Se Puede Hacer Seo Predecible
16 Octubre, 2019

¿Se puede hacer SEO predecible?

By Patricio Cuevas-163 Views-No Comment

En la práctica, el SEO implica agregar valor al contenido, mejorar la calidad de la página y mejorar la facilidad de búsqueda.

La búsqueda es un ecosistema altamente complejo.

Cada vez que un usuario ingresa una consulta de búsqueda, el motor de búsqueda aplica un algoritmo poderoso para mostrar las páginas que mejor se ajustan a la consulta, satisfaciendo así la necesidad de información del usuario.

Pero, ¿cómo determina el motor de búsqueda qué páginas mostrar en una consulta y en qué orden?

En otras palabras, ¿qué hay detrás de los algoritmos que determinan las clasificaciones de búsqueda?

Si uno pudiera descifrar el algoritmo de Google, se podría predecir cada resultado de búsqueda para cada consulta.

¿Suena como a magia?

No lo es. Todo lo que se necesita es la aplicación de ciencia de datos avanzada para SEO.

Comprender la complejidad de los algoritmos de búsqueda

Independientemente de la consulta, los algoritmos de búsqueda consideran y califican múltiples atributos en muchos parámetros diferentes para llegar a un rango definitivo único.

Para poder producir resultados de búsqueda significativos y clasificar páginas con precisión, los motores de búsqueda tienen que evaluar una miríada de parámetros que abarcan :

  • Interpretación de la consulta.
    • ¿Cuál es la intención detrás de la consulta? ¿Qué está buscando realmente el usuario?
  • Calidad y profundidad del contenido.
    • ¿Responde la página web a la consulta del usuario de manera clara y correcta?
  • Experiencia de usuario de la página.
    • ¿Es fácil encontrar la información necesaria?
    • ¿La página se carga rápidamente y ofrece una experiencia perfecta?
  • Experiencia, autoridad y confiabilidad (EAT)
    • ¿La página web, dominio / subdominio se considera una autoridad y un experto en el tema relevante?
    • ¿Se puede confiar en la información y el dominio?
  • Reputación de la marca / dominio.

La optimización de motores de búsqueda (SEO) surgió para abordar estos problemas y, en última instancia, generar ganancias en el ranking de búsqueda.

En la práctica, el SEO implica agregar valor al contenido, mejorar la calidad de la página y mejorar la facilidad de búsqueda a través de mejoras técnicas.

Sin embargo, históricamente, el SEO ha sido más un juego de adivinanzas que una ciencia exacta.

Sin poder comprender los parámetros clave detrás de los algoritmos de búsqueda, los profesionales de SEO y los propietarios de sitios web han tenido problemas para optimizar la búsqueda de manera coherente y replicable.

La buena noticia es que es posible hacer que el SEO sea predecible.

Sin embargo, lo que esto requiere es una comprensión profunda de los desafíos inherentes a medir, informar y defender el SEO.

Veamos los cinco más importantes.

Resolviendo la previsibilidad: desafíos en la identificación y evaluación de los parámetros de búsqueda

1. El ecosistema de datos está muy aislado

Existen muchas herramientas empresariales de SEO y extensiones de navegador, tanto gratuitas como de pagas, que hacen un buen trabajo al informar sobre las métricas de rendimiento de SEO, como el rango, el tráfico y los vínculos de retroceso. Por ejemplo:

  • SEO técnico: Screaming Frog, Google Search Console, Google Analytics.
  • Investigación de enlaces: Ahrefs, Majestic SEO, BuzzSumo.
  • Investigación de palabras clave: Google Keyword Planner, SEMrush, Ubersuggest, KeywordTool.io.
  • Análisis competitivo SEO: Searchmetrics, SEMrush, Ahrefs, BrightEdge.

Sin embargo, lo que estas herramientas no pueden hacer es combinar métricas clave de SEO en una visión holística del rendimiento de búsqueda.

En ausencia de un solo “punto de verdad” para SEO, los profesionales de búsqueda deben recopilar datos de múltiples fuentes para hacer análisis y recomendaciones significativas.

Esto requiere habilidad para manejar (e interpretar) grandes conjuntos de datos que no todos los profesionales SEO tienen.

Muchos profesionales SEO, por lo tanto, toman decisiones intuitivamente: un enfoque que a veces funciona pero que puede dificultar el éxito escalable y consistente.

2. Demasiadas métricas, muy pocas percepciones

Incluso si uno logra reunir todos estos elementos de datos en un solo lugar, no es humanamente posible examinarlos e identificar elementos de acción significativos de manera objetiva.

Además, no todos los atributos serán de igual importancia para la puntuación.

Sin abordar estos problemas de multicolinealidad, los profesionales de la búsqueda corren el riesgo de introducir sesgos en sus análisis y llegar a conclusiones erróneas.

Si uno pudiera descifrar el algoritmo de Google, se podría predecir cada resultado de búsqueda para cada consulta. ¿Suena mágico? No es. Lleva la aplicación de la ciencia de datos avanzada al SEO.

3. Daño colateral involuntario durante los esfuerzos de optimización

Una página tiene el potencial de clasificar para varias palabras clave.

Encontrar el equilibrio entre el contenido correcto, las palabras clave objetivo correctas y los esfuerzos de optimización correctos es un desafío.

Como practicante de SEO, los siguientes escenarios pueden parecerle familiares:

  • Un sitio web contendrá varias páginas que cubren el mismo tema de actualidad, con vínculos de retroceso externos y palabras clave objetivo distribuidas en estas páginas y los enlaces de mejor calidad no optimizados para las palabras clave objetivo correctas.
  • Un sitio se somete a una reconstrucción o rediseño que afecta negativamente al SEO.
  • Los conflictos de intereses surgen entre varias unidades de negocios cuando se trata de prioridades de optimización. Sin un mecanismo para identificar qué esfuerzos de optimización tendrán el mayor impacto en las clasificaciones de búsqueda y los resultados comerciales, es difícil hacer un caso de negocios para una estrategia de optimización sobre otra.

4. La falta de fiabilidad de los estándares de referencia CTR

Existe una incertidumbre significativa en la cantidad de clics que recibirá cada URL en diferentes posiciones en la página de resultados del motor de búsqueda (SERP).

Esto se debe a que el porcentaje de clics (CTR) que genera una página es una función de varios elementos en el diseño SERP, que incluyen:

  • La posición relativa de la URL en el SERP para una palabra clave específica.
  • El número de anuncios por encima de los resultados orgánicos para la palabra clave objetivo.
  • Los paquetes que se muestran (cuadro de respuesta, paquete local, paquete de marca, etc.).
  • Visualización de miniaturas (imágenes, videos, reseñas, puntajes de calificación, etc.).
  • Asociación de marca del usuario a la marca.

Calcular el CTR por posición de rango es solo un desafío de medición.

El verdadero impacto comercial del SEO también es difícil de capturar, debido a la dificultad para identificar la tasa de conversión que generará una página y el valor imputado de cada conversión.

Los profesionales de búsqueda deben tener fuertes habilidades analíticas para calcular estas métricas.

5. Incapacidad para construir un caso de negocios para futuras inversiones en ciencia de datos

Al tomar decisiones de inversión, las partes interesadas del negocio quieren comprender el impacto de las iniciativas individuales en los resultados del negocio.

Si se puede cuantificar una iniciativa, es más fácil obtener el nivel de inversión necesario y priorizar el trabajo.

Aquí es donde el SEO a menudo tiene dificultades. Los líderes empresariales consideran que los esfuerzos de SEO son iterativos e interminables, mientras que los profesionales de la búsqueda no logran correlacionar la clasificación con el impacto en el tráfico, las conversiones, los clientes potenciales y los ingresos.

El ROI de SEO puede parecer mínimo para el liderazgo en comparación con los resultados más predecibles, medibles e inmediatos producidos por otros canales.

Una complicación adicional es la inversión y los recursos necesarios para configurar los procesos de ciencia de datos internamente para comenzar a resolver la previsibilidad de SEO.

Las habilidades, las personas, los modelos de puntuación, la cultura: los desafíos son desalentadores.

Hacer SEO predecible: la necesidad de modelos de puntuación

Ahora que hemos establecido el camino hacia la previsibilidad es uno lleno de desafíos, volvamos a mi pregunta inicial.

¿Se puede hacer SEO predecible?

¿Hay valor en invertir para hacer realidad la previsibilidad SEO?

La respuesta corta: ¡!

La resolución de la previsibilidad de SEO en tres pasos:

  • Paso 1: defina métricas que sean indicativas del éxito de SEO e integre datos completos de las mejores fuentes en un único almacén.
  • Paso 2: Realice ingeniería inversa de los resultados de búsqueda de Google mediante el desarrollo de modelos de puntuación y algoritmos de aprendizaje automático para señales de relevancia, autoridad y accesibilidad.
  • Paso 3: Use los resultados del algoritmo para permitir información específica y procesable sobre el rendimiento de la página / sitio y desarrolle capacidades simuladoras para permitir probar una estrategia (como agregar un vínculo de retroceso o hacer un cambio de contenido) antes de impulsar la producción, lo que hace que el SEO sea predecible.

Paso 1: identificación de variables críticas e integración de datos

Como se mencionó anteriormente, uno de los principales obstáculos para el éxito de SEO es la incapacidad de integrar todas las métricas necesarias en un solo lugar.

Los equipos de SEO utilizan una miríada de herramientas y extensiones de navegador para recopilar datos de rendimiento, tanto propios como comparativos / competitivos.

Sin embargo, lo que la mayoría de las plataformas de SEO empresariales fallan es hacer que todas las variables y métricas de SEO para cualquier palabra clave o página en particular sean accesibles en una vista.

Este es el primer y más crítico paso. Y si bien requiere acceso a las diversas herramientas de SEO y capacidades básicas de almacenamiento de datos, este primer paso esencial es comparativamente más fácil de llevar a la práctica.

Todavía no hemos entrado en la fase de modelado de datos con gran cantidad de habilidades y recursos, pero con el equipo de análisis de datos adecuado, la integración de los datos en sí podría ser un primer paso valioso hacia la previsibilidad de SEO.

¿Cómo?

Déjame explicarte con un ejemplo.

Si puede reunir todas las métricas de SEO para su URL www.example.com con una comprensión del valor de cada métrica, se vuelve fácil construir un modelo de puntaje comparativo simple que le permita comparar su URL con las URL de mejor rendimiento.

Automatice esto y tendrá a su disposición un proceso de evaluación comparativa confiable y continuo. Cada vez que implementa cambios hacia la optimización, en realidad puede ver (y medir) la aguja moviéndose en los SERP.

El seguimiento de su puntaje y sus componentes durante un período de tiempo puede proporcionar información sobre las tácticas implementadas por los competidores (por ejemplo, si están mejorando la relevancia de la página o creando autoridad agresivamente) y los contramovimientos correspondientes para garantizar que su sitio compita constantemente en un nivel alto.

Paso 2: construcción de modelos de puntuación algorítmica

Las clasificaciones de búsqueda reflejan el efecto colectivo de múltiples variables a la vez.

Para comprender el impacto de cualquier variable individual en las clasificaciones, debemos asegurarnos de que todos los demás parámetros se mantengan constantes a medida que esta variable aislada cambie.

Luego, para llegar a un “puntaje”, hay dos formas de desarrollar un problema de modelado:

  • Como un problema de clasificación [bueno vs. no bueno]
    • En este enfoque, debe etiquetar todas las URL clasificadas entre los 10 mejores (es decir, aquellas en el primer SERP) como 1 y el resto como 0 e intentar comprender / aplicar ingeniería inversa a cómo diferentes variables contribuyen a que la URL esté en la página superior.
  • Como un problema de clasificación
    • En este enfoque, el rango se considera como la métrica continua y los modelos comprenden la importancia de las variables para clasificar más alto o más bajo.

Crear un entorno en el que podamos identificar los efectos individuales y colectivos de múltiples variables requiere un corpus masivo de datos.

Si bien hay cientos de variables que los motores de búsqueda tienen en cuenta para las páginas de clasificación, en general se pueden clasificar en contenido (en la página), autoridad (fuera de la página) y parámetros técnicos.

Propongo centrarse en desarrollar un modelo de puntuación que lo ayude a asignar y medir puntuaciones en estos cuatro elementos:

1. Puntuación de relevancia

Este puntaje debe revisar los elementos de contenido en la página, que incluyen:

  • La relevancia del contenido principal de la página en comparación con la palabra clave de búsqueda específica.
  • Qué tan bien se comunican las señales de contenido de la página mediante elementos marcados de la página (por ejemplo, título, H1, H2, image-alt-txt, meta descripción, etc.).

2. Puntaje de autoridad

Esto debería capturar las señales de autoridad, que incluyen:

  • El número de enlaces entrantes a la página.
  • El nivel de calidad de los sitios que proporcionan estos enlaces.
  • El contexto en el que se dan estos enlaces.
  • Si el contexto es relevante para la página de destino y la consulta.

3. Puntuación de accesibilidad

Esto debería capturar todos los parámetros técnicos del sitio que se requieren para una buena experiencia: rastreabilidad de la página, tiempos de carga de la página, etiquetas canónicas, configuración geográfica de la página, etc.

4. Algoritmo / curva CTR

El CTR depende de varios factores como la demanda de palabras clave, la industria, si la palabra clave es un nombre de marca y el diseño del SERP (es decir, si el SERP incluye un cuadro de respuesta, videos, imágenes o contenido de noticias).

El objetivo aquí es determinar la tasa de clics estimada para cada posición de clasificación, otorgando a los profesionales de SEO conocimiento de cómo cada palabra clave contribuye al tráfico general de la página.

Esto facilita que el programa SEO monitoree las palabras clave más importantes.

Si puede comparar estos tres subpuntos y los atributos subyacentes, podrá identificar claramente los motivos de la falta de rendimiento: si la página de destino no es lo suficientemente relevante o si el sitio no tiene suficiente autoridad en el tema o si Hay algo en la experiencia técnica que impide que la página se clasifique.

También señalará los atributos exactos que están causando que esta brecha proporcione información procesable específica para que los equipos de contenido aborden.

Paso 3: estrategia y simulación

Un sistema ideal iría un paso más allá para permitir el desarrollo de un entorno donde los profesionales de SEO no solo puedan descubrir ideas procesables, sino que también simulen los cambios propuestos al evaluar el impacto antes de implementar realmente los cambios en el entorno en vivo.

La capacidad de simular cambios y evaluar el impacto crea previsibilidad en los resultados. Las aplicaciones potenciales de tales capacidades simuladoras son enormes en un programa de SEO.

1. Previsibilidad en la planificación y priorización

Los recursos y los presupuestos son siempre limitados. Definir dónde aplicar los esfuerzos de optimización para obtener la mejor inversión es un desafío.

Un modelo predictivo puede calcular la brecha entre sus páginas y las páginas de clasificación superior para todas las palabras clave en la vertical de su marca.

El alcance de esta brecha, los recursos necesarios para cerrarla y el tráfico potencial que se puede obtener en varios rangos pueden ayudarlo a priorizar sus esfuerzos de optimización a corto, mediano y largo plazo.

2. Previsibilidad en la clasificación y el tráfico a través del contenido, la autoridad y la simulación de accesibilidad

Un módulo de simulación de contenido permitirá simular los cambios de contenido y estimar la mejora resultante en las puntuaciones de relevancia, así como cualquier ganancia potencial en la clasificación.

Con este tipo de herramienta de simulación, los usuarios pueden centrarse en mejorar los atributos de bajo rendimiento y proteger los elementos de la página que generan filas y tráfico.

Un entorno de simulación podría otorgar a los usuarios la capacidad de probar tácticas de optimización hipotéticas (por ejemplo, vínculos de retroceso actualizados y parámetros técnicos) y predecir el impacto de estos cambios.

Los profesionales de SEO podrían entonces tomar decisiones informadas sobre qué cambios implementar para impulsar mejoras en el rendimiento mientras protegen los elementos de página de alto rendimiento existentes.

3. Previsibilidad en el impacto empresarial de los esfuerzos de SEO

Los profesionales de SEO podrían usar el modelo para determinar si su cambio está teniendo un impacto final.

En cualquier rango dado o previsto, los profesionales de SEO pueden usar la curva CTR para determinar qué tipo de clics puede recibir el dominio en una posición particular.

La integración de esto con el análisis del sitio web y los datos de la tasa de conversión permite que las conversiones se vinculen con la clasificación de búsqueda, lo que pronostica el impacto comercial de sus esfuerzos de SEO en términos de conversiones o ingresos.

La palabra final

No hay una talla única para todos cuando se trata de desarrollar modelos de puntuación SEO. Mi intento ha sido dar una visión de alto nivel de lo que es posible.

Si puede capturar datos en su nivel más granular, puede agregarlos de la manera que desee.

Summary
¿Se puede hacer SEO predecible?
Article Name
¿Se puede hacer SEO predecible?
Description
La optimización de motores de búsqueda (SEO) surgió para abordar estos problemas y, en última instancia, generar ganancias en el ranking de búsqueda.
Author
Publisher Name
Digitalk.cl
Publisher Logo
Tags: