Casi todas las auditorías tienen el mismo momento incómodo. Cruzas el rastreo con Search Console y aparecen cuarenta URLs que nadie recordaba: una landing de una campaña de 2023, tres fichas de producto descatalogado, la guía que se escribió para un cliente y nunca se enlazó desde ningún sitio.
Son páginas huérfanas. Existen, algunas hasta reciben visitas, pero no forman parte de la ruta navegable de la web.
La reacción típica es ponerse a enlazarlas todas. Es un error, y bastante caro en horas. La mitad de esas URLs no debería existir, y meterlas en el enlazado interno solo consigue repartir autoridad entre páginas que no la merecen. Lo que hace falta es un criterio de decisión: encontrarlas, valorarlas y elegir entre cuatro salidas posibles.
Eso es lo que cubre esta guía, con los detalles técnicos que suelen faltar en los tutoriales.
Qué es exactamente una página huérfana
La definición que circula por ahí es «una URL que no recibe enlaces internos». Vale como aproximación, pero no es la que usan las herramientas y por eso mucha gente lee mal sus propios informes.
La definición operativa es otra: una URL a la que no se llega siguiendo enlaces desde el punto de inicio del rastreo, que normalmente es la home. Screaming Frog lo formula así y añade un matiz que conviene tener claro: una huérfana puede recibir enlaces de otras huérfanas.
Esa diferencia importa más de lo que parece. Si tienes un bloque entero de contenido desconectado del menú, como una sección antigua o un directorio de una migración a medias, todas sus páginas saldrán como huérfanas aunque se enlacen perfectamente entre sí. No tienes cuarenta problemas sueltos, tienes uno.
Lo que no es una página huérfana
Estos cuatro conceptos se mezclan constantemente y describen situaciones distintas:
| Situación | Qué significa |
|---|---|
| Huérfana | Existe y es accesible por URL, pero nada enlaza a ella dentro del sitio |
| No indexada | Google la conoce y ha decidido no incluirla, o aún no la ha rastreado |
| Bloqueada | robots.txt o noindex impiden su rastreo o su indexación |
| Sin tráfico | Está enlazada y puede estar indexada, pero nadie entra |
Una página puede ser huérfana y estar indexada, recibiendo impresiones todos los días. Otra puede estar perfectamente enlazada y sin indexar. Son diagnósticos independientes y piden soluciones distintas. Si tu problema es de indexación, ese es otro camino.
Hay huérfanas que están bien así
No todas son un fallo. Las páginas de gracias, los pasos de un checkout, el área privada de un usuario o una landing de campaña de pago están huérfanas a propósito, y así deben quedarse. Lo suyo es que además lleven noindex.
El problema aparece cuando una página que debería posicionar no puede hacerlo porque nada la sostiene.
Por qué le importan a Google
Google descubre y jerarquiza contenido siguiendo enlaces. Cuando una URL queda fuera de esa red pasan tres cosas, y ninguna es la que suele contarse.
El descubrimiento deja de ser fiable. Google puede conocer la URL por el sitemap, por un enlace externo o por rastreos anteriores. Pero conocerla no es lo mismo que encontrarla recorriendo tu sitio, y esa segunda vía es la que se repite en cada rastreo.
No recibe PageRank interno. Este es el daño de verdad. Una página sin enlaces entrantes no recibe nada del reparto de autoridad que hace tu arquitectura. Puede estar indexada y aun así rendir peor que una página equivalente bien conectada, porque compite sin el respaldo del resto del sitio.
Pierde contexto. Los enlaces desde categorías, migas de pan y contenidos afines le dicen a Google de qué va la página y qué papel juega. Sin ellos, la URL flota. Y si formaba parte de un clúster temático, el clúster entero se comporta como si fuera más pequeño de lo que es.
El mito del presupuesto de rastreo
Aquí hay que ir con cuidado, porque medio sector repite que las huérfanas te queman el crawl budget y en la mayoría de webs eso no aplica.
La documentación de Google reserva ese tema para tres perfiles: sitios de más de un millón de URLs cuyo contenido cambia del orden de una vez por semana, sitios de más de 10.000 con contenido que cambia a diario, y sitios con gran parte de sus URLs en el estado «Descubierta: actualmente sin indexar». Para el resto, la propia guía dice que mantener el sitemap al día y revisar el informe de indexación de páginas es suficiente.
Hay un segundo matiz que casi siempre se cuenta mal. Lo que no libera presupuesto es bloquear con robots.txt: Google advierte de que no reasigna ese rastreo a otras páginas salvo que ya estuvieras tocando el límite de capacidad de tu servidor. Eliminar de verdad es distinto, y ahí Google sí recomienda devolver 404 o 410 en lo que se ha retirado para dejar de pedirlo.
Traducido: si tienes una web de 800 URLs, ni bloquear ni borrar quince huérfanas va a acelerar nada. Hazlo por higiene y por autoridad interna, no por un ahorro de rastreo que no vas a notar. En catálogos grandes con navegación facetada la conversación sí cambia, y ahí conviene mirarlo junto al resto de la indexación del sitio.
De dónde salen
Casi siempre de un proceso, no de un descuido puntual:
- Migraciones y rediseños. Cambia el menú, cambia la plantilla, y un bloque de contenido se queda sin ruta de acceso.
- Productos retirados. La ficha desaparece de las categorías pero la URL sigue devolviendo 200.
- Campañas. Landings de PPC, de email o de eventos que nadie retira cuando termina la campaña.
- El propio CMS. Páginas de autor, taxonomías vacías, adjuntos, paginaciones raras.
- Publicación sin enlazado. El contenido se publica y se enlaza «cuando haya tiempo». Nunca hay tiempo.
Cómo encontrarlas
Ninguna fuente sirve por sí sola. El método consiste en cruzar cuatro listas de URLs y quedarte con lo que aparece en unas y no en la del rastreo.
Las cuatro fuentes
| Fuente | Qué aporta | Qué se le escapa |
|---|---|---|
| Rastreo del sitio | La red de enlaces internos real | Todo lo que no está enlazado |
| Sitemap XML | URLs que declaras como importantes | Lo que nunca entró en el sitemap |
| Search Console | URLs con impresiones o clics | Lo que no recibe impresiones |
| GA4 | URLs con visitas de cualquier canal | Lo que no recibe visitas |
A eso se puede sumar una quinta capa: los logs del servidor, que te enseñan qué URLs está pidiendo Googlebot de verdad, y un export de URLs del CMS o de la base de datos.
El proceso con Screaming Frog
Es la vía más directa, pero tiene dos requisitos que casi nadie menciona y que hacen que el tutorial falle:
- Necesitas licencia. El rastreo completo y las integraciones de API no están en la versión gratuita.
- Hay que lanzar el análisis posterior. Los filtros de huérfanas no se rellenan durante el rastreo.
Los pasos:
1. Config > Spider > Crawl > marcar "Crawl Linked XML Sitemaps"
2. Config > API Access > Google Analytics 4 → conectar la propiedad, rango de 12 meses
→ General > marcar "Crawl New URLs Discovered In Google Analytics"
3. Config > API Access > Google Search Console → conectar la propiedad, mismo rango
→ Search Analytics > marcar "Crawl New URLs Discovered In Google Search Console"
4. Lanzar el rastreo y esperar al 100 %
5. Crawl Analysis > Start ←── el paso que todo el mundo se salta
6. Reports > Orphan Pages
El informe final trae una columna Source que indica de dónde salió cada URL: sitemap, GA o GSC. Es información útil, porque una huérfana que aparece por Search Console con impresiones no se trata igual que una que solo figura en el sitemap.
Un truco rápido si prefieres no exportar: en la pestaña Internal, filtra por crawl depth vacío. Las URLs sin profundidad de rastreo son exactamente las que no se alcanzaron siguiendo enlaces.
Ojo con un detalle: buena parte de los tutoriales que encontrarás, incluido el oficial, todavía habla de cuentas, vistas y segmentos de Analytics. Eso era Universal Analytics. Hoy la integración es GA4 y va por otro sitio del menú.
Sin licencia, a mano
Con una hoja de cálculo también se puede, y para una web pequeña llega:
- Exporta las URLs del sitemap.
- Exporta las páginas de Search Console con impresiones en los últimos 12 meses.
- Exporta las páginas con visitas en GA4, mismo periodo.
- Rastrea la web con cualquier crawler y exporta las URLs encontradas.
- Cruza con un
BUSCARVy marca lo que aparece en 1, 2 o 3 pero no en 4.
El punto ciego que nadie menciona
Estos métodos comparten un límite: una página sin enlaces internos, sin tráfico, sin impresiones, sin backlinks y fuera del sitemap no aparece en ninguna lista. Es invisible para el rastreo y para todas las fuentes de datos.
La única forma de sacarla es exportar todas las URLs publicadas desde el CMS o la base de datos, o revisar los logs del servidor. En WordPress es tan sencillo como listar todas las entradas y páginas publicadas y cruzarlas contra el rastreo. Merece la pena hacerlo al menos una vez, porque ahí es donde suelen esconderse los restos de una migración.
Cómo decidir qué hacer con cada una
Aquí es donde se separa una auditoría útil de un listado de URLs. Cada huérfana tiene cuatro salidas posibles, y la decisión depende de dos preguntas: ¿esta página aporta algo hoy? ¿Existe otra que cubra lo mismo mejor?
| Perfil de la URL | Decisión | Cómo se ejecuta |
|---|---|---|
| Recibe impresiones, clics o tiene backlinks | Enlazar | Integrarla en su clúster y enlazarla desde páginas afines |
| Contenido útil pero solapado con otra página | Consolidar | Fusionar en la mejor URL y redirigir con 301 |
| Obsoleta con equivalente actual | Redirigir | 301 a la alternativa real, no a la home |
| Sin valor y sin equivalente | Eliminar | 410, quitarla del sitemap, revisar enlaces salientes |
| Huérfana a propósito (gracias, checkout, PPC) | Dejarla | Confirmar que lleva noindex |
Dos avisos por experiencia.
Redirigir todo a la home es tirar la señal a la basura. Google suele tratar esas redirecciones como soft 404. Si no hay destino equivalente, mejor un 410 limpio.
Comprueba los backlinks antes de borrar. Una landing de campaña olvidada puede tener enlaces de medios que consiguió en su momento. Ahí la decisión cambia: redirige a la página viva más parecida y recuperas algo.
Para el criterio de qué contenido merece seguir vivo, la lógica es la misma que en una limpieza de contenido.
Cómo enlazarlas sin empeorar la arquitectura
Si la decisión es rescatar la página, el objetivo no es que deje de salir en el informe. Es que tenga sentido dentro del sitio.
Enlaza desde páginas temáticamente afines. Un enlace desde un artículo que trata lo mismo vale más que cinco desde secciones sin relación. Los enlaces relevantes transmiten contexto, no solo autoridad.
Usa anclas descriptivas. El texto del enlace le dice a Google de qué va el destino. «Haz clic aquí» no dice nada.
Intégrala en su clúster. Si el contenido pertenece a un tema que ya trabajas, debería estar enlazada desde la página pilar y desde dos o tres satélites, no colgando de un único enlace suelto.
No la metas en el footer. Es la salida rápida y la peor. Un bloque de enlaces en el pie reparte poco, no aporta contexto y ensucia la arquitectura, igual que los textos SEO al final de las categorías.
Actualiza el sitemap. Si la página se queda, tiene que estar dentro con su lastmod correcto. Si se va, fuera. Y si tienes IndexNow montado, avisa del cambio, que para eso está.
Cómo evitar que vuelvan a aparecer
Las huérfanas se generan por procesos, así que se previenen con procesos.
Ninguna URL nace sin enlace. Antes de publicar, define desde qué página existente se va a enlazar. Si no encuentras ninguna coherente, plantéate si ese contenido debería existir.
Auditoría obligatoria tras cada migración o rediseño. Es el momento en que se produce el 80 % del problema. Rastreo antes, rastreo después, y comparar las dos listas de URLs.
Fecha de caducidad para las campañas. Toda landing temporal debe llevar decidido desde el principio qué pasa con ella cuando la campaña termine: se retira, se redirige o se queda con noindex.
Revisión trimestral. El cruce de rastreo, sitemap, GSC y GA4 lleva menos de una hora cuando ya lo tienes montado. Trimestral es suficiente para la mayoría de webs, mensual si publicas mucho o tienes catálogo vivo.
Vigila el CMS. Desactiva las taxonomías que no uses, marca con noindex páginas de autor y adjuntos, y controla qué URLs genera cada plantilla. En ecommerce, esto va de la mano de tener claras qué páginas deben existir.
Una nota sobre buscadores con IA
Los sistemas de respuesta generativa recuperan contenido de los índices de los buscadores. Eso significa que la cadena no cambia: si una página se descubre mal y se indexa peor, tampoco entra en el conjunto de candidatas que un asistente puede citar.
No hay que sacar de ahí conclusiones grandilocuentes ni tratarlo como un factor nuevo. Es el mismo problema de siempre, con una consecuencia añadida.
Preguntas frecuentes
¿Una página huérfana siempre es un problema?
No. Las páginas de gracias, los pasos de compra o las landings de campañas de pago están huérfanas a propósito y deben seguir así, preferiblemente con noindex. El problema es una página que debería posicionar y no puede porque nada la sostiene.
¿Google puede indexar una página huérfana?
Sí. Puede descubrirla por el sitemap, por un enlace externo, por una inspección de URL en Search Console o por rastreos anteriores. Lo que no recibe es autoridad interna, así que rendirá peor que una página equivalente bien enlazada.
¿Basta con tener la URL en el sitemap?
No. El sitemap ayuda a descubrir URLs, pero no transmite autoridad ni contexto dentro del sitio. Son dos funciones distintas y una no sustituye a la otra.
¿Cómo detecto páginas huérfanas sin herramientas de pago?
Cruzando cuatro exportaciones en una hoja de cálculo: el sitemap XML, las páginas con impresiones en Search Console, las páginas con visitas en GA4 y las URLs encontradas al rastrear la web. Lo que aparece en las tres primeras y no en la cuarta es candidato a huérfana.
¿Cuántas páginas huérfanas son demasiadas?
No hay un número. Un puñado es normal en cualquier web con recorrido. La alarma salta cuando representan una parte grande del inventario, cuando son URLs indexables que devuelven 200 o cuando se concentran en una sección concreta, porque eso apunta a un fallo de arquitectura.
¿Debo redirigir una página huérfana a la home si no hay equivalente?
Mejor no. Google suele tratar esas redirecciones como soft 404, así que no se gana nada. Si la página no tiene sustituto real, un 410 comunica mejor que el contenido ha desaparecido.
Por dónde empezar
Si nunca has hecho este cruce, dedícale una tarde: rastrea, exporta sitemap, Search Console y GA4, y monta la lista. Lo normal es que aparezcan entre veinte y cien URLs que no esperabas.
Después resiste la tentación de enlazarlas todas. Pásalas por la tabla de decisión, ejecuta los 301 y los 410 primero, que son los que limpian, y deja el enlazado para las que de verdad tienen algo que aportar.
Si la lista se te va de las manos, si vienes de una migración y no sabes qué se ha quedado por el camino, o si sospechas que el problema no son las huérfanas sino la arquitectura entera, ahí ya toca mirar el conjunto. En Consultoría SEO Sevilla eso es la auditoría de arquitectura web e indexación: inventario de huérfanas con el enlace propuesto para cada una, cobertura del índice por plantilla y qué URLs merecen seguir existiendo. Si lo que necesitas es el diagnóstico técnico completo, con rendimiento y renderizado, eso es la auditoría SEO técnica.
