el sitemap es una invitación, no una orden.

No necesitas escribir el archivo a mano. Hay tres caminos principales, del más simple al más manual:

• CMS y plugins: la mayoría de las plataformas generan el sitemap solas. En WordPress, los plugins de SEO crean y actualizan el archivo de forma automática con cada nuevo contenido.
• Generadores online: herramientas que rastrean el sitio y devuelven un archivo listo, buenas para sitios estáticos o pequeños.
• Generación manual o programática: en proyectos a medida, el propio sistema monta el XML a partir de la base de datos, manteniéndolo siempre al día.

Sea cual sea el método, la regla de oro es la misma: el sitemap debe listar solo URLs que realmente quieres en los resultados, cada una en su versión canónica, sin duplicados ni redirecciones.

El formato tiene reglas claras. Según la documentación de Google Search Central, un único archivo de sitemap está limitado a 50 MB (sin comprimir) o 50.000 URLs. Quien supera esos números necesita dividir la lista en varios archivos.

Para sitios grandes, la solución es el sitemap index, un archivo que apunta a otros sitemaps, como un índice de índices. Así mantienes cada archivo dentro del límite y envías solo el índice a Google.

Otras buenas prácticas que evitan desperdiciar rastreo:

• Incluye solo páginas indexables, que devuelven un estado 200.
• Usa siempre la URL canónica, nunca versiones duplicadas del mismo contenido.
• Mantén el <lastmod> honesto, actualizando la fecha solo cuando el contenido cambia de verdad.
• Codifica el archivo en UTF-8 y usa URLs absolutas.

Después de publicar el archivo, es hora de avisar al buscador. Hay dos formas complementarias:

• Google Search Console: en el informe de Sitemaps de Google Search Console, basta con indicar la ruta del archivo (por ejemplo, sitemap.xml) y enviarlo. Ahí también sigues los errores y el número de URLs descubiertas.
• El archivo robots.txt: incluir la línea que apunta al sitemap en robots.txt ayuda a otros buscadores a encontrarlo de forma automática.

Enviarlo por Search Console es el paso más valioso, porque abre un canal de diagnóstico: si alguna URL del sitemap tiene un problema, el informe lo muestra, y puedes confirmarlo caso por caso con la inspección de URL.

Un sitemap descuidado estorba en lugar de ayudar. Los descuidos más frecuentes son:

• Listar URLs con noindex: pedir al buscador que descubra páginas que tú mismo pides no indexar genera señales contradictorias.
• Incluir redirecciones y errores: las URLs que devuelven 301, 404 o 410 en el sitemap desperdician rastreo y ensucian los informes.
• Bloquear el sitemap en robots.txt: si el rastreador no puede leer el archivo, no sirve para nada.
• Dejar el archivo desactualizado: un sitemap que no refleja el sitio actual pierde su utilidad y puede confundir al buscador.

La corrección pasa por mantener el archivo limpio y sincronizado con el sitio. Un buen sitemap lista solo lo que debe posicionar, siempre en la versión canónica y con un estado saludable.