Auditoría: problemas de indexación y qué significan
La categoría «Indexación y rastreo» responde a una sola pregunta: ¿aparecerá la página en el buscador? Aquí se encuentran seis de los doce errores de la auditoría: si la página no está disponible o está cerrada, el resto de las observaciones sobre ella no tienen sentido. También incluye las comprobaciones de robots.txt y del acceso para los rastreadores de IA.
Errores: corrígelos primero
| Código en el informe | Qué ocurrió | Qué hacer |
|---|---|---|
| La página devuelve 4xx | La dirección no existe, pero hay enlaces que apuntan a ella | Restaura la página o configura un 301 hacia la dirección actual y elimina los enlaces |
| Error del servidor 5xx | El servidor no pudo devolver la página | Revisa los registros: normalmente se trata de la base de datos, los límites o un error de código |
| Página no disponible | Tiempo de espera agotado o conexión interrumpida | Comprueba la estabilidad del hosting y el tiempo de respuesta |
| Bucle de redirecciones | La dirección se redirige a sí misma en un bucle | Rompe la cadena: normalmente es un conflicto entre las reglas de www/https y el CMS |
| Varios canonical | Hay dos o más direcciones canonical en la página | Deja solo una: de lo contrario, el buscador elegirá una por su cuenta |
| Contenido del sitio renderizado con JavaScript | Casi no hay texto ni enlaces en el HTML original: todo aparece solo después de ejecutar los scripts | Activa el renderizado en el servidor (SSR) o el prerenderizado, y haz que los enlaces sean etiquetas <a href> normales |
Advertencias
- Página cerrada con noindex: a veces es intencional, pero con más frecuencia es una restricción olvidada tras el desarrollo. Comprueba si esta página realmente debe aparecer en el buscador.
- Cerrada en robots.txt: el bot no rastreará la página. Recuerda que esto no es lo mismo que eliminarla del índice, consulta el análisis de tres directivas.
- Cadena de redirecciones: más de un paso; se pierden velocidad y parte del peso.
- Meta Refresh: método de redirección obsoleto, el buscador lo interpreta peor que una redirección normal.
- Hreflang sin autorreferencia: el marcado de versiones de idioma no funciona, consulta la comprobación de hreflang.
- robots.txt devuelve una página HTML: en la dirección /robots.txt el servidor devuelve una página del sitio en lugar de las reglas. Para los buscadores, robots.txt prácticamente no existe y el sitemap no se puede encontrar a partir de él. Es un problema frecuente en los sitios con JavaScript que responden con la página principal a cualquier dirección.
- Rastreadores de IA cerrados en robots.txt: bots como ChatGPT, Claude, Perplexity o Google AI no pueden leer el sitio, es decir, no lo citarán en sus respuestas. Los detalles de los problemas se indican para los bots cerrados.
Observaciones
Sin canonical y canonical hacia otra dirección: la segunda es especialmente engañosa, ya que la página se excluye del índice a favor de la indicada. Redirección interna: los enlaces dentro del sitio llevan a una dirección que redirige; es mejor enlazar directamente a la final. Acceso restringido: la protección del hosting bloqueó nuestro rastreador; es probable que la página funcione, pero compruébalo manualmente. Sitemap.xml no encontrado: consulta la comprobación del sitemap. Sin robots.txt: no hay nada en la dirección /robots.txt, los buscadores no ven las reglas de rastreo ni los enlaces al sitemap; crea un archivo con reglas y una línea Sitemap: con la dirección del sitemap.
Sitios con JavaScript
Si en el código principal casi no hay texto ni enlaces, la auditoría abre las páginas en un navegador real y comprueba lo que ve el visitante, y sobre el informe aparece un banner que dice «Contenido del sitio renderizado con JavaScript: lo comprobamos en el navegador». En este caso, la lista de problemas es completa, pero el error «Contenido del sitio renderizado con JavaScript» permanece: Google renderiza estas páginas con retraso y no siempre, mientras que los bots de IA normalmente ven una página vacía. Si no fue posible comprobarlo en el navegador, el banner no mencionará el navegador y el número de páginas encontradas será bajo: así ven el sitio los buscadores sin renderizado.
Acceso para rastreadores de IA y llms.txt
La auditoría lee robots.txt y comprueba si el sitio está abierto para bots como GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, Claude-SearchBot, PerplexityBot, Google-Extended y Applebot-Extended. Si al menos uno está cerrado, aparece la advertencia «Rastreadores de IA cerrados en robots.txt». Cerrar o no los bots es decisión tuya, pero un bot cerrado no citará el sitio.
Además, se revisa llms.txt: un sitemap breve para asistentes de IA en formato Markdown que describe de qué trata la empresa y cuáles son las secciones y páginas principales. Si el archivo no existe, aparece la observación «Sin llms.txt»; en el informe se clasifica en «Contenido». Es una observación, no un error: el archivo es útil, pero no obligatorio. La relación con las citas en las respuestas de IA se explica en la sección «Visibilidad en la búsqueda con IA» del artículo cómo leer el informe de auditoría.
Cómo revisar una página concreta
La auditoría muestra el panorama del sitio, pero para una sola página es más rápido usar el verificador de indexación y los encabezados de respuesta: la restricción puede venir del servidor y no verse en el código de la página.