Cómo controlar el rastreo de filtros que generan miles de URL

Una página de categoría con cinco filtros puede convertirse, sin que nadie lo note, en miles de direcciones rastreables. Cada opción de color, precio, ubicación, fecha u ordenación parece inofensiva por separado. Combinadas, pueden consumir actividad de rastreo en páginas que apenas se diferencian entre sí mientras otras páginas nuevas y útiles esperan a ser descubiertas. La solución no es bloquear todos los parámetros sin mirar.

La guía de Google sobre la navegación por facetas describe el riesgo de espacios de URL prácticamente infinitos y de rastreos de descubrimiento más lentos. Se aplica a catálogos de productos, portales de empleo, agendas de eventos y grandes archivos editoriales. La primera decisión es editorial: ¿qué combinaciones filtradas responden a una necesidad de búsqueda lo bastante bien como para mantenerlas como auténticas páginas de destino?

Traza el mapa del espacio de URL antes de escribir reglas de robots

Reúne ejemplos de los registros de rastreo, la navegación interna y, cuando esté disponible, Search Console. Agrupa las URL según su finalidad: páginas de categoría canónicas, páginas de destino filtradas útiles, ordenaciones temporales, parámetros de seguimiento, resultados de búsqueda interna y combinaciones sin sentido. Calcula cuántas URL distintas puede generar una sesión de navegación razonable. Una muestra basta para detectar un patrón descontrolado, pero no para afirmar un total exacto.

Busca el mismo contenido con órdenes de parámetros distintos, como ?color=blue&size=m y ?size=m&color=blue. Examina también los identificadores de sesión y las rutas de calendario que pueden generar fechas indefinidamente. Comprueba si todas las combinaciones son accesibles desde enlaces corrientes. Corregir la generación de enlaces suele evitar más desperdicio que limitarse a poner parches para el rastreador.

Elige deliberadamente un subconjunto indexable

Una página de destino filtrada que merezca ser permanente debe tener productos o resultados estables, contenido diferenciado, un título descriptivo y una ruta de navegación directa. Si una combinación tiene poco valor por sí misma, mantenla disponible para los visitantes sin promocionarla automáticamente como página indexable. Elabora una lista blanca de facetas valiosas en lugar de una serie ilimitada de URL generadas automáticamente.

Para las URL que no quieras que se rastreen, Google documenta las restricciones en robots.txt como una posible opción. Aplica reglas precisas solo después de verificar a qué URL afectan. Bloquear una URL en robots.txt también impide que el rastreador lea una directiva canonical o noindex en esa página, así que no trates estos métodos como intercambiables. Si la limpieza depende de que se vea un noindex, la página debe seguir siendo rastreable el tiempo suficiente para que se procese esa señal.

Mantén la coherencia técnica de las rutas rastreables

En las páginas filtradas que puedan ser indexables, usa los separadores de parámetros convencionales: = entre claves y valores, & entre parámetros. Las indicaciones de Google sobre la estructura de las URL también recomiendan evitar parámetros innecesarios. Si codificas los valores de los filtros en la ruta, utilice un orden determinista e impida los filtros duplicados.

Una combinación de filtros inexistente o no válida debe devolver un código de estado 404 real cuando corresponda, en lugar de un error leve que siempre genera una página de categoría vacía con estado 200. Revisa la paginación más allá de la última página y las combinaciones imposibles. Redirigir todas las URL erróneas a la página de inicio no sustituye a unos códigos de estado correctos.

Como ejercicio concreto, imagina un directorio con seis ciudades, ocho categorías de eventos, cinco intervalos de fechas y tres ordenaciones. Incluso antes de la paginación o la búsqueda de texto libre, eso produce 720 combinaciones si todas las dimensiones pueden direccionarse de forma independiente. Se trata de un ejemplo aritmético hipotético, no de un recuento de rastreo medido. Muchas combinaciones pueden estar vacías o ser sinónimas, lo que hace que la generación automática de URL resulte especialmente ineficiente.

Prepara una pequeña matriz de pruebas: una página de destino filtrada útil, un orden de parámetros duplicado, un resultado vacío, un valor no válido y una página posterior a la última página de resultados. Anota para cada caso el código de estado esperado, la preferencia canónica, el tratamiento en robots y el comportamiento de los enlaces internos. La matriz pone de manifiesto las contradicciones antes de que se extiendan a millones de URL. Por ejemplo, una página que declara una URL canónica preferida pero está bloqueada para el rastreo puede no llegar nunca a transmitir esa indicación a Google.

Nunca apliques un Disallow: /*?* general solo porque el sitio utilice cadenas de consulta. Los parámetros pueden representar una paginación esencial o contenido realmente útil. Del mismo modo, dejar todos los filtros en un mapa del sitio XML envía la señal contraria a la de bloquearlos. Alinea los mapas del sitio, las declaraciones canónicas, los códigos de estado y los enlaces con el subconjunto indexable que realmente piensas mantener. Tras el lanzamiento, rastrea tu propio sitio como lo haría un visitante corriente y confirma que la navegación sigue funcionando.

Supervisa el efecto en lugar de cantar victoria

Incluye una comprobación específica de los enlaces internos que añaden los widgets de navegación y las páginas de archivo generadas automáticamente. Una sola plantilla puede volver a introducir cientos de enlaces de filtros no deseados incluso después de endurecer las reglas de robots. Encarga a una persona del mantenimiento la supervisión de esas plantillas tras las actualizaciones del tema o de la plataforma.

Después de desplegar los cambios, compara muestras de los registros con las solicitudes del rastreador a URL canónicas y a URL de filtros. Comprueba que las páginas deseadas siguen siendo accesibles y que las combinaciones no deseadas ya no dominan la actividad de rastreo. Vigila con el tiempo los informes de indexación de Search Console, teniendo en cuenta los retrasos de procesamiento. Si los ingresos o las conversiones dependen de una página filtrada valiosa, mida esa página por separado antes de eliminar su ruta de rastreo.

Una modificación de robots puede ahorrar ancho de banda sin mejorar en nada el contenido subyacente. Una buena arquitectura facilita el descubrimiento de las páginas útiles y dificulta la generación de permutaciones de poco valor. Nuestra guía sobre caídas de tráfico ayuda a investigar cambios reales de rendimiento, mientras que la guía de imágenes para Discover trata un canal de visibilidad distinto.