Análisis de archivos de log para SEO: información de rastreo
Usa el análisis de archivos de log del servidor para descubrir cómo rastrea Googlebot tu sitio, identificar el crawl budget desperdiciado y optimizar para una mejor indexación.
Equipo de Auditite
Índice de contenidos
Por qué el análisis de archivos de log es la técnica SEO más infravalorada
La mayoría de los profesionales del SEO dependen de datos de rastreo de terceros y de Google Search Console para entender cómo interactúan los buscadores con sus sitios. Pero hay una fuente de datos más fiable en tu servidor ahora mismo: los archivos de log.
Los archivos de log del servidor registran todas las solicitudes que recibe tu sitio web, incluidas las de los rastreadores de buscadores. Al analizar estos logs obtienes una visión real de cómo emplean su tiempo Googlebot, Bingbot y otros rastreadores en tu sitio, sin muestreo, sin estimaciones y sin interpretación de terceros.
Qué te cuentan los logs del servidor
Cada entrada de log suele contener:
- Marca de tiempo: cuándo se hizo la solicitud
- Dirección IP: identifica al solicitante (se puede verificar contra IPs de bots conocidas)
- User agent: el bot o navegador que hace la petición
- URL solicitada: a qué página se accedió
- Código de estado HTTP: la respuesta del servidor (200, 301, 404, 500, etc.)
- Bytes transferidos — tamaño de la respuesta
- Referrer: de dónde provino la solicitud (a menudo vacío en los bots)
- Tiempo de respuesta: cuánto tardó el servidor en responder
De estos datos en bruto puedes extraer conclusiones que ninguna otra herramienta SEO puede ofrecer.
Conclusiones clave del análisis de archivos de log
Frecuencia de rastreo por tipo de página
¿Con qué frecuencia visita Googlebot tus páginas más importantes frente a las de poco valor? Entre los hallazgos habituales están:
- Entradas de blog rastreadas a diario, mientras que las páginas de producto se rastrean cada mes
- Páginas de categoría rastreadas en exceso por el volumen de enlaces internos
- Contenido nuevo ignorado porque carece de enlaces internos
- URL con parámetros rastreadas en exceso pese a no tener valor SEO
Si Googlebot dedica el 60 % de su presupuesto de rastreo a páginas que generan el 5 % de tu tráfico, tienes un problema de presupuesto de rastreo que requiere atención inmediata.
Páginas huérfanas en la práctica
Una página que aparece en tus archivos de log pero no tiene enlaces internos en tu sitio recibe la atención de los rastreadores a través de enlaces externos o de entradas antiguas del sitemap. Cruza las URL de los logs con la arquitectura del sitio para encontrar estas páginas huérfanas y decidir si las integras en tu estructura o las dejas como están.
Distribución de códigos de estado
Analiza el porcentaje de solicitudes que devuelven cada código de estado:
- Alta tasa de 200: saludable, los rastreadores encuentran contenido activo
- Tasa alta de 301/302: los rastreadores están llegando a URL antiguas; plantéate corregir las cadenas de redirecciones
- Tasa alta de 404: desperdicio considerable de rastreo en URL rotas
- Cualquier error 5xx: problemas del servidor que bloquean el rastreo por completo
Frecuencia de rastreo y rendimiento del servidor
Los archivos de log revelan si tu servidor es lo bastante rápido para permitir un rastreo eficiente. Si los tiempos de respuesta medios superan los 500 ms, Googlebot reducirá su frecuencia de rastreo. Sigue la evolución del tiempo de respuesta para detectar a tiempo una degradación del rendimiento.
Para consejos sobre cómo mejorar los tiempos de respuesta del servidor, consulta nuestra guía de optimización del TTFB.
Rastreos de descubrimiento frente a rastreos de actualización
Clasifica las visitas de rastreadores en:
- Rastreos de descubrimiento: primeras visitas a URL nuevas
- Rastreos de actualización: visitas repetidas a URLs rastreadas anteriormente
Si los rastreos de descubrimiento son escasos, tu contenido nuevo no se está encontrando con la suficiente rapidez. Esto puede indicar un enlazado interno deficiente o un sitemap XML desactualizado.
Cómo hacer un análisis de archivos de log
Paso 1: reúne tus logs
Obtén los archivos de log del servidor de tu proveedor de hosting o del administrador del servidor. Los formatos de log más habituales son:
- Apache Common Log Format
- Apache Combined Log Format (incluye referrer y user agent)
- Logs de acceso de Nginx
- Logs del proveedor cloud (CloudFront, Cloud CDN, etc.)
En sitios con CDN delante, puede que tengas que recoger los logs tanto de la CDN como del servidor de origen, ya que la CDN puede gestionar algunas peticiones sin llegar al origen.
Paso 2: filtra por bots de motores de búsqueda
Extrae solo las solicitudes de rastreadores de buscadores verificados. Busca user agents que contengan:
Googlebot(búsqueda web)Googlebot-Mobile(búsqueda móvil)Googlebot-Image(búsqueda de imágenes)Bingbot(Bing)Slurp(Yahoo)
Importante: verifica la identidad del bot haciendo una búsqueda DNS inversa de la dirección IP. Muchos scrapers suplantan los user agents de los buscadores.
Paso 3: analiza los patrones de rastreo
Con los datos filtrados, analiza:
- Páginas rastreadas por día: tendencia del volumen total de rastreo
- URLs más rastreadas: dónde pasan más tiempo los bots
- URL menos rastreadas: páginas importantes que se están descuidando
- Rastreo por tipo de página: compara blog, producto, categoría y otros tipos de página
- Rastreo por código de estado — cuánto tiempo se desperdicia en errores y redirecciones
- Rastreo por tiempo de respuesta: identifica las páginas lentas que cuellan el rastreo
Paso 4: contrasta con los datos de rendimiento
Combina los datos de los archivos de log con:
- Datos de Google Search Console: compara las estadísticas de rastreo con lo que reporta Google
- Datos de analítica: identifica las páginas con mucho tráfico orgánico pero poca frecuencia de rastreo
- Datos del sitemap: encuentra páginas de tu sitemap que los rastreadores nunca visitan
- Datos de enlaces internos: correlaciona la frecuencia de rastreo con el número de enlaces internos
Paso 5: pasa a la acción
Según tu análisis, prioriza las correcciones:
- Bloquea las páginas de bajo valor que se rastrean en exceso mediante robots.txt
- Añade enlaces internos a las páginas de alto valor poco rastreadas
- Corrige los 404 y las cadenas de redirecciones que consumen crawl budget
- Mejora los tiempos de respuesta del servidor en las páginas lentas
- Actualiza tu sitemap para que coincida con lo que los rastreadores deberían visitar de verdad
Automatización del análisis de archivos de log
El análisis manual de logs sirve para auditorías puntuales, pero no es sostenible para una monitorización continua. Automatiza el proceso:
- Configurar un pipeline de logs que ingiera, filtre y almacene las peticiones de los bots
- Crear paneles que visualicen los patrones de rastreo a lo largo del tiempo
- Configurar alertas para comportamientos de rastreo inusuales (caídas repentinas, picos de errores 5xx)
- Programar reportes mensuales que comparen las métricas de eficiencia de rastreo
Auditite se integra con los logs de tu servidor para ofrecer un análisis de rastreo continuo y avisarte de los problemas en cuanto surgen, sin esperar a tu próxima auditoría manual.
Qué vigilar en la monitorización continua
Cambios en el crawl budget
Una caída repentina del volumen diario de rastreo puede indicar problemas de rendimiento del servidor, una mala configuración de robots.txt o una penalización. Investígalo de inmediato.
Rastreo de nuevos patrones de URL
Si Googlebot empieza de repente a rastrear intensamente un nuevo patrón de URLs, puede que haya descubierto un conjunto de URLs con parámetros o una sección nueva de tu sitio. Determina si es intencionado o una fuga que hay que bloquear.
Patrones estacionales
Algunos sitios ven aumentar la frecuencia de rastreo antes de las temporadas altas (por ejemplo, el e-commerce antes de las fiestas). Entender estos patrones te ayuda a planificar cuándo publicar contenido nuevo para obtener la máxima atención de rastreo.
Comparación de bots
Compara el comportamiento de Googlebot y Bingbot. Si Bingbot rastrea páginas que Googlebot ignora (o al revés), eso revela diferencias en cómo cada motor descubre y prioriza el contenido.
Puntos clave
El análisis de archivos de log te da la imagen más precisa de cómo interactúan los motores de búsqueda con tu sitio web:
- Los logs del servidor son la fuente de verdad sobre el comportamiento de rastreo: sin muestreo ni estimaciones
- Identifica el desperdicio de rastreo localizando páginas de poco valor que consumen una atención desproporcionada de los rastreadores
- Descubre páginas desatendidas que merecen una mayor frecuencia de rastreo
- Monitoriza el rendimiento del servidor para asegurarte de que los rastreadores no se ven frenados por respuestas lentas
- Automatiza el análisis continuo para detectar problemas antes de que afecten a las posiciones
Combinado con datos de Google Search Console, analítica y auditorías SEO técnicas, el análisis de archivos de log completa el panorama de la salud de tu sitio ante los buscadores.
Mantente al día
Recibe ideas, estrategias y novedades del producto en tu bandeja de entrada.
Sin spam. Cancela la suscripción cuando quieras.
¿Listo para ver Auditite en acción?
Empieza y descubre cómo Auditite puede transformar tu flujo de trabajo de auditoría SEO.
Empezar