En un sitio de noticias, el volumen de publicación diario hace obsoleta cualquier descubrimiento de contenido por simple navegación jerárquica. La página sitemap, ya sea en formato HTML para los lectores o XML para los robots, estructura esta masa de URL y orienta a cada visitante hacia la información que busca. Su papel va mucho más allá del SEO: condiciona la capacidad del sitio para seguir siendo explorado a medida que los archivos crecen.
Sitemap HTML y sitemap XML: dos capas técnicas para un sitio de noticias
Confundir el plan de sitio HTML y el archivo sitemap XML sigue siendo un error frecuente, incluso en las redacciones digitales. El archivo XML es un documento estructurado destinado a los crawlers de Google, Bing o cualquier otro motor. Contiene las URL, su fecha de última modificación y, en el caso de las noticias, etiquetas específicas del namespace Google News.
El plan de sitio HTML, por su parte, es una página web clásica que el lector consulta directamente. Organiza los contenidos por secciones, subsecciones y a veces por período de publicación. En un medio, el plan HTML sirve como un recorrido alternativo cuando la búsqueda interna falla o cuando un lector explora un tema transversal sin conocer la fecha de publicación.
Se puede observar cómo la página sitemap de Monde Libre ilustra esta doble lógica: una clasificación temática legible por un humano, respaldada por un archivo XML declarado en el servidor. Uno no sustituye al otro, y retirar el plan HTML bajo el pretexto de que el XML es suficiente priva al lector de un acceso directo a los contenidos archivados.
Namespace Google News y etiquetas específicas en el sitemap de noticias
Un sitemap XML estándar utiliza el protocolo definido por sitemaps.org. Para un sitio indexado en Google Noticias, es necesaria una capa adicional: el namespace news, declarado a través del atributo xmlns:news. Este namespace permite agregar, para cada URL, metadatos propios del tratamiento editorial.
Las etiquetas propias de las noticias incluyen el nombre de la publicación, el idioma, la fecha de publicación y el título del artículo. Este sitemap se distingue radicalmente de un sitemap clásico destinado a cubrir todo el sitio, ya que solo se enfoca en los artículos más recientes.
Esta restricción temporal tiene una consecuencia directa en la arquitectura técnica: el sitemap News debe regenerarse automáticamente con cada publicación. Un CMS que solo actualiza este archivo una vez al día introduce un retraso en el descubrimiento incompatible con el ritmo de un medio.
Elementos requeridos en cada entrada del sitemap News
- publication name y language: identifican la fuente y el idioma del contenido para la clasificación en Google Noticias
- publication_date: marca de tiempo precisa de la publicación, en formato W3C DateTime, que determina la frescura percibida por el motor
- title: el título del artículo tal como debe aparecer en los resultados, distinto del title tag de la página si es necesario
Estructurar el plan de sitio HTML para la navegación del lector
Un sitio de noticias que publica varias decenas de artículos por día no puede listar cada URL en una sola página. El plan de sitio HTML debe ofrecer dos ejes de navegación complementarios: temático y cronológico.
La clasificación por sección (política, economía, cultura, deporte) permite al lector explorar un tema sin conocer la fecha de publicación. La clasificación por período (mes, año) es adecuada para aquellos que saben aproximadamente cuándo se cubrió un evento. Proponer estos dos recorridos en la misma página reduce la dependencia del motor de búsqueda interno, que a menudo es poco eficiente en los sitios de medios.
Transformar esta página en una lista exhaustiva de artículos la hace inutilizable. Es mejor agrupar los enlaces por secciones y subsecciones, limitando el número de URL visibles por sección. Una paginación o un sistema de acordeones por año preserva la legibilidad sin sacrificar la profundidad.
Enlaces rotos y migraciones: la trampa de los archivos
Después de una renovación o migración de CMS, las URL cambian. Si el plan de sitio HTML conserva las antiguas direcciones, cada enlace roto lleva al lector a una página 404. En un medio con años de archivos, el número de enlaces muertos puede alcanzar proporciones que hacen que la página sitemap sea contraproducente.
La verificación regular de los enlaces del plan de sitio HTML es una tarea de mantenimiento editorial, no solo técnica. Retirar o redirigir las URL obsoletas después de cada migración garantiza que la página mantenga su utilidad de navegación.
Accesibilidad del sitemap y descubrimiento de contenido por los motores
El archivo sitemap XML se declara en dos lugares: en el archivo robots.txt (directiva Sitemap:) y en Google Search Console. Para un sitio de noticias, recomendamos declarar por separado el sitemap principal y el sitemap News, ya que sus ciclos de actualización y sus perímetros de URL difieren.
Un índice de sitemaps (sitemapindex) se vuelve necesario cuando el número de URL supera el límite por archivo. Los grandes medios dividen sus sitemaps por sección o por año, lo que también facilita el diagnóstico en caso de problemas de indexación en una sección específica.
- El sitemap principal cubre todas las URL permanentes: páginas de sección, artículos de fondo, páginas institucionales
- El sitemap News solo contiene los artículos recientes, regenerado con cada publicación
- El sitemap de imágenes o videos, opcional, señala los contenidos ricos asociados a los artículos
- El índice de sitemaps referencia todos estos archivos y constituye el punto de entrada único declarado en robots.txt
Esta segmentación no es un lujo arquitectónico. Permite aislar un problema de rastreo en un tipo de contenido sin cuestionar toda la indexación del sitio.
El plan de sitio, ya sea destinado a lectores o a robots, sigue siendo un componente activo del sitio. Exige un mantenimiento proporcional al ritmo de publicación. Un medio que lo trate como un archivo estático generado una vez por todas acaba acumulando URL muertas en el HTML y artículos caducados en el XML, dos situaciones que degradan tanto la navegación como la visibilidad en los motores de búsqueda.
