Analizar un sitio y su sitemap

Lo que importa el rastreo — y lo que debe ignorar

La fuente « Sitio web completo » explora las páginas públicas de un mismo dominio para extraer contenido textual útil para el asistente. Complementa el análisis ligero del onboarding: este prepara el perfil, mientras que el rastreo construye una base de páginas seguidas individualmente.

El volumen permitido depende del plan y la cuota mensual de URLs. Wavize descubre direcciones, las encola, las procesa en segundo plano y muestra las cantidades descubiertas, exitosas, excluidas y fallidas. Un sitemap grande no elimina el límite de tu plan.

Ámbito de seguridad
Utilice sólo páginas públicas que su empresa esté autorizada a explotar. Wavize bloquea destinos privados o peligrosos y no debe eludir una conexión, firewall o desafío anti-robot.

Crear una fuente de sitio completa

En Base de conocimientos, elija Sitio web completo, asigne un título reconocible e introduzca la URL canónica.

1. Elegir la raíz pública

   Prefiera https://exemple.com o su variante final con www. Evite URLs de carrito, campañas temporales, subdominios privados o redirecciones que salgan del dominio.

2. Dejar activado «Entrenar ahora»

   La casilla está seleccionada por defecto. Indica a Wavize que inicie el descubrimiento e indexación tras guardar. Desmárcela sólo si quiere preparar la fuente sin ejecutarla.

3. Esperar la cola de procesamiento

   No recargue en bucle ni recree la fuente. El estado pasa por fases de cola y procesamiento; el progreso avanza según las tareas en segundo plano.

Entender descubrimiento, sitemap y selección

Wavize puede usar sitemaps y recorrer enlaces internos, pero mantiene protecciones y prioridades.

• Páginas con alto valor

  Inicio, servicios, categorías, productos, ayuda, envío, devoluciones y contacto suelen ser prioritarios. Una página debe contener texto útil, no sólo animaciones o bloques cargados tras interacción.

• URLs técnicas

  Excluya cuenta, inicio de sesión, carrito, pago, búsqueda interna, parámetros de seguimiento, vistas previas y filtros infinitos. Crean duplicados o muestran pantallas sin valor para una respuesta.

• Cuota y selección parcial

  Si el descubrimiento supera la capacidad, concéntrese en páginas más útiles o excluya familias de URLs. El límite máximo no garantiza que se importen todas las URLs de un sitio enorme.

Gestionar URLs tras el primer rastreo

La ficha de la fuente permite buscar páginas descubiertas, excluirlas permanentemente, restaurarlas y relanzar el entrenamiento.

1. Excluir sin perder control

   Una exclusión persistente impide que la página vuelva en el siguiente rastreo. Anote la razón en su procedimiento interno, por ejemplo por política antigua o zona jurídica local.

2. Restaurar y reentrenar

   Restaurar la URL la hace nuevamente elegible; luego relance el entrenamiento y espere el procesamiento antes de probar la información que contiene.

3. Interpretar fallos con prudencia

   La tabla muestra el total de páginas fallidas pero no ofrece diagnóstico detallado por URL. Pruebe la página públicamente, compruebe redirecciones, estado HTTP, firewall y contenido antes de contactar soporte.

Control de calidad de un rastreo

Un rastreo finalizado sólo es útil si su alcance corresponde a lo que el asistente debe conocer.

• Cobertura — Localice páginas comerciales y de soporte prioritarias en la lista.
• Limpieza — No debe dominar ningún carrito, cuenta o variante de filtro masivo en resultados.
• Respuesta probada — Una pregunta reproduce un dato explícito de la página tratada, sin añadidos inventados.