# Qué es el presupuesto de rastreo (crawl budget) en SEO > Qué es el presupuesto de rastreo, cuándo debe preocupar a una tienda online, qué lo malgasta (filtros, duplicados, noindex) y cómo medirlo. URL: https://clione.ai/es/glosario/presupuesto-de-rastreo/ Lang: es El presupuesto de rastreo no es dinero que pagues a Google ni una cifra que aparezca en ningún panel: es la forma de hablar de **cuántas URL de tu sitio está dispuesto a pedir un [rastreador](/es/glosario/rastreador/)** y cuáles elige. A una tienda le importa por una razón concreta. Un catálogo con filtros de color, talla y precio fabrica muchas más URL que productos, y si el rastreador gasta su tiempo en ellas, las fichas nuevas y los cambios de precio tardan más en llegar al buscador. Y le importa saber también lo contrario: Google dice que **si tus páginas se rastrean el mismo día que se publican, no necesitas leer su guía**.[^google-crawl-budget] ## Cómo funciona Google parte de una constatación: la web es casi infinita y tiene que poner límites al tiempo y los recursos que dedica a cada sitio. A ese reparto lo llama presupuesto de rastreo, y lo define como **el conjunto de URL que Google puede y quiere rastrear**. Para su infraestructura, un sitio es un nombre de host: `www.tienda.com` y `blog.tienda.com` tienen presupuestos separados.[^google-crawl-budget] El «puede» es el **límite de capacidad de rastreo**, que Google también llama _hostload_: el tiempo total que tu servidor pasa con conexiones abiertas para Google, contando cuántas a la vez y cuánto duran. Todos los sitios empiezan con el mismo límite, conservador. Si el servidor responde de forma estable y rápida, el límite sube; si se ralentiza o devuelve errores 5xx o señales de limitación como un 429, baja y Google rastrea menos. Ese límite lo comparten todos los rastreadores de Google, así que la demanda de uno reduce la capacidad que queda para los demás.[^google-crawl-budget] El «quiere» es la **demanda de rastreo**. Para [Googlebot](/es/glosario/googlebot/) depende del tamaño del sitio, de cada cuánto cambia, de la calidad de sus páginas y de su relevancia frente a otros sitios. Google nombra tres factores en los que puedes influir: el inventario que percibe (sin indicaciones tuyas, intenta rastrear todas o casi todas las URL que conoce, y es el factor que más puedes controlar), la popularidad de cada URL y su antigüedad, porque quiere volver a rastrear a tiempo para recoger los cambios. Hay un detalle propio del comercio: Google Shopping tiene más demanda para los productos que están en tu [feed de productos](/es/glosario/feed-de-productos/) de [Google Merchant Center](/es/glosario/google-merchant-center/).[^google-crawl-budget] Dos consecuencias que se olvidan. Primera: aunque no se llegue al límite de capacidad, **si la demanda es baja, Google rastrea menos**. Segunda: rastrear no es indexar. Cada página rastreada se evalúa y se consolida después, y no todas acaban en el índice;[^google-crawl-budget] esa segunda fase es la [indexación](/es/glosario/indexacion/). Para conseguir más presupuesto, Google da solo dos vías: más recursos de servidor, si el problema es de capacidad, y más calidad para el producto de Google al que apuntas, que en la Búsqueda incluye popularidad, valor para el usuario, contenido único y capacidad de servirlo.[^google-crawl-budget] ¿A quién va dirigido todo esto? Google lo escribe para tres tipos de sitio: los de más de un millón de páginas únicas que cambian más o menos una vez por semana, los de más de 10.000 que cambian a diario y los que tienen una parte grande de sus URL en el estado «Descubierta: actualmente sin indexar» de [Search Console](/es/glosario/search-console/). Y avisa de que **las cifras son una estimación aproximada, no umbrales exactos**.[^google-crawl-budget] ## En una tienda Una tienda de ropa con 2.000 productos y 40 colecciones. Cada colección se puede filtrar por seis colores, cinco tallas y cuatro órdenes, y cada combinación genera su propia URL con parámetros. Es un **ejemplo ficticio**, con cifras redondas para ver la proporción: | Tipo de URL (ejemplo ficticio) | Cuántas | ¿Interesa que Google la rastree? | | -------------------------------------------------------------------------------- | ------- | -------------------------------- | | [Fichas de producto](/es/glosario/ficha-de-producto/) | 2.000 | Sí | | Colecciones sin filtrar | 40 | Sí | | Colecciones con color, talla y orden (40 × 6 × 5 × 4) | 4.800 | Casi nunca | | Fichas con `?variant=` en la URL | 9.000 | No: apuntan a su ficha canónica | El catálogo útil son 2.040 URL; el que el rastreador puede encontrar, casi 16.000. Google describe los dos daños que causa la [navegación facetada](/es/glosario/navegacion-facetada/): el sobrerrastreo, porque cada URL de filtro parece nueva y el rastreador no sabe si sirve hasta que la pide, y **el descubrimiento más lento**, porque el tiempo gastado en URL inútiles deja menos para las nuevas.[^google-faceted] Lo mismo pasa con el [contenido duplicado](/es/glosario/contenido-duplicado/): Google prefiere que Googlebot dedique su tiempo a las páginas nuevas o actualizadas y no a versiones duplicadas del mismo contenido.[^google-canonical] Las salidas que propone Google para los filtros que no quieres rastreados: bloquearlos en [`robots.txt`](/es/glosario/robots-txt/), usar fragmentos (`#color=azul`) en lugar de parámetros, o marcar sus enlaces con `rel="nofollow"`. La [URL canónica](/es/glosario/canonical/) apuntando a la colección sin filtrar también se puede usar, pero Google la considera **en general menos eficaz a largo plazo**.[^google-faceted] Ninguna de estas cifras dice que esta tienda tenga un problema: con 2.000 productos, está muy por debajo del público de la guía. Lo que lo diría es el informe de estadísticas de rastreo. **Marcar con [`noindex`](/es/glosario/noindex/) las páginas que sobran no ahorra rastreo.** Google sigue pidiéndolas y solo las descarta al leer la regla, así que el tiempo de rastreo se gasta igual. Para lo que no quieres rastreado, Google recomienda `robots.txt`. Y bloquear unas URL no reparte su presupuesto entre las demás: **Google no lo traslada a otras páginas salvo que ya esté llegando al límite de capacidad del sitio**.[^google-crawl-budget] ## Cómo comprobarlo 1. **Mira primero si es tu problema.** Publica un producto y comprueba en la Inspección de URLs de Search Console cuándo lo rastreó Google. Si es el mismo día, Google dice que basta con mantener el sitemap al día y revisar con regularidad el informe de indexación de páginas.[^google-crawl-budget] 2. **Abre el informe de estadísticas de rastreo** desde la configuración de la propiedad. Da las solicitudes totales, el tamaño descargado, el tiempo medio de respuesta y el estado del host, con desgloses por código de respuesta, tipo de archivo, propósito (descubrimiento o actualización) y tipo de Googlebot. Solo funciona en propiedades de nivel raíz, y Google lo presenta como un informe para usuarios avanzados que un sitio de menos de 1.000 páginas normalmente no necesita.[^gsc-crawl-stats] 3. **Lee en qué se va el rastreo.** Muchas respuestas 404, redirecciones o páginas que devuelven un «no encontrado» con un 200 (los _soft 404_) son rastreo gastado. Google pide devolver un 404 o un 410 en los productos retirados para siempre, eliminar los _soft 404_ y evitar las cadenas largas de redirecciones.[^google-crawl-budget] 4. **Ordena tu inventario de URL.** Consolida los duplicados, decide qué filtros no se rastrean y mantén el [sitemap XML](/es/glosario/sitemap-xml/) con la etiqueta `` cuando el contenido cambia.[^google-crawl-budget][^google-faceted] 5. **Vigila la velocidad del servidor.** Si las respuestas se alargan o aparecen errores 5xx o 429, el límite de capacidad baja. Responder con un 304 (_Not Modified_) a las páginas que no han cambiado deja a Google reutilizar su copia y ahorra recursos a tu servidor.[^google-crawl-budget] ## Concepto cercano: indexación El presupuesto de rastreo decide qué URL se piden; la indexación, cuáles de esas se guardan. Por eso un presupuesto holgado no arregla una ficha que Google rastrea y no indexa: el estado «Rastreada: actualmente sin indexar» habla de lo que la página ofrece, no de cuánto se rastrea. El que sí apunta al rastreo es «Descubierta: actualmente sin indexar», el tercer perfil al que Google dirige su guía.[^google-crawl-budget] La entrada [rastreo frente a indexación](/es/glosario/rastreo-vs-indexacion/) pone las dos fases una al lado de la otra, y la de [IndexNow](/es/glosario/indexnow/) explica cómo avisar a Bing y a otros buscadores de un cambio sin esperar a que lo descubran. Para seguir, la [ruta de lectura de rastreo e indexación](/es/aprender/rastreo-e-indexacion/) ordena el resto de términos.