Para qué sirve el sitemap HTML y qué dejar al XML y al de texto

Un sitemap HTML es una página del propio sitio con una colección de enlaces a sus secciones y a sus contenidos principales. A diferencia del sitemap XML, un archivo con una estructura estricta pensado para las máquinas, el mapa HTML está hecho para que una persona se oriente. John Mueller, en el episodio «Do sitemaps still matter?» de Search Off the Record (1 de octubre de 2026, transcripción oficial), lo describió como casi un mapa de la web para las personas y, en sus palabras, «básicamente una colección de enlaces»: no se puede enviar como sitemap ni procesarse como tal, pero un rastreador que encuentre la página puede seguir sus enlaces, y eso ayuda al rastreo. Mueller habló de rastreo, no de indexación ni de posiciones.

Para qué sirve un sitemap HTML

• Para las personas. En un sitio con muchas secciones o muchas URL, es el lugar donde ver de un vistazo cómo está organizado y llegar a cualquier parte sin recorrer los menús.
• Para los rastreadores. Es un nodo del enlazado interno. Google pide que toda página que importe tenga al menos un enlace desde otra del sitio; un mapa enlazado desde el pie de página da a las secciones y categorías una ruta corta de descubrimiento y evita que queden huérfanas. Yo recomiendo los sitemaps HTML por eso: no porque lo pida Google o sea un ranking factor, pero favorece el rastreo y permite que cualquier usuario llegue a cualquier página en pocos clics. Hay en páginas como el New York Times o Microsoft donde tienen mucho sentido.
• En una tienda. Mueller puso el ejemplo: no se listarían todos los productos, sino las categorías, para que cada persona elija allí el producto. Para los productos, la guía de Google para tiendas recomienda encarecidamente que las categorías los enlacen todos y, si no es posible, un sitemap o un feed de Google Merchant Center.

Frente a los rastreadores de IA

Si el objetivo de mantener un sitemap HTML es facilitar la vida a los modelos de lenguaje y a los buscadores generativos, el esfuerzo va al sitio equivocado. Hice un artículo con los datos de Ahrefs sobre el llms.txt, el 97 % de esos archivos nunca se leyó y ningún bot de IA pidió uno que no existiera: solo lo piden cuando un enlace, un índice o un usuario les dice que está ahí. Mueller dijo en el episodio algo parecido del llms.txt: es como un sitemap HTML, un archivo con enlaces a partes de la web, que los sistemas de Google no pueden usar como sitemap, que hoy no procesan y que él no trataría como una prioridad.

Para las máquinas, el estándar sigue siendo el de siempre. En los logs de la web de Carlos Sánchez, con 39.761 peticiones de 12 bots de IA, lo más pedido fue el robots.txt (las 4.826 peticiones al archivo eran de OpenAI) y, entre el robots.txt y la página de inicio, había siete sitemaps, XML y de texto, declarados en él. Son datos de una web, y el propio análisis avisa de que no hay pruebas de que ser rastreado lleve a más menciones: lo que sí demuestra es que esos archivos los abren.

Qué listar y cómo hacerlo bien

• Secciones y categorías, no todas las URL. Lo que oriente a una persona. Lo que no quepa en una página se reparte en varias: un periódico puede ir del año al mes y del mes al día.
• Enlaces normales. Cada entrada es un elemento <a> con atributo href y un texto de enlace que describa la página de destino («Zapatillas de running», no «ver más»). Según la documentación sobre enlaces rastreables, Google normalmente solo rastrea los enlaces con ese formato, y si el texto lo inserta JavaScript conviene comprobar con la inspección de URL de Search Console que sale en el HTML renderizado.
• Sin bloqueos por error. El robots.txt no debe bloquear la página: si lo hace, Google no la rastrea y no puede leer sus enlaces. Con noindex, Google la retira de sus resultados, y su documentación no dice qué hace con los enlaces de una página así. Pero si que hemos visto afirmaciones oficiales obre que una página no index acaba perdiendo frecuencia de rastreo y a la larga es como un "nofollow".
• Un enlace desde el pie y una fila en el sitemap XML. Sin el enlace, el mapa es una página huérfana más. Sus páginas son páginas del sitio y pueden ir en el sitemap XML como cualquier otra.

Un esquema mínimo para una tienda, con categorías y una página informativa y ningún producto (ejemplo propio):

<ul>
  <li><a href="https://www.example.com/zapatillas/">Zapatillas</a>
    <ul>
      <li><a href="https://www.example.com/zapatillas/running/">Running</a></li>
      <li><a href="https://www.example.com/zapatillas/trail/">Trail</a></li>
    </ul>
  </li>
  <li><a href="https://www.example.com/ropa/">Ropa</a></li>
  <li><a href="https://www.example.com/envios-y-devoluciones/">Envíos y devoluciones</a></li>
</ul>

Lo que queda para el XML, el texto y los feeds

El sitemap HTML no sustituye a los sitemaps que se envían a los buscadores. Google admite, sin preferencia por ninguno, el XML (el más versátil: fecha de modificación y extensiones para imágenes, vídeo, noticias y versiones localizadas), los feeds RSS 2.0 y Atom 1.0 (solo las URL recientes) y el de texto: un archivo .txt con una URL por línea y nada más, el más fácil de hacer y de mantener, que sirve como parche mientras se desarrolla el XML o como lista aparte de las URL que más importan al negocio, para seguirlas en Search Console.

Los tres comparten los límites (50.000 URL o 50 MB sin comprimir por archivo, UTF-8, URL absolutas y canónicas), se declaran en el robots.txt con una línea Sitemap: y se envían en el informe Sitemaps de Search Console.

Y, según su introducción a los sitemaps, en la mayoría de los casos un sitio se beneficia de tener uno; el enlazado de una web no siempre es ejemplar, por lo que se recomienda dejarlo activado, especialmente si es dinámico y se revisa.

¿Tiene sentido hoy un sitemap HTML?

Sí, desde una perspectiva humana y de arquitectura del sitio: aplana la profundidad de clics y ayuda a quien se pierde. No sustituye la necesidad técnica de enviar sitemaps XML, de texto o feeds a los buscadores.

La mejor forma de entender su utilidad es verlo en la práctica. El mapa del sitio del SEOmanal funciona como un sitemap HTML puro: está diseñado para las personas, permite llegar a cada pieza descendiendo por año, mes y día para evitar páginas interminables, y da acceso a cualquier sección, tema o autor. Sabe cuál es su lugar. Para orientar a las máquinas y a la IA ya tenemos el índice de sitemaps XML declarado donde corresponde: en nuestro robots.txt.