¿Tu sitemap está bien hecho?

Es un archivo (normalmente tudominio.com/sitemap.xml) que lista las páginas de tu web para que buscadores e IAs las descubran y las rastreen mejor.

El robots.txt dice qué pueden rastrear los bots (permisos). El sitemap es la lista de tus páginas. Suelen ir de la mano: el robots.txt puede anunciar dónde está tu sitemap.

Cuando tienes muchas URLs, se trocean en varios sitemaps y se crea un índice que apunta a todos ellos. Nuestra herramienta lo detecta y suma las URLs de cada uno.

No: comprobar miles sería lento. Tomamos una muestra de unas 25 al azar y miramos si responden, para darte una señal rápida de si hay enlaces rotos.

El protocolo permite hasta 50.000 URLs y 50 MB por archivo. Si lo superas, divídelo en varios sitemaps y usa un índice.

El sitemap debe reflejar tu web tal y como está ahora. Si publicas o cambias páginas a menudo, lo ideal es que se actualice solo (la mayoría de gestores como WordPress o Shopify lo hacen automáticamente cada vez que publicas). Si lo mantienes a mano, actualízalo cada vez que añadas, borres o cambies páginas importantes. Un sitemap viejo, con páginas que ya no existen, da una mala señal a Google y a las IAs. La fecha de última modificación (lastmod) solo sirve si es real: poner siempre la fecha de hoy en todas las URLs hace que los buscadores dejen de confiar en ella.

Las dos cosas funcionan, pero conviene hacer ambas. La forma automática es anunciarlo en tu archivo robots.txt con una línea "Sitemap: https://tudominio.com/sitemap.xml"; así cualquier buscador o IA que pase por tu web lo encuentra solo. Además, puedes enviarlo a mano en Google Search Console (gratis), lo que te da informes de qué URLs ha indexado Google y cuáles no. Para Bing existe Bing Webmaster Tools. No hace falta enviarlo a cada IA por separado: las que rastrean la web siguen tu robots.txt igual que los buscadores.

Incluye solo las páginas que quieres que aparezcan en buscadores y que devuelven correctamente (las que dan un 200, no errores ni redirecciones). Fuera deben quedar: páginas bloqueadas con "noindex", páginas de agradecimiento o de pago tras un formulario, versiones duplicadas, resultados de búsqueda interna y URLs con parámetros que no aportan valor. Un fallo habitual es listar páginas que tú mismo has marcado como "no indexar": mandas señales contradictorias. La regla simple: si no quieres que esa página salga en Google ni la cite una IA, no la pongas en el sitemap.