Saltar al contenido

Cómo encontrar y corregir páginas huérfanas

Compara un rastreo con sitemaps, Search Console, registros y CMS. Verifica las páginas huérfanas y decide si conectarlas, fusionarlas o retirarlas.

Ilustración de una página aislada que vuelve a conectarse con su colección

Traducción al español de la guía original de FloxoLab. Comprobaciones de fuentes para la edición en español documentadas el .

Respuesta directa: busque páginas huérfanas rastreando el sitio desde su punto de entrada normal, recopilando URL de fuentes de las que no depende el rastreo, normalizando ambas listas e investigando las URL que aparecen en una fuente independiente pero no en el rastreo. Luego, decida si cada página debe volver a conectarse, fusionarse y redirigirse, excluirse de la búsqueda o eliminarse. Añadir todas las páginas huérfanas a la navegación no es el objetivo.

Esta guía tiene un objetivo concreto: encontrar páginas que no tengan una ruta rastreable útil desde el estructura principal de enlaces internos del sitio y decidir su destino. No evalúa la profundidad de los enlaces, la calidad de los textos ancla, la distribución de autoridad ni las rutas hacia una conversión entre páginas que ya están conectadas. Estos aspectos corresponden a una auditoría de enlaces internos más amplia.

Definir qué se considera una página huérfana

Una página huérfana es una URL a la que un rastreador normal no puede acceder siguiendo enlaces internos desde el punto de entrada elegido, normalmente la página de inicio. La página aún puede existir, devolver 200, aparecer en Google, recibir visitas o ubicarse en un mapa del sitio XML. Incluso puede enlazar a otras páginas huérfanas. Ninguno de esos hechos prueba que la página sea accesible mediante enlaces internos.

La definición depende del alcance del rastreo. Un rastreador restringido a un subdominio no verá enlaces de otro subdominio. Un rastreo sin renderizado de JavaScript puede pasar por alto enlaces que sí aparecen de forma fiable en el HTML renderizado. Un rastreo bloqueado por autenticación, reglas de robots, límites de velocidad o errores puede producir falsos candidatos a páginas huérfanas. Registre la configuración del rastreo antes de considerar esa diferencia un problema del sitio.

Un mapa del sitio es una fuente de descubrimiento, no una reparación de enlaces internos. Google recomienda enumerar las URL canónicas que desea en la búsqueda, pero también dice que cada página que le interese debe tener un enlace desde al menos otra página de su sitio. Utilice ambas señales para las páginas importantes.

1. Rastrear únicamente los enlaces internos del sitio

Empiece con un rastreo de control desde la página de inicio o la raíz real de la sección que se está auditando. No importe todavía el mapa del sitio, Search Console, análisis, una lista de CMS ni una lista de URL guardadas. Si se utilizan esas fuentes como puntos de entrada del rastreo, el rastreador puede recuperar una página desconectada y hacer que parezca accesible mediante enlaces internos.

La guía de enlaces actual de Google dice que los enlaces generalmente se pueden rastrear cuando son elementos ancla con valores href resolubles. Los botones, los controladores de clics y las tarjetas visuales sin anclajes rastreables no son reemplazos confiables.

2. Crear un inventario de URL independiente

Ninguna fuente contiene todos los candidatos útiles. Combine fuentes que puedan revelar URL sin seguir los enlaces internos actuales y mantenga una columna que identifique la fuente para que la evidencia siga siendo interpretable.

FuenteQué puede revelarLimitación importante
Mapa del sitio XMLURL que el sistema de publicación presenta actualmente como preferidas para la búsquedaPueden contener redirecciones obsoletas, errores, duplicados o páginas desvinculadas
Search ConsoleURL que Google ha registrado a través de la actividad de búsqueda o sistemas de indexaciónLa cobertura varía según el informe; las exportaciones y las URL de ejemplo pueden ser limitadas, estar desactualizadas y abarcar solo la propiedad seleccionada, por lo que Search Console no debe tratarse como un inventario completo de URL del sitio.
Registros del servidorURL solicitadas por rastreadores y usuarios verificados durante el período conservado en los registrosSi no hubo solicitudes, no habrá registro; hay que depurar el tráfico de bots y las variantes con parámetros
Exportación de bases de datos o CMSRegistros publicados, páginas heredadas, estados de productos y rutas generadasEs posible que un registro no se asigne claramente a una URL canónica pública
Páginas de destino de AnalyticsPáginas a las que se llega directamente desde búsquedas, campañas, marcadores o enlaces externosLa cobertura del seguimiento, el consentimiento, el intervalo de fechas y el ruido limitan la exhaustividad
Datos de backlinksURL antiguas o aisladas que aún reciben vínculos externosLos índices de proveedores están incompletos y pueden conservar URL obsoletas

Para un sitio pequeño, el mapa del sitio, las exportaciones de Search Console y el inventario del CMS suelen ser un primer paso útil. Los registros aportan pruebas más directas de las solicitudes realizadas cuando están disponibles. El tutorial de páginas huérfanas oficial de Screaming Frog utiliza mapas de sitio XML, Google Analytics y Search Console como fuentes de descubrimiento adicionales y luego informa las URL que no se observan durante el rastreo normal.

3. Normalizar antes de comparar listas

La comparación de URL originales crea diferencias falsas. El mismo destino puede aparecer con letras mayúsculas, parámetros de seguimiento, un host antiguo, un carácter codificado, un fragmento, una barra diagonal o una redirección. Conserve la URL original como referencia, pero compare las listas utilizando una clave normalizada.

  1. Resuelva las variantes conocidas del protocolo y del host de producción de acuerdo con la política real del sitio.
  2. Elimine los fragmentos porque no identifican un documento obtenido por separado.
  3. Clasifique los parámetros antes de eliminarlos. Elimine los parámetros de seguimiento conocidos, pero conserve los parámetros que generan contenido o estados diferentes.
  4. Siga las redirecciones y registre tanto la URL enviada como el destino final.
  5. Registre la URL canónica declarada sin sustituir de forma implícita por ella la URL que se ha obtenido.
  6. Aplique las reglas del sitio sobre mayúsculas, minúsculas y barra final.
raw_url | normalized_key | source | final_url | status | canonical | found_in_control_crawl

No escriba en minúsculas las URL completas a menos que la plataforma garantice rutas que no distingan entre mayúsculas y minúsculas. No elimine todas las cadenas de consulta porque las variantes de comercio electrónico, los selectores de idioma y las rutas de aplicaciones pueden tener un comportamiento distinto. La normalización debe reflejar las reglas de enrutamiento vigentes, no una fórmula de limpieza genérica.

4. Calcular la diferencia, no una puntuación arbitraria para las páginas huérfanas

El primer conjunto de candidatos es simple:

candidate URLs = independent inventory - control crawl URLs

Mantenga la información de origen y los datos de respuesta actualizados junto a cada URL potencialmente huérfana. Una URL presente en el mapa del sitio, Search Console, registros y CMS merece una revisión más rápida que una variante aislada con parámetros de seguimiento que solo aparece en datos antiguos de analítica. Se trata de una priorización basada en la evidencia y la función de la página para el negocio, sin recurrir a una puntuación arbitraria.

Los grupos iniciales útiles son:

5. Verificar manualmente cada URL potencialmente huérfana

Una diferencia en la lista es una pista, no un veredicto. Abra una muestra representativa y revise individualmente cada URL importante. Confirme la respuesta final, la página renderizada, la directiva robots, la URL canónica declarada, los enlaces internos y el propósito de la página. Busque en las plantillas del sitio y los archivos fuente la URL exacta y su forma canónica.

Los falsos positivos suelen provenir de un rastreo que se detuvo antes de tiempo, una paginación que utiliza botones en lugar de enlaces, acceso bloqueado al rastreador, configuración de JavaScript, hosts alternativos, enlaces con formato incorrecto o una URL canónica que difiere de la URL en la lista de fuentes. Corrija los problemas del rastreo o del enrutamiento que distorsionan la evidencia antes de cambiar la arquitectura de la página.

Compruebe también si la página está intencionadamente fuera de la navegación pública. Una página de confirmación, una landing de una campaña de pago, un portal de clientes o un documento privado compartido pueden estar desvinculados por diseño. noindex puede controlar la elegibilidad de búsqueda cuando los rastreadores pueden acceder a la página, pero no es control de acceso. El contenido confidencial necesita autenticación u otro mecanismo efectivo de autorización.

6. Asignar un resultado a cada página

Situación observadaResultadoImplementación
Página útil, distinta y actual que pertenece al sitioReconectarAgregar un enlace contextual rastreable desde el hub, categoría, servicio o guía más pertinente; mantener la URL canónica en el mapa del sitio
El material útil duplica o fragmenta una página más sólidaFusionarTrasladar el contenido que aporta valor propio, redirigir la URL antigua al destino relevante y actualizar los inventarios
Página válida para usuarios u operaciones, pero no como resultado de búsquedaExcluir de la búsquedaAplicar noindex cuando corresponda y retirar la página de los sitemaps de páginas indexables
Página obsoleta con un reemplazo relevanteRedireccionamientoUtilizar una redirección permanente hacia el sustituto más pertinente
Página obsoleta sin reemplazoEliminarDevolver 404 o 410, eliminarla de los inventarios actuales y reparar las referencias obsoletas
Recurso confidencial o restringidoProtegerRequerir autenticación o autorización; no confiar en la ausencia de enlaces, robots.txt o noindex para proteger su privacidad

Vuelva a conectar la página desde un lugar donde el usuario esperaría encontrarla. No agregue una lista indiscriminada de enlaces en el pie, no cree un directorio genérico de "todas las páginas" ni fuerce enlaces desde páginas de alta autoridad no relacionadas. Google dice que no existe un número mágico ideal de enlaces. Un camino útil es el requisito mínimo de descubrimiento, no una estrategia completa de enlaces internos.

Si la página no cumple una función propia, un nuevo enlace conserva la URL incorrecta. Utilice el marco de planificación de canibalización y clúster de temas (en inglés) para decidir si su intención es distinta antes de volver a conectarla. Si el inventario de páginas huérfanas expone redirecciones o entradas de mapas de sitio no canónicas, continúe con el procedimiento específico de limpieza de sitemaps.

7. Corregir el sistema que dejó la página huérfana

La corrección de una página no durará si el flujo de trabajo de publicación sigue creando rutas desconectadas. Identifique la causa. Los ejemplos comunes incluyen eliminar una tarjeta de categoría mientras se deja el artículo publicado, cambiar un slug sin actualizar los enlaces, finalizar una campaña sin un procedimiento para retirar el contenido, importar productos sin asignar categorías, publicar un registro CMS fuera de la consulta que genera el hub o hacer que la paginación dependa de la interacción.

Añada una comprobación previa a la publicación que se ajuste a la plataforma:

La medida preventiva debe abordar la causa del problema. Un sitio con una colección de CMS rota necesita una corrección en el sistema que genera las páginas. Un sitio con páginas de campaña antiguas necesita una regla que asigne responsables y defina cuándo retirar páginas. Ninguno de los problemas se resuelve programando nuevos enlaces arbitrarios.

8. Volver a rastrear y validar los resultados

Ejecute otro rastreo de control después de aplicar los cambios, sin usar los inventarios independientes como puntos de entrada. Ahora debería poder accederse a todas las páginas reconectadas a través del enlace previsto. Las URL fusionadas deben resolverse directamente a sus destinos relevantes. Las páginas eliminadas y las marcadas con noindex deben retirarse de los sitemaps de páginas indexables.

Una reparación exitosa significa que el estado del sitio ahora coincide con el resultado elegido. No garantiza indexación ni posicionamiento. Una página reconectada aún puede tener problemas de duplicación, calidad, canonical, renderizado o de demanda. Diagnostíquelos por separado en lugar de volver a abrir la tarea de la página huérfana.

Este flujo de trabajo finaliza una vez que se encuentran, clasifican, reparan y rastrean las páginas sin rutas de acceso internas. Una página con un enlace entrante rastreable deja de ser huérfana, pero todavía puede quedar a demasiados clics, recibir enlaces con textos ancla poco claros, acumular enlaces innecesarios o quedar desconectada del recorrido hacia una acción comercial. La auditoría posterior de enlaces internos debería evaluar esos aspectos en el conjunto de páginas conectadas.

Mantener los ámbitos separados evita dos errores comunes: tratar cada página débil como huérfana y dar por correcta la arquitectura porque cada URL tiene al menos un enlace. Primero restaure o retire las páginas desconectadas. Luego audite cómo el sistema conectado distribuye el contexto y el acceso.

Base de evidencia

La documentación de Google Search Central y Screaming Frog se verificó el 29 de agosto de 2026. Esta fecha corresponde a la revisión del original en inglés. Las comprobaciones de fuentes para la edición en español se documentaron el 18 de noviembre de 2026. El inventario de fuentes múltiples, los campos de normalización, la matriz de resultados y la secuencia de validación son marcos de implementación de FloxoLab. No son reglas de posicionamiento de Google ni una afirmación de que un rastreador contiene un inventario de URL completo.

¿Necesita identificar qué páginas huérfanas conviene recuperar?

FloxoLab puede comparar los datos del rastreo, el sitemap, el CMS y Search Console para recomendar qué hacer con cada URL según la función de la página.

Consultar la auditoría SEO (en inglés)