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: ¡sí!

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.