Preguntas
¿Por qué Google indexa páginas que no quiero?
Bloquear en robots no impide que se indexe: solo impide leerla. Qué hace cada herramienta, por qué aparecen páginas de filtros y cómo se saca lo que sobra.
- Lectura 10 min
- Publicado
- Jesús Iturbide consultor SEO
- Cómo reviso estos artículos
En corto
Aparecen páginas de filtros, resultados de búsqueda interna, versiones con parámetros y páginas de gracias porque nadie decidió qué hacer con ellas. Y bloquearlas en el fichero de robots no las saca del índice: para eso hace falta que se pueda leer un noindex, o retirar la página del todo.
Del enlace al resultado
- Un enlace lleva a la página
- Se descarga y se lee
- Entra en el índice
- Compite por salir
Es una pregunta que llega con una mezcla de sorpresa e incomodidad: alguien busca algo de su web y descubre en los resultados una página de agradecimiento, un carrito o una lista de filtros con veinte productos.
No es un fallo del buscador: es que esas páginas existen, son accesibles y nadie ha dicho que no deban guardarse.
De dónde salen las que sobran
El malentendido central
Bloquear una ruta en el fichero de robots impide leerla, no impide que se indexe. Si hay enlaces apuntando a esa dirección, puede aparecer igualmente en los resultados, sin descripción y con un aviso de que no hay información disponible. Y si además tenía un noindex, ahora nadie puede leerlo: la página queda atrapada.
De ahí la secuencia correcta, que es contraintuitiva: primero se deja el acceso libre con noindex, se espera a que se lea y la página salga del índice, y solo después se puede bloquear para ahorrar rastreo.
Qué usar en cada caso
| Caso | Herramienta | Por qué |
|---|---|---|
| Gracias, carrito, cuenta | Noindex, acceso libre | Deben funcionar para el usuario y no aparecer |
| Resultados de búsqueda interna | Noindex; después, bloqueo | Generan infinitas direcciones sin valor |
| Combinaciones de filtros | Noindex las que sobran, y bloqueo cuando estén fuera | Se decide cuáles sí merecen ser páginas |
| Parámetros de campaña | Canónica a la versión limpia | Es la misma página, no una distinta |
| Archivos de fecha o autor | Noindex si no aportan | En muchas webs no los ve nadie |
| Entorno de pruebas | Contraseña en el servidor | Lo demás no lo protege |
Cómo sacar del índice lo que ya está dentro
Comprueba que no está bloqueada
Si lo está, quita el bloqueo primero: sin acceso no se puede leer la instrucción.
Pon el noindex en esas páginas
En la cabecera, o mediante la cabecera de respuesta del servidor si no son HTML.
Espera y comprueba
Tarda semanas. La herramienta de inspección dice si ya se ha visto el noindex.
Usa la retirada temporal si urge
En Search Console, para casos que no pueden esperar; es temporal y no sustituye al noindex.
Cuando estén fuera, bloquea si quieres
Solo entonces, y solo si merece la pena ahorrar rastreo.
Quita los enlaces internos que apuntan ahí
Si tú mismo las enlazas, seguirán descubriéndose.
Cuándo no hay que hacer nada
No todas las páginas de más son un problema. Unas cuantas direcciones con parámetros indexadas en una web pequeña no afectan a nada, y perseguirlas consume tiempo que rinde más en otro sitio.
El problema aparece cuando el número es grande respecto al tamaño real del sitio: mil productos y treinta mil páginas indexadas sí es un problema, porque el rastreo se gasta en lo que no vende y las páginas buenas se revisan menos.
El caso de los entornos de pruebas
Lo que pasa si lo dejas estar
Nada catastrófico en una web pequeña. En una tienda o en un sitio grande, sí: el rastreo se dispersa, las páginas que venden se revisan con menos frecuencia, y el conjunto transmite que hay mucho contenido de poco valor.
Y hay un efecto secundario más incómodo: alguien puede llegar desde una búsqueda a tu página de agradecimiento o a un carrito vacío, con la impresión que eso deja.
Qué revisar primero
Un caso: la búsqueda interna indexada
Cuánto tarda en salir del índice
Es la parte que genera más impaciencia, así que conviene decir las cifras aproximadas por adelantado.
Una página con noindex accesible desaparece normalmente en un plazo de días a varias semanas, según la frecuencia con que se rastree esa parte de la web: una página que se visita a menudo sale antes que una perdida en un archivo. Un grupo grande, como miles de resultados de búsqueda interna, tarda más simplemente porque hay que releer muchas direcciones, y es habitual que el proceso se extienda dos o tres meses.
Lo que acelera el proceso es poco: pedir la revisión de las direcciones más importantes, asegurarse de que no hay bloqueos que impidan leer el noindex y quitar los enlaces internos que sigan apuntando ahí. Lo que lo retrasa es más habitual: bloquear la ruta a mitad de proceso, que es exactamente lo que hace mucha gente cuando ve que la cosa va lenta.
Y una recomendación de paciencia: comprobarlo una vez al mes, no cada dos días. El número baja de forma irregular, con mesetas y saltos, y mirarlo a diario solo produce la tentación de tocar algo que estaba funcionando.
Qué mediría
La diferencia entre páginas que quieres indexadas y páginas indexadas. Si es grande y hacia arriba, algo está generando direcciones solo; si es grande y hacia abajo, el problema es el contrario y también hay que mirarlo.
Preguntas frecuentes
¿Por qué se indexan páginas que bloqueé en robots?
Porque el bloqueo impide leerlas, no impide que se indexen: si hay enlaces apuntando a esa dirección, puede aparecer sin descripción, con un aviso de que no hay información disponible. Para sacarla del índice hace falta que se pueda leer un noindex, y para eso el acceso debe estar libre.
¿Cuál es el orden correcto?
Primero acceso libre con noindex, después esperar a que se lea y la página salga del índice, y solo entonces bloquear en el fichero de robots si interesa ahorrar rastreo. Hacerlo al revés es lo que deja páginas atrapadas en los resultados durante años.
¿Qué páginas suelen colarse sin querer?
Combinaciones de filtros, resultados del buscador interno, direcciones con parámetros de campaña u orden, páginas de gracias y de carrito, archivos por fecha o autor generados por el gestor, y restos de entornos de pruebas accesibles. Ninguna se crea a propósito: se generan solas.
¿Es grave que haya páginas de más indexadas?
En una web pequeña, unas cuantas direcciones con parámetros no afectan a nada. En una tienda o un sitio grande sí: el rastreo se dispersa, las páginas que venden se revisan menos y el conjunto transmite que hay mucho contenido de poco valor. La proporción respecto a tu tamaño real es la clave.
¿Cómo protejo un entorno de pruebas?
Con contraseña a nivel de servidor, que es lo único que impide de verdad el acceso. El bloqueo en el fichero de robots no basta: una copia indexada duplica todo tu contenido, expone versiones sin terminar y a veces datos que no deberían estar accesibles desde fuera.
Sacar del índice lo que sobra tiene un orden, y si se hace al revés las páginas se quedan dentro; eso se planifica en SEO técnico. Si lo que sobra son combinaciones de filtros de una tienda, el trabajo va con el SEO para ecommerce. El repaso completo de qué tienes dentro del índice está en una auditoría SEO. Para comprobarlo tú, cómo saber si Google tiene indexada tu web y Search Console explicado para quien no es técnico.
Si te está pasando
La primera llamada no cuesta nada y suele bastar para saber si tiene arreglo. Si tu caso no es para mí, te lo digo.
