# Qué es Googlebot y cómo saber si una visita es real

> Qué es Googlebot, el rastreador de la Búsqueda de Google, qué lee de tus fichas, qué pasa si lo bloqueas y cómo verificar que una visita es de Google.

URL: https://clione.ai/es/glosario/googlebot/
Lang: es

Googlebot es el [rastreador](/es/glosario/rastreador/) de la Búsqueda de Google: el programa que pide tus páginas para que Google pueda indexarlas y mostrarlas. No es una herramienta que se instale ni una cuenta de Google, y no es el único agente de Google, pero sí el que rastrea tus fichas para la Búsqueda. Para una tienda, conocerlo sirve para tres cosas: saber **qué lee de verdad de cada ficha**, no cerrarle la puerta por error y distinguirlo de los muchos bots que usan su nombre sin serlo.

## Cómo funciona

Google llama Googlebot a dos rastreadores: Googlebot Smartphone, que simula a una persona en un móvil, y Googlebot Desktop, que simula a una en un ordenador. Como en la mayoría de los sitios Google indexa sobre todo la versión móvil del contenido, **la mayor parte de las peticiones las hace el rastreador de móvil**. Los dos obedecen al mismo nombre en [robots.txt](/es/glosario/robots-txt/), así que no puedes permitir uno y bloquear el otro desde ahí.[^google-googlebot]

Google clasifica sus agentes en tres grupos. Los rastreadores comunes, como Googlebot, **respetan siempre las reglas de robots.txt en sus rastreos automáticos**. Los de casos especiales trabajan para productos concretos con un acuerdo entre el sitio y el producto, y los activados por una persona hacen una petición cuando alguien la pide desde una herramienta.[^google-crawlers-overview] Lo que le permitas o bloquees a Googlebot afecta a la Búsqueda de Google, con Discover y todas sus funciones, y también a Google Imágenes, Google Vídeo y Google Noticias.[^google-common-crawlers]

Eso incluye la IA. Google explica que la IA está integrada en la Búsqueda y que por eso **las directivas de robots.txt para Googlebot son el control** para gestionar cómo se rastrea un sitio para ella: no hay un rastreador aparte para [AI Overviews](/es/glosario/ai-overviews/) ni para el [Modo IA](/es/glosario/modo-ia-google/).[^google-ai-features] El nombre que sí existe aparte es [Google-Extended](/es/glosario/google-extended/), y no es un rastreador: decide si lo que rastrea Google puede usarse para entrenar los modelos [Gemini](/es/glosario/gemini/), y Google dice que no afecta a la inclusión de tu sitio en la Búsqueda.[^google-common-crawlers]

Googlebot pide poco y con cuidado. Google dice que no debería acceder a un sitio **más de una vez cada pocos segundos de media**.[^google-googlebot] El límite práctico de cuánto se rastrea en un sitio es lo que se conoce como [presupuesto de rastreo](/es/glosario/presupuesto-de-rastreo/).

Y no lo lee todo. Googlebot rastrea **los primeros 2 MB de cada tipo de archivo admitido**, y los primeros 64 MB de un PDF. El límite se aplica a los datos sin comprimir. Cuando llega al corte, deja de descargar y solo pasa a la [indexación](/es/glosario/indexacion/) la parte que ya tiene. Cada recurso que enlaza el HTML, como el CSS o el JavaScript, se descarga aparte, con el mismo límite.[^google-googlebot] Una ficha con el HTML inflado por scripts en línea puede dejar fuera de esos 2 MB lo que venga al final.

La petición llega con uno de estos dos [_user agent_](/es/glosario/user-agent/), según la documentación de octubre de 2026. `W.X.Y.Z` es la versión de Chrome, que cambia:[^google-common-crawlers]

```text
Mozilla/5.0 (Linux; Android 6.0.1; Nexus 5X Build/MMB29P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/W.X.Y.Z Mobile Safari/537.36 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)
Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; Googlebot/2.1; +http://www.google.com/bot.html) Chrome/W.X.Y.Z Safari/537.36
```

Que una petición diga eso no demuestra nada. Google avisa de que **otros rastreadores falsifican a menudo el _user agent_ de Googlebot**, y de que la mejor forma de verificarlo es una búsqueda de DNS inverso sobre la IP de origen o comparar esa IP con los rangos de Googlebot.[^google-googlebot] Los rastreadores comunes salen de los rangos publicados en `common-crawlers.json`, y el nombre de su host sigue el patrón `crawl-***-***-***-***.googlebot.com` o `geo-crawl-***-***-***-***.geo.googlebot.com`.[^google-common-crawlers] La versión del archivo que leímos el 6 de octubre de 2026 era de ese mismo día, con 170 prefijos IPv4 y 147 IPv6.[^google-ips] Se regenera a menudo, así que se consulta cuando se verifica.

## En una tienda

Una tienda de material de fotografía ve en sus registros mil peticiones en una hora que dicen ser de Googlebot, todas a URL de colecciones filtradas. Es un **ejemplo ficticio**, con una línea simplificada y una IP reservada para documentación:

```text
203.0.113.77 [06/Oct/2026:04:10:12 +0200] "GET /collections/tripodes?filter.p.vendor=X&sort_by=price HTTP/1.1" 200 "...compatible; Googlebot/2.1; +http://www.google.com/bot.html..."
```

Antes de tocar robots.txt, la tienda verifica la IP con el método manual de Google, en cuatro pasos:[^google-verify]

1. Lanza una búsqueda de DNS inverso sobre la IP con el comando `host`.
2. Comprueba que el nombre que devuelve termina en `googlebot.com`, `google.com` o `googleusercontent.com`.
3. Lanza una búsqueda de DNS directo con `host` sobre ese nombre.
4. Comprueba que devuelve la misma IP del registro.

Si el nombre no termina en uno de esos dominios, o el DNS directo devuelve otra IP, la visita no es de Google, y **bloquear ese tráfico no afecta a la Búsqueda**. Si la IP sí es de Google, el problema es otro: las colecciones filtradas están abiertas al rastreo y Googlebot las está recorriendo. Ahí la solución es una regla en robots.txt para esas URL, no un bloqueo de Googlebot.


**Bloquear Googlebot para frenar la IA de Google no te saca solo de la IA.** Las directivas de robots.txt para Googlebot son el control de toda la Búsqueda, porque la IA está integrada en ella.[^google-ai-features] Cerrarle la puerta para salir de AI Overviews le impide rastrear tus fichas para todo lo demás: los resultados de siempre, Discover, Google Imágenes y Google Noticias.[^google-common-crawlers] Para limitar lo que se muestra en las funciones de IA, Google señala `nosnippet`, `data-nosnippet`, `max-snippet` y [`noindex`](/es/glosario/noindex/).[^google-ai-features]


## Cómo comprobarlo

1. **Abre `tudominio.com/robots.txt` y busca un grupo que nombre a Googlebot.** Si no hay ninguno, sigue el del asterisco. Mira qué dicen ese grupo y el general de la ruta de tus fichas.
2. **Verifica las visitas que dicen ser de Googlebot** con DNS inverso y directo, o contra `common-crawlers.json`.[^google-verify]
3. **Mira el peso del HTML de tus fichas sin comprimir.** Si se acerca a 2 MB, lo que vaya al final puede quedarse fuera.[^google-googlebot]
4. **Usa la Inspección de URLs de [Search Console](/es/glosario/search-console/)** para ver el HTML que recibió Googlebot al rastrear una ficha. Google la recomienda para comprobar que la implementación es correcta.[^google-ai-features]
5. **Revisa el cortafuegos o la CDN.** Una regla contra bots que pare las IP de Google bloquea el rastreo aunque robots.txt lo permita.

## Concepto cercano: Google-Extended

Googlebot visita tu tienda; Google-Extended no la visita nunca. Google-Extended no tiene _user agent_ propio: el rastreo lo hacen los agentes de siempre de Google, y el nombre en robots.txt solo decide si lo rastreado puede usarse para entrenar los modelos Gemini y para el [_grounding_](/es/glosario/grounding/) en las apps de Gemini y en Vertex AI.[^google-common-crawlers] **Bloquear Googlebot cambia lo que Google puede leer; bloquear Google-Extended solo cambia si puede usarlo para entrenar y alimentar a Gemini.**

Para seguir, la entrada de [rastreo frente a indexación](/es/glosario/rastreo-vs-indexacion/) separa lo que hace Googlebot de lo que decide Google después, y la [ruta de lectura](/es/aprender/rastreo-e-indexacion/) de este tema ordena el resto de términos.