Páginas huérfanas y profundidad de clics: cómo auditar el enlazado interno

Tienes 300 artículos y una docena que no recibe un solo enlace desde tu propia web. Google puede conocer esas URL por el sitemap, pero no entiende dónde encajan: son páginas huérfanas. Se detectan rastreando tu propio sitio, no mirando posiciones.

Este es el método completo: qué es una huérfana, cómo medir la profundidad de clics, cómo cruzar tu rastreo con el sitemap y en qué orden arreglar. Sin promesas de posiciones.

Qué son las páginas huérfanas (y por qué no salen en el informe de Enlaces)

Una página huérfana es una URL publicada que no recibe ningún enlace interno rastreable: está en tu sitio, pero ningún enlace de tus páginas la respalda. El término no es de Google; lo que documenta es la regla de fondo: "Every page you care about should have a link from at least one other page on your site." (fuente: Link best practices for Google).

Por eso puede conocerla igual: "In order for Google to learn about a page, you must either submit a sitemap or page crawl request, or else Google must find a link to your page somewhere." Sitemap o enlace: si la descubrió el sitemap XML o un backlink, puede indexarse e incluso rankear, pero compite sin contexto interno. Si el concepto te suena a medias, empieza por qué es el enlazado interno.

Enlaces que no cuentan como enlaces

Google solo rastrea enlaces reales: "Generally, Google can only crawl your link if it's an <a> HTML element (also known as anchor element) with an <href> attribute. Most links in other formats won't be parsed and extracted by Google's crawlers." Menús con onclick, enlaces javascript:, botones y capas clicables no descubren nada. Los que inyecta JavaScript sí cuentan: "It's fine to use JavaScript to inject links into the DOM, as long as such links follow the best practices for crawlable links." Compruébalo en el HTML renderizado, no en el fuente.

Huérfana no es lo mismo que "no indexada"

No confundas cuatro estados ajenos al enlazado: noindex, desindexación manual, 404 y soft 404 y problemas de canonical. Una huérfana puede estar indexada y recibir impresiones; el problema es que tu web no dice dónde encaja.

Profundidad de clics: qué mide y qué dice Google de verdad

La profundidad de clics es el número de clics para llegar a una URL desde la home (nivel 0). Es una métrica de arquitectura: se mide con un rastreo propio, no en Search Console.

Google documenta el objetivo, no un número: "We strongly recommend ensuring that your homepage is indexed. Starting from your homepage, Google should be able to index all the other pages on your site, if your site has comprehensive and properly implemented site navigation for visitors."

Y justifica la auditoría completa: "Clean up the traffic flow within your site by confirming that users can get from page A to page B with the fewest clicks."

Google no publica ningún umbral de clics: la "regla de los 3 clics" es criterio de la industria, útil para priorizar, no una norma del buscador.

Navegación frente a enlaces contextuales

Los enlaces de navegación (menú, pie, migas de pan) llegan a todo y aportan poco contexto; los contextuales, escritos dentro del artículo, aportan lo que Google documenta como señal: "Google uses links as a signal when determining the relevancy of pages and to find new pages to crawl." Toda URL importante debería tener al menos un enlace contextual.

PageRank sigue contando (pero no es lo único)

El análisis de enlaces sigue en sus sistemas centrales: "Among these is PageRank... it continues to be part of our core ranking systems." (guía de sistemas de ranking). Pero "PageRank is just one of those" señales: enlazar bien ayuda, no es un botón de posiciones.

Primer paso: qué puedes ver ya en Search Console

El informe Enlaces no te dará la lista de huérfanas, pero confirma hipótesis: muestra las páginas más enlazadas de tu sitio y qué páginas apuntan a una URL (Enlaces > Enlaces internos > más enlazadas > MORE), con exportación de hasta 100.000 filas.

Su límite: es una muestra, y no existe el filtro "páginas con cero enlaces internos". Por eso la lista sale de un rastreo, y Search Console sirve para confirmar que las páginas core están enlazadas: "Confirm that the core site pages (home page, contact page) are properly linked within your site." (ayuda del informe Enlaces).

Dos usos más: el filtro "Unsubmitted pages only" (URLs que Google conoce sin sitemap, sospechosas de huérfana por backlink) y el motivo "Discovered - currently not indexed": "the page was found by Google, but not crawled yet". Para el rastro real de Google, el análisis de logs del servidor.

Segundo paso: rastrear tu web y cruzar el resultado con el sitemap

Herramientas: Screaming Frog SEO Spider, cuyo techo declara su propia web: "Screaming Frog SEO Spider is free, however you can purchase a licence to crawl more than 500 URLs and have access to advanced features". También Sitebulb, los rastreadores de suites de pago o uno propio. En sitios grandes la versión gratuita se queda corta.

El método: rastrea desde la home siguiendo solo enlaces internos, contra producción y nunca contra un staging con noindex; activa el renderizado si tu web usa JavaScript; exporta por URL inlinks, profundidad y ancla; y cruza con el sitemap: lo que está en el sitemap y no es destino de ningún enlace interno es candidata.

Un cruce mínimo desde la terminal:

curl -s https://ejemplo.com/sitemap.xml | grep -o '<loc>[^<]*' | cut -c6- | sort -u > sitemap.txt
grep -rhoE 'href="[^"]+"' ./html/*.html | sed -E 's/href="//; s/"$//' \
  | grep -E '^(/|https://ejemplo\.com)' \
  | sed -E 's|^/|https://ejemplo.com/|; s/#.*$//; s/\?.*$//' | sort -u > enlazadas.txt
comm -23 sitemap.txt enlazadas.txt

Avisos: el menú y el pie aparecen en todas las páginas y diluyen el diagnóstico; normaliza las URLs con parámetros antes de comparar; y el sitemap admite 50 MB o 50.000 URLs por archivo. Rastrear de más o de menos ya es crawl budget.

Cómo priorizar y arreglar (no todas las huérfanas importan igual)

Prioriza por tres criterios: valor de negocio (producto, servicio, landing clave); páginas con backlinks externos que tu web no respalda; y páginas con impresiones en Search Console. Suma después los artículos antiguos que solo necesitan una actualización de contenido y las que quedaron fuera de un clúster de autoridad temática.

Córrelo en este orden: enlace contextual desde el artículo hermano, que es lo más rápido y lo que más contexto aporta; enlace desde el hub del clúster para que el nivel 1 no dependa del menú; menú o migas solo para páginas core; y el sitemap como parche de descubrimiento, nunca como solución.

Evita: enlazar todo desde el pie, nofollow en enlaces internos, la misma keyword exacta en todas las anclas y enlaces automáticos sin relación temática.

Cinco mitos del enlazado interno que siguen circulando

1. Más de 100 enlaces por página penaliza. Falso: "There's no magical ideal number of links a given page should contain. However, if you think it's too much, then it probably is."
2. Poner nofollow en enlaces internos reparte mejor la autoridad. La guía indica otra vía: "For links within your own site, use the robots.txt disallow rule."
3. El sitemap sustituye al enlazado interno. El sitemap informa de URL; los enlaces aportan relevancia: "Google uses links as a signal when determining the relevancy of pages and to find new pages to crawl."
4. Los enlaces de menú y pie no cuentan. Cuentan: no hay documentación que los ignore. El problema real es el volumen y la falta de contexto.
5. Hay que poner la keyword exacta en todas las anclas internas. El ancla debe ser descriptiva: "resist the urge to cram every keyword... keyword stuffing is a violation of our spam policies". La tipología completa está en texto ancla.

Checklist: auditar el enlazado interno en 10 pasos

1. Confirma que la home está indexada y que el menú usa enlaces <a href> reales.
2. Exporta las URLs del sitemap.
3. Rastrea el sitio desde la home, con renderizado si tu web lo necesita.
4. Saca por URL: enlaces internos entrantes, profundidad de clics y anclas.
5. Cruza rastreo contra sitemap y marca las que tienen cero enlaces internos.
6. Ordena por valor de negocio, backlinks externos e impresiones.
7. Escribe el enlace contextual en el artículo hermano: dos por página como máximo y con sentido.
8. Sube al hub del clúster lo que sea categoría.
9. Revisa en Search Console que las páginas core estén enlazadas y vuelve a rastrear a los 30 días.
10. Anota qué URL quedó enlazada, desde dónde y con qué ancla, para no repetirlo.

Una página huérfana no está castigada por Google: está suelta. Puede indexarse y hasta rankear, pero ningún contexto de tu web dice dónde encaja. Enlazarla bien no sube posiciones por sí solo; deja de perder descubrimiento, contexto y visitas.