Sitemap XML: todo sobre su función y cómo crearlo

Aquellos que se preocupan es­pe­cia­l­me­n­te por la in­de­xa­ción de su página web en los re­su­l­ta­dos de los motores de búsqueda saben que existen numerosos factores que influyen en la lucha por los primeros puestos. Por ejemplo, la lista de elementos que afectan a la cla­si­fi­ca­ción en Google incluye más de 200 criterios, algunos de los cuales ha co­n­fi­r­ma­do el propio Matt Cutts, antiguo director del de­pa­r­ta­me­n­to contra spam de Google. Sin embargo, hay muchos otros que solo son hipótesis. No es ca­sua­li­dad que la op­ti­mi­za­ción para los motores de búsqueda sea un desafío de cada webmaster que quiere que su sitio web sea visible y accesible a largo plazo. Mientras que algunos factores como las palabras clave re­le­va­n­tes, el contenido de calidad o el diseño re­s­po­n­si­vo están en boca de todos, el valor de un buen sitemap XML a menudo se subestima.

Un sitemap XML (sitemap.xml) es un archivo de texto en formato XML (Ex­te­n­si­ble Markup Language) que contiene una lista de todas las su­b­pá­gi­nas de una página web en forma de enlace. Como tal, se puede subir a la Search Console de Google o a las he­rra­mie­n­tas para We­b­ma­s­te­rs de Bing para informar a los ra­s­trea­do­res de los motores de búsqueda de todas las páginas di­s­po­ni­bles y re­le­va­n­tes y acelerar y optimizar así el proceso de in­de­xa­ción. Los sitemaps XML deben cumplir los re­qui­si­tos del protocolo Sitemaps, que fue adoptado como estándar por Google, Yahoo y Microsoft en 2006 con el objetivo de mejorar la calidad de los re­su­l­ta­dos de búsqueda a largo plazo. Por tanto, el estándar re­co­mie­n­da tanto la co­di­fi­ca­ción en UTF-8 y el me­n­cio­na­do lenguaje de marcado XML como el uso de códigos de entidad para ciertos ca­ra­c­te­res ("&gt" en lugar de ">").

Aunque no hay garantía de que la in­de­xa­ción, en Google y en otros bu­s­ca­do­res, mejore siempre que se sube un sitemap XML, los di­re­c­to­rios de enlaces es­tru­c­tu­ra­dos aumentan las po­si­bi­li­da­des en cualquier caso. Un índice con todos los co­n­te­ni­dos fá­ci­l­me­n­te ac­ce­si­bles a las arañas puede ser rentable, es­pe­cia­l­me­n­te para páginas con contenido dinámico que están sujetas a cambios co­n­s­ta­n­tes. Lo mismo se aplica a proyectos web más grandes que tienen un gran número de su­b­pá­gi­nas pero ninguna es­tru­c­tu­ra de backlinks extensa (todavía). Estas páginas tienden a recibir menos visitas por parte de las arañas de los bu­s­ca­do­res, por lo que un archivo sitemap.xml puede ayudarte a que los robots rastreen estas páginas de forma más eficaz.

Otra ventaja: los sitemaps XML no solo pueden recoger los URL de las su­b­pá­gi­nas, sino también archivos mu­l­ti­me­dia como vídeos o imágenes. Para estos, hay incluso etiquetas adi­cio­na­les que indican a los robots qué tipo de contenido es (<image>, <video>). Además, se pueden utilizar atributos que describan el contenido con más detalle o que es­pe­ci­fi­quen su duración para que los motores de búsqueda puedan re­gi­s­trar­lo mejor. También existe una versión especial de sitemap XML para portales de noticias que promete una in­di­za­ción op­ti­mi­za­da de los artículos gracias a atributos es­pe­cí­fi­cos como género, fecha de pu­bli­ca­ción o título.

Al igual que con cualquier documento en lenguaje de marcas ex­te­n­si­ble, el formato de un mapa del sitio funciona con etiquetas XML. Según el estándar actual "Sitemaps 0.9", hay tres etiquetas obli­ga­to­rias para poder hablar de un sitemap XML:

Aparte de estos atributos XML obli­ga­to­rios, hay etiquetas adi­cio­na­les como <priority>, <lastmod> y <cha­n­ge­freq> para es­pe­ci­fi­car las entradas de URL in­di­vi­dua­les. Sin embargo, el grado de co­m­pa­ti­bi­li­dad de estas etiquetas op­cio­na­les depende del motor de búsqueda co­rre­s­po­n­die­n­te. Por ejemplo, el ra­s­trea­dor de Google utiliza pri­n­ci­pa­l­me­n­te marcas <lastmod> para la in­de­xa­ción, mientras que ignora en gran medida los otros dos atributos o solo les permite fluir mí­ni­ma­me­n­te en el proceso de rastreo.

sitemap.xml: etiquetas op­cio­na­les

Dado que un archivo sitemap XML puede contener un máximo de 50 000 URL y no puede superar los 50 MB, los URL de páginas web más grandes también pueden re­pa­r­ti­r­se en varios do­cu­me­n­tos. Sin embargo, en este caso, cada uno de los do­cu­me­n­tos del mapa de sitio debe figurar en un archivo de índice adicional cuya es­tru­c­tu­ra no difiere en principio de la de los archivos del mapa de sitio: las etiquetas <si­te­ma­pi­n­dex> y <sitemap> deben uti­li­zar­se en lugar de <urlset> y <url>.

La forma más fácil de entender la es­tru­c­tu­ra de un sitemap XML es utilizar un ejemplo concreto:

En este caso, nuestro sitemap XML de ejemplo incluye el URL principal one-test.website y los URL de dos su­b­pá­gi­nas (página 1 y página 2). Los ra­s­trea­do­res de los motores de búsqueda pueden ver en el documento que el webmaster ha dado la máxima prioridad a la página principal y que los cambios se realizan apro­xi­ma­da­me­n­te una vez al mes. El último ajuste se realizó el 1 de enero de 2018. La página 1 tiene el valor de prioridad pre­de­te­r­mi­na­do (0,5) pero, a di­fe­re­n­cia de la página principal, se estima que se ajustará se­ma­na­l­me­n­te (se prevé que la última mo­di­fi­ca­ción tenga lugar el 5 de marzo de 2018). Si el robot trabaja con el atributo de prioridad del sitemap, sabe que debe prestar una menor atención a la página 2 durante la in­de­xa­ción (<prioridad> con valor 0.3). La parte inferior también se modifica se­ma­na­l­me­n­te (última mo­di­fi­ca­ción, el 8 de marzo de 2018).

Dada la enorme cantidad de trabajo que implica la creación manual de un mapa del sitio, la elección de plugins o de he­rra­mie­n­tas en línea es una buena opción siempre que se utilicen co­rre­c­ta­me­n­te. Los sitemaps XML pueden generarse sin co­n­fi­gu­ra­cio­nes es­pe­cí­fi­cas, pero es mejor que realices ajustes in­di­vi­dua­les para que el documento cumpla con las co­n­di­cio­nes que te interesan. A modo de ejemplo, te pre­se­n­ta­mos las po­si­bi­li­da­des que ofrece el generador en línea de XML-Sitemaps.com y el plugin de WordPress Google XML Sitemaps para la creación e in­te­gra­ción de estos do­cu­me­n­tos.

Utiliza el botón “Descargar” para bajar el archivo generado y cargarlo en el di­re­c­to­rio raíz de tu página web. Para informar al ra­s­trea­dor de Google sobre la exi­s­te­n­cia del archivo, envíalo a la Search Console de Google (requiere una cuenta de Google y la entrada del sitio web como propiedad). También puedes es­pe­ci­fi­car la ruta en la que se puede encontrar el sitemap en cualquier parte del archivo robots.txt: