"Bloqueé mis filtros en el robots.txt hace dos meses. ¿Por qué siguen en el índice de Google?" Es una pregunta que los SEO se hacen a todas horas, y la respuesta se reduce a un mecanismo que la mayoría de las guías pasa por alto: una URL que has bloqueado al rastreo ya no puede hacer que Google lea su noindex. La navegación facetada es donde más aparece este malentendido, y en el informe «Indexación de páginas» de Search Console sus URLs no se colocan bajo una sola etiqueta. Se reparten en estados distintos según lo que Google haya hecho con cada una.
Entonces, ¿cuáles de tus facetas merecen de verdad un sitio en el índice? ¿Cómo saber, familia por familia, bajo qué veredicto las archivó Google? Y una vez desplegada la corrección, ¿cómo comprobar que funcionó?
Las tres respuestas están en el mismo sitio, el informe de indexación, siempre que sepas leerlo por familias de facetas.
¿Qué es la navegación facetada?
La navegación facetada, también llamada búsqueda facetada, es el sistema de filtros que permite acotar una página de listado según los atributos de sus elementos: color, talla, precio, marca. Google la define como «una función habitual de los sitios web que permite a sus visitantes cambiar cómo se muestran los elementos (por ejemplo, productos, artículos o eventos) en una página».
En la práctica, un comprador llega a la categoría «Camisetas», marca el color «rojo» y la talla «M», y la dirección pasa a ser tienda.com/camisetas?color=rojo&talla=m. Cada selección, y cada combinación de selecciones, produce una URL distinta que Google puede descubrir y tratar como una página por derecho propio. Es una comodidad real para el comprador, y los CMS de e-commerce (WooCommerce, PrestaShop, Magento) la activan por defecto. Así que el culpable no es el CMS: lo es la cantidad de URLs que genera esa comodidad.
Por qué se desbordan las facetas: la combinatoria
Las facetas se desbordan porque sus combinaciones se multiplican. Cada filtro adicional multiplica el número de URLs posibles, y Google tiene que rastrearlas todas antes de darse cuenta de que no aportan nada. La documentación de Google lo dice sin rodeos: los rastreadores gastan su tiempo en direcciones inútiles en vez de descubrir las páginas que importan.
«Los rastreadores suelen acceder a un número muy elevado de URLs de navegación facetada antes de que sus procesos determinen que esas URLs son en realidad inútiles», señala Google Search Central. Con una consecuencia directa: «si el rastreo se dedica a URLs inútiles, los rastreadores tienen menos tiempo para dedicar a URLs nuevas y útiles». Es el vínculo directo con el presupuesto de rastreo y, en general, con los retos de rastreo e indexación que las facetas drenan en silencio.
La magnitud del fenómeno se reduce a una cuenta sencilla. Toma una sola página de categoría con cuatro filtros: color (10 valores), talla (6), marca (8) y precio (5 rangos). Cada filtro está sin marcar o fijado en un valor, lo que da (10 + 1) × (6 + 1) × (8 + 1) × (5 + 1) combinaciones posibles. Es decir, 4.158, menos la página desnuda sin filtro: 4.157 URLs facetadas a partir de una sola categoría, suponiendo que solo marques un valor por filtro. Permite la selección múltiple o el orden libre de los parámetros, y el total se dispara aún más.
Las facetas, además, no son el único patrón que multiplica las URLs: la paginación produce un efecto parecido (artículo próximamente). Pero donde la paginación sigue una lógica lineal, las facetas se combinan entre sí.
Dónde acaban tus facetas: los cuatro veredictos problemáticos más frecuentes
Una URL facetada puede llevar cualquier estado del informe de indexación. Una faceta legítima acaba en «Enviada e indexada»; una ya tratada pasa a «Bloqueada por robots.txt». Pero en las facetas dejadas sin regla, cuatro veredictos problemáticos aparecen más que el resto. Y es precisamente porque se dispersan por todo el espectro por lo que hay que leer el veredicto real de cada familia en vez de adivinarlo.
| Qué le pasa a la faceta | Estado en Search Console | Qué hizo Google |
|---|---|---|
| Explorada, no lo bastante distinta | Explorada, actualmente no indexada | Explorada y renderizada, no conservada |
| Descubierta, nunca explorada | Descubierta, actualmente no indexada | Conocida, en cola, sin procesar |
| Casi duplicada sin canónica declarada | Página duplicada sin URL canónica | Agrupada, sin canónica facilitada |
| Canónica declarada pero ignorada | Google eligió otra URL canónica | Canónica reemplazada por otra |
Explorada, actualmente no indexada
«Explorada, actualmente no indexada» es el veredicto de las facetas que Google sí rastreó, pero que no consideró lo bastante distintas como para conservarlas. ¿Dos combinaciones demasiado próximas, «vestido rojo» y «vestido burdeos» sobre el mismo stock? Google conserva una y descarta la otra, porque la segunda no le daba nada que no tuviera ya.
Descubierta, actualmente no indexada
«Descubierta, actualmente no indexada» señala las facetas que Google conoce pero aún no ha explorado. En un catálogo que genera miles de combinaciones, Googlebot encuentra las URLs, las pone en cola y nunca llega al fondo del montón. El presupuesto de rastreo se agota antes que ellas.
Página duplicada sin URL canónica
«Página duplicada sin URL canónica» abarca las facetas que Google trata como casi copias de otra página, sin una canónica clara que le indique cuál priorizar. Entonces agrupa las variantes y elige él mismo la versión de referencia, casi siempre la categoría madre.
Google eligió otra URL canónica
«Google eligió otra URL canónica» va un paso más allá: declaraste una canónica en la faceta, pero Google la ignoró y se quedó con otra. La señal estaba ahí; Google no la siguió, porque una canónica es una indicación, no una directiva.
En cuanto a la pregunta del principio, una faceta bloqueada en el robots.txt pero que sigue apareciendo en los resultados acaba en «Indexada aunque bloqueada por robots.txt». Ese estado confirma que un Disallow impide el rastreo, no la indexación.
💡 La pregunta que queda es en cuál de estos veredictos acaban tus propias facetas, familia por familia. Descubre IndexProbe en acceso anticipado →
El triaje honesto: ¿qué facetas merecen indexarse?
No todas las facetas valen lo mismo. Algunas responden a una demanda de búsqueda real y merecen el índice; otras no son más que ruido combinatorio. La criba se apoya en una sola pregunta: ¿la gente busca de verdad esta combinación en Google? Si es así, la página tiene su sitio. Si no, diluye el sitio sin darle nada a cambio.
Una faceta de un solo filtro suele corresponder a una consulta real. «Vestido rojo», «vestido rojo talla 40», «zapatillas Nike número 42»: esas búsquedas existen, con volumen, y una página filtrada bien optimizada puede captarlas. Cerrarlas supondría renunciar a una parte de long tail perfectamente legítima.
En cambio, apila los filtros (?color=rojo&talla=40&marca=x&orden=precio) y la URL no corresponde a ninguna búsqueda humana. Nadie escribe cuatro criterios seguidos en Google. Esas combinaciones solo existen para hacer más fluida la navegación, y no tienen nada que hacer en el índice.
Para decidir, apóyate en datos concretos más que en la intuición: las consultas que ya reporta Search Console, los volúmenes de búsqueda de tus filtros, la intención detrás de cada combinación. Vigila también la canibalización, porque una faceta que indexas y que apunta a la misma palabra clave que su categoría madre acaba compitiendo con ella. El objetivo no es indexar el mayor número de facetas posible, sino las adecuadas, las que llegan a «Enviada e indexada» porque se lo han ganado.
La matriz: a cada familia de facetas, su tratamiento
A cada familia de facetas le corresponde un tratamiento, y a cada tratamiento un veredicto esperado en Search Console. Una faceta útil sigue siendo indexable; una faceta de ordenación se bloquea al rastreo; una combinación de ruido se canonicaliza hacia su categoría madre. La matriz de abajo une cada decisión con el estado que debería producir.
| Familia de facetas | Demanda de búsqueda | Tratamiento recomendado | Veredicto esperado |
|---|---|---|---|
Faceta única útil (?color=rojo) |
Sí | Dejar indexable, canónica autorreferente | Enviada e indexada |
Ordenación y visualización (?orden=precio, ?vista=cuadricula) |
No | Bloquear en el robots.txt | Bloqueada por robots.txt |
| Combinación de dos o más filtros | No | Canónica hacia la categoría madre | Google eligió otra URL canónica |
| Faceta profunda nunca enlazada internamente | No | Bloquear en robots.txt, quitar los enlaces | «Descubierta, no indexada» que se va vaciando |
| Faceta sin resultados (sin stock) | No | Devolver un 404, o noindex si es rastreable | No encontrada (404), o Excluida por noindex |
El método que elijas no es neutral, y Google tiene una preferencia clara.
El robots.txt primero. «Usa el archivo robots.txt para impedir el rastreo de las URLs de navegación facetada», dice la documentación. Es la forma más eficaz de proteger el presupuesto de rastreo, porque detiene a Googlebot antes incluso de que cargue la página. Las facetas tratadas así pasan a «Bloqueada por robots.txt».
La canónica y el nofollow, en segundo lugar. Google es explícito sobre su alcance: «estos métodos son, por lo general, menos eficaces a largo plazo que los métodos mencionados anteriormente». Orientan la elección de Google; no la fijan.
El noindex, ausente de la recomendación. Un detalle llamativo: la documentación de Google sobre las facetas no menciona ni una sola vez el noindex. No porque esté prohibido, sino porque responde a otra necesidad y, sobre todo, porque choca con una trampa.
La trampa del robots.txt frente al noindex. Es exactamente el malentendido del principio. Un Disallow en el robots.txt impide que Google rastree la página. Pero para leer una etiqueta noindex, Google tiene que rastrear la página primero. Bloquear y desindexar a la vez resulta, por tanto, contradictorio, ya que un noindex en una URL que has bloqueado al rastreo no se leerá nunca. Son dos objetivos distintos, y cada uno pide su método. Para evitar que se rastreen URLs que aún no están indexadas, basta el robots.txt. Para sacar del índice una página que ya está dentro, déjala rastreable y ponle un noindex, y espera a que Google vuelva a leerla.
Dos detalles de URL que pesan mucho. Si tu filtrado se basa en fragmentos (la parte de la dirección después del #), ten en cuenta que «Google Search, por lo general, no admite los fragmentos de URL en el rastreo y la indexación»: esas facetas no crean entonces ninguna URL rastreable, lo que resuelve el problema de raíz, a costa de un renderizado gestionado por completo del lado del cliente (véase el SEO de aplicaciones JavaScript). Y cuando tus filtros usan parámetros, mantén el separador estándar. Google es concreto: «Usa el separador estándar de parámetros de URL "&". Caracteres como la coma, el punto y coma y los corchetes son difíciles de detectar como separadores para los rastreadores».
Diagnosticar tus facetas por patrón de URL, a escala
Para saber bajo qué veredicto acaba cada familia de facetas, necesitas el juicio oficial de Google, URL a URL. La herramienta de Inspección de URLs de Search Console lo da, pero de una dirección en una. En un catálogo con miles de facetas, auditarlo así queda fuera de alcance.
IndexProbe es la versión en masa de esa herramienta de Inspección de URLs. Le entregas la lista de facetas que quieres vigilar, o la construyes directamente desde tu Search Console por patrón de URL: una expresión regular sobre ?color=, ?orden= o cualquier parámetro basta para reunir toda una familia. Para cada URL obtienes el estado de indexación detallado, el motivo de la no indexación, la canónica que eligió Google, la fecha del último paso de Googlebot y su estado frente al robots.txt.
La segmentación de las URLs, generada automáticamente o definida a mano, agrupa tus facetas por familia: productos, categorías, ?orden=, combinaciones de varios filtros. Cuando una familia concentra los veredictos «Página duplicada sin URL canónica» mientras otra llega a «Enviada e indexada», el contraste es inmediato, y ves qué familias malgastan el rastreo y cuáles hacen su trabajo, sin nada que adivinar.
Todo ello sin análisis de logs ni un rastreador de terceros. IndexProbe no explora tu sitio siguiendo enlaces: consulta la API oficial de Search Console sobre la lista que le proporcionas o que construyes desde la GSC (Google Search Console). Donde el inspector obliga a ir de una URL en una, obtienes el mismo veredicto oficial, fechado, sobre toda tu lista, en una tabla filtrable que relanzas cuando quieres. Es también el punto de partida para diagnosticar los problemas de indexación propios de las plataformas de e-commerce.
Comprobar que la corrección cuajó
Una corrección no se confirma el día en que la despliegas, sino el día en que Google vuelve a pasar. Se comprueba con el tiempo, comparando dos análisis de la misma lista de facetas, antes y después. Lo que buscas en esa comparación no es una cifra aislada sino un movimiento de estados, familia por familia.
Una vez que has bloqueado las facetas de ordenación en el robots.txt y canonicalizado las combinaciones hacia su categoría madre, esperas un desplazamiento concreto. Las URLs de ordenación salen del índice y se unen a «Bloqueada por robots.txt»; las combinaciones de ruido pasan a «Google eligió otra URL canónica»; y el rastreo, liberado, vuelve a tus fichas de producto. La vista Comparación deja ese desplazamiento a la vista, estado por estado, entre dos relanzamientos de la misma lista.
Este hábito sirve además de salvaguarda. Un rediseño, un nuevo módulo de filtros o una regresión de compilación pueden reabrir al rastreo miles de combinaciones de la noche a la mañana. Relanzar con regularidad la misma lista convierte una deriva silenciosa en una señal que puedes detectar, antes de que vuelva a pesar sobre el presupuesto de rastreo.
💡 Para saber qué hace Google de verdad con tus facetas, lo más fiable es leer su veredicto, familia por familia. Para toda la lista que proporcionas o construyes desde la GSC, IndexProbe te da el veredicto oficial y fechado de Google por URL, y sigue siendo repetible para medir el efecto de cada corrección. Prueba IndexProbe en acceso anticipado →
Preguntas frecuentes
¿Es mala la navegación facetada para el SEO?
No. Es una función que ayuda al comprador, no un error. El riesgo solo aparece cuando sus combinaciones de URL se dejan sin regla: malgastan el presupuesto de rastreo y diluyen las señales. Bien cribada, la navegación facetada puede incluso captar long tail.
¿Hay que bloquear los filtros con robots.txt o con noindex?
Depende del objetivo. El robots.txt evita que se rastreen URLs que aún no están indexadas y protege el presupuesto de rastreo; es el método que Google recomienda primero. El noindex, en cambio, saca del índice una página que ya está dentro, pero necesita que la página siga siendo rastreable. Los dos juntos en la misma URL se anulan.
¿Cómo impedir la indexación de las páginas facetadas?
Bloquea en el robots.txt las familias de facetas sin valor de búsqueda (ordenación, visualización, combinaciones múltiples), canonicaliza las casi duplicadas hacia su categoría madre y quita los enlaces internos a las facetas profundas. Después comprueba, en Search Console, que cada familia llega al veredicto que esperabas.
¿Qué facetas conviene dejar indexar?
Las que responden a una demanda de búsqueda real. Una faceta de un solo filtro como «vestido rojo» o «zapatillas número 42» corresponde a consultas reales y merece el índice. Una combinación de varios filtros no corresponde a ninguna búsqueda humana y no debe estar ahí.
¿Malgastan las facetas el presupuesto de rastreo?
Sí, es su principal riesgo. Una sola categoría con cuatro filtros puede generar varios miles de URLs rastreables. Google gasta su tiempo en esas direcciones sin valor en lugar de descubrir tus páginas útiles. Bloquear en el robots.txt las familias inútiles devuelve ese presupuesto a tus páginas clave.
¿Navegación facetada o búsqueda facetada: cuál es la diferencia?
Ninguna de fondo: los dos términos designan el mismo sistema de filtros aplicado a una página de listado. «Búsqueda facetada» insiste en la acción de filtrar, «navegación facetada» en el recorrido que resulta. Para el SEO, los retos de indexación son idénticos.