Un sitemap es un archivo en formato XML que enumera las URL de un sitio web. Los motores de búsqueda lo leen para descubrir y rastrear las páginas disponibles. Acceder al sitemap de un sitio de terceros permite comprender su estructura, identificar sus contenidos recientes o encontrar páginas que la navegación habitual no destaca.
Leer un sitemap XML: qué información aporta cada etiqueta
Antes de buscar el sitemap de un sitio, conviene saber qué información contiene. Un archivo sitemap XML incluye principalmente etiquetas <loc>, cada una de las cuales contiene una URL. Es la lista sin procesar de las páginas que el propietario del sitio quiere mostrar a los motores de búsqueda.
Hay otras dos etiquetas que merecen atención. La etiqueta <lastmod> indica la fecha de la última modificación de una página. Sin embargo, Google señala que esta fecha solo es fiable si corresponde a un cambio real en el contenido. Actualizarla de forma artificial no constituye una señal útil.
La etiqueta <priority> asigna un valor entre 0 y 1 a cada URL. Google no tiene en cuenta este valor para posicionar las páginas. Solo refleja la jerarquía que el propietario del sitio atribuye a sus propias páginas, lo que puede dar una pista sobre los contenidos que considera principales.
Algunos sitios utilizan un índice de sitemaps en lugar de un único archivo. Este archivo principal enlaza con varios sitemaps secundarios organizados por tipo de contenido (artículos, productos, categorías, imágenes). Por ejemplo, al explorar el sitemap de Vos Jeux, encontramos este tipo de estructura segmentada, que facilita la consulta por secciones.
Métodos para encontrar el sitemap de un sitio web
La ubicación del archivo varía según la configuración técnica del sitio. Hay varios métodos para encontrarlo, desde el más fiable hasta el más exploratorio.
El archivo robots.txt como punto de partida
El archivo robots.txt siempre se encuentra en la raíz de un dominio y se puede consultar en una dirección del tipo dominio.com/robots.txt. A menudo contiene una o varias líneas que empiezan por “Sitemap:”, seguidas de la URL completa del archivo. Es el método más rápido y directo.
Probar las rutas habituales según el CMS
Si el archivo robots.txt no menciona ningún sitemap, se pueden probar las URL más habituales:
- /sitemap.xml funciona en la mayoría de los sitios, independientemente del CMS utilizado
- /sitemap_index.xml es habitual en sitios WordPress con plugins SEO como Yoast o Rank Math
- /1_index_sitemap.xml es una ruta frecuente en las tiendas Prestashop
- Los sitios Shopify suelen alojar el archivo en /sitemap.xml, que enlaza con sitemaps secundarios por tipo de contenido (productos, colecciones, artículos del blog)
Si ninguna de estas URL devuelve resultados, es posible que el sitio no genere un sitemap público o que el archivo tenga un nombre personalizado.
Usar Search Console o Bing Webmaster Tools
Si eres propietario de un sitio o tienes acceso de administrador, Google Search Console muestra los sitemaps enviados en la sección correspondiente. Bing Webmaster Tools ofrece un informe similar. Comparar ambas herramientas ayuda a detectar un archivo que un motor procesa correctamente, pero que presenta problemas para el otro.
Que un sitemap se procese no significa que sus páginas estén indexadas
Un error frecuente es confundir el envío de un sitemap con la indexación de sus páginas. Que un sitemap se procese correctamente no garantiza que sus URL aparezcan en los resultados de búsqueda.
Google recomienda comparar el informe de Sitemaps con el informe de indexación de páginas de Search Console. Inspeccionar las URL una por una permite confirmar si una URL incluida en el sitemap se ha rastreado, indexado o, por el contrario, ignorado.
Esta distinción es importante al explorar el sitemap de un sitio de terceros para evaluar su cobertura real. El archivo XML muestra lo que el propietario quiere hacer visible, no lo que Google ha decidido mostrar.
Usar un sitemap para identificar páginas útiles
Una vez abierto el archivo, la dificultad ya no está en encontrarlo, sino en localizar las páginas relevantes entre cientos o incluso miles de URL. Algunas técnicas agilizan la selección.
Filtrar por directorio en la URL permite centrarse en un tipo de contenido. Las URL que contienen /blog/ llevan a artículos; las que incluyen /produit/ o /product/, a un catálogo; y las que contienen /category/, a páginas de clasificación. Esta lectura estructural ofrece una visión general de la arquitectura del sitio sin tener que navegar página por página.
Las fechas <lastmod> permiten ordenar los contenidos por antigüedad, siempre que sean fiables. Si un sitio actualiza esta fecha con cada cambio menor (modificar la barra lateral, añadir una etiqueta), la clasificación pierde utilidad. En cambio, un sitio riguroso permite identificar las publicaciones recientes en cuestión de segundos.
Cuando el sitemap no es suficiente
El sitemap no siempre incluye todas las páginas de un sitio. Las URL huérfanas, las páginas generadas dinámicamente o los contenidos excluidos deliberadamente del archivo XML no aparecen en él. Para realizar una auditoría completa, un rastreador SEO (Screaming Frog, Sitebulb) recorre el sitio enlace por enlace y detecta las páginas que faltan en el sitemap.
- El rastreador identifica las páginas accesibles mediante la navegación interna que no aparecen en el sitemap
- Detecta las URL con errores (404, cadenas de redirecciones) que el sitemap sigue incluyendo
- Permite comparar la estructura real del sitio con la estructura declarada en el archivo XML
El sitemap es una herramienta para descubrir páginas rápidamente, no un inventario exhaustivo. Combinar el archivo XML con un rastreo técnico ofrece una visión completa de la arquitectura de un sitio. Para una consulta puntual, basta con el sitemap. Para una auditoría en profundidad, es un punto de partida, no de llegada.
