¿Qué es la indexación de una página web en Google?

Aquí indexación no es la del alquiler al IPC ni la de una base de datos: es lo que hace un buscador con tu página después de visitarla. Para una tienda, una ficha de producto que no está en el índice no existe para Google: no sale en los resultados, no puede llevar tráfico y tampoco puede servir de fuente en sus respuestas con IA. Y no es raro que pase. Google dice sin rodeos que no garantiza rastrear, indexar ni mostrar ninguna página, aunque cumpla sus requisitos esenciales.⁠^{[1]Google Search Central. In-depth guide to how Google Search works}

Cómo funciona

Google describe la Búsqueda en tres fases, y no todas las páginas pasan las tres: el rastreo, en el que un rastreador descarga el texto, las imágenes y los vídeos de las páginas que encuentra; la indexación, en la que analiza ese contenido y lo guarda en el índice, una gran base de datos; y la publicación de resultados, cuando alguien busca y Google devuelve lo que considera relevante.⁠^{[1]Google Search Central. In-depth guide to how Google Search works}

Lo que pasa dentro de la indexación tiene más miga de lo que sugiere la palabra «guardar». Google procesa el texto y las etiquetas y atributos clave, como el elemento <title> o los atributos alt, además de las imágenes y los vídeos. Agrupa las páginas que considera duplicadas entre sí y elige la más representativa del grupo como canónica; de esa página recoge señales que luego usa al mostrar resultados.⁠^{[1]Google Search Central. In-depth guide to how Google Search works} Por eso en una tienda se indexa una URL por grupo, no una por variante o por filtro, y Google lo dice en su informe: tu objetivo debería ser que se indexe la versión canónica de cada página importante, y las duplicadas o alternativas no se deberían indexar.⁠^{[2]Ayuda de Search Console. Informe de indexación de páginas}

La URL que acaba en el índice no la decides del todo tú. Una redirección y la etiqueta canonical son señales fuertes, y aparecer en un sitemap es una señal débil, pero las tres son indicaciones, no órdenes: Google puede elegir otra canónica si cree que es mejor.⁠^{[3]Google Search Central. How to specify a canonical URL with rel="canonical" and other methods} Lo mismo con el sitemap como vía de descubrimiento: ayuda a que Google encuentre tus URL, pero no garantiza que todas se rastreen y se indexen.⁠^{[4]Google Search Central. Learn about sitemaps}

El JavaScript añade una fase intermedia. Google renderiza la página con una versión reciente de Chrome y ejecuta el JavaScript que encuentra, como haría tu navegador.⁠^{[1]Google Search Central. In-depth guide to how Google Search works} Las páginas esperan en una cola de renderizado, y lo que se indexa es el HTML ya renderizado.⁠^{[5]Google Search Central. Understand JavaScript SEO basics} Dos matices importan en una tienda. Si la página responde con un código distinto de 200, por ejemplo un 404, puede que el renderizado se omita. Y si Google encuentra un noindex en el HTML original, puede saltarse el renderizado y la ejecución del JavaScript, así que quitarlo después con un script puede no servir de nada.⁠^{[5]Google Search Central. Understand JavaScript SEO basics} Google sigue recomendando el renderizado en el servidor o el prerenderizado, porque hace la web más rápida para usuarios y rastreadores.⁠^{[5]Google Search Central. Understand JavaScript SEO basics}

Dos instrucciones deciden qué entra y qué no, y se confunden a menudo. El archivo robots.txt dice a los rastreadores a qué URL pueden acceder; sirve sobre todo para no sobrecargar el servidor y no es un mecanismo para mantener una página fuera de Google: una URL bloqueada puede indexarse igualmente si otras webs la enlazan, y entonces sale sin descripción.⁠^{[6]Google Search Central. Introduction to robots.txt} Para dejar una página fuera del índice está la regla noindex, como etiqueta <meta name="robots"> o como cabecera HTTP X-Robots-Tag. Para que funcione, la página no puede estar bloqueada en robots.txt: el rastreador tiene que poder leerla para ver la instrucción.⁠^{[7]Google Search Central. Block Search indexing with noindex}

La indexación también es la puerta de las respuestas con IA de Google. Para salir como enlace de apoyo en AI Overviews o en el Modo IA, una página tiene que estar indexada y poder mostrarse en la Búsqueda con un fragmento (snippet), y Google afirma que no hay requisitos adicionales.⁠^{[8]Google Search Central. AI features and your website}

En una tienda

Así se leería el informe de indexación de páginas de Search Console en una tienda de mochilas. Es un ejemplo ficticio: las URL y los estados están inventados para enseñar cómo se interpreta cada uno; los nombres de los estados y su significado son los de la ayuda de Google en español.⁠^{[2]Ayuda de Search Console. Informe de indexación de páginas}⁠^{[9]Ayuda de Search Console. Herramienta de inspección de URLs}

La fila que más dinero cuesta suele ser la de «Rastreada: actualmente sin indexar», que no sale en este ejemplo: Google ha visitado la ficha y ha decidido no guardarla, aunque puede indexarla más adelante.⁠^{[2]Ayuda de Search Console. Informe de indexación de páginas} No hay un interruptor para eso; la ficha tiene que ganarse el sitio.

Cómo comprobarlo

1. Inspecciona una ficha concreta. En Search Console, la herramienta de inspección de URLs te dice si «La URL está en Google» o «La URL no está en Google», y te muestra la canónica declarada por el usuario y la seleccionada por Google.⁠^{[9]Ayuda de Search Console. Herramienta de inspección de URLs} Si no coinciden, ese es tu primer trabajo. Ten presente que el estado «La URL está en Google» no asegura que la página aparezca en los resultados.⁠^{[9]Ayuda de Search Console. Herramienta de inspección de URLs}
2. Mira lo que ve Google, no lo que ves tú. Pulsa «Probar URL publicada» y después «Ver página probada»: tienes una captura de la página renderizada, el HTML, las cabeceras HTTP, la consola de JavaScript y los recursos cargados.⁠^{[9]Ayuda de Search Console. Herramienta de inspección de URLs} Busca en ese HTML el nombre del producto, el precio y la descripción. Si solo aparecen al ejecutar JavaScript, comprueba que también salgan en el HTML renderizado.⁠^{[5]Google Search Central. Understand JavaScript SEO basics}
3. No leas la prueba en directo como un veredicto. Compara con la versión indexada, que es la del último rastreo. La prueba en directo no comprueba, entre otras cosas, si la página es un duplicado de otra ni las directrices de calidad.⁠^{[9]Ayuda de Search Console. Herramienta de inspección de URLs}
4. Revisa el informe de indexación de páginas por motivos, no por el total. No esperes que todas las URL de tu sitio estén indexadas: mira que lo estén las canónicas de tus fichas y categorías importantes.⁠^{[2]Ayuda de Search Console. Informe de indexación de páginas}
5. Pide que vuelva cuando hayas corregido. Para una URL, «Solicitar indexación», con un número limitado de solicitudes al día y sin garantía de que la página entre en el índice.⁠^{[9]Ayuda de Search Console. Herramienta de inspección de URLs} Para un motivo entero, «Validar corrección»: suele tardar unas dos semanas y a veces mucho más.⁠^{[2]Ayuda de Search Console. Informe de indexación de páginas}

Concepto cercano: rastreo

El rastreo es descargar la página; la indexación es entenderla y decidir si se guarda.⁠^{[1]Google Search Central. In-depth guide to how Google Search works} Search Console separa las dos cosas en sus estados: «Descubierta: actualmente sin indexar» quiere decir que Google ha encontrado la página pero todavía no la ha rastreado; «Rastreada: actualmente sin indexar», que la ha rastreado y no la ha indexado.⁠^{[2]Ayuda de Search Console. Informe de indexación de páginas} El primer problema es de acceso y de prioridad; el segundo, de lo que la página ofrece frente a las demás. La comparativa rastreo vs indexación pone las dos fases una al lado de la otra.

Para seguir, la ruta de lectura de rastreo e indexación ordena el resto de términos, y la guía de lo que ve un rastreador de IA en tu tienda baja a los agentes que no son Google.