¿Qué es un soft 404?

Un soft 404 es una página que dice al visitante que no hay nada, y al servidor que todo está en orden. El navegador recibe un código 200, el usuario lee «producto no disponible» o «no se han encontrado resultados», y las dos afirmaciones se contradicen.

Google resuelve la contradicción a favor del contenido. Cuando detecta que una respuesta 200 no contiene contenido real, la trata como si no existiera: la retira del índice y la marca en Search Console con esa etiqueta. El nombre lo dice: es un 404 blando, uno que el servidor no quiso declarar.

Conviene separarlo del error 404 honesto, que no es un problema sino una respuesta correcta. Que una página desaparecida devuelva 404 es lo que debe ocurrir; el fallo aparece cuando desaparece y finge seguir ahí.

El caso más frecuente ni siquiera parece un error a primera vista: redirigir todo lo que ya no existe a la portada. La portada carga, responde 200 y está llena de contenido, así que nadie ve nada raro. Para Google es igualmente un soft 404, porque el usuario buscaba una cosa concreta y recibió otra.

El nombre engaña un poco, porque sugiere una variante suave de un error. En realidad describe una discrepancia: entre lo que la respuesta HTTP afirma y lo que la página contiene. Todo lo demás se deduce de ahí, incluida la razón por la que Google se molesta en detectarlo.

Un buscador no puede fiarse solo del código, porque cualquiera puede configurarlo mal sin querer. Si aceptara el 200 al pie de la letra, el índice se llenaría de páginas que anuncian que no hay nada. Por eso comprueba el contenido, y por eso el arreglo nunca consiste en esconder el síntoma sino en hacer que código y contenido digan lo mismo.

Las cuatro fuentes habituales aparecen en casi cualquier auditoría, y ninguna se creó a propósito.

Catálogos que se vacían. Una categoría de e-commerce sin productos, un filtro sin resultados, una etiqueta que se quedó sin artículos. La plantilla sigue funcionando y devuelve 200, pero lo único que hay dentro es el mensaje de que no hay nada.

Redirecciones perezosas. Todo lo que no se encuentra va a la portada o a una categoría general, en lugar de a un destino equivalente. Suele instalarse con buena intención, para «no perder al usuario», y consigue lo contrario.

Páginas de error hechas con JavaScript. El servidor entrega un documento vacío con 200 y el mensaje aparece después, al ejecutarse el script. Para quien mide desde el navegador todo parece correcto; el crawler ve primero un 200 sin contenido.

Contenido demasiado pobre para contar. Una ficha con solo un título y un precio, sin descripción ni imágenes, puede acabar clasificada igual. Aquí la frontera con el thin content se difumina, y el remedio es el mismo: dar contenido real o retirar la página.

Hay una quinta fuente que merece mención propia porque casi nadie la busca: las páginas de resultados de la búsqueda interna. Muchos sitios las dejan indexables, y basta con que alguien enlace una búsqueda sin resultados para que el crawler la descubra. Cada combinación de términos genera una URL distinta, y casi todas están vacías.

El remedio aquí no es técnico sino de criterio: decidir que esas URLs no deben existir para los buscadores. Una regla de robots.txt o un noindex resuelven el caso completo, y de paso liberan el presupuesto de rastreo para lo que sí importa.

El daño no es que la página no posicione, porque una página vacía no debería posicionar. El daño es lo que cuesta averiguarlo.

Cada soft 404 consume presupuesto de rastreo: el crawler la pide, recibe 200, la procesa entera y solo entonces concluye que no había nada. Un 404 honesto se resuelve en una respuesta corta y el sistema deja de volver. En un catálogo con miles de combinaciones de filtros, esa diferencia decide qué páginas reales se quedan sin indexar.

Además ensucian el diagnóstico. Un informe de cobertura lleno de soft 404 esconde los problemas verdaderos, y el equipo acaba acostumbrándose a un panel en rojo, que es la peor situación posible: cuando todo está marcado, nada se mira.

Para el visitante, por último, la diferencia es de honestidad. Una página de error bien hecha, con buscador y enlaces a categorías cercanas, resuelve la visita. Una redirección a la portada obliga a empezar de cero y suele terminar en la tasa de rebote.

Conviene añadir una consecuencia que se nota fuera del informe técnico: los soft 404 estropean las estadísticas. Una página que responde 200 se cuenta como visita normal en cualquier herramienta de analítica web, así que el tráfico a páginas vacías se mezcla con el tráfico útil. La conversión media baja sin que nadie sepa por qué.

Un 404 declarado, en cambio, se puede filtrar, medir y priorizar: se ve cuántas visitas aterrizan en él, desde dónde llegan y qué buscaban. Esa diferencia convierte un problema invisible en una lista de tareas ordenada por impacto.

La regla es corta: que el código diga la verdad sobre el contenido. A partir de ahí hay tres caminos según el caso.

Si la página ya no existe y no hay equivalente, devuelve 404, o 410 si sabes que la retirada es definitiva. El 410 le dice a Google que no hace falta volver a comprobarlo, y eso libera rastreo antes.

Si existe un destino equivalente, una redirección 301 directa a ese destino, no a la portada, y sin cadena de por medio. Equivalente significa que responde a la misma intención, no que pertenezca a la misma sección.

Si la página debe seguir viva pero está vacía por ahora, dale contenido real: productos relacionados, una explicación de la categoría, un buscador. Una categoría de catálogo que se vacía por temporada no tiene por qué desaparecer, pero sí tiene que ofrecer algo.

Después, la comprobación: el informe de Search Console lista las páginas marcadas, y conviene revisar una de cada tipo a mano con Search Console y con una petición directa, porque el mismo síntoma puede tener causas distintas en plantillas distintas.

Un apunte sobre el orden de trabajo. Antes de tocar plantillas conviene agrupar las URLs marcadas por patrón, no revisarlas una a una. En un catálogo, veinte mil soft 404 suelen ser tres reglas mal puestas; corregir las tres resuelve todo el listado, mientras que revisar página por página no termina nunca.

Y una advertencia sobre la comprobación posterior: el informe tarda en actualizarse porque depende de que Google vuelva a rastrear. Un listado que sigue lleno tres días después de la corrección no significa que el arreglo falló, significa que todavía no se ha vuelto a mirar, igual que ocurre con las métricas de campo en Search Console.

• Redirigir todo lo inexistente a la portada porque «así no se pierde a nadie»: se pierde igual, y encima se convierte en soft 404.
• Considerar el 404 un error que hay que eliminar del informe. Es la respuesta correcta cuando algo ya no existe.
• Comprobar solo en el navegador, donde el mensaje de error aparece por JavaScript y todo parece normal, en lugar de mirar el código de respuesta directamente.
• Arreglar las plantillas y dejar los enlaces internos apuntando a las URLs vacías, con lo que el crawler sigue llegando.
• Dejar indexables las combinaciones de filtros que casi siempre están vacías, en vez de decidir cuáles merecen existir.