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

¿Qué es sitemap.xml?

El sitemap.xml es un archivo XML que lista las URLs canónicas de un sitio web. Indica a los motores de búsqueda qué páginas existen y cuándo se modificaron.

De forma opcional también señala 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:

1. Declarar en robots.txt: Sitemap: https://smedialab.es/sitemap.xml (recomendado, descubrimiento automático por todos los crawlers).
2. Subir a Google Search Console > Sitemaps. Permite ver estado de cobertura por sitemap.
3. 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 comparten la fecha 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. Calculamos el <lastmod> con git log -1 --format=%aI por archivo fuente, no como fecha global del build.

Así, las 193 URLs del sitio reflejan 7+ fechas distintas, una por el cambio real de cada landing. Esto mejora la señal de frescura para Google. Para nuestros clientes de SEO implementamos el mismo patrón.