Auditoría SEO técnica: qué se revisa y en qué orden

Imaginemos una empresa mediana cuyo sitio web crece desde hace diez años. Hay páginas de servicios, un blog, un archivo de notas de prensa, dos campañas retiradas y un catálogo de productos con filtros. Varios proveedores han trabajado en él, cada uno con sus propias costumbres. El CMS se cambió dos veces, y en ninguno de los cambios se redirigió limpiamente cada dirección antigua.

La situación de partida es típica, no un caso aislado. En Search Console, en “Páginas”, hay una larga lista de direcciones no indexadas cuyas razones son difíciles de interpretar. Al mismo tiempo, faltan en los resultados de búsqueda páginas de servicios importantes, mientras aparecen combinaciones de filtros irrelevantes. El equipo sospecha un problema de contenido, porque el contenido es lo visible.

Una auditoría SEO técnica comienza con una pregunta sobria: ¿qué sabe Google de este sitio web, y coincide con lo que la empresa quiere ofrecer? Solo cuando se conoce esa diferencia se puede decidir si el cuello de botella es la técnica, la estructura o el contenido. Esa es exactamente la separación que consigue la auditoría, y es el verdadero valor del ejercicio.

El estado “Descubierta: actualmente sin indexar” significa que Google conoce la dirección, por ejemplo por el sitemap o un enlace, pero aún no la ha solicitado. A menudo hay una priorización detrás: Google considera que la solicitud en este sitio web compensa poco y la aplaza. En el caso de “Rastreada: actualmente sin indexar”, en cambio, Google ha leído la página y ha decidido no incluirla.

Ambos avisos se parecen y tienen causas distintas. En el primer caso, el problema suele estar en la estructura y las señales, por ejemplo una página enterrada muy hondo o una avalancha de direcciones sin valor propio. En el segundo, se trata más bien de la propia página: contenido muy escaso, duplicados o un canonical que apunta a otra dirección.

A ello se suman patrones de error que se superponen. Una indicación noindex puesta por descuido durante la fase de desarrollo, un robots.txt que bloquea un directorio, cadenas de redirecciones, páginas soft 404 que devuelven el estado 200 aunque no haya nada en ellas. Quien las corrige una a una sin respetar el orden suele corregir síntomas y dejar la causa.

Antes de planificar medidas, necesita tres fuentes de datos que se verifiquen entre sí. La primera es Search Console, con el informe de indexación de páginas, las estadísticas de rastreo y los informes de sitemap. La segunda es un rastreo propio, por ejemplo con Screaming Frog, que muestra lo que encuentra un rastreador al seguir los enlaces. La tercera son los registros del servidor, si están disponibles, porque documentan lo que Googlebot ha solicitado realmente.

Cada fuente tiene puntos ciegos. El rastreo solo encuentra lo que está enlazado, Search Console ofrece muestras y estados con retraso, y los registros faltan en muchos alojamientos o no son fácilmente accesibles. Cuando dos fuentes se contradicen, suele ser el hallazgo más revelador. Una página que figura en el sitemap pero no aparece en el rastreo está huérfana.

Sobre el presupuesto de rastreo conviene matizar: en sitios pequeños de unos cientos de páginas rara vez es un cuello de botella. Cobra relevancia con inventarios grandes, muchas direcciones generadas automáticamente o respuestas lentas del servidor. Entonces influye en la rapidez con que se recogen las páginas nuevas y modificadas. Si esto se aplica a su sitio web lo muestran las estadísticas de rastreo, no una regla general.

El método más evidente sería repasar la exportación del rastreo de arriba abajo. Eso despista, porque la lista de errores está ordenada por frecuencia, no por impacto. Cien imágenes sin texto alternativo pesan menos que una línea del robots.txt que bloquea el directorio de servicios. El orden de revisión debería seguir, por tanto, la cadena que recorre Google: alcanzar, solicitar, entender, incluir.

Nosotros procederíamos en este orden: primero accesibilidad y códigos de estado, después el control mediante robots.txt y metaetiquetas, a continuación canonicals y duplicados, luego sitemap y enlazado interno y, por último, renderizado y presentación. Cada etapa presupone la anterior. De nada sirve un canonical limpio si el robots.txt ni siquiera permite solicitar la página.

Una alternativa es la auditoría por tipo de página: primero todas las páginas de servicios, luego el blog, luego el catálogo. Merece la pena en sitios muy heterogéneos, porque cada plantilla genera sus propios errores. Nosotros combinamos ambos enfoques: usamos la cadena como cuadrícula y agrupamos por plantillas dentro de cada etapa. Al fin y al cabo, un error en una plantilla afecta a todas las páginas que la usan.

Las herramientas de auditoría totalmente automáticas son un tercer camino, y tienen su lugar: ofrecen rápidamente un inventario. Su debilidad es la ponderación, porque no conocen su lista objetivo y notifican las advertencias con la misma urgencia. Las usamos como fuente de datos, no como veredicto, e interpretamos los resultados en el contexto del sitio web.

De la cadena de revisión resulta una cuadrícula de campos temáticos que se recorre por plantilla. Evita que, en la conversación con el equipo de desarrollo, se discutan hallazgos sueltos sin relación entre sí. Al mismo tiempo, ayuda a responder a la pregunta de qué no se ha revisado. Una auditoría que nombra sus límites es más fiable que una que afirma ser exhaustiva.

La cuadrícula se mantiene deliberadamente técnica y renuncia a valorar los textos. Las cuestiones de contenido, por ejemplo si dos páginas atienden la misma intención de búsqueda, aparecen en la auditoría como indicación, pero se profundizan en un análisis de contenido aparte. Esta delimitación mantiene la auditoría legible y las responsabilidades claras, porque la parte técnica y la editorial suelen estar en manos distintas.

Es importante el orden dentro de la cuadrícula, no solo que esté completa. Un hallazgo en los códigos de estado cambia lo que aún hay que valorar en canonicals y sitemap. Por eso la cuadrícula se recorre dos veces por plantilla: una para el inventario y otra tras las primeras correcciones, para descartar errores derivados que solo se hacen visibles al resolver el problema.

Al principio hay un rastreo del sitio web en producción con un agente de usuario móvil, complementado con el cotejo con el sitemap y la exportación de Search Console. Los datos brutos se agrupan por directorio y plantilla. Así se hace visible que 40 direcciones de la misma clase de error remiten a menudo a una única causa, por ejemplo una función de filtro que genera una URL nueva tras cada clic en un valor.

Los archivos de control los revisamos con la prueba de robots y en el código fuente. Errores típicos son un Disallow heredado del entorno de pruebas, un noindex en la plantilla que solo afecta a algunos tipos de página, o un X-Robots-Tag que el servidor establece para los PDF y que alcanza por descuido a directorios enteros. En los canonicals comprobamos si la dirección de destino es realmente accesible, indexable e idéntica a la del sitemap.

Para el renderizado comparamos el código fuente en bruto con el DOM renderizado y usamos la inspección de URL de Search Console para ver qué ha representado Google. Si faltan la navegación o el texto principal en el código fuente en bruto y solo aparecen mediante JavaScript, no es automáticamente un error, pero sí un riesgo que valoramos. Lo decisivo es si los enlaces existen como referencias reales con href, porque Googlebot no sigue controladores de clic.

El enlazado interno lo consideramos como un grafo. ¿Cuántos clics hay entre la página de inicio y una página de servicios, qué páginas no tienen enlaces internos entrantes y hacia dónde fluye el peso interno? La regla general de que el contenido importante debería ser accesible en tres o cuatro clics sirve como referencia, pero no es un límite fijado por Google.

Las URL con parámetros son el caso especial más frecuente. Un catálogo con ordenación, color, talla y número de página puede convertir cien productos en miles de direcciones. La elección de la herramienta es una ponderación: un canonical a la página base permite el rastreo, pero concentra las señales. Un bloqueo mediante robots.txt ahorra esfuerzo de rastreo, pero impide que Google lea siquiera el canonical. Un noindex no debería combinarse con un bloqueo, o nunca se verá.

Un segundo caso especial son las rutas múltiples tras cambios de CMS: la misma página en http y https, con y sin www, con y sin barra final. Aquí cuenta una única forma normal impuesta desde el servidor y una redirección que lleve al destino en un solo paso. Las cadenas de tres saltos malgastan solicitudes y, con muchos saltos, los rastreadores abandonan el seguimiento.

En tercer lugar, las páginas que mantiene deliberadamente escasas: páginas de agradecimiento, resultados de búsqueda internos, versiones de impresión. No pertenecen al sitemap y suelen llevar noindex, pero no deben bloquearse en el robots.txt si Google ha de leer el noindex. En los sitios multilingües se suman las relaciones hreflang, que deben confirmarse mutuamente. Estos casos especiales son la razón por la que un informe automático por sí solo no basta.

Un cuarto caso afecta a páginas tras un inicio de sesión, consultas de cookies o selectores de país. Si el sitio web redirige a los rastreadores a una única versión según la dirección IP o el idioma, las demás variantes quedan invisibles. Por eso comprobamos qué devuelve una solicitud sin cookies y sin idioma establecido, porque así es exactamente como Googlebot ve la página.

Una auditoría técnica mejora las condiciones de partida, no el resultado. Si Google no ha incluido hasta ahora páginas importantes porque un bloqueo o un canonical incorrecto lo impedía, la corrección puede hacer que esas páginas se indexen. Que luego se posicionen bien depende del contenido, la competencia y la autoridad. La auditoría se asegura de que esos factores puedan entrar en juego.

El beneficio se puede medir con indicadores próximos a la causa. Entre ellos están el número de páginas indexadas frente a la lista objetivo, la proporción entre páginas válidas y excluidas en el informe de indexación, las estadísticas de rastreo con tiempos de respuesta y códigos de estado, y la proporción de direcciones del sitemap que realmente están indexadas. Solo después vienen las impresiones, los clics y las posiciones de los grupos de páginas afectados.

Cuente con semanas, no con días. Google procesa las correcciones con retraso, y en las páginas muy profundas pueden pasar varias semanas hasta que aparece un nuevo estado. No existe garantía de posiciones ni de mejoras concretas, y quien la promete vende algo distinto de una auditoría. Lo realista es el propósito de eliminar obstáculos y documentar la evolución de forma trazable.

Un ejemplo de interpretación: si aumenta el número de páginas indexadas mientras baja el de direcciones del sitemap, es una buena señal, siempre que la lista objetivo explique la diferencia. Si el número de páginas indexadas baja tras una depuración, también puede ser lo deseado, por ejemplo cuando páginas de filtros sin valor de búsqueda propio salen del índice. Las cifras por sí solas dicen poco mientras no se lean frente a la lista objetivo.

Una auditoría no termina con la lista de hallazgos, sino con un orden. Clasificamos cada hallazgo con dos preguntas: ¿a cuántas páginas importantes afecta y qué esfuerzo exige la corrección? Un noindex erróneo en la plantilla afecta a muchas páginas y cuesta una línea de código, por lo que va arriba del todo. Una reestructuración completa de la navegación tiene un gran efecto, pero ocupa semanas y debe ir en un proyecto aparte.

Es importante hacer visibles las dependencias. Los canonicals depurados y un sitemap limpio deberían entregarse juntos, o las señales se contradicen temporalmente. Las redirecciones van antes del nuevo enlazado interno, para que ningún enlace apunte a cadenas. Por eso las medidas se agrupan en paquetes que, cada uno por sí solo, dejan un estado coherente.

También forma parte no hacer nada de forma deliberada. Algunos hallazgos, como la falta de textos alternativos en imágenes decorativas o las páginas de archivo no indexadas, no son un defecto, sino una decisión defendible. Documentarlos ahorra al equipo discusiones futuras. Solo tras la primera oleada de medidas merece la pena un nuevo rastreo, porque entonces se puede comprobar si las correcciones funcionan como se pensaba.

Los errores técnicos rara vez surgen por descuido, sino por los cambios. Una versión vuelve a poner el noindex, un plugin nuevo genera páginas de archivo, un relanzamiento cambia las rutas. Por eso una auditoría es una instantánea. Conviene derivar de sus hallazgos unos pocos controles que se ejecuten con cada cambio importante: un rastreo de las plantillas más importantes y un vistazo al informe de indexación.

Dos conclusiones llegan más lejos. Primera, la lista objetivo y el sitemap son el mismo documento, solo que en distinta forma, y deberían nacer de la misma fuente. Segunda, Search Console es más un sistema de alerta temprana que un veredicto. Un bloque de páginas excluidas que crece lentamente suele mostrar un problema estructural semanas antes de que reaccionen las posiciones.

La auditoría tiene límites. No dice nada de la calidad de los textos, la fuerza de la marca o la competencia, y no sustituye ni el trabajo de contenidos ni la construcción de enlaces. Quien revisa la técnica elimina obstáculos. Quien quiere visibilidad tiene que ofrecer después contenidos que justifiquen su inclusión. Ambas cosas van juntas, y el orden rara vez es reversible.

Una auditoría SEO técnica merece la pena si su sitio web ha crecido y ya no está seguro de qué incluye Google de él. No ofrece garantía de posiciones, pero sí una imagen fiable: qué páginas están indexadas, cuáles deberían estarlo y qué razones técnicas hay entre medias. Eso le ahorra medidas que actúan en el lugar equivocado.

El siguiente paso es pequeño. Abra en Search Console el informe de indexación de páginas y compare el número de páginas indexadas con el número de páginas que realmente quiere ver en el índice. Si la diferencia es grande o poco clara, merece la pena una revisión más precisa. Con gusto lo vemos juntos, con un primer rastreo y una valoración sincera de si compensa una auditoría completa.

Forma parte de la valoración una estimación sincera del esfuerzo. En un sitio web de unos cientos de páginas, el análisis es factible en pocos días laborables; en catálogos con decenas de miles de direcciones y varios sistemas es bastante más laborioso. Indicamos el marco tras el primer rastreo, no antes.