---
title: ✓ Sitemap XML para sitios grandes: portales y clasificados
url: https://juanluismora.es/seo/sitemap-xml-para-grandes-sitios-clasificados-directorios-inmobiliaria.html
---

# Sitemaps XML para sitios grandes: portales, clasificados e inmobiliarias

Juan Luis Mora · Actualizado el 23 de octubre de 2026

Tenéis un portal con decenas de miles de anuncios, fichas o inmuebles. Search Console dice que buena parte de lo enviado está en «Descubierta: actualmente sin indexar». Y los anuncios nuevos tardan días en salir.

En este artículo

1. [Antes de tocar el sitemap: descartad lo que no es el sitemap](#antes-de-tocar-el-sitemap-descartad-lo-que-no-es-el-sitemap)
2. [Lo que Google usa del sitemap y lo que no](#lo-que-google-usa-del-sitemap-y-lo-que-no)
3. [Cómo estructurarlo en un sitio grande](#como-estructurarlo-en-un-sitio-grande)
4. [Límites de tamaño](#limites-de-tamano)
5. [Cómo saber si funciona](#como-saber-si-funciona)
6. [Filtros, ordenaciones y anuncios caducados](#filtros-ordenaciones-y-anuncios-caducados)
7. [Y fuera de Google](#y-fuera-de-google)

La conclusión primero: el sitemap no obliga a Google a nada. Google lo llama literalmente una pista. En un sitio grande sirve para dos cosas: que lo nuevo se descubra pronto y que podáis medir, por segmentos, qué parte del sitio se indexa y qué parte no.

Lo demás lo decide el rastreo. Y el rastreo depende de cómo esté hecha la web.

## Antes de tocar el sitemap: descartad lo que no es el sitemap

Intuyo que, si llegáis aquí, el problema no es el XML. Casi siempre es una de estas:

- Fichas que solo se alcanzan desde el buscador interno, sin enlaces navegables. El sitemap no las salva: como mucho Google las indexa huérfanas y sin fuerza.
- Filtros y ordenaciones que generan millones de URLs rastreables. Google se entretiene con ellas.
- Anuncios caducados que devuelven un 200 con «este anuncio ya no está disponible». Eso es un soft 404 y Google lo sigue rastreando.
- Servidor lento o con errores 5xx en horas punta. Google baja el ritmo.

Google lo explica en su [guía de presupuesto de rastreo para sitios grandes](https://developers.google.com/search/docs/crawling-indexing/large-site-managing-crawl-budget). Hay dos piezas: la capacidad de rastreo (lo que vuestro servidor aguanta sin degradarse) y la demanda de rastreo (lo que Google quiere rastrear según tamaño, calidad, popularidad y frecuencia de cambio). Si la demanda es baja, da igual que el servidor vaya sobrado.

La propia guía dice para quién es: sitios de más de un millón de páginas que cambian cada semana, o de más de diez mil que cambian a diario. Un portal de clasificados suele entrar en el segundo grupo.

## Lo que Google usa del sitemap y lo que no

- `<changefreq>` y `<priority>`: Google las ignora. Lo dice en su página sobre [cómo crear un sitemap](https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap). Quitadlas y el XML pesa menos.
- `<lastmod>`: sí la usa, para programar el rastreo de URLs que ya conoce, siempre que sea coherente con la realidad. Si vuestro generador pone la fecha de hoy a todo cada noche, Google deja de creérsela.
- Etiquetas de imagen: siguen valiendo `<image:image>` y `<image:loc>`. Google retiró de su documentación `caption`, `title`, `geo_location` y `license` ([sitemaps de imágenes](https://developers.google.com/search/docs/crawling-indexing/sitemaps/image-sitemaps)). En un portal inmobiliario, una foto principal por ficha basta.
- El «ping» para avisar a Google de un sitemap nuevo ya no existe. Google lo [retiró en 2023](https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping?hl=es) y ahora responde con un 404. Si vuestro desarrollo lo sigue llamando, no rompe nada, pero tampoco hace nada. El envío se hace desde Search Console o con la línea `Sitemap:` del robots.txt.

## Cómo estructurarlo en un sitio grande

La idea que mantengo desde hace años: segmentar. Un sitemap gigante con todo mezclado no os dice nada. Varios sitemaps por tipo y zona os dicen exactamente dónde falla la indexación.

1. **Solo URLs que queréis en Google.** Que devuelvan 200, que sean la canónica, sin `noindex`, sin parámetros de filtro ni de ordenación.
2. **Listados primero.** Las páginas de categoría y zona con contenido real («pisos en alquiler en una ciudad», «talleres en una provincia») son las que posicionan búsquedas amplias y reparten enlaces a las fichas. Van en su propio sitemap.
3. **Un sitemap de novedades.** Solo con las fichas publicadas o modificadas en los últimos días, con `lastmod` real. Es el que Google va a leer más a menudo y el que acelera el descubrimiento.
4. **Fichas por segmentos.** Por provincia y tipo, por ejemplo. Así, si en Search Console veis que las fichas de una zona se indexan al 30 % y las de otra al 80 %, ya tenéis por dónde empezar.
5. **Lo que caduca, fuera.** Un anuncio vendido o retirado sale del sitemap el mismo día. Y la URL devuelve 404 o 410, no un 200 con un aviso. Según la guía de Google, el 404 es una señal fuerte para dejar de rastrear esa URL.
6. **Comprimidos en gzip.** Sigue siendo buena práctica para no servir ficheros enormes.

### Ejemplo de índice de sitemaps segmentado

```
<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemaps/listados.xml.gz</loc>
    <lastmod>2026-10-22</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemaps/novedades.xml.gz</loc>
    <lastmod>2026-10-23</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemaps/fichas-madrid-venta-1.xml.gz</loc>
    <lastmod>2026-10-23</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemaps/fichas-madrid-venta-2.xml.gz</loc>
    <lastmod>2026-10-21</lastmod>
  </sitemap>
</sitemapindex>
```

Y en el robots.txt:

```
Sitemap: https://www.example.com/sitemaps/index.xml
```

Ojo con una regla del [documento de sitemaps grandes](https://developers.google.com/search/docs/crawling-indexing/sitemaps/large-sitemaps): los sitemaps que lista el índice tienen que estar en el mismo sitio y en el mismo directorio que el índice o por debajo. Si el índice está en `/sitemaps/`, los hijos también.

### Una ficha dentro del sitemap

Con la URL, la fecha real y una imagen suele bastar:

```
<url>
  <loc>https://www.example.com/venta/piso-centro-123456</loc>
  <lastmod>2026-10-23</lastmod>
  <image:image>
    <image:loc>https://www.example.com/img/123456/principal.jpg</image:loc>
  </image:image>
</url>
```

Recordad declarar el espacio de nombres de imagen en el `<urlset>`: `xmlns:image="http://www.google.com/schemas/sitemap-image/1.1"`.

## Límites de tamaño

| Qué | Límite |
| --- | --- |
| URLs por sitemap | 50.000 |
| Tamaño por sitemap | 50 MB sin comprimir |
| Sitemaps por índice | 50.000 entradas `<loc>` |
| Índices por propiedad en Search Console | 500 |

Fuente: [Google, gestionar sitemaps grandes](https://developers.google.com/search/docs/crawling-indexing/sitemaps/large-sitemaps). Si un segmento se pasa, se numera (`-1`, `-2`…) como en el ejemplo. Yo no apuro el límite: ficheros de 10.000 o 20.000 URLs se generan y se leen antes.

## Cómo saber si funciona

Aquí está la gracia de segmentar. Mirad los datos antes de teorizar:

- [Informe Sitemaps](https://support.google.com/webmasters/answer/7451001?hl=es) de Search Console: URLs descubiertas por cada fichero.
- [Indexación de páginas](https://support.google.com/webmasters/answer/7440203?hl=es), filtrando por sitemap. Ahí veis el porcentaje indexado de cada segmento y los motivos de exclusión.
- [Estadísticas de rastreo](https://support.google.com/webmasters/answer/9679690?hl=es): peticiones por día, tiempo de respuesta y códigos. Si el tiempo de respuesta sube, el rastreo baja.
- Los logs del servidor. Es lo único que os dice qué URLs pide Googlebot de verdad. Tengo un post sobre [cómo analizar el access log para SEO](https://juanluismora.es/seo/analisis-de-apache-access-log-para-seo-con-php-y-google-data-studio.html).

Ejemplos de lo que suele salir:

- Listados al 90 % y fichas al 20 %: las fichas son demasiado parecidas entre sí o tienen poco contenido propio.
- Un segmento entero en «Descubierta: actualmente sin indexar»: Google no ha llegado a rastrearlas. Revisad enlazado interno y velocidad.
- Muchas «Rastreada: actualmente sin indexar»: Google las ha visto y no le convencen. Es calidad, no rastreo.

## Filtros, ordenaciones y anuncios caducados

En un portal, los filtros generan más URLs que todo lo demás junto. Google tiene una página sobre [navegación por facetas](https://developers.google.com/search/docs/crawling-indexing/crawling-managing-faceted-navigation) y su recomendación más efectiva es bloquear esas URLs en el robots.txt si no las queréis en el buscador, o llevar los filtros a fragmentos `#`. El canonical y el nofollow ayudan, pero dice que a largo plazo funcionan peor.

Y no uséis `noindex` para ahorrar rastreo: Google pide la página igual y luego la descarta. Para lo que ya no existe, 404 o 410. Lo cuento con más detalle en [desindexado masivo de URLs dinámicas](https://juanluismora.es/seo/des-indexado-masivo-url-dinamicas-google.html).

## Y fuera de Google

Bing y otros buscadores admiten [IndexNow](https://www.indexnow.org/faq), un aviso por API cada vez que publicáis, cambiáis o borráis una URL. En un portal que publica cientos de anuncios al día compensa montarlo. Google no aparece entre los participantes, así que el sitemap de novedades sigue siendo vuestra vía con Google.

Si queréis que lo revise sobre vuestros datos de Search Console y logs, así [trabajo el SEO técnico](https://juanluismora.es/seo-freelance).

¿Qué porcentaje de vuestras fichas está indexado ahora mismo? ¿Lo sabéis por segmento o solo el total?

---

**¿Te ha servido?** Si quieres que lo mire en tu web, [aquí te cuento cómo trabajo el SEO](https://juanluismora.es/seo-freelance) o [escríbeme](https://juanluismora.es/contacto).

## ¿Te queda alguna duda?

Pregúntamela y la respondo en el [muro de preguntas](https://juanluismora.es/preguntame), una vez al día.

Tu preguntaTu nombre (opcional)Enviar pregunta

Publico tu nombre (o «Anónimo») y tu pregunta junto a la respuesta. No pido correo. No pongas datos personales ni de clientes.

## Relacionado

- [Error en el login de WordPress: el bucle de wp-login.php?redirect\_to (solución)](https://juanluismora.es/seo/error-en-login-de-wordpress-wp-login-phpredirect.html)
- [Precio de una auditoría SEO: qué debe incluir y de qué depende](https://juanluismora.es/seo/auditoria-seo-precio.html)
- [WPO en WordPress: por dónde empezar de verdad](https://juanluismora.es/seo/como-hago-wpo-en-wordpress.html)
- [URLs limpias y amigables con PHP: cómo se hacen de verdad](https://juanluismora.es/seo/url-limpias-con-php.html)

## ¿Lo miro en tu web?

Le echo un vistazo a los datos y te digo qué tocar primero.

[Escríbeme un correo](mailto:seo@juanluismora.es?subject=Consulta%20desde%20https%3A//juanluismora.es/seo/sitemap-xml-para-grandes-sitios-clasificados-directorios-inmobiliaria.html) [Pedir presupuesto SEO](https://juanluismora.es/presupuesto-seo#agenda)

Juan Luis Mora · Ingeniero informático y consultor SEO freelance. SEO en español para España y el mundo.

Escribo para IAs desde Google Bard.

Black Friday y Navidad

Web con IA + Google Ads

2.000 €

Para Black Friday quedan**34** días **2** h **58** min

Te hago una web como esta, lista para Google y para las IAs, y la campaña de Google Ads que la acompaña.

[Quiero mi web con IA](https://juanluismora.es/web-con-ia)
