Filtros facetados SEO: cómo gestionar rastreo e indexación

Los filtros facetados —color, talla, precio, marca, material— permiten al usuario acotar el catálogo, pero pueden generar un número casi infinito de URLs que disparan la duplicidad y los problemas de rastreo e indexación. Gestionarlos bien consiste en decidir, para cada tipo de faceta, si debe existir como URL, indexarse, rastrearse o solo servir para navegar. Y hay que decirlo desde el principio: no existe una receta única. La decisión correcta depende de la arquitectura de la tienda, su tamaño y la demanda real de cada combinación.

Este es el artículo técnico del clúster. Trata un problema concreto —la navegación dinámica—, no la arquitectura completa de una tienda ni un diagnóstico global. Cuando esos temas asomen, remito a su artículo en lugar de reabrirlos aquí.

Qué es la navegación facetada

La navegación facetada es el sistema de filtros que deja combinar atributos para reducir un listado: "zapatillas + rojas + talla 42 + menos de 80 €". Cada filtro y cada combinación suele generar una URL distinta (normalmente con parámetros, como ?color=rojo&talla=42). Es muy útil para el usuario, pero cada combinación es una URL potencial más que un buscador podría intentar rastrear. En plataformas como WordPress, son los atributos de producto los que alimentan estos filtros; su configuración la trato en la guía de SEO para WooCommerce.

Filtros y categorías no son lo mismo

Conviene no confundir dos cosas que se parecen en pantalla pero son distintas en arquitectura:

• Categoría = taxonomía estable y estratégica. Existe siempre, tiene su sitio en la jerarquía y se diseña.
• Faceta = combinación dinámica de atributos. La genera el usuario al filtrar y puede producir infinitas variantes.

Cómo diseñar la taxonomía estable de categorías es otro tema, que desarrollo en el artículo sobre cómo estructurar las categorías de un ecommerce. Aquí nos ocupamos solo de los filtros: primero se define la taxonomía; los filtros se gestionan aparte.

El problema: la explosión de URLs

El riesgo central lo resume la documentación de Google sobre navegación por facetas (se abre en una pestaña nueva): los filtros pueden generar un número casi infinito de URLs, lo que provoca sobre-rastreo. Y muchas de esas URLs son casi duplicadas entre sí (el mismo listado, ligeramente reordenado o filtrado), lo que diluye señales y desperdicia recursos. El objetivo no es eliminar los filtros —son útiles—, sino controlar cuáles se convierten en URLs que Google rastrea e indexa.

Facetas indexables o no indexables: la decisión clave

No todas las facetas merecen el mismo trato. La pregunta, faceta por faceta, es: ¿esta combinación tiene valor de búsqueda propio? Se pueden distinguir tres grupos:

La clave está en el criterio, no en una regla automática. Una faceta merece ser indexable cuando existe demanda de búsqueda, hay productos suficientes, aporta una intención distinta y contenido propio, y es estable en el tiempo. La mayoría de combinaciones no cumplen eso: son útiles para filtrar, pero no necesitan presencia orgánica independiente.

Cuándo crear una página estática a partir de una faceta valiosa

Cuando una combinación sí tiene demanda real y estable (por ejemplo, "zapatillas de trail impermeables", que la gente busca de verdad), lo razonable no es depender de una URL de parámetros frágil, sino crear una página estable e indexable para esa intención —prácticamente una categoría o subcategoría— con su URL limpia, su contenido y su enlazado. Así conviertes una faceta valiosa en un activo controlado, en lugar de dejarla a merced de la generación dinámica de parámetros.

Las herramientas y sus límites: canonical, noindex, robots.txt

Aquí es donde más mitos circulan, así que conviene ser preciso: ninguna herramienta lo resuelve todo, y cada una tiene una función distinta.

• robots.txt (controla el rastreo): Google recomienda, para muchas facetas, impedir el rastreo de esas URLs con robots.txt, porque a menudo no hay razón para rastrear listados filtrados. Su guía de robots.txt (se abre en una pestaña nueva) lo explica. Límite: bloquear el rastreo no garantiza que la URL no aparezca en el índice si recibe enlaces, y —muy importante— si bloqueas una URL, Google no podrá leer ninguna etiqueta que haya dentro.
• noindex (controla la indexación): la etiqueta noindex saca una página del índice. Su documentación (se abre en una pestaña nueva) advierte de un requisito clave: para que funcione, la página debe poder rastrearse; si está bloqueada por robots.txt, el rastreador nunca verá el noindex.
• canonical (consolida señales): el rel="canonical" indica la versión preferida y, con el tiempo, puede reducir el rastreo de las no canónicas, según la documentación sobre URLs duplicadas (se abre en una pestaña nueva). Pero es una señal, no una orden, es menos efectivo a largo plazo que decidir bien la arquitectura, y no sustituye a decidir qué URL debe existir.
• nofollow y fragmentos de URL: poner rel="nofollow" en los enlaces a filtros puede ayudar (debe estar en todos los enlaces a esa URL para ser efectivo); y si el filtrado se basa en fragmentos de URL (#), no afecta al rastreo.
• 404 en combinaciones vacías: cuando un filtro no devuelve resultados, conviene devolver un 404.

La conclusión: primero decides qué URL debe existir e indexarse, y luego eliges la herramienta que corresponde a ese objetivo. Usarlas al revés es la fuente de la mayoría de errores.

robots.txt vs noindex: la distinción que más se confunde

Merece su propio apartado porque es el error más caro. robots.txt y noindex resuelven problemas distintos:

• robots.txt controla el rastreo (si Google entra a la URL).
• noindex controla la indexación (si la URL aparece en resultados).

El error clásico es bloquear una URL en robots.txt y, a la vez, esperar que un noindex la saque del índice. No funciona: si Google no puede rastrear la URL, nunca verá el noindex. Si tu objetivo es que una faceta no se indexe, la página tiene que ser rastreable para que Google lea la etiqueta; si tu objetivo es ahorrar rastreo, bloqueas en robots.txt asumiendo que la URL podría seguir apareciendo si recibe enlaces. Elige según lo que buscas; no los mezcles sobre la misma URL.

Paginación y ordenación

Dos casos particulares:

• Paginación: las páginas de un listado (/page/2/) deben tener URLs únicas y enlaces rastreables, sin depender solo de un "cargar más" por JavaScript. Y algo que se repite mal: Google ya no usa rel="prev/next" como señal, como aclara su guía de paginación para ecommerce (se abre en una pestaña nueva). No implementes esas etiquetas pensando que ordenan la paginación en Google.
• Ordenación: los parámetros de ordenación (?orden=precio) generan el mismo listado en otro orden. Rara vez aportan valor de búsqueda propio, así que normalmente no deberían ser URLs indexables independientes.

Presupuesto de rastreo: cuándo importa de verdad

El crawl budget (presupuesto de rastreo) es el gran argumento para asustar, pero conviene medir. Según la guía de Google para sitios grandes (se abre en una pestaña nueva), el presupuesto de rastreo es una preocupación sobre todo para sitios grandes: del orden de más de un millón de páginas que cambian con cierta frecuencia, o más de diez mil páginas que cambian a diario (cifras que la propia Google presenta como orientativas, no umbrales exactos), o sitios con muchas URLs "detectadas: actualmente sin indexar".

Para una tienda pequeña, en cambio, no suele ser un problema: si tus páginas se rastrean el mismo día que se publican y tienes pocos miles de URLs, no necesitas obsesionarte con el rastreo. No inventes límites: no existe un "presupuesto fijo de X" que Google asigne por igual a todos.

Ecommerce pequeños vs grandes

La escala cambia la decisión:

• Tiendas pequeñas: simplifica. Controla lo básico (evitar que se indexen combinaciones y ordenaciones sin valor), pero no montes un sistema complejo de gestión de rastreo que no necesitas.
• Tiendas grandes: con catálogos enormes y muchas facetas, la gestión del rastreo y de la indexación se vuelve crítica, y ahí sí compensan las decisiones finas de robots.txt, canonical y páginas estáticas para combinaciones valiosas.

Aplicar la solución de una tienda de un millón de URLs a una de trescientas es tan erróneo como lo contrario.

Monitorización

La gestión de facetas no es de una sola vez: hay que vigilarla. En Search Console, el informe de indexación de páginas muestra qué URLs se indexan, cuáles quedan como "detectadas: actualmente sin indexar" o "rastreada: actualmente sin indexar", y ayuda a detectar si las facetas están inflando el índice. Un rastreo propio del sitio (con una herramienta de crawling) y los logs del servidor completan la foto de qué está rastreando Google. En ecommerce complejos, esta monitorización técnica y la optimización continua son parte de un servicio de SEO y GEO mensual, porque el catálogo y los filtros cambian constantemente. Detectar y priorizar estos problemas también es parte de una auditoría SEO, aunque aquí nos hemos centrado solo en las facetas. En nuestra experiencia con proyectos de ecommerce, los problemas de facetas rara vez se arreglan con un único ajuste: son decisiones de arquitectura que hay que vigilar según crece el catálogo.

Facetas, arquitectura clara y sistemas de IA

Con prudencia y sin vender humo: mantener una arquitectura coherente y evitar miles de URLs redundantes facilita que cualquier sistema de recuperación de información —un buscador o un asistente de IA— entienda mejor el catálogo, porque encuentra la versión buena de cada listado en lugar de decenas de variantes casi iguales. Dicho esto, la gestión de facetas no es una "técnica de GEO": es higiene técnica de siempre. No hay evidencia de que controlar filtros "posicione en IA"; simplemente, una web ordenada se interpreta mejor que una caótica. Todo esto forma parte de una estrategia SEO para tiendas online bien planteada.

Preguntas frecuentes

¿Debo poner noindex en todos los filtros de mi tienda?

No, no como regla automática. Algunas combinaciones de filtros tienen demanda de búsqueda real, oferta suficiente y contenido propio, y pueden merecer ser páginas indexables (mejor aún, páginas estables tipo categoría). La mayoría, en cambio, son útiles para navegar pero no necesitan presencia orgánica independiente, y ahí sí tiene sentido evitar su indexación. La decisión se toma faceta por faceta según su valor de búsqueda, no aplicando un "noindex a todo". Y recuerda: para que un noindex funcione, la URL debe poder rastrearse; si la bloqueas a la vez en robots.txt, Google no verá la etiqueta.

¿El canonical soluciona el problema de los filtros?

No por sí solo. El canonical es una señal que indica la versión preferida de una página y, con el tiempo, puede reducir el rastreo de las variantes no canónicas, pero es una señal, no una orden, y es menos efectivo a largo plazo que una arquitectura bien decidida. No debe usarse como parche universal para cualquier filtro: primero hay que decidir qué URL debe existir e indexarse, y solo entonces elegir la herramienta adecuada (que puede ser el canonical, el robots.txt, el noindex o convertir la faceta en una página estable). Tratar el canonical como solución mágica suele dejar el problema de rastreo sin resolver.

¿Cómo evito que los filtros generen contenido duplicado?

Combinando decisiones, no con un único ajuste. Primero, decide qué combinaciones de filtros tienen valor de búsqueda propio y merecen una página estable e indexable, y cuáles no. Para las que no lo tienen, se gestiona el rastreo y la indexación con la herramienta adecuada (robots.txt para ahorrar rastreo, noindex sobre URLs rastreables para sacarlas del índice, canonical para consolidar señales), y se devuelve 404 en combinaciones vacías. También ayuda controlar el enlazado interno hacia esas URLs. No hay un botón que elimine la duplicación de facetas: es una decisión de arquitectura que depende del tamaño y de la demanda de la tienda.

¿Tengo que preocuparme por el crawl budget en mi tienda?

Probablemente no, si es una tienda pequeña o mediana. Google indica que el presupuesto de rastreo es una preocupación sobre todo para sitios muy grandes —del orden de más de un millón de páginas que cambian con frecuencia, o más de diez mil que cambian a diario, cifras orientativas, no umbrales exactos—. Si tus páginas se rastrean el mismo día que las publicas y tienes pocos miles de URLs, no necesitas obsesionarte con ello; basta con mantener el sitemap al día y revisar el informe de indexación. El crawl budget se vuelve relevante cuando el catálogo y las combinaciones de filtros disparan el número de URLs, no en cualquier ecommerce.

¿Sirve de algo el rel="prev/next" para la paginación?

Para Google, ya no como señal de indexación. Google dejó de usar las etiquetas rel="prev" y rel="next" para entender la paginación, así que implementarlas pensando que "ordenan" las páginas en Google no aporta ese efecto (otros buscadores podrían usarlas). Lo que sí importa hoy es que cada página paginada tenga una URL única y que sus enlaces sean rastreables, sin depender solo de interacciones por JavaScript. Es un buen ejemplo de por qué conviene verificar la documentación actual en lugar de repetir recetas SEO antiguas: lo que era una recomendación hace años puede haber dejado de aplicarse.