Páginas huérfanas: la resta que las encuentra y la tabla que decide

Una página huérfana es una página a la que no enlaza ninguna otra página del sitio. Google todavía puede descubrirla por el sitemap o por un enlace externo, así que estar huérfana no es lo mismo que ser invisible. Lo que pierde es contexto: ningún texto de ancla que la describa, ninguna posición en la estructura y ningún camino para un lector que ya está en el sitio. Encontrarlas es una resta, y el método completo cabe en este capítulo.

Este capítulo supone que ya existe una estructura de enlaces internos con la que comparar. Si no es el caso, empieza por la estrategia de enlazado interno. El control de abajo se ejecuta después, porque una huérfana se define por lo que la estructura no toca.

Qué cuenta como página huérfana

Una sola condición basta: ningún enlace interno de ninguna página apunta a ella. Dos cosas que la gente añade a la definición no cambian el resultado.

La cuarta fila cuesta una semana de trabajo. Una página no indexada y una huérfana se parecen en un informe y no tienen nada que ver. Una página puede estar huérfana e indexada, o bien enlazada y sin indexar. El diagnóstico empieza en lugares distintos.

Por qué un sitemap no arregla una página huérfana

Google describe tres formas de descubrir una URL: algunas páginas se conocen porque Google ya las visitó, otras porque extrae un enlace de una página conocida, y otras porque envías una lista de páginas, un sitemap (How Google Search works, consultado el 2026-11-02). El sitemap cubre el descubrimiento, y solo eso.

Transporta una URL y nada más: ni texto de ancla, ni frase alrededor, ni indicación de a qué sección del sitio pertenece. El enlace del ejemplo de Google sí lleva esa información. Por eso la misma página descubierta de dos maneras no llega con la misma cantidad de contexto.

Un sitemap le dice a un rastreador que una página existe. Un enlace le dice para qué sirve.

Del lado del lector es más simple y más duro: nadie que navegue por tu sitio puede llegar a una página huérfana. Existe para quien llega desde un resultado de búsqueda, y para nadie más.

Cómo encontrar páginas huérfanas en cinco pasos

El método es una diferencia de conjuntos: todo lo que pretendes publicar menos todo lo que alcanzan tus enlaces. El trabajo está en construir las dos listas con honestidad.

1. Construye la lista A: cada URL que pretendes tener. El sitemap es la fuente más rápida; una exportación del CMS es más completa, porque incluye páginas que el generador del sitemap omitió.
2. Construye la lista B: cada URL alcanzable siguiendo enlaces internos desde la página de inicio. Usa el rastreador que ya tengas y comprueba que ejecuta JavaScript si tu navegación depende de él.
3. Resta B de A. Lo que queda es una lista de candidatas, no un veredicto.
4. Clasifica cada candidata: enlazar, fusionar o eliminar. La tabla de abajo contiene toda la decisión.
5. Verifica las que conserves. Después de añadir enlaces, confirma que la página está indexada con la herramienta de inspección de tu CMS o de Search Console.

# Lista A: cada URL que anuncia el sitemap
curl -s https://example.com/sitemap.xml \
  | grep -oE '<loc>[^<]+' | sed 's/<loc>//' | sort -u > all-urls.txt

# Lista B: exportación del rastreador, una URL por línea
sort -u crawled-urls.txt > reached.txt

# A menos B: las candidatas huérfanas
comm -23 all-urls.txt reached.txt

Si los dos archivos usan convenciones distintas de barra final o de protocolo, la resta declarará todo el sitio huérfano. Normaliza las listas antes de ejecutar y revisa el número antes de creerlo. Ejecuta la resta dos veces: una contra el sitemap y otra contra una exportación del CMS si la tienes. Donde las dos listas discrepen, la discrepancia es el hallazgo: una URL que está en el CMS pero no en el sitemap es una página que la cadena de publicación dejó de producir.

La tabla de clasificación

Cada candidata cae en una de cuatro filas. Decidir lleva unos treinta segundos por página cuando tienes la tabla delante.

La última fila merece una pausa. Antes de borrar algo, comprueba si la página recibe enlaces de otros sitios. Una huérfana interna puede ser la página más enlazada de tu sitio desde fuera, y eliminarla tira la única señal que acumuló.

Tres formas en que esta medición te miente

Las tres producen una lista de candidatas creíble y equivocada.

1. Tu rastreador no ejecutó la navegación. Si los enlaces se construyen con script y el rastreo no lo ejecuta, la lista B es corta y medio sitio parece huérfano. Comprueba el renderizado antes de concluir.
2. La lista A salió solo del sitemap. Las páginas omitidas por el generador nunca entran en la comparación, así que las más propensas a ser huérfanas son justo las que faltan en la entrada.
3. La paginación y los filtros inflan las dos listas. Las URL facetadas generan miles de candidatas que no son páginas que nadie quisiera publicar. Exclúyelas por patrón antes de clasificar.

Qué no significa estar huérfana

No es una penalización. Ninguna documentación de Google describe las páginas huérfanas como una señal negativa, y no tenemos mediciones que sugieran lo contrario. Tampoco significa que la página no pueda posicionar: el descubrimiento por sitemap es un camino documentado. Y no podemos decir cuánto tráfico pierde una huérfana: haría falta un antes y después en la misma página, añadiendo enlaces y sin cambiar nada más, y no hemos hecho esa prueba.

Lo que sí diremos con claridad: una página a la que nadie en tu sitio enlaza es una página que nadie de tu equipo consideró digna de señalar. Eso suele ser el hallazgo más útil. Para ver qué devuelve de verdad un acceso a esa página antes de decidir su destino, mira cómo QueryWin lee una página.

Preguntas frecuentes

¿Las páginas huérfanas son malas para el SEO?

No directamente, y ninguna documentación lo dice. El coste es indirecto: sin texto de ancla que describa la página, sin enlazado interno que la alcance y sin camino para una persona que ya está en el sitio. Son tres pérdidas reales que se suman sin convertirse nunca en penalización.

¿Cómo encuentro páginas huérfanas sin rastreador?

Compara el sitemap con el registro de accesos del servidor del último mes y conserva las URL sin visitas con referente interno. Es un método más burdo y se pierde las páginas no visitadas por otras razones, pero no necesita más herramientas que archivos que ya tienes.

¿Un enlace en el pie evita que sea huérfana?

Sí, según la definición usada aquí: está enlazada. Si un enlace del pie, presente en todas las páginas, describe útilmente el destino es otra pregunta, y este control no la responde.

¿Debo poner las páginas huérfanas en el sitemap?

Solo si también las enlazas. Una página que solo está en el sitemap es descubrible y sin contexto, exactamente el estado que querías corregir. Añadirla al sitemap y parar ahí resuelve el informe, no el problema.

¿Cada cuánto debo repetir este control?

Después de cada migración, de cada rediseño de navegación y, si no, una vez al trimestre. Las huérfanas llegan por lotes: un cambio de plantilla o una mudanza de CMS crea decenas de golpe.