¿Qué es sitemap.xml?

El sitemap.xml es un archivo XML que lista las URLs canónicas de un sitio web para indicar a los motores de búsqueda qué páginas existen, cuándo se modificaron y, opcionalmente, con qué frecuencia cambian y qué prioridad relativa tienen. Es un estándar abierto publicado en 2006 por Google, Bing, Yahoo y Microsoft en sitemaps.org.

Estructura mínima

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://smedialab.es/</loc>
    <lastmod>2026-04-21T10:30:00+00:00</lastmod>
  </url>
  <url>
    <loc>https://smedialab.es/servicios/seo/</loc>
    <lastmod>2026-04-15T14:22:00+00:00</lastmod>
  </url>
</urlset>

Etiquetas válidas

<loc> (obligatoria): URL canónica absoluta con esquema HTTPS y trailing slash coherente.
<lastmod> (recomendada): fecha de última modificación en formato ISO 8601. Ver lastmod.
<changefreq> (opcional, ignorada por Google desde 2023): always, hourly, daily, weekly, monthly, yearly, never.
<priority> (opcional, ignorada por Google): 0.0 a 1.0.

Límites técnicos

Máximo 50 MB por archivo sin comprimir, o 50.000 URLs, lo que primero ocurra.
Para sitios mayores: dividir en varios sitemaps y crear un sitemap index que los enlace.
Se permite gzip: sitemap.xml.gz.
Codificación obligatoria: UTF-8.

Cómo lo descubre Google

Tres formas, en orden de fiabilidad:

Declarar en robots.txt: Sitemap: https://smedialab.es/sitemap.xml (recomendado, descubrimiento automático por todos los crawlers).
Subir a Google Search Console > Sitemaps. Permite ver estado de cobertura por sitemap.
Ping HTTP a https://www.google.com/ping?sitemap=... (deprecado en 2023).

Buenas prácticas

Solo URLs canónicas: no incluir parámetros UTM, paginaciones, filtros.
Solo URLs indexables: no incluir noindex, nofollow, redirecciones 3xx, errores 4xx/5xx.
<lastmod> real, no fecha de build: si todas las URLs tienen la misma fecha (la del último deploy), Google ignora el dato. Lo correcto es la fecha del último cambio real del archivo fuente, recuperable con git log -1 --format=%aI -- ruta/al/archivo.md (lastmod).
Coherencia con canonical: la URL del sitemap debe coincidir con <link rel="canonical"> de la página.
Coherencia con robots.txt: no listar URLs bloqueadas por Disallow.

Errores comunes

<lastmod> igual para todas las URLs (BUILD_DATE global): inutiliza la señal.
HTTP en lugar de HTTPS en <loc>: tratado como URL distinta.
Trailing slash inconsistente vs. <link rel="canonical">: duplicación.
URLs paginadas (?page=2) o con filtros: gasto inútil de crawl budget.
Sitemaps gigantes (>50.000 URLs) sin dividir: rechazados por Google.

Cómo lo aplicamos en smedialab.es

Generamos sitemap.xml dinámicamente desde Astro en src/pages/sitemap.xml.ts, con <lastmod> calculado vía git log -1 --format=%aI por archivo fuente, no como fecha global del build. Esto significa que las 193 URLs del sitio reflejan 7+ fechas distintas correspondientes al cambio real de cada landing, mejorando la señal de frescura para Google. Para nuestros clientes de SEO implementamos el mismo patrón.

sitemap.xml — sitemap.xml — mapa del sitio para buscadores