El «Contenido principal» de una página web
El «Contenido principal», o «The Main Content» (MC), se refiere a la parte central y más importante del contenido de una página web que satisface directamente la intención de búsqueda del usuario. No es simplemente el texto visible, sino la información sustantiva que el algoritmo de búsqueda, a través de su comprensión semántica, identifica como el valor principal y único de esa página.
En el Search Central Live de Google que se realizó en Bangkok, Gary Illyes de Google explicó que la empresa dedica grandes esfuerzos a identificar el contenido principal de una página web, al que él se refiere como «contenido central» (main content). Este término resultará familiar a quienes hayan revisado las Directrices para Evaluadores de Calidad de Búsqueda de Google (Search Quality Rater Guidelines), donde el concepto de «contenido principal» (Main Content o MC) se introduce en la Parte 1, en el punto 2.4.1, para enseñar cómo identificarlo y evaluar su calidad.
Las directrices de calidad de Google definen el contenido principal como:
«El Contenido Principal es cualquier parte de la página que ayuda directamente a la página a lograr su propósito. El MC puede ser texto, imágenes, videos, características de la página (por ejemplo, calculadoras, juegos), y puede ser contenido creado por los usuarios del sitio web, como videos, reseñas, artículos, comentarios publicados por los usuarios, etc. Las pestañas en algunas páginas conducen a más información (por ejemplo, reseñas de clientes) y a veces pueden considerarse parte del MC. El MC también incluye el título en la parte superior de la página. Los títulos de MC descriptivos permiten a los usuarios tomar decisiones informadas sobre qué páginas visitar. Los títulos útiles resumen el MC de la página.»
Illyes enfatizó que Google utiliza este contenido central para el «ranking y la recuperación» en los resultados de búsqueda. El contenido ubicado en esta sección de una página web posee un peso significativamente mayor que el contenido presente en el pie de página (footer), el encabezado (header) y las áreas de navegación (incluida la navegación lateral).
Kenichi Suzuki resumió en LinkedIn las declaraciones de Illyes, y es en lo que se basa este artículo:
«Los sistemas de Google priorizan en gran medida el ‘contenido principal’ (al que también llama ‘pieza central’) de una página para la clasificación y la recuperación. Las palabras y frases ubicadas en esta área tienen un peso significativamente mayor que las de los encabezados, pies de página o barras laterales de navegación. Para clasificar por términos importantes, debe asegurarse de que estén destacados de forma prominente dentro del cuerpo principal de su página.»
Relevancia para la indexación y el ranking: el análisis de la ubicación del contenido de Google
Google no solo identifica qué es el contenido, sino también dónde está ubicado en la página renderizada. Esta parte de la presentación de Illyes es crucial: Google analiza la página web tal como la ve un usuario (es decir, la página renderizada) para determinar la posición del contenido y asignar el peso adecuado a las palabras que se encuentran en el área del contenido principal. Si la página tiene problemas de renderizado, Google tendrás dificultades para indexar y posicionar el contenido de esa URL.
Esto no se trata simplemente de la identificación de palabras clave, sino de la comprensión posicional del contenido. Suzuki transcribió a Illyes:
«Google realiza un análisis posicional en la página renderizada para comprender dónde se encuentra el contenido. Luego, utiliza estos datos para asignar una puntuación de importancia a las palabras (tokens) de la página. Mover un término de un área de baja importancia (como una barra lateral) al área de contenido principal aumentará directamente su peso y su potencial de clasificación.»
Insight para SEOs: El uso de HTML semántico se presenta como una forma excelente de ayudar a Google a identificar el contenido principal y las áreas menos importantes. El HTML semántico reduce la ambigüedad en las páginas web al emplear elementos HTML específicos para identificar las distintas secciones (ej., <header>, <footer>, <nav>, <main>, <aside>). Este proceso técnico que disminuye la ambigüedad en una página web se conoce como desambiguación.
Herramientas de Google para la indexación: tokenización y detección de errores
Google emplea tecnologías avanzadas para procesar y entender el contenido web, siendo la tokenización un pilar fundamental.
La Tokenización como Base del Índice de Google
Debido a la prevalencia de las tecnologías de Inteligencia Artificial (IA) hoy en día, muchos profesionales del SEO están familiarizados con el concepto de tokenización. Google también utiliza la tokenización para convertir palabras y frases del contenido web en un formato legible por máquinas para su indexación. Lo que se almacena en el índice de Google no es el HTML original, sino la representación tokenizada del contenido.
Esto subraya que Google ya no depende exclusivamente de las palabras clave de coincidencia exacta, lo que libera a los creadores de contenido para que se enfoquen en escribir sobre temas (no solo palabras clave) desde la perspectiva de la utilidad para los usuarios.
Los Soft 404s: Un Error Crítico de Indexación
Una de las revelaciones más importantes de Illyes es que los soft 404s (errores 404 suaves) son considerados un error crítico por Google, ya que impiden una indexación eficiente.
Un soft 404 ocurre cuando una página que debería devolver un código de estado 404 (No Encontrado), en cambio, devuelve un código 200 OK (Éxito). Esto puede suceder por varias razones:
- Un profesional del SEO o editor redirige una página inexistente a la página de inicio para intentar «conservar» el PageRank.
- Una página eliminada redirige a una página de error genérica que, incorrectamente, devuelve un código 200 OK.
Muchos SEOs creen erróneamente que un código de respuesta 404 es siempre un error que necesita ser «arreglado». Sin embargo, un 404 solo necesita corrección si la URL está rota y se supone que debe apuntar a una URL diferente con contenido real y en vivo. Si el contenido de una página ha desaparecido permanentemente y no ha sido reemplazado, entonces una respuesta 404 es el código correcto. En caso de que el contenido haya sido reemplazado o actualizado en otra URL, entonces la acción adecuada es realizar una redirección 301 (Movido Permanentemente) de la URL antigua a la nueva.
El punto clave aquí es que, para Google, una soft 404 es un error crítico. Esto significa que los SEOs que intentan «arreglar» un evento no erróneo como una respuesta 404 (para una página que realmente ya no existe) redirigiendo a la página de inicio, en realidad están creando un error crítico que perjudica la indexación.
Suzuki resumió lo que dijo Illyes al respecto:
«Una página que devuelve un código de estado 200 OK pero muestra un mensaje de error o tiene un contenido principal muy escaso/vacío se considera un ‘soft 404’. Google identifica y desprioriza activamente estas páginas, ya que desperdician el presupuesto de rastreo y proporcionan una mala experiencia de usuario. Illyes compartió que durante años, la propia página de documentación de Google sobre los soft 404 fue marcada como un soft 404 por sus propios sistemas y no pudo ser indexada.»
Implicaciones para la Optimización del Sitio Web
Consideraciones para el Desarrollo de Contenido y Diseño Web
- Prioridad del Contenido Central: Asegúrate de que el contenido más valioso y relevante de tu página se ubique dentro del cuerpo principal. Las palabras y frases clave de tu contenido deben residir en esta área para tener el mayor impacto en el ranking.
- HTML Semántico: Implementa HTML semántico para estructurar claramente tu página (usando etiquetas como
<main>,<nav>,<header>,<footer>,<article>). Esto no solo beneficia la accesibilidad, sino que también ayuda a los algoritmos de Google a identificar con precisión las diferentes secciones de tu contenido, facilitando la desambiguación.
Efectos en la Gestión Técnica y el SEO
- Gestión de Soft 404s: Las soft 404s son un problema técnico crítico que desperdicia crawl budget y ofrece una mala experiencia de usuario. Revisa tu Google Search Console y otras herramientas de auditoría para identificar y corregir estas páginas, asegurándote de que una página que realmente no existe devuelva un 404 o 410, o una 301 si ha sido reemplazada.
- Optimización del Crawl Budget: Evitar las soft 404s es una forma directa de optimizar el presupuesto de rastreo, ya que Google no perderá recursos intentando indexar páginas que no tienen contenido sustancial o que son engañosas.
- Enfoque en la Relevancia Semántica: Dado que Google tokeniza el contenido y prioriza el contenido central, el SEO moderno debe ir más allá de la densidad de palabras clave. Se trata de crear contenido completo, útil y bien estructurado que satisfaga la intención del usuario.
