Auditamos la configuración de idiomas de 123 grandes sitios web: lo que revelan 78 páginas de inicio

Cómo hicimos la auditoría

Elegimos 123 marcas conocidas, de consumo y B2B, del comercio, los viajes, el SaaS, la banca, la industria y el gran consumo. Para cada una enviamos una sola petición HTTP GET sencilla a la página de inicio. Usaba un user agent genérico de navegador y una cabecera Accept-Language: en, salía de una única ubicación de servidor y seguía las redirecciones. Después leímos la cabecera de la página: el atributo lang del elemento html, los enlaces alternativos hreflang y la etiqueta canonical.

Una petición por sitio. Sin inicio de sesión, sin renderizado de navegador, sin rastreo.

78 de los 123 sitios devolvieron una página de inicio legible. Los otros 45 no. La mayoría respondió HTTP 403 a una petición sencilla, y unos pocos devolvieron 429 o 202, o agotaron el tiempo de espera. No comprobamos si ese bloqueo afecta también a los rastreadores de búsqueda o de IA, así que no sacamos ninguna conclusión sobre ellos. Todas las cifras de abajo se refieren a los 78.

Las cifras de un vistazo

Cada porcentaje usa la base indicada en su fila.

Hreflang es habitual y a menudo incompleto

45 de los 78 sitios (58 %) declaran hreflang para dos o más idiomas. Encaja con grandes marcas presentes en varios mercados. 31 sitios no declaran ninguno, lo que no los vuelve monolingües: una marca puede tener dominios nacionales separados o servir un solo idioma a todo el mundo. Solo sabemos lo que dice la cabecera de la página.

Las etiquetas canonical son casi universales en el grupo hreflang: 44 de 45. Los fallos están en los detalles.

Falta x-default en 14 de los 45 sitios

31 de los 45 sitios (69 %) incluyen una entrada x-default. 14 (31 %) no. Esa entrada indica qué página mostrar cuando ninguna de tus versiones de idioma encaja con el visitante, normalmente un selector de idioma o una página global. Si falta, el buscador decide por ti.

Un sitio publica tres valores no válidos

Un valor hreflang es un código de idioma, con una región opcional detrás: fr, fr-BE, es-ES. Uno de los 45 sitios publica tres valores que rompen ese patrón. es-CE nombra una región que no existe. in-ID usa in, un código retirado para el indonesio, que hoy es id. es-SP usa SP, que no es un código de país ISO 3166, porque España es ES. Un buscador puede ignorar un valor que no entiende, así que esas alternativas pueden no hacer nada sin que ningún mensaje de error avise a nadie.

Un sitio usa URL relativas

Uno de los 45 sitios escribe sus enlaces hreflang como URL relativas. Deben ser absolutas, con protocolo y host. Una revisión del código fuente lo detecta en segundos.

Tres páginas de inicio no tienen atributo lang

3 de las 78 páginas de inicio no tienen atributo lang en el elemento html. Se corrige en una línea. Navegadores, lectores de pantalla y herramientas de traducción leen ese atributo para elegir la pronunciación, la separación silábica y la oferta de traducir la página. Debe coincidir con el idioma de la página, no con el valor por defecto del CMS.

El 38 % redirige el dominio raíz a una URL local

30 de los 78 sitios (38 %) envían el dominio raíz a una URL propia de cada mercado: una ruta por país, un subdominio regional u otro host. Una redirección no tiene nada de malo si lleva a la gente a un sitio útil. El riesgo empieza cuando una regla la fuerza según la dirección IP o la cabecera de idioma del visitante. Nuestra petición salía de una sola ubicación y pedía inglés, así que no podemos decir qué regla provocó cada redirección.

Los rastreadores hacen que esto importe. Google documenta que sus rastreadores visitan desde pocas ubicaciones y a menudo no envían preferencia de idioma. Una raíz que siempre redirige a una sola versión puede mostrarles solo esa. Las redirecciones forzadas pertenecen a la misma familia de errores que describimos en por qué falla el software a nivel internacional.

Lo que estas cifras no dicen

Lee los resultados con estos límites presentes.

• Solo páginas de inicio. Las páginas interiores pueden estar configuradas de otra manera.
• Grandes marcas conocidas. La muestra dice poco de las pequeñas empresas.
• Los sitios bloqueados quedan fuera. Los 45 que no pudimos leer pueden diferir de los 78 legibles, lo que puede sesgar los resultados.
• Sin hreflang no significa monolingüe. Algunos de esos 31 sitios pueden servir varios idiomas por otros medios.
• Una ubicación, un día. Otro servidor u otra fecha podrían dar redirecciones distintas.
• Reciprocidad y autorreferencia sin informar. Las redirecciones y los parámetros de seguimiento hacían poco fiable esa comprobación, y la dejamos fuera en vez de adivinar.

Una checklist de 10 minutos para tu sitio

Las etiquetas de idioma son solo una capa de la internacionalización. Nuestra explicación de la internacionalización del software cubre las capas de debajo. Las comprobaciones de abajo se limitan a la cabecera de tu página de inicio.

• Encuentra las etiquetas. Mira el código fuente y busca hreflang. Debe aparecer cada versión de idioma, incluida la página en la que estás.
• Revisa cada código. Usa un código de idioma ISO 639-1, con una región ISO 3166 opcional: es-ES, es-MX, fr-BE. Etiqueta el idioma que sirves, no el país al que esperas llegar.
• Añade x-default. Que apunte a tu selector o a tu página de reserva.
• Usa URL absolutas. Incluye https:// y el host.
• Enlaza de vuelta. Cada alternativa debe listar a las demás y a sí misma.
• Alinea html lang. El atributo debe nombrar el idioma de la página.
• Prueba la raíz. Abre el dominio raíz en una ventana privada, sin preferencia de idioma y, si puedes, desde otro país. Si siempre aterrizas en la misma versión, un rastreador también.

En una tienda online, estas comprobaciones se multiplican por cada ficha de producto y cada categoría. Nuestro artículo sobre la tienda online multilingüe muestra dónde se concentra el trabajo. En Globaprom construimos con i18n desde el principio: códigos de idioma, reservas y enrutamiento existen desde el primer sprint, y nadie los parchea después.

Preguntas frecuentes