Problemas de indexación web: cómo detectarlos

Una página que no está indexada no tiene un problema de posicionamiento: tiene un problema anterior. No compite mal en los resultados; es que no compite. Y la distinción importa porque el síntoma que llega es siempre el mismo —«no salgo en Google»— y las dos averías se arreglan en sitios opuestos.

La parte tranquilizadora es que casi todo lo que deja fuera del índice a la web de un negocio pequeño cabe en una lista corta, y que Google publica el nombre oficial y la explicación de cada motivo. La parte incómoda es que dos de los más frecuentes son consecuencia de algo que alguien activó a propósito en su día y nadie se acordó de desactivar.

Aquí van esos problemas agrupados por lo que los causa —bloqueos, duplicados y esperas—, cómo se comprueba cada uno sin herramientas de pago y qué señales conviene no confundir con una avería.

Antes de buscar la causa: ¿no está indexada o solo no aparece?

Son dos diagnósticos distintos y conviene separarlos en el primer minuto.

La página no está indexada. No existe para el buscador. No genera impresiones, no genera clics y no hay nada que optimizar en ella hasta que entre.
La página está indexada pero no aparece arriba. Existe, compite y pierde. Eso ya es contenido, intención y competencia, no técnica.

Hay incluso un tercer caso que Google describe aparte: una página puede estar indexada y aun así no mostrarse, porque «el contenido de la página es irrelevante para las consultas de los usuarios», porque «la calidad del contenido es baja» o porque «hay reglas meta Robots que impiden que se sirvan».

Si tu web sí genera impresiones y lo que falla es el clic, el problema no es este: está explicado en impresiones altas y pocos clics en Search Console. Sigue leyendo solo si lo que ocurre es que la página no aparece de ninguna manera.

Lo que Google no promete

Merece la pena empezar por aquí, porque cambia el listón de lo que es razonable exigir. Google lo escribe sin rodeos en su guía sobre cómo funciona la Búsqueda: «Google no garantiza que rastree, indexe o sirva tu página, aunque cumpla las Directrices básicas de la Búsqueda de Google».

Y en la fase de indexación lo repite: «No se garantiza la indexación, ya que no se indexarán todas las páginas que Google procesa». La ayuda del informe de indexación lo dice una tercera vez, por si quedaba duda: «Google no garantiza que todas las páginas de todos los sitios web se incluyan en su índice».

Eso no significa resignarse. Significa que el objetivo realista no es «que estén las cien URLs», sino que estén las que tienen que estar y que ninguna esté fuera por un error tuyo.

Bloqueos: la página no puede entrar

Son los más caros porque suelen afectar a secciones enteras y porque casi siempre tienen un culpable identificable.

Una etiqueta noindex olvidada

Es el clásico. La web se monta en un entorno de pruebas con la indexación desactivada, o el gestor de contenidos trae marcada la casilla de disuadir a los buscadores, y nadie la desmarca el día del lanzamiento.

En el informe de indexación aparece como «La URL se ha marcado como "noindex"», con una descripción que no deja lugar a interpretación: «Al intentar indexar la página, Google ha encontrado una directiva noindex y, por lo tanto, no la ha indexado. Si esta era tu intención, perfecto. En caso contrario, quita esa directiva».

Dos detalles que cambian la forma de gestionarlo:

Se comprueba a mano en un minuto. Google recomienda literalmente «buscar en el código fuente de la página o en los encabezados de respuesta la palabra "noindex"». La regla puede venir en una etiqueta meta robots dentro de la cabecera del HTML o en la cabecera de respuesta X-Robots-Tag, así que hay que mirar en los dos sitios.
Quitarlo no devuelve la página el mismo día. Para retirar la regla, Google tiene que volver a rastrear la página: «En función de la importancia de la página en Internet, el robot de Google puede tardar meses en volver a visitarla». Por eso este fallo se detecta tarde y se paga durante semanas. Sobre qué plazos son razonables después de arreglar algo, está cuánto tarda el SEO en dar resultados reales.

Hay una variante silenciosa: la etiqueta mal colocada en una plantilla que solo afecta a un tipo de página. Google la menciona al hablar de caídas de tráfico: puede haber «una etiqueta noindex mal ubicada que depende de que Google rastree la página, lo que indicaría un descenso del tráfico más lento». No es un desplome, es una fuga.

Un robots.txt usado como si fuera un candado

Este es un malentendido, no un descuido. Mucha gente bloquea una URL en robots.txt creyendo que así la esconde de Google. Google avisa de lo contrario en la primera línea de su documentación: robots.txt «no es un mecanismo para impedir que una página web aparezca en Google».

Lo que ocurre en realidad está descrito con precisión: «Es posible que las páginas bloqueadas mediante un archivo robots.txt se indexen si otros sitios incluyen enlaces a ellas». Y el resultado que se ve en el buscador: «Si tu página web está bloqueada por un archivo robots.txt, la URL puede seguir apareciendo en los resultados de búsqueda, pero sin ninguna descripción».

Ese caso tiene su propio aviso en el informe: «Se ha indexado aunque un archivo robots.txt la tenía bloqueada». Es decir, lo peor de las dos opciones: la página sale, pero sale mal.

El error inverso es más grave y más raro de ver a simple vista: una regla amplia que bloquea una sección entera. Google lo pone el primero de su lista de motivos por los que un sitio tiene muchas páginas sin indexar: «Has creado una regla robots.txt que impide que Google rastree grandes secciones de tu sitio».

Las dos cosas a la vez, que se anulan

Esta combinación aparece cada vez que alguien quiere asegurarse el doble y consigue justo lo contrario. Si una página lleva noindex y además está bloqueada en robots.txt, el noindex no sirve de nada:

Para que la regla noindex surta efecto, la página o el recurso en cuestión no debe haberse bloqueado mediante un archivo robots.txt ni ningún otro mecanismo que impida al rastreador acceder a ellos. Si el rastreador no puede acceder, no verá la regla noindex.

Añade Google que «no admite que se especifique la regla noindex en el archivo robots.txt», así que escribirla ahí tampoco es una salida. La instrucción correcta, tal como la da la ayuda del informe: «quita el bloqueo del archivo robots.txt y usa una directiva noindex».

La regla de oro se resume en una frase: robots.txt controla el rastreo; noindex controla la indexación. Para que el segundo funcione, el primero tiene que dejar pasar.

El servidor responde lo que no debe

Cuatro respuestas que dejan páginas fuera y que casi nunca son intencionadas:

Error del servidor (5xx). Además de impedir la indexación, encoge el rastreo: si un sitio «devuelve errores de servidor (códigos de estado 5xx HTTP) o señales de límite de uso (como HTTP 429), el límite disminuye y Google lo rastrea menos».
Bloqueada por una solicitud no autorizada (401). Típico de una web que se quedó con la contraseña del entorno de pruebas.
Bloqueada porque el acceso no está permitido (403). Aquí Google es tajante sobre de quién es la culpa: «el robot de Google nunca proporciona credenciales, por lo que tu servidor devuelve este error de forma incorrecta». Suele ser un cortafuegos o un plugin de seguridad demasiado entusiasta.
Soft 404. La página devuelve un código 200 pero enseña un mensaje de error. La definición oficial: «se muestra a los usuarios un mensaje de "No se ha encontrado" pero no un código de respuesta HTTP 404». Es habitual en webs montadas como aplicación de una sola página, donde el enrutamiento lo hace el navegador y el servidor contesta 200 a todo.

Duplicados: la página entra, pero entra otra

Aquí la web no está bloqueada. Lo que pasa es que el mismo contenido es alcanzable por varias direcciones y Google elige una sola para mostrar.

Ese proceso se llama canonicalización, y Google lo define así: «la canonicalización es el proceso de seleccionar la URL representativa de determinado contenido». Las causas de duplicado que enumera son muy reconocibles en una web pequeña: variantes de protocolo (la versión con y sin cifrado), variantes de dispositivo, funciones del sitio (ordenar y filtrar con parámetros) y variantes accidentales, «por ejemplo, cuando los rastreadores pueden acceder por error a la versión demo de un sitio».

Y luego está la frase que más gente desconoce y que explica la mitad de las sorpresas:

Puedes indicar a Google qué página consideras que es la canónica con las técnicas que se describen en este artículo, pero es posible que Google elija otra por diversos motivos. Es decir, indicar una preferencia canónica es una sugerencia, no una regla.

En el informe esto se ve con dos nombres distintos:

«Duplicada: el usuario no ha indicado ninguna versión canónica». No declaraste preferencia y Google eligió por ti. La ayuda aclara que «no se trata de un error; funciona correctamente porque Google no publica páginas duplicadas».
«Duplicada: Google ha elegido una versión canónica diferente a la del usuario». Declaraste una y Google prefirió otra: «Se ha indicado que esta página es la canónica de un conjunto de páginas, pero Google considera que debería serlo otra URL». La respuesta útil no es insistir con la etiqueta, sino preguntarse si las dos páginas son de verdad distintas. Google lo dice tal cual: «asegúrate de que el contenido entre las dos páginas sea sustancialmente diferente».

Dos cosas que no hay que hacer para gestionar duplicados, y las dos están escritas en la documentación de canonicalización: «no uses un archivo robots.txt para marcar páginas como canónicas» y «no recomendamos usar noindex para impedir que se seleccione una página canónica de un solo sitio, ya que la bloqueará por completo de la Búsqueda».

Esperas: descubierta, rastreada y todavía fuera

Son los dos estados que más ansiedad generan y los que menos suelen requerir acción inmediata.

«Descubierta: actualmente sin indexar». Google conoce la URL pero aún no la ha visitado: «Google ha encontrado la página, pero todavía no la ha rastreado. Probablemente porque ha determinado que, de hacerlo, el sitio se sobrecargaría». Si afecta a muchas URLs, mira el servidor antes que el contenido.
«Rastreada: actualmente sin indexar». Google la ha leído y ha decidido no incluirla, al menos de momento: «Es posible que se indexe más adelante; no tienes que volver a solicitar que se rastree esta URL». Cuando esto se repite en decenas de páginas, deja de ser una espera y empieza a ser un juicio sobre el contenido: entre los problemas de indexación habituales, Google lista «la calidad del contenido de la página es baja».

Si la web es nueva, hay que restar dramatismo: «es posible que Google tarde en encontrar y rastrear los sitios o páginas recién creados» y «puede que Google tarde unas semanas en rastrear algunas o todas las URLs de tu sitio una vez que las haya detectado».

Cuando el contenido depende de JavaScript

Google renderiza JavaScript, pero lo hace en un paso aparte, y eso abre dos fallos propios.

El proceso tiene tres fases —rastreo, renderizado e indexación— y el paso intermedio funciona con una cola: «el robot de Google pone en la cola de renderizado todas las páginas con un código de estado HTTP 200, a menos que el encabezado o la etiqueta meta robots de una página indique a Google que no debe indexarse». Sobre el tiempo, Google es prudente: «las páginas suelen permanecer en esta cola durante unos segundos, aunque a veces podrían estar algo más de tiempo».

Los dos problemas que aparecen aquí:

Bloquear los recursos. Si el archivo de guiones o de estilos está prohibido en robots.txt, el contenido no se construye: «la Búsqueda de Google no renderizará el JavaScript de archivos bloqueados ni de páginas bloqueadas». La página se rastrea vacía.
Cambiar la canónica con JavaScript. La recomendación es explícita: se puede definir la canónica con JavaScript, «pero ten en cuenta que no debes usarlo para cambiarla por una diferente a la que especificaste en el HTML original».

La conclusión de Google sigue siendo la misma que hace años, y vale para cualquier web de negocio: «sigue siendo una buena opción renderizar el contenido previamente o en el servidor, ya que así tu sitio web funcionará más rápido para los usuarios y los rastreadores; además, no todos los robots pueden ejecutar JavaScript». Es una de las razones por las que construimos las webs sirviendo el HTML ya montado.

Cómo detectarlo, en este orden

El informe «Indexación de páginas» de Search Console. Es la única fuente que da el motivo con su nombre oficial para cada URL. Un aviso de uso que ahorra tiempo: «en el informe "Indexación de páginas" no puedes buscar ni filtrar por URL».
El operador site:, sabiendo lo que no es. Sirve para una comprobación rápida, no para un inventario. Google enumera sus límites: «si una URL está indexada en Google, puede aparecer en los resultados de búsqueda de consultas site: relacionadas con esa URL, pero no se garantiza que sea así»; «la lista de URLs devueltas no siempre es exhaustiva»; y «un operador site: sin una consulta (por ejemplo, site:example.com) no clasifica los resultados». Contar los resultados de un site: y tomarlo por el número de páginas indexadas es el error más repetido de todo este tema.
El código fuente publicado. Buscar la palabra noindex en el HTML y en las cabeceras de respuesta de las páginas que deberían estar. Es la comprobación con mejor relación entre esfuerzo y hallazgo.
El robots.txt entero, leído de arriba abajo. No solo la línea que buscas: las reglas amplias son las que hacen daño.
Los códigos de estado de las URLs que importan. Que las páginas vivas contesten 200, que las retiradas contesten 404 y que las movidas contesten con una redirección permanente al destino nuevo.
El sitemap, contrastado con lo anterior. Debe contener solo las URLs canónicas e indexables. Enviar en el sitemap páginas bloqueadas o con noindex es una señal contradictoria, y Google lo señala como causa de picos de error. Los límites, por si la web es grande: «los sitemaps no pueden tener un tamaño superior a 50 MB sin comprimir ni incluir más de 50.000 URLs».

Falsas alarmas: lo que parece roto y no lo está

Media auditoría consiste en no arreglar lo que funciona.

«Página alternativa con etiqueta canónica adecuada». Es el sistema haciendo su trabajo: «esta página dirige correctamente a la página canónica, que está indexada, por lo que no tienes que hacer nada».
«Página con redirección». También es correcto: «es una URL no canónica que redirige a otra página. Por tanto, no se indexará».
Errores 404 de páginas que retiraste. «Las respuestas 404 no son necesariamente un problema si la página se ha retirado sin ninguna sustitución.» Y no hace falta perseguirlos todos: en el informe «solo se muestran las URLs que hayan devuelto estos errores durante el último mes».
Google sigue pidiendo una URL que borraste. Es normal: «Google sigue rastreando todas las URLs conocidas, aunque devuelvan errores 4XX durante un tiempo, por si se trata de errores temporales».
Páginas con noindex puesto a propósito. El aviso legal o la política de cookies no tienen por qué estar en el índice. Una URL gris no es una URL rota.
El presupuesto de rastreo, en una web pequeña. La guía de Google sobre el tema empieza descartando a casi todo el mundo: «si en tu sitio no hay muchas páginas que cambien rápidamente o si parece que tus páginas se rastrean el mismo día que se publican, no hace falta que leas esta guía». Está dirigida a sitios de más de un millón de páginas únicas, o de más de diez mil que cambien a diario.
Volver a pedir el rastreo cada semana. «Google vuelve a rastrear tus páginas automáticamente, por lo que no es necesario que vuelvas a solicitarlo a menos que se produzca un cambio importante y Google no lo haya detectado durante un tiempo (una semana o más).»

Un ejemplo propio: el duplicado que teníamos nosotros

Esta web tuvo durante meses el problema de duplicado más común de todos, y lo corregimos el 8 de septiembre de 2026.

El dominio con www y el dominio sin www servían los dos el sitio entero respondiendo 200, sin ninguna redirección entre ellos. Cada página era alcanzable por dos direcciones distintas. Teníamos la etiqueta canónica apuntando al www en todas las páginas —eso estaba bien— pero, como acabamos de ver, el canonical es una sugerencia y no una orden: Google seguía teniendo que rastrear las dos versiones, y los enlaces que llegaban repartían su valor entre ambas.

La corrección fue una redirección permanente del dominio sin www al dominio con www, conservando la ruta y los parámetros, colocada la primera de la lista para que el resto de reglas se aplique ya sobre el dominio bueno. No tocamos ninguna otra señal: el destino es el que ya declaraban la etiqueta canónica y el sitemap. Lo único que se hizo fue obligar a cumplir la decisión que ya estaba tomada.

Otras tres decisiones de indexación de esta misma web, por si sirven de patrón:

Las páginas legales llevan noindex y están deliberadamente fuera del sitemap. Incluirlas ahí sería la señal contraria a la que se quiere dar.
Un artículo que aún no está publicado no existe: la ruta devuelve un 404 real, no una página con mensaje de error y respuesta 200. Es la forma de no fabricar soft 404 en una web que publica casi a diario.
La ruta antigua de la página de desarrollo web devuelve una redirección permanente a la nueva, y ninguna sección del sitio enlaza ya a la vieja.

Lo que todavía no podemos enseñar son series largas de datos propios: este blog empezó a publicar el 24 de agosto de 2026 y no hay meses suficientes para que un gráfico signifique algo. Cuando los haya, se publicarán salgan como salgan.

Cómo lo revisamos en una auditoría

La revisión de indexación es el primer apartado de nuestra auditoría SEO —450 €, con un plazo de 3 a 5 días laborables desde que tenemos los accesos— y se hace antes que cualquier otra cosa, porque no tiene sentido evaluar el contenido de una página que Google no puede leer. Lo que cubre cada uno de los apartados está desglosado en qué incluye una auditoría SEO profesional. Si lo que necesitas no es un diagnóstico puntual sino que alguien vigile esto cada mes, eso es el servicio SEO.

Lista de comprobación

Ninguna página que deba estar en Google contiene la palabra noindex en su HTML ni en sus cabeceras de respuesta.
El robots.txt no bloquea ninguna sección que deba indexarse, ni los archivos de guiones y estilos necesarios para construir la página.
Ninguna URL combina noindex con un bloqueo en robots.txt.
Las páginas vivas responden 200; las retiradas, 404; las movidas, una redirección permanente al destino correcto.
No hay páginas que devuelvan 200 mostrando un mensaje de error.
El sitio es alcanzable por una sola combinación de protocolo y dominio; el resto redirige.
Cada página declara su propia URL canónica y esa URL es la que aparece en el sitemap.
El sitemap solo contiene URLs canónicas, indexables y con respuesta 200.
Las páginas excluidas a propósito lo están por decisión escrita, no por accidente.
Los estados del informe de indexación se leen por su nombre oficial antes de tocar nada.

Si después de esta lista siguen fuera páginas que deberían estar, el problema ya no es de acceso: es de valor. Y ese se arregla con la página, no con la configuración.

Fuentes consultadas

Google Search Central, Guía detallada sobre cómo funciona la Búsqueda de Google, actualizada el 18 de diciembre de 2025 y consultada el 10 de septiembre de 2026. Las tres fases, la ausencia de garantía de rastreo, indexación y publicación, y los motivos por los que una página indexada puede no mostrarse.
Google Search Central, Introducción a los archivos robots.txt, actualizada el 18 de diciembre de 2025 y consultada el 10 de septiembre de 2026. Limitaciones del archivo y aviso sobre páginas bloqueadas que acaban indexadas.
Google Search Central, Impedir que la Búsqueda indexe páginas con la directiva noindex, actualizada el 31 de diciembre de 2025 y consultada el 10 de septiembre de 2026. Incompatibilidad entre noindex y el bloqueo por robots.txt, y plazos de nuevo rastreo.
Google Search Central, Qué es la canonicalización de URLs y Cómo especificar una URL canónica, ambas actualizadas el 15 de julio de 2026 y consultadas el 10 de septiembre de 2026. Causas de duplicado, la canónica como sugerencia y prácticas desaconsejadas.
Google, Informe «Indexación de páginas», ayuda de Search Console consultada el 10 de septiembre de 2026. Nombres y descripciones oficiales de los motivos de no indexación, avisos y preguntas frecuentes. Google advierte al pie de que estas páginas pueden incluir contenido traducido con tecnología de IA.
Google Search Central, Operador de búsqueda site:, actualizada el 18 de diciembre de 2025 y consultada el 10 de septiembre de 2026. Usos y limitaciones documentadas.
Google Search Central, Comprender conceptos básicos del SEO en JavaScript, actualizada el 6 de marzo de 2026 y consultada el 10 de septiembre de 2026. Cola de renderizado, recursos bloqueados y canónica definida con JavaScript.
Google Search Central, Depurar descensos de tráfico de la Búsqueda de Google, actualizada el 18 de diciembre de 2025 y consultada el 10 de septiembre de 2026. Problemas técnicos por sitio y por página.
Google, Optimizar el presupuesto de rastreo, actualizada el 5 de agosto de 2026 y consultada el 10 de septiembre de 2026. A quién va dirigida la guía y efecto de los errores 5xx y 429 sobre el rastreo.
Google Search Central, Crear y enviar un sitemap, actualizada el 15 de julio de 2026 y consultada el 10 de septiembre de 2026. Límites de 50 MB sin comprimir y 50.000 URLs.
PotencIA Soluciones, código del sitio revisado el 10 de septiembre de 2026: la redirección del apex al www y las redirecciones de rutas antiguas, las URLs canónicas de cada página, el sitemap y las exclusiones de las páginas legales, y la respuesta 404 de los artículos no publicados.