¿Cómo recuperar las URLs antiguas de un sitio antes de migrarlo?
Por qué el inventario de URLs es el paso que más tráfico salva en una migración, de qué fuentes sacarlo (Search Console, los registros del servidor, la Wayback Machine) y cómo convertirlo en una matriz de redirecciones.
Por Javier Tenjo, Desarrollador full stack
En esta página
Casi todas las migraciones que pierden tráfico lo pierden por el mismo motivo: nadie hizo la lista. El sitio nuevo se diseña, se construye y se publica con cuidado, pero las direcciones del sitio antiguo, las que Google tenía indexadas y las que enlazaban otras webs, se quedan sin destino. Cada una de ellas pasa a dar un 404.
La lista de URLs antiguas es aburrida de hacer y no se ve en el resultado final. Es también el paso que más tráfico salva.
¿Por qué hay que inventariar antes de migrar?
Porque después ya no se puede. Mientras el sitio antiguo está en línea, sus URLs se pueden rastrear, exportar y comprobar. En cuanto se apaga el servidor o se sustituye el CMS, esa información desaparece con él, y reconstruirla a partir de los errores que van llegando es lento e incompleto.
Cada URL antigua lleva asociado algo que tiene valor:
- Posiciones en Google, ganadas a veces durante años.
- Enlaces de otras webs, que no puedes editar y que seguirán apuntando a la dirección vieja.
- Visitas directas: marcadores, enlaces en correos, documentos impresos, códigos QR en un folleto.
Una redirección 301 bien puesta conserva casi todo eso. Para ponerla, primero hay que saber que esa URL existe.
¿De qué fuentes se saca la lista?
Ninguna fuente lo tiene todo. Cada una ve una parte del sitio, y la lista buena sale de cruzar varias:
| Fuente | Qué aporta | Qué se le escapa |
|---|---|---|
| El CMS o la base de datos | Todo lo publicado hoy | Lo que se borró hace tiempo y aún recibe enlaces |
| Un rastreo del sitio actual | Lo enlazado internamente | Páginas huérfanas y URLs antiguas ya retiradas |
| El sitemap | Lo que el sitio declara | A menudo, desactualizado o incompleto |
| Search Console | URLs con impresiones y clics (hasta 16 meses), páginas indexadas | Lo que Google no ha mostrado en ese periodo |
| Analítica | Páginas con visitas reales | Lo que no recibe tráfico pero sí enlaces |
| Registros del servidor | Cada URL que alguien o algo pidió | Solo cubre el tiempo que se conservan |
| Herramientas de enlaces entrantes | URLs con enlaces de otras webs | Su cobertura depende de cada herramienta |
| Wayback Machine | Años de historial del dominio | Huecos en sitios pequeños o poco enlazados |
Search Console es la fuente más valiosa para priorizar, porque te dice qué URLs generan tráfico desde Google ahora mismo. Su informe de rendimiento conserva hasta 16 meses de datos, y conviene exportarlo antes de tocar nada.
Los registros del servidor (los logs) son la fuente más completa para el presente: registran cada petición, incluidas las de Googlebot y las de visitantes que llegan por enlaces antiguos. Si tu hosting los guarda, pide una copia de los últimos meses.
¿Qué aporta la Wayback Machine?
La Wayback Machine de Internet Archive lleva desde finales de los noventa guardando copias de páginas web. Además de las capturas que se pueden consultar, mantiene un índice de todas las URLs que ha visto de cada dominio, con la fecha de cada captura y el código que devolvió el servidor entonces.
Para una migración eso la hace especialmente útil en dos situaciones:
- Sitios con mucha historia, donde hubo rediseños y migraciones anteriores cuyas URLs siguen recibiendo enlaces aunque nadie las recuerde.
- Sitios donde el CMS antiguo ya no existe o nadie tiene acceso a él. A veces es la única lista disponible.
Tiene limitaciones que conviene conocer. Solo guarda lo que sus rastreadores encontraron o lo que alguien pidió guardar, así que un sitio pequeño puede tener huecos de años. Y recoge mucho ruido: URLs con parámetros de sesión, paginaciones, filtros, archivos sueltos. Hay que filtrar antes de usarla.
¿Cómo se convierte la lista en una matriz de redirecciones?
Con las fuentes reunidas, el trabajo es ordenar y decidir:
- Unifica y limpia. Junta todas las listas, normaliza las URLs (mismo esquema, mismo dominio, misma barra final) y elimina duplicados. Descarta parámetros que no cambian el contenido, como los de campañas.
- Quédate con lo que importa. Las páginas HTML, no cada imagen o recurso suelto. Si una URL respondía 404 ya en el sitio antiguo, no hay que heredarla.
- Ordena por valor. Arriba, las URLs con tráfico de Search Console, con enlaces entrantes o con muchas visitas en los registros. Son las que no pueden fallar.
- Asigna un destino a cada una. Es una tabla con tres columnas: URL antigua, URL nueva y código. La URL nueva debe ser la equivalente más parecida, no la portada.
- Decide qué se retira. Si una página no tiene equivalente, la respuesta honesta es un 410 (retirada para siempre) o un 404. Redirigir todo lo que sobra a la portada es lo que Google trata como un soft 404.
Hay reglas que conviene respetar al montar la matriz: un solo salto desde cada URL antigua hasta su destino final, aunque hubiera migraciones anteriores, sin cadenas ni bucles. Y las redirecciones se mantienen al menos un año, idealmente más. Por qué importa cada una está explicado en redirecciones 301 y 302.
Para sitios grandes, muchas URLs siguen patrones (/producto/<nombre> pasa a /tienda/<nombre>/) y se resuelven con una regla por patrón en lugar de una línea por URL. Las que no encajan en ningún patrón se resuelven a mano.
¿Qué se hace con la matriz el día del lanzamiento?
La matriz no termina cuando se escribe. El día del lanzamiento y las semanas siguientes:
- Prueba una muestra de las URLs más valiosas y comprueba que cada una llega a su destino en un salto y con un 301.
- Vigila los errores 404 en Search Console y en los registros del servidor. Las URLs que aparezcan y no estaban en la matriz son las que se escaparon del inventario: añádelas.
- Revisa los enlaces internos del sitio nuevo para que apunten directamente a las URLs nuevas, sin pasar por redirecciones. Está explicado en enlaces rotos y SEO.
En cómo migrar WordPress sin perder SEO está el proceso completo de la migración, del que este inventario es el primer paso.
¿Cómo recuperar las del tuyo?
La utilidad de URLs antiguas de un dominio consulta el índice de Internet Archive y te devuelve todas las direcciones que ha visto de tu dominio, con su último código de estado y la fecha de su última captura. Puedes quedarte solo con las que respondían 200, filtrar las páginas HTML, agruparlas por carpeta para ver dónde estaba el grueso del sitio y descargarlas en CSV o como esqueleto de matriz de redirecciones, listo para rellenar el destino. También permite pedir a Internet Archive que archive las páginas actuales antes de que cambien.
Úsala como una de las fuentes, junto a Search Console y los registros del servidor. Cuando tengas la matriz montada, el comprobador de redirecciones te sirve para verificar que cada URL antigua llega a su sitio.
Una migración bien hecha se nota poco: el sitio cambia y el tráfico sigue. Casi siempre, detrás de eso hay una hoja de cálculo larga y poco vistosa con cada URL antigua y su destino. Merece la pena dedicarle el tiempo antes de apagar nada.