La IA esta dándo mucho que hablar por sus implicaciones a la hora de crear código e incluso imágenes o vídeos, pero no muchos hablan de la parte por asi decirlo más aburrida: El análisis de datos.
Índice de Contenidos
De datos SEO agregados a datos micro gracias a 2 herramientas:
Desde que empecé a usar Claude o Chat GPT siempre tenía la sensación de que algo fallaba… Los datos estaban bien pero el análisis de estos siempre se hacçia en base a los datos de URLs y Queries que GSC te daba, de forma agregada. Sí, hablamos de cientos o incluso un par de miles de filas de datos, pero siempre había algo que faltaba, a que se debían determinados picos o caídas en los ránkings, entre medias había habido actualizaciones de google, ¿Cómo se estaban comportando las Queries?, ¿Los cambios en las SERP´s se debían a algo estacional? ¿Había patrones de cambios de CTR en GSC de subidas y bajadas?, ¿En qué días? y ¿Cómo podía controlar los cambios de visibilidad si el equipo de contenido iba implementando cambios en las URLS, en los metas o los marcados de datos estructurados?
Como veís muchas dudas y unos datos que sólo daban una imagen parcial o muy general sobre lo que pasaba.
Todo esto cambió cuando un analista de datos me recomendó usar Supermetrics + Claude para analizar los datos SEO de la web.
Google sheets + Supermetrics + Claude para llevar el análisis SEO más allá
Mi colega Mapi, me hizo ver que lo que estaba haciendo estaba ok, pero podía ser aun más preciso. ¿Y si pudieras ver los datos por día de tus URLS, o Queries? O de estas combinadas…
Pues estaría de lujo por que así podría ver exactamente el comportamiento que tienen estas, ver si hay problemas de contenido o de optimizacion de CTR en las páginas o si lo que necesito en mi web son más páginas transaccionales que Orgánicas.
Deja de descargar CSVs de Search Console
Para empezar hay que entender que Supermetrics al igual que otras herramientas como Big Query, tiene mucha mas potencia y capacidad de procesar el dato que GSC, aqí hablamos de que la herramienta puede darte datos de clicks e impresiones para una KW o URL incluso por minutos. Aunque no necesitamos profundizar tanto, si que necesito los datos por días. Y con una implementacion rápida pude sacar:
- Datos de CTR, Clicks, Impresiones y Posición media por día para cada URL
- Mismos datos para cada Query
- Datos cruzados para Queries que aparecen por cada URL que tuvieran más de 50 impresiones mensuales
- Mejores URLS por mercado
- Queries que atraen trafico informacional o BOFU
- Paginas con un buen nivel de clicks e impresiones pero que habían registrado caídas de CTR
- Queries con altos niveles de impresiones pero 0 clicks, que se presentaban como oportunidades
Como podéis ver todo esto sólo con 4 o 5 queries a medida. En el siguiente apartado te cuento como implementarlo:
Cómo configurar las extracciones de Google Search Console en Supermetrics
Para montar la extracción en Google Sheets, abre el documento donde quieras guardar la base de datos y lanza Supermetrics desde Extensions > Supermetrics > Launch. Dentro del panel lateral, selecciona Create new query y elige Google Search Console como fuente de datos. A partir de ahí conviene crear consultas separadas, no una única extracción con todas las dimensiones, porque Google Search Console cambia el nivel de agregación según las dimensiones incluidas. Separar las consultas reduce discrepancias y facilita el análisis posterior.
La estructura recomendada es crear una pestaña por cada tipo de extracción:
01_gsc_url_daily
02_gsc_query_daily
03_gsc_query_url_monthly
04_gsc_url_market
05_gsc_opportunity_queries
1.Extracción diaria por URL
En la primera consulta, selecciona la propiedad de Google Search Console correspondiente al mercado o dominio que quieras analizar. Si trabajas con varios países o subdirectorios, es preferible crear una consulta por propiedad o por mercado antes que mezclar todo en una sola tabla.
Configura la query así:
Data source: Google Search Console
Select sites: propiedad de Search Console correspondiente
Search type: Web, salvo que quieras analizar imágenes, vídeo o noticias por separado
Date range: periodo analizado
Dimensions: Date, Page
Metrics: Clicks, Impressions, CTR, Average position
Sort: Date descending o Impressions descending, según el uso de la tabla
Options: activar datos finalizados si el informe no necesita incluir los últimos días
Esta extracción devuelve el rendimiento diario de cada URL. Es la base adecuada para detectar cambios de tendencia por landing page, pero no conviene usar el CTR extraído como métrica agregada en tablas posteriores. Si agrupas datos por semana, mes o mercado, recalcula el CTR en Sheets como:
Clicks / Impressions
Para la posición media, evita una media simple cuando agregues datos. Usa una media ponderada por impresiones:
SUM(Position * Impressions) / SUM(Impressions)
2.Extracción diaria por query
Crea una segunda consulta en otra pestaña. Mantén la misma fuente de datos, propiedad, tipo de búsqueda y rango de fechas, pero cambia el nivel de dimensión.
Configura la query así:
Data source: Google Search Console
Select sites: misma propiedad usada en la consulta anterior
Search type: Web
Date range: mismo periodo que la extracción por URL
Dimensions: Date, Query
Metrics: Clicks, Impressions, CTR, Average position
Sort: Impressions descending
Esta tabla permite revisar el rendimiento de cada búsqueda en el tiempo. Es útil para detectar queries que ganan impresiones, términos que pierden CTR o búsquedas que aparecen en GSC pero todavía no generan tráfico. Si necesitas segmentar por país, añade Country como dimensión solo si el volumen de datos sigue siendo manejable. Si no, crea una extracción independiente por mercado.
3.Extracción cruzada de query por URL
La tercera consulta debe cruzar las queries con las URLs que aparecen para esas búsquedas. Esta extracción es más sensible a discrepancias, por lo que debe usarse como una tabla de análisis táctico, no como sustituto de los totales generales de GSC.
Configura la query así:
Data source: Google Search Console
Select sites: propiedad correspondiente
Search type: Web
Date range: periodo mensual o periodo completo que quieras analizar
Dimensions: Query, Page
Optional dimensions: Country, si el análisis se hace por mercado
Metrics: Clicks, Impressions, CTR, Average position
Sort: Impressions descending
Después de extraer los datos, aplica en Google Sheets un filtro para conservar solo combinaciones Query + Page con más de 50 impresiones mensuales. Es mejor aplicar este filtro en Sheets que en la extracción si necesitas auditar primero el total de datos recibido.
Ejemplo de columna auxiliar para marcar combinaciones válidas:
=IF(Impressions>50,”Keep”,”Remove”)
Si estás trabajando con varios meses en la misma tabla, crea primero una columna Year-Month a partir de la fecha y después agrupa por Query, Page y Year-Month. El filtro de más de 50 impresiones debe aplicarse sobre el total mensual, no sobre filas diarias individuales.
4. Mejores URLs por mercado
Para identificar las mejores URLs por país, puedes crear una extracción específica o reutilizar la tabla diaria por URL si ya incluye la dimensión Country.
La configuración más limpia es:
Data source: Google Search Console
Select sites: propiedad correspondiente
Search type: Web
Date range: periodo analizado
Dimensions: Country, Page
Metrics: Clicks, Impressions, CTR, Average position
Sort: Clicks descending
Esta query debe usarse para comparar mercados entre sí. Si una web utiliza propiedades distintas por país, no mezcles datos manualmente sin añadir una columna de mercado o dominio. El resultado final debería permitir responder qué URLs generan más tráfico orgánico en cada país, no solo qué URLs tienen más tráfico global.
En la tabla final, calcula:
Total Clicks
Total Impressions
CTR recalculado
Posición media ponderada
Market / Country
URL
5. Queries informacionales y BOFU
Para clasificar queries por intención, parte de la extracción diaria o mensual por query. Si el volumen es alto, crea una query específica en Supermetrics con estas dimensiones:
Dimensions: Query, Country
Metrics: Clicks, Impressions, CTR, Average position
Sort: Impressions descending
Después, añade en Sheets una columna llamada Intent. Puedes clasificar las queries con reglas semiautomáticas, combinando regex y revisión manual.
Ejemplo para queries informacionales:
REGEXMATCH(Query,”(?i)\b(how|what|why|guide|ideas|examples|best way|tips|meaning|que|como|por que|guia|ideas|ejemplos|consejos)\b”)
Ejemplo para queries BOFU:
REGEXMATCH(Query,”(?i)\b(buy|price|discount|coupon|voucher|gift card|near me|comprar|precio|descuento|cupon|vale|tarjeta regalo|cerca)\b”)
La clasificación no debe depender únicamente de la fórmula. Algunas queries pueden parecer informacionales pero tener una SERP transaccional, y otras pueden incluir términos comerciales sin estar cerca de conversión. Por eso conviene revisar manualmente las queries con más impresiones o más clics antes de usarlas para decisiones de contenido.
6. Páginas con buenos datos pero con caída de CTR
Para encontrar páginas con buen nivel de clics e impresiones pero caída de CTR, necesitas comparar dos periodos equivalentes. Puedes hacerlo de dos formas.
La primera opción es crear dos consultas separadas en Supermetrics: una para el periodo actual y otra para el periodo anterior. Ambas deben usar la misma configuración:
Dimensions: Page
Metrics: Clicks, Impressions, CTR, Average position
Date range: periodo actual en una consulta y periodo anterior en otra
Después, cruza ambas tablas en Sheets con VLOOKUP, XLOOKUP o INDEX/MATCH.
La segunda opción es extraer los datos por día:
Dimensions: Date, Page
Metrics: Clicks, Impressions, CTR, Average position`
Luego crea una tabla dinámica para agrupar por URL y periodo. Esta opción es más flexible porque permite cambiar las ventanas temporales sin lanzar de nuevo la extracción.
Para priorizar páginas, filtra aquellas que cumplan condiciones mínimas, por ejemplo:
Impressions actuales > 500
Clicks actuales > 10
CTR actual inferior al CTR anterior
Diferencia de CTR significativa en puntos porcentuales
La caída de CTR debe calcularse de dos formas:
CTR actual – CTR anterior para medir pérdida absoluta
(CTR actual – CTR anterior) / CTR anterior para medir pérdida relativa
Esto evita priorizar páginas con variaciones irrelevantes o volúmenes demasiado bajos.
7. Queries con altas impresiones y 0 clics
Para detectar oportunidades, crea una extracción de queries con el mayor volumen posible de datos.
Configura la query así:
Data source: Google Search Console
Select sites: propiedad correspondiente
Search type: Web
Date range: último mes, últimos 3 meses o periodo relevante para el análisis
Dimensions: Query
Optional dimensions: Country, si necesitas separar mercados
Metrics: Clicks, Impressions, CTR, Average position
Sort: Impressions descending
En Sheets, filtra:
Clicks = 0
Impressions > umbral mínimo
El umbral dependerá del tamaño del sitio. Para webs con mucho volumen, puede tener sentido usar 100, 500 o 1.000 impresiones. Para webs más pequeñas, 50 impresiones puede ser suficiente.
No todas las queries con muchas impresiones y cero clics son buenas oportunidades. Antes de priorizarlas, separa los casos por posición media:
Average position <= 20: oportunidad de optimización de snippet, title, metadescription, contenido o enlazado interno. Average position > 20: oportunidad de cobertura o autoridad, pero normalmente con menor impacto inmediato.
Esta segmentación evita tratar como quick wins búsquedas donde la web todavía no tiene visibilidad real en la primera o segunda página de resultados.
8. Recomendación de mantenimiento
Una vez creadas las consultas, programa el refresh de Supermetrics para que las tablas se actualicen de forma recurrente. Para análisis SEO operativo, una actualización semanal suele ser suficiente. Si el informe se usa para reporting mensual, conviene mantener una extracción estable con datos finalizados y evitar que los últimos días incompletos alteren el análisis.
La clave es mantener separadas las extracciones base: URL diaria, query diaria y query por URL. A partir de esas tres tablas se pueden construir las vistas de mercado, intención de búsqueda, caída de CTR y oportunidades sin forzar una única consulta que mezcle demasiadas dimensiones y genere datos difíciles de interpretar.
Análisis de los Datos con Claude
Ya tenemos todos los datos, unas 417.000 filas en un sólo informe de Google sheets, nada mal para una web con poco más de 217 URLs indexadas. Y ahora ¿Cçomo analizamos todos esos datos?, ¿Nos ponemos a abrir pestañas en sheets y a generar 1000 fórmulas con Regex? o ¿Me pongoa exportar los datos a Looker Studio y paso 4 días montando tablas y grá ficos? La respuesta es NO. Bastó con 2 horas de trabajo corrección y algunos matices con la IA Claude, para analizar todo este compartamiento.
Directamente le dí los datos del CSV que teníamos ya montado y Claude por sí sola generó 2 informes: 1 en Excel para visualizar los datos y otro en DOCs para leer de primera mano y presentar a los dueños y la directora de Marketing lo que estaba sucediendo.
Este fue el resultado trasa analizar los datos de Supermetrics con Claude:
Descubrimos que teníamos muchísimas más oportunidades de atraer clicks a la página web a través de KWs transaccionales y que casi el 90% de los artículos de blog tenía un comportamiento de High Impressions 0 clicks por falta de enlazado interno, Queries actualizadas y FAQS. Así pues se dividió la estrategia en 2 partes:
1. Generación de Landing pages puramente transaccionales que hacían referencia directa a marcas colaboradoras + nuestra KW corporativa
2. Creación de páginas por Ocasión o festividades marcadas
3. Seleccion de URLs más relevantes o con más clicks y refuerzo de su enlazado interno con páginas cuya intención de búsqueda estuviera relacionada.
4 Identificación de urls que necesitaban un refresh o actualización de contenido, mejora de metas e inclusión de FAQS.
Conclusión y resultados
Todo ello llevó a generar un aumento generalizado de los clicks e impresiones hacia la web. Las paginas transaccionales nuevas, por sí solas, generaron unos 900 clicks en 14 días. Y el CTR de la web subió de forma general de 1,5% a 2,1% en menos de 1 mes. Páginas que además estaban de cpa caída o apunto de perder todo su tráfico vieron incrementado el número de clicks entre 2 y 2,5 veces únicamente gracias a la introducción de Kewywords nuevas, eliminación de vaguedades, incremento de la longitud del artículo y añadido de FAQs.
Este es el poder de la combinación de las nuevas tecnologías con herramientas ya existentes que permiten analizar datos de manera más fiable y precisa, sin generalizaciones, sin medias y sin ponderaciones.
Leave a Reply