Sitemap con errores: URLs 404, redirecciones y noindex

Respuesta corta: un sitemap solo debe contener URLs canónicas que respondan 200 y se puedan indexar. Si incluye páginas que dan 404, que redirigen o que llevan noindex, tienes un sitemap con errores: Google lo considera menos fiable y tarda más en descubrir lo que sí importa. Revisa el informe de Sitemaps de Search Console, pasa las URLs del sitemap por un rastreador y corrige la configuración del plugin que lo genera.

Esta guía es parte de Mi web no aparece en Google: las causas técnicas.

Qué es un sitemap y por qué se estropea

El sitemap es un fichero XML con la lista de URLs que quieres que Google conozca. No obliga a Google a indexarlas, pero le ayuda a descubrirlas y le da pistas sobre cuáles son las versiones buenas. En WordPress casi nunca se escribe a mano: lo genera el propio WordPress (/wp-sitemap.xml, desde la versión 5.5), Rank Math o Yoast (/sitemap_index.xml), o el plugin de la tienda.

Como se genera solo, se estropea solo. Los motivos que más vemos:

• Se cambian slugs o se borran páginas y el plugin sigue listando URLs viejas por caché.
• Hay contenido con noindex (etiquetas, productos ocultos, páginas de agradecimiento) que el plugin no excluye del sitemap.
• Tras pasar a HTTPS o cambiar de dominio, el sitemap sigue listando http:// o el dominio antiguo, y cada URL redirige.
• Conviven dos sitemaps: el de WordPress y el de un plugin SEO, o el de un plugin antiguo que se desactivó a medias.
• El sitemap se queda vacío o da error tras una actualización, y nadie lo mira.

Los tres errores típicos

URLs que dan 404 o 410

Páginas borradas que siguen en el sitemap. Google las rastrea, encuentra un 404 y las marca en el informe de indexación como «No se ha encontrado (404)». Una o dos no son un drama; muchas indican que el sitemap no refleja la web real.

URLs que redirigen

El sitemap lista http://tudominio.com/servicios y el servidor redirige a https://tudominio.com/servicios/. Google sigue la redirección, pero le estás diciendo que la URL buena es una que no lo es. En Search Console aparecen como «Página con redirección». Ocurre mucho con la barra final, el www y el cambio a HTTPS.

URLs con noindex

Le pides a Google que indexe una página (al ponerla en el sitemap) y, a la vez, que no la indexe (con el noindex). En Search Console aparecen como «Excluida por la etiqueta noindex» dentro del filtro de URLs enviadas. Si la página debe tener noindex, sácala del sitemap. Si no debe tenerlo, quita el noindex: lo explicamos en noindex, X-Robots-Tag y robots.txt.

Hay un cuarto caso, más sutil: URLs del sitemap cuyo canonical apunta a otra página. También es una señal contradictoria y conviene limpiarlo.

Cómo saber si te pasa

En Search Console

1. Indexación → Sitemaps. Comprueba que el sitemap esté enviado, que el estado sea «Correcto» y la fecha de última lectura. «No se ha podido obtener» significa que Google no lo pudo descargar.
2. Pulsa en el sitemap y luego en «Ver indexación de páginas». Verás las URLs enviadas agrupadas por motivo de no indexación. Ahí están los 404, las redirecciones y los noindex que vienen del sitemap.
3. Compara el número de URLs descubiertas con las páginas que de verdad tiene la web. Si la web tiene 40 páginas y el sitemap 400, algo sobra.

Desde fuera, en un minuto

Mira cuántas URLs tiene el sitemap y prueba una muestra:

curl -s https://tudominio.com/sitemap_index.xml
curl -s https://tudominio.com/page-sitemap.xml | grep -o '<loc>[^<]*' | sed 's/<loc>//' > urls.txt
wc -l urls.txt
while read u; do echo "$(curl -s -o /dev/null -w '%{http_code}' "$u") $u"; done < urls.txt

Todo lo que no sea 200 sobra en el sitemap. Un 301 es una URL que hay que cambiar por su destino; un 404, una URL que hay que quitar o redirigir.

Con Screaming Frog

Si la web tiene muchas URLs, usa Screaming Frog (gratuito hasta 500 URLs): Modo → Lista → Descargar sitemap XML, y pega la URL del sitemap. Rastrea solo esas URLs y te enseña el código de respuesta, la indexabilidad y el canonical de cada una. Si haces un rastreo normal con el sitemap configurado en la sección de sitemaps y ejecutas el análisis de rastreo, también te dice qué URLs están en el sitemap pero no enlazadas, y al revés.

Cómo arreglar un sitemap con errores paso a paso

1. Elige un solo generador de sitemap. Si usas Rank Math o Yoast, ellos desactivan el de WordPress. Si ves dos (por ejemplo, /wp-sitemap.xml y /sitemap_index.xml con contenido distinto), revisa qué plugin genera el segundo y desactiva uno.
2. Excluye lo que lleva noindex. En Rank Math: Ajustes del sitemap, desactiva los tipos de contenido y taxonomías que no indexas. Rank Math y Yoast excluyen automáticamente las URLs con noindex si el ajuste se hace desde el propio plugin; si el noindex lo pone otro plugin o el tema, no se enteran.
3. Quita las URLs borradas. Si una página se ha borrado y tiene sustituta, crea una redirección 301 a la nueva. Si no tiene sustituta, déjala en 404 o 410. En ambos casos, comprueba que desaparece del sitemap (purga la caché del plugin).
4. Corrige las redirecciones. Revisa que Ajustes → Generales tenga la dirección de WordPress y del sitio en https:// y con el dominio correcto (con o sin www, el que uses). Si el sitemap lista http://, el problema suele estar ahí o en una búsqueda y reemplazo incompleta tras la migración.
5. Revisa los canonicals. Las URLs del sitemap deben tener un canonical que apunte a sí mismas.
6. Declara el sitemap en el robots.txt. Añade una línea Sitemap: https://tudominio.com/sitemap_index.xml y asegúrate de que esa URL existe. Un robots.txt que declara un sitemap que da 404 es peor que no declarar ninguno.
7. Purga cachés y vuelve a enviar. Purga la caché del plugin SEO, del servidor y del CDN. En Search Console, vuelve a enviar el sitemap y, en el informe de indexación, pulsa «Validar corrección» en los motivos que hayas arreglado.

Lo que no va en un sitemap

• Páginas con noindex.
• Páginas que redirigen.
• Páginas que dan 404, 410 o 5xx.
• URLs con parámetros de filtros, orden o seguimiento (?orderby=, ?utm_source=).
• Páginas cuyo canonical apunta a otra URL.
• Carrito, mi cuenta, finalizar compra, resultados de búsqueda interna.
• Adjuntos de medios (las páginas de adjunto de WordPress). Rank Math y Yoast las redirigen al fichero por defecto; compruébalo.

Cómo evitar que vuelva

• Revisa el informe de Sitemaps una vez al mes y siempre después de una migración o de cambiar de plugin SEO.
• Cuando borres una página, decide en el momento si redirige o se queda en 404.
• No marques noindex desde el tema o desde un plugin distinto del SEO: el generador del sitemap no se entera.
• Vigila el número de URLs. Si el sitemap pasa de 120 a 30 de un día para otro, algo se ha roto (un tipo de contenido desactivado, una caché vacía, un error del plugin).
• Las páginas importantes deben estar en el sitemap y, además, enlazadas desde otras páginas. El sitemap no sustituye al enlazado interno; lo vemos en Canibalización y páginas huérfanas.

Para agencias: el sitemap de 40 webs no se revisa solo

Jeffrey cuenta cada día las URLs del sitemap de cada web y avisa si pierde un 30 % o más de golpe, que es la señal típica de un plugin que se ha desconfigurado o de un tipo de contenido que ha desaparecido. También avisa si el sitemap está vacío o si el robots.txt declara un sitemap que no se puede leer, y si alguna URL del sitemap devuelve errores 5xx.

En el rastreo de cada web, Jeffrey marca en la ficha SEO las URLs del sitemap que redirigen, que dan error o que llevan noindex, las que tienen un canonical distinto, y las páginas importantes (con contenido y a dos clics o menos de la portada) que no están en el sitemap. Así la limpieza se hace con una lista concreta y no a ojo.

Preguntas frecuentes