Las páginas que Google no debería indexar de tu web local

Esta semana ha corrido una noticia que da para pararse a pensar: conversaciones supuestamente privadas de una conocida herramienta de inteligencia artificial terminaron apareciendo en los resultados de Google, a la vista de cualquiera. No fue un fallo del buscador ni un ataque de nadie. La empresa que la desarrolla simplemente dejó esas direcciones accesibles y no le dijo a los buscadores que las dejaran fuera. Si esto le pasa a una compañía enorme, con equipos técnicos de sobra, imagina lo fácil que es que le ocurra a la web de tu clínica, tu despacho o tu taller.

La regla de oro que casi nadie aplica

Los buscadores funcionan con una premisa muy simple: si una dirección es accesible y no la excluyes de forma explícita, tarde o temprano acabará indexada. Google no distingue entre «esta página la subí por error» y «esta la quiero posicionar». Rastrea lo que puede y muestra lo que le parece útil. La responsabilidad de decir «esto no» es tuya, no suya.

En un negocio local esto se traduce en páginas que jamás deberían salir en Google y sin embargo salen: presupuestos con el nombre de un cliente, páginas de «gracias por tu reserva», zonas de administración, el entorno de pruebas donde tu programador montó la web, PDFs internos, o esa versión antigua del sitio que se quedó colgada en un subdominio y nadie tocó nunca más.

Por qué esto importa (y mucho) en negocios de servicios

Cuando trabajas con clientes de verdad, manejas datos sensibles casi sin darte cuenta. Un despacho de abogados con una página de confirmación que deja ver el asunto de una consulta. Una clínica dental con un formulario de historial al que se llega por la dirección directa. Un cerrajero cuyos presupuestos incluyen la calle del cliente. Si Google puede llegar a esas direcciones, cualquiera que busque el nombre de tu cliente podría toparse con ellas. Es un problema de privacidad antes que de SEO.

Y hay un segundo motivo, menos grave pero muy habitual: indexar basura te diluye. Si Google tiene en su índice cuarenta páginas tuyas y veinticinco son ruido (gracias, carritos, filtros, pruebas), estás gastando el presupuesto que dedica a rastrearte en lo que no vende y mandando señales confusas sobre qué páginas importan de verdad para posicionar tus servicios en Valencia. Es la misma lógica de la que te hablé cuando expliqué por qué a veces conviene tener menos páginas y mejores.

Bloquear el rastreo no es lo mismo que desindexar

Aquí está el matiz donde falla casi todo el mundo, y por eso lo repito despacio: robots.txt evita el rastreo, pero no garantiza que una página salga del índice. Si una dirección ya estaba indexada y luego la bloqueas en robots.txt, Google puede seguir mostrándola, porque le has cerrado la puerta y ya no puede entrar a leer que no la quieres. Para sacar algo del índice de verdad se usa la etiqueta noindex, dejando que Google la rastree para que la lea, o se protege con contraseña lo que es realmente privado. Confundir estas dos herramientas es justo el tipo de error que deja datos a la vista, como te conté al detalle cuando expliqué que bloquear no es lo mismo que ocultar.

Dejar tu web limpia de páginas que no deberían salir, y mantenerla así mes a mes, es parte del trabajo de SEO local que hacemos.