Un sitemap XML que los buscadores siguen

Un sitemap dice: aquí van las URLs que cuentan. Si la mitad es 301 o 404, el crawler aprende que puede ignorar tu lista. He visto índices de 80.000 líneas de las que un tercio era basura de parámetros. Nadie las sigue con fe. Un plugin que volcaba «todo», incluidas las páginas de gracias.

Solo URLs canónicas, estado 200, el mismo host que en live. lastmod solo si de verdad lo actualizas, si no mientes cada día. Por encima de 50.000, parte. Sin resultados de búsqueda, sin carrito, sin paginación vieja. Y ninguna URL en Disallow en robots.txt. Eso es pelearte contigo mismo.

La URL en robots.txt y en Search Console. Solo una de las dos es cómo se pierde. Dos sitemaps que se solapan un poco, vale. Dos que se contradicen, no. Index now, index later: elige uno.

Una URL de sitemap que da 404 no es un «aviso». Es un error duro. Tras un release de contenido, comprueba enseguida que los trozos nuevos estén dentro y los viejos fuera. Un sitemap no necesita más drama. Pequeño, limpio, mismo host. Ese es todo el truco.

Rastreo la URL del sitemap en sí, no solo las páginas de dentro. Si ese XML hace 301 a otro host, o le falta gzip y pesa 8 MB, nadie lo sigue con fe. Un índice de unos cientos de URLs limpias gana a tres índices llenos de filtros. Aburrido. También la única versión que sigue funcionando.