Sitios web de directorios que cuentan con 28 000 páginas sin sufrir sanciones por contenido escaso.

Prácticamente cualquier estructura de directorios, siempre que se disponga de una fuente de datos estructurada. En los últimos dos años, los patrones que he implementado se pueden clasificar en cuatro grandes tipos, y la mayoría de los proyectos de los clientes se ajustan de alguna forma a uno de ellos.

Los directorios sectoriales recogen empresas de un sector concreto, clasificadas por categoría, ubicación, tamaño y características. HostList.io es el ejemplo por excelencia que yo mismo gestiono, con unas veintiocho mil empresas de alojamiento web, clasificadas por tipo de alojamiento, región, rango de precios y caso de uso. Los compradores encuentran proveedores, los proveedores obtienen tráfico y el propio directorio se monetiza a través de anuncios patrocinados, enlaces de afiliados o anuncios premium de pago, en función de lo que mejor se adapte al sector.

Los directorios locales y de ubicaciones constituyen el segundo patrón. Guías de restaurantes, guías de bares, directorios de dentistas, directorios de contratistas. Cada entrada incluye el esquema «LocalBusiness» con coordenadas GEO, horarios de apertura y valoraciones, siempre que se disponga de los derechos sobre los datos. Las páginas programáticas de ciudades y categorías, como «los mejores restaurantes italianos de Mánchester» o «bares en Stoke Newington», proporcionan la mayor parte de la superficie de SEO de cola larga en estos sitios web.

Los directorios de herramientas y software recogen productos de software dentro de una categoría: herramientas de CRM, aplicaciones de gestión de proyectos, plataformas sin código y herramientas de IA. El motor de tráfico de estos sitios son las páginas comparativas, como Notion frente a Linear frente a ClickUp, y las páginas con matrices de características, en las que el usuario ya conoce los nombres y solo busca un factor decisivo para tomar una decisión.

Los directorios de personas y servicios constituyen el cuarto patrón. Agencias. Autónomos. Consultores. Fotógrafos. Abogados. El reto en este caso es que la mayoría de los directorios de personas acaban desapareciendo porque los datos quedan obsoletos y nadie los actualiza. Incorporamos flujos de trabajo de caducidad y la edición de perfiles de autoservicio desde el primer día del proyecto, en lugar de añadirlos posteriormente.

HostList.io es el directorio que creé por mi cuenta para catalogar todo el sector del alojamiento web. Cuenta con unas veintiocho mil páginas de empresas de alojamiento, en funcionamiento desde la primavera de 2024, y está desarrollado con la misma pila tecnológica de Next.js, Supabase y Vercel que utilizamos ahora para crear los directorios de nuestros clientes.

Lo que hace HostList es catalogar todas las empresas de alojamiento web que podemos verificar, clasificadas por tipo (compartido, VPS, WordPress gestionado, en la nube, dedicado, para revendedores), región, rango de precios y caso de uso. Hay páginas de comparación entre proveedores específicos, páginas de categorías para cada segmento, una interfaz de usuario de búsqueda y filtrado que gestiona el conjunto de datos de veintiocho mil filas sin latencia en las consultas, marcado de esquema en cada ficha y un mapa del sitio en streaming, ya que el número de URL ya supera la capacidad de un único archivo sitemap.xml.

Las tres lecciones aprendidas al gestionarlo marcan ahora la creación de cada directorio de clientes. En primer lugar, la calidad de los datos lo es todo. Las páginas con tres datos únicos, además del nombre de la entidad, sobreviven a las actualizaciones de Google; las páginas que solo contienen un nombre y una descripción genérica son desindexadas. En segundo lugar, a esta escala, los enlaces internos son más importantes que los backlinks. El grafo de enlaces entre fichas, categorías y páginas de comparación determina qué páginas finales se rastrean con la frecuencia suficiente como para permanecer indexadas. En tercer lugar, «programático» no significa «perezoso». Cada página necesita una razón para existir, y «tenemos una fila en la base de datos» no es una razón.

No indexamos alrededor del quince por ciento de la base de datos porque en esas filas no se alcanzaba el umbral de datos únicos. Eliminamos las páginas de categorías que tenían menos de cinco entradas sólidas, ya que se consideraban poco sustanciosas, incluso aunque el esquema subyacente fuera correcto. Añadimos páginas de comparación entre competidores específicos como un tipo de página independiente, y esa plantilla acabó generando parte del tráfico con mayor tasa de conversión del sitio web. Este mismo procedimiento es ahora la norma en todos los directorios que entregamos a nuestros clientes.

Hay más directorios que desaparecen que los que sobreviven, y los motivos del fracaso son tan predecibles que, por lo general, ya en la primera llamada puedo adivinar hacia cuál de ellos se encamina un proyecto.

La desindexación por contenido escaso es el error más habitual. Un directorio se lanza con cinco mil entradas, la mitad de las cuales solo tienen un nombre y una descripción de una línea, y Google indexa las primeras mil quinientas y luego se detiene. El sitio da la impresión de ser un rastreo realizado sin mucho esfuerzo. Seis meses después, la mayoría de las páginas indexadas son desindexadas en una actualización del núcleo. La solución debe aplicarse en el momento de la recopilación de datos: cada fila debe contener tres datos únicos antes de poder incluirse en el mapa del sitio, y no «lo completaremos más adelante».

La deriva de datos obsoletos es el segundo patrón. Un directorio que en 2023 incluía empresas válidas, en 2026 muestra empresas que ya casi no existen porque nadie ha actualizado las entradas: la información de contacto queda desactualizada, los sitios web redirigen a páginas de aparcamiento y el directorio pierde credibilidad tanto ante Google como ante los visitantes humanos. Incorporamos procesos de edición colaborativa, en los que las empresas incluidas pueden reclamar y editar su perfil, comprobaciones automáticas de actualidad que desactivan los anuncios inactivos, o ambas cosas. Sin una capa de actualización, el directorio pierde relevancia con el paso del tiempo, independientemente de lo buenos que fueran los datos originales.

La ausencia de una ventaja competitiva es el tercer patrón. Tres directorios que compiten entre sí cubren el mismo sector con datos similares. Ninguno cuenta con datos exclusivos, por lo que ninguno tiene una razón justificable para existir. La cuota de mercado en las búsquedas se fragmenta y ninguno de ellos aparece en los primeros puestos. La solución pasa por la capa editorial: análisis originales, puntuaciones, recomendaciones y marcos comparativos que los datos subyacentes por sí solos no pueden proporcionar. HostList compite por su sistema de puntuación, no por su lista de proveedores de alojamiento, ya que esta última no es especialmente justificable.

La sobrecarga del índice debida a los filtros es el cuarto patrón. Un directorio con ocho dimensiones de filtro puede generar, técnicamente, millones de combinaciones de URL. Si todas las combinaciones son indexables, se inunda a Google con páginas con poco contenido y se diluyen las más relevantes. Siempre bloqueamos la indexación de las combinaciones de filtros con poco contenido; todo lo que tenga menos de tres entradas recibe la etiqueta «noindex»; todo lo que carezca de una intención de búsqueda real, como los órdenes de clasificación o la página 2 en adelante, recibe la etiqueta «noindex»; y solo las combinaciones de filtros canónicas que se corresponden con búsquedas reales siguen siendo indexables.

La arquitectura de referencia de un directorio consta de cinco capas. Cada proyecto adapta los detalles concretos, pero la estructura básica se mantiene en todas las versiones.

La capa de datos es Postgres a través de Supabase o autohospedada, con índices adecuados en cada columna de faceta. Existe una tabla de listados específica para cada tipo de entidad (empresas, productos, ubicaciones y personas), junto con columnas de control de calidad que acompañan al contenido (puntuación de unicidad, porcentaje de completitud y marca de tiempo de la última verificación). Una vista de elegibilidad para el mapa del sitio filtra automáticamente las filas que no alcanzan el umbral de calidad.

Las plantillas de página se dividen en una página de detalles del anuncio (datos completos, anuncios relacionados, esquema y ruta de navegación), una página de categorías (lista paginada con interfaz de usuario de filtrado y esquema «ItemList»), una página de comparación para contrastar directamente entidades concretas, una página de ubicación con mapa incrustado y esquema GEO cuando la geografía es relevante, y páginas de «Acerca de» y «Metodología» que aportan el valor editorial original que los datos subyacentes no pueden proporcionar.

La búsqueda y el filtrado utilizan la búsqueda de texto completo de Postgres hasta unos diez mil resultados; a partir de ahí, se recurre a Algolia o Meilisearch para directorios más grandes que requieran una baja latencia en las consultas. Las URL de los filtros generadas por el servidor asignan una URL canónica a cada combinación de filtros, y la aplicación de la etiqueta «noindex» a las combinaciones poco relevantes o duplicadas evita la sobrecarga del índice. El proceso de envío y moderación cuenta con un formulario público de envío en el que el modelo se alimenta de aportaciones de la comunidad, una cola de administración con puntuaciones de control de calidad visibles para la revisión de los moderadores, plantillas de correos electrónicos de rechazo con motivos específicos y un flujo de edición de autoservicio para que las entidades incluidas en la lista puedan reclamar y actualizar su propio perfil.

La estructura SEO es el elemento que determina si el directorio perdura. Mapa del sitio dinámico con un patrón de «chunk por plantilla», esquemas de schema.org (Organización, Producto, Lugar, Servicio o Negocio local) en cada ficha según corresponda, CollectionPage con ItemList en las páginas de categorías, BreadcrumbList en todas partes, URL canónica generada desde una única fuente de verdad (la base de datos, no la plantilla) y un linter de SEO en tiempo de compilación que rechaza la compilación si faltan etiquetas H1, las metadescripciones son demasiado largas o el JSON-LD no es válido.

La monetización se consigue a través de anuncios destacados (un indicador booleano coloca una entrada en la parte superior de las páginas de categorías), posicionamientos patrocinados en categorías (una marca ocupa la parte superior de una categoría durante un periodo de facturación), el seguimiento de enlaces de afiliados con la atribución adecuada rel="sponsored" y los niveles premium de pago que permiten a las entidades incluidas obtener un mejor posicionamiento, más campos de datos detallados y acceso a herramientas de análisis.

La variable más importante en un proyecto de directorio es la propia fuente de datos. El éxito o el fracaso de la mayoría de los proyectos depende de la respuesta a una pregunta: ¿de dónde procederán los datos desde el primer día y cómo se mantendrá su actualidad tras el lanzamiento?

El proceso editorial manual consiste en que un equipo redacte cada entrada. Es lento y caro, pero justificado. Es adecuado para menos de mil entradas. Ejemplos que he visto que funcionan: guías de hoteles de lujo, directorios de agencias seleccionados cuidadosamente y sitios web editoriales especializados en los que el mero hecho de aparecer en la lista ya supone un valor en sí mismo.

La importación estructurada consiste en que nos envíes un archivo CSV o una exportación de una base de datos procedente de una fuente fiable, y nosotros nos encargamos de depurarla, eliminar duplicados, enriquecerla e incorporarla al sistema. Es adecuada para entre uno y cien mil anuncios. Ejemplos: directorios sectoriales con datos públicos, importaciones de registros gubernamentales, exportaciones al estilo del Registro Mercantil.

El scraping automatizado o mediante API consiste en que los listados se rellenan a partir de una API de terceros o de un proceso de scraping respetuoso. Su legalidad y ética dependen de la fuente. Es adecuado para entre 10 000 y millones de listados, siempre que los datos se encuentren en una ubicación canónica conocida. Ejemplos: directorios de herramientas para desarrolladores extraídos de GitHub; reseñas sobre servicios de alojamiento obtenidas a partir de reseñas públicas en las propias páginas web de las empresas.

«Enviado por los usuarios» significa que los anuncios proceden de las propias personas que aparecen en ellos. Es barato ponerlo en marcha, pero caro moderarlo. Es más adecuado como complemento de los datos iniciales editoriales, no como única fuente. El modelo híbrido (datos iniciales editoriales más importación estructurada más revisión editorial anual) es el que utiliza HostList y el que acaban aplicando la mayoría de los directorios reales, lo hayan planeado o no.

En la primera llamada te preguntaremos qué combinación se ajusta a tu realidad en materia de datos. Si no tienes una respuesta clara, la propia cuestión de los datos constituye ya la primera fase del trabajo; la implementación viene después.

Estas tarifas reflejan contratos realmente formalizados, en lugar de meras propuestas de ventas. Un pequeño directorio editorial con menos de mil anuncios tiene un precio a partir de 8.000 dólares y requiere entre seis y nueve semanas. Si se amplía a entre mil y diez mil anuncios con una importación de datos estructurados, el precio es a partir de 13.000 dólares en un plazo de entre diez y catorce semanas. Un gran directorio con entre 10 000 y 100 000 anuncios programáticos cuesta a partir de 22 000 dólares y tarda entre doce y dieciocho semanas. Y en lo más alto se encuentra el mercado bilateral, que gestiona reservas o transacciones, a partir de 27 000 dólares y con un plazo de entre catorce y veintidós semanas.