Qué significa el análisis de logs
Los logs registran las solicitudes que llegaron al servidor; no muestran directamente la indexación, las posiciones en los resultados ni cada decisión de renderizado. Hay que tener en cuenta la identificación de bots y los límites de retención.
El análisis de logs examina los registros de solicitudes del servidor para ver cómo acceden realmente los rastreadores a las URL. Revela las rutas de rastreo observadas, los códigos de respuesta y las solicitudes desperdiciadas dentro de la ventana temporal de logs disponible.
Un flujo de inspección práctico
Obtén un periodo de logs acotado y analiza las marcas de tiempo, las URL, los códigos de estado, los user agents y los bytes. Después normaliza los parámetros de consulta y separa el tráfico de rastreadores verificados de las solicitudes normales.
Qué comprobar
Compara los patrones de solicitudes de los rastreadores con el inventario de URL canónicas, los sitemaps, los enlaces internos y las respuestas del servidor. Revisa una muestra de las entradas sin procesar antes de sacar una conclusión grande.
Límites y errores frecuentes
No deduzcas que una URL no rastreada ha sido desindexada, ni confundas un user agent suplantado con un rastreador de un buscador.
Un flujo de logs defendible empieza por los límites de acceso y de privacidad. Limita los campos a los necesarios para el análisis de rastreo, define la ventana temporal y conserva un resultado agregado en lugar de compartir datos brutos de visitantes. Procesa los datos en una tabla reproducible y investiga solo los patrones que se puedan comparar con un inventario de URL conocido. Un pico en las URL con parámetros, por ejemplo, es una pregunta sobre descubrimiento y control de URL; todavía no es una prueba de un fallo en el presupuesto de rastreo.
Conserva la solicitud original
Guarda la URL de la solicitud original y su estado como evidencia inmutable. Crea campos de agrupación derivados para parámetros, rutas, bots y clases de respuesta. Identifica además si los logs proceden de un borde/CDN o del origen: la ausencia de una solicitud al origen puede deberse a la gestión de caché, no a que un rastreador no haya pedido la página.