Caso real: 91 páginas fuera del índice, y las rechazadas no eran las cortas

En agosto de 2026 westchesterride.com tenía 234 entradas publicadas y 91 fuera del índice de Google, un 39 %. La lectura inmediata fue la de siempre, que sobraba contenido flojo y tocaba podar. Al abrir las páginas rechazadas una a una apareció lo contrario: tenían entre 2.961 y 3.795 palabras, y sus hermanas ya indexadas medían casi lo mismo. Lo que las separaba no era el largo.

Respuesta rápida

• 91 de 234 páginas fuera del índice, repartidas en tres estados que Google distingue y que piden acciones distintas.
• 63 de esas 91 estaban rastreadas y descartadas, o sea evaluadas y rechazadas. Las otras 28 ni siquiera se habían mirado.
• Ninguna era corta. Las cuatro que se auditaron a fondo iban de 2.961 a 3.795 palabras, con indexadas y rechazadas a los dos lados de esa banda.
• El patrón real era el molde: grupos de hasta 26 entradas con el mismo juego de encabezados, y decenas de párrafos de cierre idénticos entre páginas distintas.

¿Por qué Google rastrea una página larga y no la indexa?

Google rastrea una página larga y no la indexa cuando ya ha indexado otra casi idéntica en estructura. En este diagnóstico de agosto de 2026 sobre westchesterride.com, las páginas rechazadas tenían entre 2.961 y 3.795 palabras y compartían el mismo esqueleto de encabezados con sus hermanas ya indexadas.

Qué tipo de caso es este

El modelo mental dominante ante una página que no se indexa es que le falta contenido. De ahí sale el consejo que ocupa toda la primera página de esta consulta: añade texto, amplía las secciones, pasa de 800 a 2.000 palabras. Bajo esa idea, la variable es la cantidad.

Aquí la cantidad ya estaba. Una página de 2.961 palabras no es contenido delgado bajo ninguna definición, y ampliarla a 4.000 habría producido una página más larga con el mismo problema intacto. La variable no era cuánto decía cada página, sino cuánto se parecía a las de al lado.

Es un sitio editorial en inglés, de un nicho local en Estados Unidos, construido en tandas con plantillas de encabezados. Un ecommerce con fichas de producto o un blog escrito pieza a pieza no llega a este problema por el mismo camino.

El punto de partida, con fecha

Agosto de 2026. El informe de indexación de páginas de Search Console daba el recuento, pero no el reparto: dice cuántas no están indexadas, no en qué estado está cada una. Eso lo da la API de inspección de URL, que devuelve por página el estado de cobertura, la fecha del último rastreo y la canónica que eligió Google frente a la declarada.

Se inspeccionaron las 234 y se cruzó cada resultado con dos cosas más: el código HTTP real, sin seguir redirecciones, y la presencia en el sitemap. Ese cruce es el que separa una página viva que nadie ha mirado de una que ya estaba retirada. La mecánica de leer los informes de Search Console sin sacar conclusiones falsas está en Google Search Console.

Los tres estados, y por qué el manual falla en dos de ellos

Las 91 no eran un grupo. Eran tres, y la acción correcta cambia con cada uno.

Rastreada: actualmente sin indexar. Google entró, la leyó y decidió que no. Su documentación del informe de indexación lo dice con estas palabras: la página fue rastreada pero no indexada, puede indexarse o no en el futuro, y no hace falta reenviar la URL. Volver a pedir indexación sin tocar el contenido es pedirle a Google que repita una evaluación que ya hizo.

Descubierta: actualmente sin indexar. Aquí está la sorpresa del caso, y va contra lo que yo mismo suponía al empezar. La explicación que uno espera es presupuesto de rastreo por autoridad baja. Google documenta otra: quería rastrear la URL, calculó que hacerlo sobrecargaría el sitio, y reprogramó el rastreo. Tampoco recomienda reenviarla.

URL desconocida. Google no la ha visto. Aquí sí falta descubrimiento, y las palancas son el sitemap y los enlaces internos.

Las doce causas por las que una página puede quedarse fuera, con la comprobación de cada una, están en por qué Google no indexa tu página. Este caso solo desarrolla la que resultó ser la del sitio.

El giro: no eran cortas, eran gemelas

La hipótesis de manual se probó primero y falló. Si las páginas estaban huérfanas, enlazarlas resolvería el descubrimiento. Al ir a insertar enlaces internos hacia las rechazadas, cuatro de cada cinco ya tenían uno entrante desde una página indexada. No estaban huérfanas y seguían fuera. El orden en que sí rinde el enlazado propio está en enlazado interno.

La segunda hipótesis era la longitud. Se midieron cuatro páginas del mismo grupo temático, dos indexadas y dos no:

Conviene mirar esa tabla con cuidado, porque a primera vista dice lo contrario de lo que sostengo: en esta muestra de cuatro, las dos rechazadas son también las dos más cortas. Con cuatro casos esa ordenación no distingue una causa de una coincidencia, y hay un detalle que sí decide: 2.961 palabras no son contenido delgado. El consejo genérico habría empujado esa página hacia las 4.000 sin tocar lo que tenía en común con las otras tres, que era el juego de encabezados.

Ahí estaba el patrón. Se normalizaron los H2 de las 234 entradas, quitando números y nombres propios para que "Rye a los aeropuertos" y "Mamaroneck a los aeropuertos" contaran como el mismo molde, y se compararon todos contra todos.

El grupo mayor reunía 26 entradas con el mismo esqueleto, y detrás venían grupos de 16, 16, 15, 14 y 13. A eso se sumaron decenas de páginas con el párrafo de cierre literalmente idéntico. El sitio se había construido con cuatro o cinco plantillas de encabezados que se rellenaban por ruta. Google indexó un representante de cada molde y descartó las gemelas.

Es contenido duplicado sin que ninguna frase esté copiada, que es la variante que ninguna herramienta de plagio detecta y que se explica entera en contenido duplicado.

Cuándo esto no sirve

Cuando las páginas rechazadas son de verdad cortas. Si miden 400 palabras y no responden nada, el molde no es el problema y ampliar sí lo es.

Cuando el sitio tiene diez páginas. El parecido entre dos textos no significa nada sin un corpus donde medirlo.

Cuando lo que compite es la misma consulta con dos URL. Eso no es molde, es canibalización, y se resuelve eligiendo una.

Lo que se hizo, y lo que todavía no se puede decir

Cuatro duplicados exactos se consolidaron con redirección 301, siempre hacia el gemelo que ya estaba indexado. Esa condición no es un detalle: consolidar hacia una página que tampoco indexa junta dos problemas en uno. Se comprobó el estado del destino antes de cada redirección.

Cuatro clones se reescribieron rompiendo el molde, con encabezados propios y un dato local que ninguna hermana tenía. En una, la lista de espera de años para aparcar en la estación de tren, que cambia el cálculo entero del viaje al aeropuerto. En otra, las inundaciones de dos ríos como factor de fiabilidad en tormenta. Ninguna creció: quedaron entre 1.650 y 1.970 palabras, por debajo de las 2.961 con las que la primera fue rechazada.

Y aquí termina lo que este caso puede afirmar. Las reescrituras son de agosto de 2026 y Google no ha vuelto a evaluarlas. No hay cifra de recuperación porque todavía no existe, y publicar una proyección sería inventarla. Cuando haya nueva inspección, entrará en este mismo artículo con su fecha.

El mismo detector, sobre este blog

Publicar un método sin pasarlo por casa es el patrón que este sitio critica en otros, así que el detector se corrió sobre los 158 artículos de alexgonzalezgo.com antes de escribir esto.

La calibración importa y es lo que hace la medida útil. Cinco encabezados son obligatorios aquí por estándar editorial y los lleva casi todo el corpus a propósito, así que compararlos habría dado parecido máximo en todas las parejas: un aviso que salta siempre no avisa de nada. Se descuentan, y se compara solo lo propio de cada artículo.

Resultado: cero pares por encima del umbral, y el par más parecido de los 158 da 0,12 sobre 1. El detector se probó además inyectando un clon con los mismos encabezados y cuatrocientos párrafos de relleno añadidos, que es el caso exacto de westchesterride: lo cazó con parecido máximo. Una comprobación que nunca ha fallado no está probada, y esa es la mitad del trabajo que casi nadie enseña.

Lo que este caso no demuestra

No demuestra que el molde sea la causa de las 63. Se auditaron cuatro a fondo y se midió el patrón en el corpus entero, que es suficiente para actuar y no para atribuir cada una de las 63 a la misma razón.

No demuestra que romper el molde las indexe. Es la hipótesis que se está probando, con la inspección pendiente.

Y no demuestra que la poda sea siempre un error. Aquí lo era para 24 páginas que Google ni había mirado, y podría no serlo para las que no tienen nada que salvar.

Errores que se repiten

• Tratar "no indexada" como un estado único. Son tres, y el manual falla en dos de ellos.
• Volver a pedir indexación sin cambiar nada. Google documenta que no hace falta reenviar una página que ya rastreó y descartó.
• Responder al rechazo añadiendo palabras. Una página de 2.961 palabras no se arregla llegando a 4.000 si el problema es que se parece a sus vecinas.
• Buscar contenido duplicado con herramientas de plagio. Ninguna frase estaba copiada; lo repetido era la estructura.
• Consolidar hacia una página que tampoco indexa. Redirigir al gemelo ya indexado es la mitad del trabajo.
• Dar por huérfana una página sin comprobarlo. Cuatro de cada cinco ya tenían enlace entrante.

Datos y transparencia

Las cifras salen de la API de inspección de URL de Search Console sobre una propiedad que opero, consultadas en agosto de 2026. westchesterride.com es un sitio propio y por eso va con nombre y cifra exacta; el trabajo de cliente de esta cartera se cuenta sin nombre y con cifras redondeadas, y esa diferencia es deliberada. El crecimiento previo del mismo sitio, con su serie mensual, está contado aparte en su caso de 2026.

Las definiciones de los tres estados y la indicación de que no hace falta reenviar proceden de la documentación del informe de indexación de páginas de Google, enlazada arriba y comprobada el 14 de agosto de 2026.

Una corrección propia sobre la marcha: al empezar el diagnóstico se atribuyó el estado "Descubierta: actualmente sin indexar" a presupuesto de rastreo por autoridad baja. La documentación de Google da otra explicación, que el rastreo se reprogramó para no sobrecargar el sitio. Se escribe lo que dice la fuente, no lo que parecía.

No se da aquí ninguna cifra de autoridad del dominio. La que había procedía de una herramienta de terceros que no se ha vuelto a consultar, y un número sin fecha de medición no es un dato.

El umbral de parecido de encabezados es un criterio propio de este proyecto, no un valor que Google publique. Se eligió mirando la distribución real del corpus, y lo que decide no es el número sino la distancia entre lo medido y ese número.

Lo que no se midió: el efecto de las reescrituras, que es la parte más interesante y todavía no existe. Verificado a agosto de 2026.

Lo que esto cambia

El reflejo ante una página que no se indexa es mirarla sola: cuántas palabras tiene, si le falta un encabezado, si conviene ampliarla. Este caso dice que la respuesta no estaba dentro de la página sino entre ella y sus vecinas, y eso no se ve leyéndola por muy despacio que se lea.

Hay una lectura incómoda para quien produce contenido a escala. Una plantilla de encabezados es lo que hace que veinte páginas salgan rápido y con calidad pareja, y es exactamente lo que hizo que Google se quedara con una de cada molde. La eficiencia que permite publicar veintiséis páginas es la misma que permite que Google las lea como una sola, y la única salida es que cada una traiga algo que ninguna de sus hermanas tenga. Cómo se ordena eso a nivel de sitio, en vez de página por página, está en arquitectura de categorías.

Preguntas frecuentes