La era del «si apareces ya has ganado» se ha quedado corta en cuestión de meses. Aparecer es ahora el suelo, no el techo. Y quien siga vendiendo tráfico en lugar de gobernanza de marca va a tener una conversación muy incómoda con la dirección este año.

Este es el resumen del día 4, primero las 5 ideas que lo unen y después charla a charla, en el orden de la agenda.

TL;DR — Las 5 ideas que unen el cuarto día de #SEOWeek 2026

1. Aparecer ya no es ganar, ahora hay que ganar el razonamiento. Una marca puede ser citada como «la opción premium» y, en el propio razonamiento del modelo, terminar descartada por una alternativa más barata. La nueva auditoría no es de menciones, es de las trazas de razonamiento que la IA genera antes de responder al usuario, evaluando seis dimensiones: enfoque, búsqueda, traversal, ponderación, autocorrección e incertidumbre. Si tu marca no sobrevive a ese proceso interno, da igual cuántas veces aparezca.
2. La web se está reconstruyendo para agentes, no para humanos. APIs, datos en tiempo real, NLWeb, MCP, UCP, protocolos de pago agéntico. El sitio web pasa de ser una revista digital a una cinta transportadora de conocimiento estructurado hacia interfaces conversacionales. El 59% ya usa IA a diario para búsquedas generales, el 47% para búsquedas locales, y solo el 6% dice desconfiar de ella. La pelea ya no es por posicionar, es por estar técnicamente preparado para que un agente compre en tu nombre.
3. El embudo lineal ha muerto: bienvenidos al pinball. Los usuarios rebotan caóticamente entre paid, social, IA, directo y comunidades. Last click ha muerto y prevalece el Share of Voice. El 80% de las consultas que la gente hace a la IA tienen poco volumen histórico y muchas son completamente inéditas, por lo que optimizar mirando el pasado deja de tener sentido. Toca implementar Media Mix Modeling y romper silos entre SEO, PR y social bajo el marco de Earned Architecture.
4. El SEO se rebautiza como GEO y se sube al C-Suite. El término SEO arrastra estigmas de los 2000 que dificultan justificar inversión. Llamarlo GEO (Generative Engine Optimization) desbloquea presupuesto, herramientas y reconocimiento estratégico. Pero el rebranding no es solo cosmético: es semántica frente a keyword, es query fan-out frente a densidad, es relevancia promediada por chunks frente a optimización por página, es contenido modular y atómico frente a SEO de relleno.
5. Lo humano se revaloriza brutalmente. A medida que la IA absorbe el trabajo analítico y junior, lo que diferencia a un profesional vuelve a ser lo de siempre, esto es, gestión de proyectos, presencia ejecutiva, pensamiento estratégico, networking real y aprendizaje agresivo. Solo el 14% de las ofertas SEO de 2025 son de nivel inicial, lo que abre un agujero serio en la cantera. Y la charla que cerró el día puso el dedo en la llaga, esto es, en la era de la IA, lo que diferencia es la creatividad audaz, la conexión humana y la capacidad de regular tu propio sistema nervioso antes de tomar decisiones.

Las 9 charlas del cuarto día de #SEOWeek 2026, una a una

31 James Cadwallader

Ponente: James Cadwallader, cofundador y CEO de Profound

Charla: Beyond the Click: How to Shape What AI Says About Your Brand

James abrió la jornada con un golpe de mesa muy en línea con lo que vimos los días previos, y es que la métrica binaria de «aparezco / no aparezco» se ha quedado obsoleta y hay un segundo nivel que la mayoría de marcas todavía no está mirando, el control de la narrativa, el sentimiento sobre las fuentes citadas y la precisión factual.

El equipo de Profound analizó 50.000 respuestas de LLMs y descubrió que el 50% incluyen «aumentos no solicitados», esto es, justificaciones, comparativas y opiniones editoriales que el modelo añade por su cuenta sin que nadie se las pida.

La respuesta media de ChatGPT ronda los 3.000 caracteres (el equivalente a 11.5 tuits) y para influir en ese nivel de detalle necesitas contenido empresarial hiperdetallado, no fichas genéricas. James lo ilustró con un caso real, ya que ChatGPT seguía afirmando que Southwest tenía asientos no asignados cuando esa política había cambiado meses antes, generando expectativas erróneas en el consumidor antes incluso de visitar la web de la marca.

Su propuesta tiene tres frentes que toda marca tiene que abrir ya:

• Detección de afirmaciones verificables, esto es, una nueva auditoría que llaman FactCheck y que se lanzará a mediados de mayo de 2026.
• Análisis de sentimiento aplicado sobre las propias citas y fuentes subyacentes, no sobre la respuesta global, para entender exactamente de qué dominio proviene una opinión negativa.
• Contenido atómico y ultrafresco, hecho para responder de forma sobresaliente a una sola pregunta, no para abordar superficialmente veinte temas.

El caso RunRepeat resume bien la tesis: domina las citas de IA en su nicho porque desmontan literalmente el calzado y publican datos originales que ningún modelo puede regurgitar de su entrenamiento. El dato para enmarcar es que el 50% del contenido más citado por la IA tiene menos de 13 semanas, lo que significa que la frescura constante derrota al blog estático que antes funcionaba bien.

La frase: «Las opiniones se están formando por adelantado en los modelos, antes de que el consumidor llegue siquiera a tu sitio.«

Sigue al autor:
https://x.com/jamescadwallader
https://www.linkedin.com/in/jamescadwallader

32. Christian Ward

Ponente: Christian Ward (presentando datos de Trisha Ward, Chief Data Officer de Yext)

Charla: Two Studies, 38 Million Data Points, and the Blind Spot in Every AI Search Study

La charla quizás con más datos de la jornada y, probablemente, la que más me hizo replantear ciertas suposiciones sobre el sector.

La tesis arranca con una metáfora visual que se queda en las obras del artista portugués Bordalo II que construye instalaciones gigantes (un gato gigante o una rana en una fachada) usando exclusivamente basura.

El problema de la IA, dice Christian, ya no es «basura entra, basura sale», es peor, es «basura entra, obra maestra sale«. Metes información de mala calidad y sale algo perfectamente articulado y plausible. Y todo el ecosistema digital está corriendo detrás de eso.

Algunos números que conviene retener del primer estudio (1.120 adultos, marzo de 2026):

• El 59% usa IA a diario para búsquedas generales.
• El 47% para búsquedas locales (sectores como restaurantes ya alcanzan el 52%).
• Solo el 6% dice desconfiar de la IA.
• Los segmentos demográficos con mayores ingresos son los que están sustituyendo Google por IA más rápido, porque pagan las versiones premium.

El segundo estudio es donde está la chicha técnica.

Sobre 155 millones de citaciones y 21 millones de consultas, demostraron 2 cosas.

• Primero, que las citas por consulta han subido un 28% entre Q4 2025 y Q1 2026.
• Segundo, que las marcas que mantienen su información precisa, consistente y actualizada en tiempo real en todas las plataformas a la vez ganan saltos enormes de visibilidad medidos con un sistema Elo (sí, el del ajedrez), de 3 posiciones de media en empresas grandes, hasta 4,23 en pequeños negocios y hasta 6,2 posiciones en sectores ultra competitivos.

El otro hallazgo importante es la división entre descubrimiento de marca e intención local.

Reddit puede dominar el descubrimiento de marca, pero para intención local («el mejor café cerca de mí»), la IA depende estrictamente de Google Business Profile, mapas, Yelp y la web oficial.

Y categorizaron las fuentes en cuatro tipos según el nivel de control de la marca:

• sitios web (control total)
• listados/distribución de datos (mayoritario)
• reseñas (cero control, solo capacidad de interactuar)
• noticias/foros (cero control).

El 85% de las citaciones vienen de fuentes controlables (45% sitios web + 40% listados).

La conclusión es contundente: los sitios web del futuro no son interfaces para humanos, son APIs para agentes. Cintas transportadoras de conocimiento estructurado, en tiempo real, sin versiones obsoletas conviviendo en internet.

La frase: «La IA no ve una sola marca. Ve muchas versiones de tu marca. Ve tu marca de hace nueve años, y todas las publicaciones de blog que olvidaste retirar.«

Sigue al autor:
https://x.com/cward
https://www.linkedin.com/in/christianward

33. Ilana Gershteyn

Ponente: Ilana Gershteyn

Charla: Working Through a Google Drop

Una de las charlas más útiles de toda la semana. Ilana planteó un marco para diagnosticar caídas drásticas de tráfico orgánico que combina inteligencia emocional con auditoría rigurosa. Y la tesis es directa, esto es, cuando hay un Google Drop, no falla el diagnóstico técnico; falla la parte de nosotros que toma el mando antes de que lleguen los datos.

Identificó cinco subpersonalidades que se activan en crisis y que cualquiera que haya pasado por una caída fuerte ha vivido en sus carnes:

• El Paralizado. Se abruma y se queda quieto por miedo a empeorarlo todo.
• El Intérprete. Vende soluciones rápidas, métricas vanidosas y apariencias para evadir el problema central.
• El Solucionador. Necesita revertir algo ya, para sentir que actúa, sin aislar la causa real.
• El Investigador. Pide más datos hasta el infinito y entra en parálisis por análisis.
• El Convincente. Fabrica una narrativa simple («ha sido la actualización de marzo», «han sido los AI Overviews») para ordenar el caos.

El problema no es que existan, es que cuando una de ellas (o varias) toma el control, el diagnóstico sale sesgado en 4 frentes críticos:

• gestión de bugs
• lectura de los AI Overviews
• evaluación de calidad del sitio
• rendimiento técnico (Core Web Vitals contra TTFB).

La solución es lo que Ilana llama un Director interno que orquesta a las partes sin dejar que ninguna domine.

Se traduce en cuatro hábitos:

• pausar e identificar qué parte está al teclado antes de redactar la respuesta
• cuestionar la primera hipótesis (porque suele ser una reacción de supervivencia)
• poner restricciones operativas explícitas al investigador y al solucionador
• comunicar siempre desde la calma.

Su mensaje grande de fondo es que el EQ (inteligencia emocional) es el nuevo IQ (coeficiente intelectual), porque a medida que la IA absorbe el procesamiento «pesado», lo que va a diferenciar es la capacidad de gestionar las propias respuestas emocionales.

La frase: «Si tu teoría te exonera, una «parte» la escribió. La primera hipótesis suele ser una «parte», no un hallazgo.«

Sigue a la autora:
https://www.linkedin.com/in/ilanagershteyn

34. Ryan Jones (Razorfish)

Ponente: Ryan Jones, Director de Práctica SEO en Razorfish y creador de Serp Recon

Charla: SEO vs GEO: Semantic Success Secrets

Ryan fue el más directo de la jornada desmontando el clickbait recurrente de «el SEO ha muerto». No ha muerto, ha mutado a GEO (Generative Engine Optimization). Pero los clics tradicionales sí se van y, según Sundar Pichai, citado en la charla, no van a volver, porque los AI Overviews responden directamente en la SERP. La cuota actual de búsqueda con IA es solo del 5% frente a Google, así que el SEO clásico sigue vigente, pero el problema es de percepción.

El renombrado a GEO tiene un argumento corporativo muy útil que es que el término SEO arrastra estigmas que Rand Fishkin ya delineó en 2005 (PBNs, keyword stuffing, link building masivo) y dificulta justificar inversión con los perfiles C-Suite. Llamarlo GEO desbloquea presupuesto, herramientas y reconocimiento estratégico. Y de paso libera a la disciplina del lastre conceptual del pasado.

Técnicamente, el cambio clave es de la keyword a la relevancia semántica. Usando el algoritmo Movera de Google como referencia, Ryan explicó cómo la IA fragmenta una consulta compleja («mejores auriculares con cancelación de ruido para vuelos por menos de $200») en múltiples subconsultas (query fan-out) y, para posicionar, necesitas que el promedio de relevancia semántica de tus chunks de texto cubra todas las variables de intención. Densidad de keyword, irrelevante.

Y todavía más interesante es que el motor primero genera la respuesta y luego busca en la web fuentes que la respalden, no al revés.

El otro gran cambio es el modelo mental. El embudo lineal es ya una máquina de pinball, esto es, los usuarios rebotan entre paid, social, IA, directo y comunidades. 

Last click ha muerto y se potencia el Share of Voice. Datos demoledores que aportó: el 80% de unas 2.000 consultas monitoreadas para su cliente Sandals tenían menos de 100 búsquedas mensuales y se estima que el 52% de los prompts largos en IA nunca habían sido tecleados antes en la historia.

Optimizar mirando el pasado deja de tener sentido.

El caso operativo que mostró fue el de Whirlpool. Aplicando query fan-out, dividieron la información en tres artículos focalizados (Whirlpool, KitchenAid y Maytag) y monopolizaron el 100% de los espacios clicables en las respuestas para «dimensiones de estufas».

Y para vender esto a la dirección, usa Media Mix Modeling apoyado en machine learning para correlacionar visibilidad con ventas. En un cliente real demostró que un +10% en apariciones en AI Overviews equivalía a un +20% en pedidos globales, lo que abrió el grifo del presupuesto de inmediato.

Acción concreta y barata, esto es, crea o actualiza tu página en Wikidata. Mucho del entrenamiento de IA pasa por ahí, es gratis y se hace en cinco minutos. Y otra táctica que es preguntarle directamente a la IA «¿qué desconoces sobre mi empresa?» y rellenar tú esos huecos antes de que lo haga la competencia.

La frase: «Los usuarios no actúan en un embudo. Ahora es una máquina de pinball. Rebotan desde todos los canales diferentes.«

Sigue al autor:
https://x.com/RyanJones
https://www.linkedin.com/in/ryanjones

35. Crystal Carter (Wix)

Ponente: Crystal Carter, Directora de Comunicaciones SEO y líder del AI Search Lab en Wix

Charla: When Agents Fuel the Funnel: Optimizations for the New Validation Layer

Crystal recogió el guante de Christian Ward y llevó la conversación al terreno operativo de la capa de validación. Si Yext demostró que la web se reconstruye para agentes, Crystal explicó qué hacen exactamente esos agentes en el medio del embudo (el messy middle) y qué necesitan de nosotros para recomendar y comprar en nuestro nombre.

La adopción está siendo brutal. El 50% de los ejecutivos planean desplegar agentes para 2027, el 60% de las personas ya interactúa a diario con agentes (a menudo sin saberlo, vía Salesforce o Monday) y el 32% de los estadounidenses quiere que la IA actúe como su asistente personal estilo Jarvis. Los gigantes están reconfigurando todo, esto es, Gemini en Google Home, IA en la barra de Chrome, Siri potenciada por Gemini en Apple, integraciones nativas en Android Auto.

El nuevo embudo funciona así: el usuario lanza el prompt (intención), pero las fases de consideración y evaluación se ejecutan por completo dentro del agente, que rastrea cientos de sitios en minutos y toma decisiones en segundos. El usuario no ve casi ninguna marca durante ese proceso. Y entonces aparece la capa de validación, que es donde se decide la conversión, ya que el agente valida que la transacción sea segura (protocolos), que existan pruebas que respalden el producto, y que la elección encaje exactamente con las preferencias configuradas. Y, paralelamente, el humano valida que la recomendación coincida con sus preferencias específicas y que no sea una alucinación.

Eso obliga a tres movimientos en la pila técnica:

• Adoptar la nueva infraestructura agéntica: Universal Commerce Protocol (UCP) de Google, Model Commerce Protocol (MCP), Agent Payments Protocol (con Stripe y PayPal ya integrando esto), y NLWeb de Microsoft, que permite a los agentes consultar datos estructurados (schema, RSS, etiquetas HTML) en tiempo real y reduce drásticamente las alucinaciones.
• Declarar explícitamente para quién es tu producto. Los ejemplos que mostró son oro: Nike con descuentos por profesión (estudiantes, militares, profesores, profesionales médicos), Gymshark estructurando reseñas con la edad y tipo de entrenamiento del comprador. Si un agente busca para un perfil concreto, esa evidencia es lo que dispara la recomendación.
• Simplificar modelos de negocio complejos (suscripciones, productos personalizados, productos controlados como alcohol) que actualmente no son elegibles bajo el UCP.

Cerró con la idea de que la validación también se construye off-site, esto es, asociaciones estratégicas, foros de nicho, reseñas con influencers en YouTube, blogs especializados. Todo lo que un agente pueda usar como evidencia rastreable de que tu marca es legítima y capaz.

La frase: «Los agentes hacen cosas. Buscan cosas que hacer. Hacen las cosas que yo no quiero hacer.»

Sigue a la autora:
https://x.com/crystalontheweb
https://www.linkedin.com/in/crystalcarter

36. Paul Shapiro

Ponente: Paul Shapiro

Charla: One Day, Your Mom Will Be an Agent: How Work and Life Are Changing with AI

Paul hizo una de las charlas más amplias del día, mitad sociológica, mitad técnica, mitad estratégica. Empezó con la metáfora de George Jetson (cuyo trabajo entero era pulsar un botón) para describir el momento actual, ya que tareas que antes requerían programación se resuelven hoy pegando un enlace en Gemini. La pregunta incómoda es cuántas personas necesita realmente una empresa cuya única función es «apretar el botón».

La parte económica fue dura y muy concreta:

• Goldman Sachs proyecta aumentos de productividad del 30% en tareas específicas.
• JP Morgan anticipa mejoras operativas del 40-50%.
• Wells Fargo ya ha presupuestado una fuerza laboral más pequeña para 2026.
• McKinsey respalda la reducción inminente de plantilla por ganancias de productividad.
• Klarna redujo de 700 a 500 empleados después de que su experimento de reemplazar agentes humanos por IA fracasara, porque ya no volvieron a contratar al personal original.
• Google publicó (y retiró) una vacante para «Economista Jefe de AGI» con la tarea de cuestionar los supuestos de distribución de la riqueza.

La parte técnica más interesante fue su uso personal de un agente open source llamado Open-Claw, gestionado vía Telegram desde el móvil.

Le ha delegado calendario sincronizado con sugerencias proactivas (avisar de comprar regalos para cumpleaños próximos), monitor de salud cruzando ingesta calórica con síntomas, gestión de trayectos diarios, y orquestación directa de Claude Code para tareas de programación.

Para quien quiera replicarlo, Paul dejó una checklist seria de seguridad, esto es, VPS de unos 10 dólares al mes (o Mac Mini, o Raspberry Pi), red mesh tipo TailScale (sin puertos públicos), usuario restringido sin acceso root, OAuth siempre que se pueda, suscripción ChatGPT a 20 dólares vía OpenRouter como red de seguridad gratuita y skills propias en lugar de librerías de terceros propensas a vulnerabilidades.

Pero el regalo conceptual fue el último bloque, esto es, la auditoría de las trazas de razonamiento. El ejemplo de Le Creuset es perfecto: la IA la cita como opción premium, pero al razonar la propia respuesta acaba recomendando una alternativa más barata como Lodge. La marca aparece y aun así pierde la venta. Las herramientas tradicionales registran la mención positiva y se quedan tan tranquilas, pero la traza dice otra cosa.

Las seis dimensiones que hay que vigilar en el reasoning mode son: 

1. enfoque (cómo enmarca la intención)
2. búsqueda (qué query fanouts genera)
3. traversal (qué pasa cuando intenta acceder a tu sitio y se topa con bloqueos)
4. ponderación (cómo pondera evidencia contradictoria entre marcas)
5. autocorrección (cuándo pivota su estrategia)
6. incertidumbre (qué clasifica como desconocido).

La metodología que recomienda es someter a la IA a 50-100 prompts genéricos sin marca, extraer todas las trazas y agregarlas por estas seis categorías para identificar patrones de éxito y fallo.

La frase: «Si tu marca no puede sobrevivir al proceso de razonamiento, tu marca no estará en la respuesta. Ahí hay una brecha.«

Sigue al autor:
https://x.com/fighto
https://www.linkedin.com/in/paulshapiro

37. Jordan Leschinsky

Ponente: Jordan Leschinsky

Charla: Earned Architecture for AI Visibility

La tesis de Jordan es de las que se quedan grabadas, esto es, tu sitio, tu blog, tu código, todo lo que controlas, es solo el ticket de entrada. Lo que de verdad mueve la aguja en visibilidad de IA es el «consenso publicado» en la web abierta, esto es, lo que dice de ti Reddit, LinkedIn, YouTube, podcasts de nicho, Substack, Medium y los analistas independientes.

La charla la abrió con un ejemplo personal demoledor sobre productos de cuidado de la piel, en el que Gemini empezó recomendándole un producto de The Ordinary como segunda opción y, conforme la conversación se profundizaba, le acabó diciendo literalmente «bájalo y aléjate lentamente» cuando le mostró una foto del producto en una tienda. L

a IA, dice Jordan, ha pasado de ser un asistente de resumen útil a actuar como un gerente de marca global no contratado, moldeando reputación sin acuerdo previo con la marca.

El dato que mejor prueba la tesis viene del análisis de Nike: su contenido propio apenas ocupa el tercer lugar en influencia frente al contenido editorial (54%) y las redes sociales. En consultas de descubrimiento sin marca (top of the funnel), la influencia de Nike cae a un escaso 2%. Ahí mandan las reseñas de terceros y el contenido editorial.

Por eso la verdadera batalla por la visibilidad en IA es perder la obsesión por el tráfico al sitio y empezar a optimizar la web entera.

Su marco, Earned Architecture, tiene tres pilares además del contenido propio:

• Medios (PR). Dejar de cazar backlinks de medios VIP y construir narrativas en los lugares que de verdad alimentan a los modelos, incluyendo blogs y podcasts de nicho que el SEO sí sabe identificar pero el PR clásico ignora. La métrica también cambia, esto es, sustituir Share of Voice por la tracción de la narrativa dentro de los LLMs.
• Contenido de terceros. Bases de datos open source, agregadores, relaciones con autores de Substack y Medium, podcasters y analistas.
• Contenido de comunidades. Reddit es prioridad uno, no como spam, sino activando expertos internos (ingenieros, diseñadores, directivos) que aporten valor real.

Sobre auditorías, su aviso es importante, esto es, son enormemente manipulables si no se estructuran bien. Hay que segmentar por etapa del embudo, ajustar a buyer personas, y usar plantillas tipo «Mad Libs» donde cambias una sola variable cada vez (la marca, el persona o el producto) para tener una línea base objetiva.

Y sobre todo, evaluar conversaciones largas, esto es, una marca puede empezar siendo recomendada y, veinte mensajes después, terminar desaconsejada.

La frase: «No deberíamos estar optimizando para motores de respuestas. Ya no se trata de ser la respuesta. Se trata de ser parte de esa conversación.«

Sigue al autor:
https://www.linkedin.com/in/jordanleschinsky

38. Ruth Burr Reedy

Ponente: Ruth Burr Reedy

Charla: Building a Modern Digital Marketing Engine (and Career)

Ruth aterrizó la jornada en lo concreto y, posiblemente, lo más incómodo. ¿Qué pasa con las personas, los empleos y las carreras profesionales en SEO cuando la IA absorbe el trabajo junior?

La respuesta no es alentadora si te toca empezar ahora, pero es nítida sobre dónde está el valor.

Datos del mercado laboral 2025 (estudio Previsible):

• Solo el 14% de las ofertas SEO publicadas eran de nivel inicial. La IA hace ya keyword research, auditorías básicas y reporting.
• El 50%+ son de nivel medio.
• El 27% son senior.
• La mayoría son ofertas in-house, no de agencia, porque las empresas no tienen tiempo de formar talento desde cero.

Y un dato de Semrush (noviembre 2025) que conviene retener, esto es, el 31% de las ofertas SEO y el 22,3% de otras ofertas de marketing exigen ya familiaridad demostrable con IA, AEO o GEO. La demanda supera con creces al talento disponible, así que quien capitalice esto ahora se sitúa entre uno y dos años por delante del resto.

Su modelo mental sobre el profesional moderno también cambia. El clásico perfil en forma de T (generalista con una especialización profunda, popularizado por Will Critchlow en 2013) se está convirtiendo en un reloj de arena.

Una vez maduras como especialista, vuelves a abrir el ángulo y participas de todo el ecosistema de marketing, porque el SEO ya no es una entidad aislada. Es la única manera de romper silos y unificar KPIs entre canales.

Sobre el proceso de contratación, su diagnóstico es duro, esto es, los ATS están saturados de candidaturas filtradas por IA, casi el 70% de los reclutadores ya usan herramientas de IA en su proceso, y los algoritmos rechazan injustamente perfiles válidos por matices triviales (te piden 5 años y tienes 4,5).

Optimizar el CV para sortear estos sistemas es una tarea desesperante. Por eso el networking auténtico vuelve a ser la vía más fiable, esto es, no como acto utilitario, sino como hacer amigos en los negocios.

Las habilidades a prueba de robots que recomienda desarrollar:

• Gestión de proyectos. Convencer a humanos para actuar es una habilidad que ningún agente tiene.
• Presencia ejecutiva. Contar historias con datos delante del C-Suite y aguantar el escrutinio sin paralizarse.
• Pensamiento estratégico. Saber qué táctica elegir cuando el presupuesto es limitado, no listar 50 recomendaciones genéricas como hace cualquier auditor automatizado.
• Aprendizaje agresivo. Si la IA aprende mejor y más rápido que tú, dejas de ser útil. Y eso es no negociable.

La frase: «Si un robot puede hacerlo mejor que tú, no voy a pagarte para que lo hagas.«

Sigue a la autora:
https://x.com/ruthburr
https://www.linkedin.com/in/ruthburrreedy

39. Lisa Paasche

Ponente: Lisa Paasche, ex CEO y fundadora de Verve Search, asesora de transformación de agencias y coach de liderazgo basado en neurociencia

Charla: Making the Impossible Possible

El cierre perfecto. Lisa hizo el contrapunto humano a un día denso en tecnología. Y la tesis es directa, esto es, la IA no va a reemplazar lo intrínsecamente humano (curiosidad, intuición, conexión, instinto, imaginación) y, paradójicamente, esas son las palancas que más rendimiento empresarial han demostrado mover en los últimos años.

La parte de campañas creativas fue casi un manifiesto contra el contenido mediocre. Verve Search llegó en 2015 al 10% de margen, una carrera al fondo, haciendo el mismo content marketing genérico que todos.

El punto de inflexión vino al descubrir que solo 74 sitios en internet acaparaban el 50% del tráfico mundial, así que en lugar de buscar enlaces en blogs de bajo nivel, Lisa decidió ir solo a publicaciones top.

Tuvo que despedir al 40% de la agencia para que el cambio cultural cuajara. Resultado, en 2 años el margen pasó del 10% al 40% y la agencia fue adquirida por Omnicom.

Algunas campañas para entender el nivel: descubrir al actor que más maldice en cine (Jonah Hill) para un cliente de apuestas, o una cámara VR en un tren noruego con presupuesto cero. Cuando todos dibujan una cruz, tú dibujas un círculo.

La parte de neurociencia fue la más práctica. Un cerebro en modo lucha-huida (sistema simpático) apaga la corteza prefrontal y, con ella, la creatividad y el pensamiento lógico.

Para hacer cosas imposibles necesitas oxitocina y la oxitocina solo aparece en estados de seguridad psicológica (sistema parasimpático). De ahí su recomendación práctica, esto es, técnicas de regulación del nervio vago (sabores intensos, agua fría en la cara para activar el reflejo de buceo, respiración profunda) antes de afrontar un problema complejo. La diferencia neurológica es real y medible.

Sobre cultura, contratar determinación sobre experiencia, su analogía de la banda elástica es preciosa, esto es, la gente que ha sido «estirada» por dificultades vitales o traumas desarrolla una perspectiva más amplia y una resiliencia inquebrantable.

Su mejor contratación fue un joven jugador de videojuegos sin experiencia de oficina, al que conoció en una clínica de espalda, que en su primer mes consiguió un enlace de uno de los principales periódicos del país.

Y la matriz de Adam Grant que aplicó a fichajes, esto es, los tomadores complacientes son tóxicos porque fingen estar de acuerdo y socavan internamente.

Los verdaderamente valiosos son los dadores discrepantes, los Yodas corporativos, gente que debate constructivamente, no por llevar la contraria, sino porque genuinamente quieren mejorar el trabajo.

Para normalizar el desacuerdo, organizaba ejercicios en el parque donde el equipo tenía que discutir 30 minutos sobre temas distintos, cambiando interlocutor cada 5, hasta que se acostumbraran a que el mundo no se acababa por discrepar.

La anécdota más memorable y, posiblemente, la métrica más sorprendente del día, fue la Love Week.

Cada tres meses, los empleados sacaban un nombre al azar y actuaban como «ángel secreto» de un compañero, haciendo pequeños gestos durante la semana entera (listas de Spotify, café, fotos enmarcadas de mascotas), terminando con un círculo de abrazos.

Cuando Lisa cruzó los datos históricos de Love Week con las métricas de rendimiento de los empleados durante casi cinco años, descubrió que era el único factor correlacionado con un aumento masivo y sostenido del rendimiento del equipo, superando con creces el impacto de bonus y ascensos.

La frase: «En la era de la IA, lo que te diferenciará es la capacidad de regular tu sistema nervioso, la conexión humana y la creencia de que puedes lograrlo. El miedo estrecha el futuro, la seguridad lo expande.«

Sigue a la autora:
https://www.linkedin.com/in/lisapaasche

Lee el resumen de SEOWeek del día 1
Lee el resumen de SEOWeek del día 2
Lee el resumen de SEOWeek del día 3

El artículo Resumen de #SEOWeek 2026 NY – Día 4 apareció primero en MJ Cachón: Consultora SEO.

Lla era de los «10 enlaces azules» no vuelve, las métricas viejas mienten y quien siga vendiendo tráfico en lugar de negocio está jugando el partido del año pasado.

Este es el resumen del día 3, primero las 5 ideas que lo unen y después charla a charla, en el orden de la agenda.

TL;DR — Las 5 ideas que unen el segundo día de #SEOWeek 2026

1. El SEO ya no es un canal, es un ecosistema. El 85% de las menciones de marca en respuestas de IA viene de terceros: Reddit, YouTube, reseñas, foros y prensa. Y solo el 12% de los resultados se solapa entre Google y ChatGPT. Si optimizas únicamente tu dominio, eres invisible para la mitad del mercado. La pelea ya no es por rankear, es por estar presente en todas las superficies donde se forma la respuesta antes de que el usuario llegue (o no) a ti.
2. De rankings a citaciones, memoria y centralidad. Las métricas que llevamos años vendiendo (posiciones, clics, DR) ya no explican el negocio. Las que sí lo explican son cuota de voz en LLMs, tasa de citación, sentimiento de la mención, presencia en Common Crawl, centralidad armónica y similitud de coseno. La pregunta deja de ser «¿salgo en Google?» para convertirse en «¿soy yo la respuesta cuando la IA contesta?«.
3. Distribución por encima de creación, distinción por encima de volumen. El contenido genérico generado con IA («AI slop») está siendo penalizado y arrastra al resto del sitio. Lo que sí funciona es lo opuesto: experiencia real, datos propietarios, hiper-localización, opinión de primera mano y, sobre todo, distribuir esa evidencia de forma masiva fuera de tu web para entrenar el consenso de los modelos. Crear una vez, distribuir para siempre.
4. El ingeniero de relevancia sustituye al SEO técnico clásico. Embeddings, clustering, similitud de coseno, densidad de entidades, ganancia de información, schema avanzado con 80+ entidades, llms.txt, WebMCP, agentes que se conectan a tus herramientas. El nuevo perfil mezcla NLP, machine learning y estrategia de negocio. Quien siga «prompteando» tareas sueltas en lugar de construir sistemas escalables, se queda fuera.
5. Vende negocio, no tráfico (y prepárate para 2027). Si tu reporte sigue centrado en impresiones y clics, tus clientes te van a despedir cuando Google cambie de UI (y va a cambiar). Toca conectar el SEO con ingresos, conversiones y miedos reales del cliente. Y prepararse para un escenario donde, según los ponentes, el tráfico de bots superará al humano en toda la web hacia 2027, lo que rompe definitivamente las líneas base históricas.

Las 10 charlas del tercer día de #SEOWeek 2026, una a una

21 Ross Simmonds

Ponente: Ross Simmonds, Foundation Marketing

Charla: Inception: How to Plant Your Brand Into the Memory Layer of Every LLM

Ross arrancó el día con un golpe de mesa muy parecido al que dio Will Reynolds el día 2: los 10 enlaces azules no van a volver y Google ya es un destino final, no un puente hacia tu sitio. Pero su tesis va un paso más allá y es que las marcas tienen una ventana muy corta para «plantarse» en la memoria de los LLMs antes de que esa memoria se consolide en los próximos 48 meses.

La fórmula que propone tiene tres palancas.

• La primera es E-E-A-T en serio, no como casilla, ya que los LLMs necesitan evidencia para fundamentar respuestas y modelos como Gemini siguen usando los backlinks como señal de autoridad.
• La segunda es contenido off-site, porque el 85% de las menciones de marca en búsquedas de IA vienen de terceros, especialmente Reddit (que domina el long-tail y los listados «mejores X») y YouTube (mejor ROI del mercado y dominio absoluto en los AI Overviews de Google).
• La tercera es mentalidad de inversor, esto es, distribuir antes que crear, multiplicar el área de superficie con variantes hiper-localizadas y dejar de obsesionarse con PDFs corporativos que nadie lee.

Cerró con un mensaje incómodo: necesitamos un «juramento hipocrático» colectivo para no manipular engañosamente la memoria de los modelos, porque lo que hagamos hoy se va a quedar entrenando cultura durante décadas.

La frase: «Si eres un CMO en 2026 y todavía estás obsesionado con los rankings de SEO, estás jugando el juego de la década pasada.«

Sigue al autor:

https://x.com/thecoolestcool
https://www.linkedin.com/in/rosssimmonds

22. Carrie Rose

Ponente: Carrie Rose, Rise at Seven

Charla: 7 small creative changes that lead to BIG discovery wins

Carrie defendió que los grandes saltos vienen de cambios de un grado, esto es, pequeños ajustes estratégicos que rompen los silos entre SEO, PR, redes sociales y marca y que se acumulan en el tiempo.

Su gran reencuadre conceptual es que la barra de búsqueda es la mejor ventana al comportamiento humano que existe y, por tanto, el equipo de SEO debería ser el proveedor central de insights para toda la empresa, no un departamento técnico que vive en su silo.

Dejó datos potentes para defender estos:

• el viaje de compra implica hasta 97 interacciones a lo largo de 10 semanas, consultando una media de 3,6 plataformas
• Google está integrando entre 35 y 50 nuevas características en SERPs (resúmenes de IA, vídeos cortos, foros) que dictan qué formatos hay que producir.

Introdujo dos conceptos prácticos.

1. La ingeniería de PR digital para LLMs: cómo te describes en notas de prensa determina cómo te categorizan los modelos y, además, la proximidad de la palabra clave al backlink (5-8 palabras) mejora rankings de forma medible.
2. Y el «contenido de búsqueda social», que no es contenido social rápido y reactivo, sino contenido lento y perenne que ataca puntos de dolor reales y resuelve problemas concretos.

Cerró con el caso «jeans rosas de Zara» de 2021 para ilustrar por qué hay que hacer ingeniería inversa con influencers: solo generar demanda con creadores sobre productos donde ya rankeas en orgánico, o regalas las ventas a la competencia.

La frase: «El contenido social atiende al interés. El contenido de búsqueda social atiende a la intención.«

Sigue a la autora:

https://x.com/carrierosesays
https://www.linkedin.com/in/carrierose

23. Brie Moreau

Ponente: Brie Moreau, WLDNA

Charla: Inside the LLM Black Box: How to Gain AI Visibility

La charla más matemática del día, hilo directo con lo que Andrea Volpini y Mike King plantearon en el día 1. Brie llegó con conclusiones de más de 2.000 horas de investigación y 11 millones de citaciones de IA analizadas y desarmó en directo la ilusión de personalización de ChatGPT, ya que ante la misma pregunta sobre hoteles en Hawái, la sala entera recibió los mismos dos resultados. La supuesta personalización es, en muchos casos, un patrón explotable.

Su mensaje técnico se apoya en cuatro ideas.

1. Common Crawl es la base de entrenamiento de todos los grandes LLMs, así que si tu sitio no está indexado ahí, eres invisible para la IA por mucho que rankees en Google (de hecho, solo el 12% de los resultados se solapa entre Google y ChatGPT).
2. Centralidad armónica supera a Domain Rating, con la analogía de aeropuertos como argumento: París es famoso (DR alto) pero Frankfurt es el verdadero hub de conexiones, hay que identificar y conectar con los hubs reales del nicho.
3. Vectorización en 768 dimensiones y similitud de coseno: hay un punto óptimo matemático en títulos y contenido que correlaciona con ser citado.
4. Y «semisticles» (listicles semánticos diseñados para enlazar las mismas fuentes que ya leen los nodos de autoridad) como táctica para adherirse a la red de autoridad de los LLMs.

Aportó además un dato escalofriante para los que dudan del peso real del contenido en LLMs. Un experimento de Anthropic demostró que bastaron 250 documentos estratégicamente colocados para convencer a un modelo de que la Torre Eiffel estaba en otra ciudad. La manipulación de nodos no es teoría, es una palanca real.

La frase: «Debes dejar de pensar en DR y PageRank, y empezar a pensar en centralidad armónica. Esa es la salsa secreta.«

Sigue al autor:

https://www.linkedin.com/in/briemoreau

24. Ray Martínez

Ponente: Ray Martínez, Archer Education

Charla: Watch the Party Die: Engineering «Answerability» for Prospective Students

Ray contó una historia de caída y reconstrucción que cualquiera del sector educativo (y muchos del SaaS) pueden firmar. Tras años de «fiesta» con SEO tradicional en educación superior, el tráfico se desplomó en cuestión de meses, ya que el 70% de los estudiantes potenciales utiliza ya la IA antes de visitar la web institucional, y los CTR orgánicos cayeron un 25% interanual.

Parte del problema fue puramente técnico (etiquetas <article> mal colocadas que bloqueaban a los crawlers de LLM), pero el diagnóstico real es estratégico, es decir, el SEO clásico ya no basta como capa única.

Su respuesta es la metodología AROS (AI-Ready Organic Strategy), que unifica SEO, social, contenido y PR bajo el mismo paraguas. Construyeron un schema JSON-LD ultra personalizado con más de 85 entidades de datos (acreditaciones, resultados de empleabilidad, datos del profesorado, costes, resultados por programa) para «educar» directamente a los LLMs sobre el valor real de sus programas, en lugar de esperar a que la IA dedujese ese valor de fuentes de terceros.

Lo combinaron con liderazgo de pensamiento académico real (decanos y profesores firmando en publicaciones top) y con herramientas internas que cruzan APIs de LLM con Screaming Frog para auditar y automatizar.

El subtexto de la charla es importante porque estamos en una ventana corta de «red abierta», los modelos están aprendiendo a marchas forzadas y quien no construya ahora lo va a tener mucho más difícil cuando se cierre.

Ray también soltó una idea polémica para muchos de los presentes, que es probar archivos como llms.txt y servir contenido en Markdown para facilitar la lectura a los bots.

La frase: «Sigue construyendo, porque la construcción será lo que te salve.«

Sigue al autor:

https://www.linkedin.com/in/raymartinezseo

25. Angela Skane

Ponente: Angela Skane, Network Solutions

Charla: What TikTok Shop Can Teach SEOs About Content That’s Seen and Converts

Angela recogió el guante que dejó Azeem Ahmad el día 2 sobre comportamiento del consumidor y la llevó al terreno operativo del SEO.

Su tesis es directa: el 95% de las decisiones de compra ocurren a nivel subconsciente, los creadores de TikTok llevan años aplicando esto sin pedir permiso a nadie, y los SEOs seguimos optimizando para robots como si los humanos del otro lado fueran tablas de keywords con piernas.

Adaptó la fórmula de TikTok al contenido escrito en una estructura repetible: gancho visual (imágenes o vídeos incrustados en los primeros segundos del scroll) + storytelling + palancas psicológicas + testing continuo.

Y detalló las 8 palancas psicológicas que funcionan en cualquier vertical:

1. cuidado y protección de los seres queridos
2. supervivencia y disfrute de la vida
3. comida y bebida
4. evasión del miedo y el dolor
5. compañía sexual
6. condiciones de vida cómodas
7. superioridad o éxito sobre otros
8. aprobación social.

La idea es identificar cuál de estas palancas activa cada pieza y mapearla deliberadamente al user journey.

Los resultados que mostró cierran el argumento sin discusión, ya que aplicando este enfoque entre julio de 2025 y marzo de 2026, su equipo logró un +136% en visitas al blog, un +286% en volumen de pedidos, y unos 600 artículos en primera página, sin link building tradicional.

Es decir, ganaron por entender mejor a las personas, no por meter más enlaces.

La frase: «El futuro de la búsqueda no lo ganará el contenido más optimizado, lo ganará el contenido que mejor entienda a las personas.«

Sigue a la autora:

https://www.linkedin.com/in/angelaskane

26. Sam Torres

Ponente: Sam Torres, «SEO Mermaid»

Charla: Your Competitors Are Still Prompting. You Could Be Building

Sam atacó frontalmente la dependencia de los LLMs como atajo y recogió el guante de Mike King y Noah Learner del día 1, esto es, deja de promptear tareas sueltas y empieza a construir sistemas.

Su propuesta es un marco híbrido ML + LLM en tres pasos que devuelve consistencia matemática a un terreno donde la IA generativa da resultados distintos cada vez que la consultas.

1. El paso uno es embeddings: convertir el contenido en vectores matemáticos, esto es, traducir palabras a matemáticas.
2. El paso dos es clustering: agrupar esos vectores en «vecindarios» semánticos reales que superan la simple coincidencia de keywords.
3. Y el paso tres son los LLMs, pero solo al final, para etiquetar clusters, dar narrativa, encontrar gaps y hacer que el output sea presentable y accionable.

Lo importante es el orden, ya que primero va la matemática (reproducible y revisada académicamente) y luego va el lenguaje (caja negra inconsistente).

Sam compartió cuadernos en tres niveles según presupuesto y madurez, y son Rising Tide (sin coste de API, ideal para empezar), Open Water (con API keys, para producción ligera) y Deep Sea (para empresas con flujos a gran escala).

Aplicaciones inmediatas que mostró:

• gap analysis evolucionado (que no devuelve listas planas de keywords sino amplitud y profundidad temática real)
• enlazado interno automatizado por proximidad semántica, no por reglas manuales.

Sus dos mantras del cierre:

• la regla 80/20 (la perfección es el enemigo de la automatización, conformarse con 80% libera tiempo brutal)
• dirige y delega a la IA como a un becario (el simple ejercicio de listar todos los pasos de la tarea ya te enseña que es más compleja de lo que pensabas).

La frase: «Es en cómo escalamos donde generalmente empezamos a fallar.«

Sigue a la autora:

https://x.com/seomermaid
https://www.linkedin.com/in/samtorres

27. Brian Cosgrove

Ponente: Brian Cosgrove (Braindew)

Charla: Deception, Distinction, and Directives

Brian estructuró la charla en tres actos y los tres son directos.

1. Engaño. Las herramientas analíticas que usamos a diario (GA4, Adobe, Amplitude) están perdiendo precisión a una velocidad que la mayoría no quiere admitir, esto es por bloqueadores de tracking, proxies de operadores móviles, IPs compartidas, comportamiento guiado por IA y atribución rota. Las líneas base históricas interanuales ya no son fiables y el aviso es serio porque para 2027, el tráfico no humano (bots, agentes, asistentes de IA) superará al humano en toda la web. Hay que implementar CDNs (Cloudflare), antifraude, etiquetado server-side y «datos de origen funcionales» (donde la recogida está vinculada al funcionamiento del sitio, no al consentimiento marketing).
2. Distinción. Parar de buscar relevancia genérica y elegir «10 carriles» específicos donde se pueda ganar de verdad. Sustanciar esas afirmaciones con evidencia objetiva, no con copy de marketing. Su caso favorito es la marca de equipaje Away, que en lugar de afirmar que sus maletas cabían en cabina, las midió físicamente en los medidores de JFK, Newark y LaGuardia, lo documentó y difundió. Ese es el nivel de evidencia que los LLMs premian.
3. Directivas. El futuro es «AI First» como hace 10 años fue «Mobile First». Los agentes de IA actuales navegan webs visuales como un robot aspirador atascado en una esquina, así que hay que diseñar modos para agentes (rutas transaccionales claras, sin diseño gráfico complejo, con protocolos como WebMCP) para que puedan ejecutar tareas sin pelearse con tu hero section.

La frase: «Deja de intentar escribir la respuesta. Concéntrate en ser la respuesta.«

Sigue al autor:

https://www.linkedin.com/in/briancosgrove

28. John Shehata

Ponente: John Shehata

Charla: The Truth About Google Discover: What Works, What Doesn’t, and What’s Changing

Si hay una charla del día que va a recortar y guardar todo el sector editorial, es esta. John llegó con datos de millones de artículos y billones de impresiones y arrancó con datos increibles:

• Google Discover ya representa el 75% del tráfico de Google, mientras la búsqueda tradicional ha caído al 23%.
• El CTR de Discover es seis veces superior al de Search por ser un feed inmersivo, sin distracciones laterales y con menos competencia visual.

La trampa es que Discover no es gratis y depende totalmente de Search, ya que para sobrevivir en el feed hay que rendir bien primero en búsqueda tradicional, sostenidamente, y con interacciones de calidad.

Es un canal suplementario y volátil, no autónomo. Desglosó el algoritmo en cinco fases:

1. ingestión y cualificación
2. clasificación
3. elegibilidad y matching
4. ensamblaje en el dispositivo del usuario
5. entrega y feedback

Filtros técnicos críticos:

• imágenes de mínimo 1.200 píxeles
• etiquetas Open Graph cuidadas (OG image, OG site name, OG title)
• presencia explícita de personas, ya que el 28% de los artículos exitosos lleva a una persona nombrada en el titular.

Sobre el Core Update de febrero de 2026 (5-27 feb), un -8% en editores únicos, beneficio claro para el contenido local, listicles muy castigados, y nueva métrica de «autoridad sobre el tema del sitio» que penaliza a los medios generalistas.

Destacó que el último mes YouTube se ha convertido en la fuente número 1 de visibilidad en Discover, X (Twitter) perdió un 88% de visibilidad para el 24 de abril de 2026 y se recuperó casi en tiempo real el 29.

La táctica práctica más rentable que dejó es crear titulares en primera persona, 12-15 palabras, con un OG title diferente al H1 del sitio.

La frase: «Discover ya no es un truco para obtener tráfico. Es una prueba de calidad vestida de feed.«

Sigue al autor:

https://x.com/JShehata
https://www.linkedin.com/in/jshehata

29. Brie Anderson

Ponente: Brie Anderson

Charla: We Had One Job (& It Wasn’t Rankings)

Brie hizo la charla incómoda que la industria necesita escuchar cada cierto tiempo. Llevamos años vendiendo a los clientes la métrica equivocada (visibilidad, tráfico, impresiones) y ahora que las SERPs cambian e introducen IA, los clientes se enfadan incluso cuando las ventas suben.

La culpa no es de la IA, es nuestra, por haber educado mal al mercado durante una década.

Su tesis es directa, esto es, dejad de vender tráfico, empezad a vender resultados de negocio. Y eso requiere dos movimientos.

• Primero, sentarse con el cliente o el stakeholder y descubrir cuáles son sus miedos reales, sus inversiones del año, sus lanzamientos pendientes, sus objetivos… El éxito del SEO se mide en función de cómo apoya esas iniciativas, no en función de cuántas posiciones ganaron este mes en una keyword que a nadie en el comité de dirección le importa.
• Segundo, recordar que el alcance del trabajo SEO es muchísimo más amplio de lo que reportamos, ya que velocidad de página, arquitectura de información, contenido útil, PR digital, UX, todos son palancas que impactan directamente en conversión e ingresos.

Estandarizar UTMs en TODO (perfiles de empresa, sitios de reseñas, guest posts, newsletters, firmas de email), usar informes de atribución multi-touch en GA4 en lugar de seguir mirando el último clic, configurar embudos personalizados para aislar el impacto financiero de elementos concretos (un glosario, una sección de reseñas, un comparador) y mantener un changelog centralizado donde se cruzan actualizaciones algorítmicas, lanzamientos de PR, cambios técnicos y fechas de publicación, para que cuando alguien pregunte «¿esto por qué subió?» tengas respuesta en minutos.

La frase: «Hay una diferencia entre aparecer y darle a alguien la información correcta en el momento adecuado para que tome la decisión correcta, en lugar de simplemente aparecer por aparecer.«

Sigue a la autora:

https://x.com/thatbrieanderson
https://www.linkedin.com/in/brieanderson

30. Zach Chahalis

Ponente: Zach Chahalis, iPullRank

Charla: Why You Need A Relevance Engineer Driving The Car

Zach cerró el día con la analogía de los coches clásicos, que requieren un conductor habilidoso y activo, no piloto automático. La metáfora es para hablar del rol que la industria necesita ya, esto es, el Ingeniero de Relevancia, una figura que combina NLP, ingeniería técnica y estrategia de contenido, y que sustituye al SEO técnico clásico tal y como lo conocíamos.

Su diagnóstico es tajante y es que medir solo rankings y tráfico está muerto. La integración de AI Overviews ya está dañando el tráfico de plataformas dominantes como Wikipedia, así que las nuevas métricas son cuota de voz, tasa de citación, sentimiento de la mención y eventos comerciales reales.

Y para diagnosticar qué está pasando dentro de cada página, iPullRank usa cinco palancas de NLP:

1. similitud de coseno de palabras clave (mide coherencia tópica y penaliza la deriva semántica)
2. riqueza estratégica de entidades (entidades útiles vs relleno)
3. eficiencia explicativa (densidad de hechos vs narrativa vacía)
4. afirmaciones verificables (¿pueden corroborarse en otras fuentes de confianza?)
5. ganancia de información (¿aporta algo nuevo o repite lo que ya hay?).

El caso real demoledor que enseñó es el de una empresa SaaS que rellenó su blog de «AI slop» fuera de su tema central, esto es, contenido autogenerado sin criterio para inflar volumen. El resultado fue una caída del 90% en posiciones desde enero de 2025 y desaparición casi total de los resultados de IA. En la misma comparativa, sitios de finanzas y tutoriales con alta densidad de información y enfoque temático estricto aguantaron sin despeinarse. El AI slop no es un riesgo teórico, es una sentencia.

Y un detalle técnico que casi nadie monitoriza pero que importa muchísimo: los errores HTTP 499 (timeouts del servidor cuando un agente cancela la petición) correlacionan directamente con la pérdida inmediata de citas en plataformas de IA y solo se recuperan al arreglar el rendimiento técnico.

Si tu servidor es lento, la IA ya ni espera.

La frase: «Tu estrategia es tan buena como el ingeniero de relevancia que conduce el coche. Y a diferencia del piloto automático de Tesla, no puedes simplemente encenderlo, configurarlo y olvidarte.»

Sigue al autor:

https://www.linkedin.com/in/zachchahalis

El artículo Resumen de #SEOWeek 2026 NY – Día 3 apareció primero en MJ Cachón: Consultora SEO.

10 ponentes (Will Reynolds, Bianca Anderson, John Doherty, Garrett Sussman, Azeem Ahmad, Brittan King, Amanda Milligan, Alex Halliday, Ian Lurie y Angela Clark) llegaron a un lugar común donde, la disciplina que llamábamos SEO, se está convirtiendo en una mezcla de gestión de marca, ciencia del comportamiento, gestión del cambio organizacional y diseño de sistemas. Lo que cambia no es la táctica, es el trabajo.

Este es el resumen, empieza con 5 ideas y luego va charla a charla, en el orden de la agenda, para exprimir los detalles y poner contexto de los que pudimos estar allí.

TL;DR — Las 5 ideas que unen el segundo día de #SEOWeek 2026

1. La confianza es el nuevo KPI y se gana fuera de tu sitio. El 91% de las citas en respuestas de IA viene de foros, reseñas, prensa y comunidades. La visibilidad sin credibilidad no convierte y la credibilidad ya no se construye solo en tu dominio, se construye en Reddit, en G2, en directorios, en notas de prensa y en cómo habla de ti la gente que no recibe dinero de ti.

2. La búsqueda se ha personalizado tanto que ya no existe una SERP. Los datos de Gmail, Calendar y Photos cambian las recomendaciones que la IA da a cada usuario. Y la audiencia, encima, está fracturada generacionalmente, por ejemplo, la Gen Z busca en TikTok, los boomers se aferran a Google, los “exploradores digitales” delegan en ChatGPT. Una sola estrategia de canal podría estar dejando fuera al 40% de tu mercado.

3. Lo humano dejó de ser un adorno, es la palanca de margen. John Doherty lo dijo sin rodeos. El “middleman” (la persona que producía) ha muerto. La IA hace el 80% del trabajo. Lo que queda y se cobra caro es el otro 20%: el gusto, las preguntas correctas, el matiz, la edición, el juicio editorial. Las agencias que sigan vendiendo horas pierden, las que vendan resultados, ganan.

4. El SEO ya no controla el SEO. Lo que controla es la influencia. Bianca Anderson y Garrett Sussman lo plantearon desde ángulos distintos pero convergentes. La palanca del SEO de 2026 es transversal (Email, PR, Comunidad, Producto, Legal). La estrategia ganadora no pelea esos territorios, los aborda con un enfoque de “restricciones primero” y “SEO como servicio interno”.

5. El miedo es real y gestionarlo es parte del trabajo. Brittan King y Angela Clark lo nombraron sin maquillarlo. Hay ansiedad, hay FUD, hay “¿esto me está haciendo más tonto?”. La respuesta no es ignorarlo ni rendirse, es soberanía cognitiva, marcos como H.U.M.A.N. y reinvertir el tiempo que la IA libera en el trabajo que solo «la persona» puede hacer.

Las 10 charlas del segundo día de #SEOWeek 2026, una a una

A continuación un resumen breve de cada ponencia en el orden en que se impartieron.

11 Will Reynolds

Ponente: Will Reynolds

Charla: SEO is a performance channel, GEO isn’t. How do you pivot?

“SEO is a performance channel, GEO isn’t.” Will abrió la jornada con un golpe de mesa para afirmar que medir GEO como medíamos SEO es prepararse para fracasar.

La visibilidad es solo la primera puerta (“seen, believed, chosen”) por lo que sin credibilidad y elección no hay negocio. Su acusación a la industria fue directa, cree que estamos inundando la web de “contenido zombi” (listicles automatizados que nadie quiere leer) para inflar métricas de vanidad mientras la IA toma el control de la narrativa de las marcas.

La idea más incómoda es que el 50% de las veces, los usuarios meten marcas que ya conocen dentro de sus prompts. Si tu marca no está siendo descrita con precisión por ChatGPT, Gemini o Claude, alguien la está describiendo por ti, normalmente con datos sesgados o reseñas aisladas.

La respuesta no es producir más, sino auditar cómo te describe la IA, publicar datos reales y contundentes que reescriban esa narrativa y dejar de aceptar informes de impresiones como prueba de impacto.

La frase: “Si pones la confianza como KPI, puedes ser Michelin. Si no, puedes ser Madoff.”

Sigue al autor:

https://x.com/wilreynolds
https://www.linkedin.com/in/wilreynolds

12 Bianca Anderson

Ponente: Bianca Anderson

Charla: SEOs Own Less Than We Think: The Influence Gap No One Trains You For

Bianca puso un dato encima de la mesa que reordena la conversación y es que el 91% de las citas que la IA usa para construir respuestas no viene del sitio del SEO, sino de foros, reseñas de terceros, menciones en prensa y comunidades. Es decir, el 91% del trabajo crítico vive fuera de la columna de ‘SEO’ en el organigrama y lo controlan PR, Marca, Producto, Legal, Comunidad.

Querer ‘ser dueño’ de eso es perder tiempo. Lo inteligente es influir.

Su marco se llama Constraints First (restricciones primero), entonces antes de planificar la campaña, se sienta con Legal y les pregunta qué les da miedo, convierte sus miedos en parámetros y construye sobre ellos.

En Hims & Hers, ese enfoque desbloqueó páginas de comparación con competidores que generaron ingresos de siete cifras y esquivaron las penalizaciones de la actualización de febrero de 2026.

Su segunda gran táctica, Make It Theirs, consiste en ceder el punto de partida creativo a quien aporta más valor, entonces cuando dejó de ahogar a sus redactores con briefings rígidos basados en keywords y les dejó proponer ángulos, el contenido duplicó su tasa de conversión y empezó a superar a hilos de Reddit.

Su frase: “No puedes exigir por mandato que la humanidad exista en el contenido. Solo puedes crear las condiciones para que suceda.”

Sigue a la autora:

https://x.com/BinksDoesSEO
https://www.linkedin.com/in/bianca-anderson

13 John Doherty

Ponente: John Doherty

Charla: The Death of the Middleman: Why «Good Enough» AI is Killing Traditional Marketing

La charla más «provocadora» o directa. La tesis de John es brutalmente simple y es que durante décadas, el marketing fue un negocio de cantidad de personas, más output exigía más manos. La era del “middleman” (el ser humano que producía, redactaba, redimensionaba y enrutaba el trabajo) ha terminado.

La IA ha convertido en commodity la ejecución “suficientemente buena” y lo que tardaba semanas ahora tarda minutos, quizás segundos.

“La IA puede crear el contenido, pero no puede crear a las personas. Y la pirámide corporativa —productores en la base, gestores en medio, estrategas arriba— ya está colapsada. Todos somos constructores y estrategas.”

El choque viene de que si la IA puede hacer la tarea, esa tarea ya no es tu propuesta de valor.

Las agencias que sobrevivan no venderán horas, venderán resultados.

Los equipos in-house que sobrevivan pelearán por estrategia, distribución y gestión del cambio.

John propuso un marco operativo simple, el marco 10-80-10.

• El 10% inicial es humano (dirección, ideación).
• El 80% lo hace la IA.
• El 10% final vuelve a ser humano (revisión con criterio, decisión, distribución).

Y la conclusión: hay que cultivar las habilidades ‘no prompteables’ (empatía, ética, gusto), porque son lo único que el modelo no replica.

Sigue al autor:

https://x.com/dohertyjf
https://www.linkedin.com/in/johnfdoherty

14 Garrett Sussman

Ponente: Garrett Sussman

Charla: Run Persona Run: A year in the life of me, myself, and AI

Si Bianca rompió la idea de que el SEO controla su canal, Garrett destrozó la idea de que existe una sola SERP.

Su charla resume un experimento de un año con personas sintéticas (cuentas de Google sembradas con perfiles distintos) probando cómo cambian las recomendaciones de la IA según el usuario.

El uso del modo IA en búsqueda pasó del 5% a aproximadamente el 25% en doce meses y lo que la IA recomienda depende de quién pregunta.

El experimento más demoledor fue sembrar una cuenta con emails (incluso spam no leído) que mencionaban ciertas marcas, hizo que esas marcas aparecieran hasta un 80% más en las recomendaciones de IA para ese usuario.

La bandeja de entrada es ahora una señal de ranking más, el correo postal escaneado por servicios como Informed Delivery también se refleja en las respuestas.

El query fanout se personaliza por persona, por lo que si la IA deduce que tienes hijos, sugiere ‘servicios de streaming para niños’ aunque tú no lo hayas mencionado.

Su recomendación: deja de auditar tu visibilidad como un solo SEO genérico, construye “gemelos de búsqueda” sintéticos (cuentas de Gmail con perfiles distintos, suscritas a las newsletters de tu industria, alimentadas con el comportamiento de tu audiencia) y monitoriza desde ahí.

Empieza a hablarte con tu equipo de email marketing porque lo que hagan ellos afecta directamente a cómo la IA recomienda tu marca.

Sigue al autor:

https://x.com/garrettsussman
https://www.linkedin.com/in/garrettsussman

15 Azeem Ahmad

Ponente: Azeem Ahmad

Charla: How YOU can Navigate the Fractured Funnel and the Rise of Delegated Choice Using Behavioural Science

Azeem trajo la psicología conductual a la mesa a través de la idea de que el embudo no está roto, está psicológicamente fracturado y esa fractura va por una línea generacional.

El comportamiento humano sigue dominado por dos sesgos antiguos:

• el Default Effect (aceptar la opción preestablecida)
• el Status Quo Bias (resistirse al cambio), pero la “opción por defecto” ya no es la misma para todos.

Su mapa de cuatro caminos es una chuleta muy:

• la Gen Z y Alpha empieza y termina en TikTok (búsqueda visual, validación social)
• los Híbridos —Millennials y Gen X— empiezan en Google por inercia pero saltan a Reddit o YouTube para validar y a la IA cuando Google falla
• los Boomers están anclados a Google y rechazan activamente la IA (el 72% de los mayores de 65 nunca la han usado)
• los Exploradores Digitales —de altos ingresos— delegan masivamente en ChatGPT y compran lo que la IA recomienda sin compararlo

La consecuencia: una estrategia centrada solo en Google deja fuera hasta el 40% de tu audiencia. Y la “elección delegada” (cuando dejas que la IA decida por ti) hereda silenciosamente el sesgo del modelo.

Lo que conviene auditar es que si no eres la opción por defecto que ChatGPT recomienda en tu categoría, estás perdiendo cuota antes de que el cliente sepa que existes.

Sigue al autor:

https://x.com/AzeemDigital
https://uk.linkedin.com/in/azeema1

16 Brittan King

Ponente: Brittan King

Charla: Managing the FUD Out of Change

Una charla necesaria emocionalmente que dejó la táctica a un lado y nombró lo que ella ve que está pasando en los equipos: miedo, incertidumbre y duda (FUD).

No es un sentimiento personal, es la amígdala secuestrando al cerebro, las decisiones de presupuesto, contratación y estrategia se toman desde el pánico, no desde la claridad.

Su concepto central es la soberanía cognitiva, la capacidad de seguir siendo el autor genuino de tus propios pensamientos cuando todo el ecosistema (como medios, redes, jefes) está optimizado para hacerte reaccionar.

La neurociencia nos dice que el cerebro percibe la incertidumbre como más estresante que las malas noticias, por eso el mantra de “no sabemos qué va a pasar con la IA” paraliza más que cualquier dato concreto.

El frame que propuso es convertir FUD en F.U.D.:

• Fuel (combustible)
• Understanding (comprensión)
• Discernment (discernimiento)

Y la advertencia: “El futuro recompensará la claridad, pero castigará la certeza.” Tomar decisiones con dirección clara, no con datos perfectos.

Sigue a la autora:

https://www.linkedin.com/in/brittanbright

17 Amanda Milligan

Ponente: Amanda Milligan

Charla: Learning from «Trifecta» Content – Pages That Drive Rankings, Visibility, and Engagement

Amanda recogió el guante de la pregunta ¿qué significa ‘calidad’ ahora? Su respuesta es que ‘alta calidad’ ya no es la excepción, es la línea base, el mínimo indispensable para tener derecho a aparecer.

Y en un mundo con múltiples guardianes (Google, YouTube, TikTok, los LLMs), producir piezas distintas para cada plataforma es ineficiente, lo que funciona es lo que ella llamó Contenido Trifecta, una pieza única que:

• (1) se posiciona en el top 3 de Google
• (2) es citada por la IA
• (3) genera engagement por encima de la media en redes o email.

Sus ejemplos son útiles porque son reproducibles:

• Angie convierte sus datos internos de precios de reformas en guías que dominan orgánico, IA y conversión de newsletter
• King Arthur Baking creó una tabla de pesos de ingredientes que es citada por IA y celebrada en Reddit
• Painting and Chocolate compite con marcas grandes con tutoriales visuales que la IA no puede replicar.

3 palancas para construir Trifecta:

• datos propietarios (haz público lo que solo tú tienes)
• problemas visuales complejos (donde la IA no llega)
• acuñar nombres (HubSpot lo hizo con “Loop Marketing”). Si tu marca tiene un proceso propio sin nombre, ponérselo es una ventaja de marca a largo plazo.

Sigue a la autora:

https://www.linkedin.com/in/amandamilligan

18 Alex Halliday

Ponente: Alex Halliday

Charla: Quality Wins: How to Scale AI Content Without Losing What Makes It Work

Alex (CEO de AirOps) trajo datos para intentar responder a la pregunta ¿qué premia exactamente la búsqueda generativa? Su respuesta combina hallazgos cuantitativos y un marco operativo.

• (1) la unidad que la IA evalúa es el passage —fragmentos de 75 a 200 palabras con encabezado claro, fechas, comparaciones y cero relleno—.
• (2) El contenido publicado o actualizado en los últimos 3 meses tiene el triple de probabilidad de ser citado.
• (3) La posición orgánica sigue mandando: la posición 1 tiene un 58,4% de probabilidad de cita; cae a un 14,2% por debajo en posiciones bajas.
• (4) Las “fábricas de contenido IA” sin revisión humana se penalizan.

Su propuesta es lo que él llama “sistemas de contenido”, con cuatro capas:

• una capa de contexto (voz, valores y guías de marca, donde recomienda gastar el 70% del esfuerzo)
• inteligencia de canal
• ejecución con agentes de IA
• un modelo operativo medible.

Su frase: “El contenido es un deporte competitivo. Hay que construir el playbook para ganar hoy y el plan para adelantarse mañana.”

Sigue al autor:

https://x.com/alexhalliday
https://www.linkedin.com/in/alexhalliday

19 Ian Lurie

Ponente: Ian Lurie

Charla: Teach The Shit Out Of Everything

Ian propuso la estrategia más resistente al paso del tiempo y la más simple de explicar: enseña. Su argumento histórico —la Guía Michelin de 1900— es perfecto: Michelin no vendió neumáticos enseñando a venderlos; enseñó a viajar, y luego vendió neumáticos. Hoy, DigitalOcean y Silca dominan IA y orgánico por la misma razón: regalan conocimiento útil sin fricción.

Su tesis técnica es que todos los algoritmos —humanos, búsqueda o IA— están vendiendo lo mismo: confianza. Trust Rank, EEAT, RAG, RLHF… todo es infraestructura de credibilidad. Y enseñar es la única táctica que dispara orgánicamente las señales que esos algoritmos buscan: tiempo en página, menciones, recomendaciones.

Para hacerlo a escala sin morir en la investigación, Ian compartió su sistema LLM Wiki: Obsidian + un capturador web + Claude. Vuelca hilos de Reddit, tickets de soporte, transcripciones de ventas y notas en bruto en carpetas Markdown; deja que un modelo lo procese hasta 5.000 documentos a la vez; el output es un wiki de conocimiento que detecta automáticamente las preguntas sin responder en tu industria. Y cierra con un equilibrio mental útil: alterna teach big (cursos, guías mayores, mucho riesgo) con teach small (un consejo en una ficha de producto, un post de Instagram, un “sabías que” en una landing). Si enseñas a pequeña escala, fallas a pequeña escala.

Sigue al autor:

https://x.com/IanLurie
https://www.linkedin.com/in/ianlurie

20 Angela Clark

Ponente: Angela Clark

Charla: I Have a Degree for This: Reclaiming Your Expertise, Identity, and Edge in an AI-Mandated World

Angela cerró el día con la charla más personal y, en muchos sentidos, la más necesaria, la dedicada a quien lleva todo el día oyendo ‘la IA va a cambiarlo todo’ y se pregunta en silencio ¿esto me está haciendo más tonto?

Sus datos son contundentes:

• El 97% de las agencias y empresas exigen ya el uso de IA.
• Un 56,6% del personal siente curiosidad
• Un 15,7% —concentrado en ingenieros, estrategas y analistas— lo rechaza por falta de metodologías claras.
• Y casi el 45,3% se plantea cambiar de industria.

Su contribución más importante es que el tiempo que la IA libera no desaparece, se desplaza.

El borrador inicial tarda menos, pero la capa de revisión, verificación de fuentes, edición y control de calidad consume el tiempo ahorrado.

Las tasas de alucinación están entre el 1,8% y el 7%, ella mostró un caso real donde la IA proyectó un ROI falso de 2 millones basándose solo en volumen de búsqueda. Sin auditoría humana, ese número llega al CEO.

El marco que propone se llama H.U.M.A.N.:

• Humanizar el contenido
• Uncover (descubrir) ahorros de tiempo reales
• Make space para el trabajo significativo
• Teach (enseñar) a tus colegas
• Never stop evolving.

La frase: “Tu jefe te contrata por tu EEAT. Tú tienes el título universitario. El robot no.”

Sigue a la autora:

https://www.linkedin.com/in/angelawilson8/

El artículo Resumen de #SEOWeek 2026 NY – Día 2 apareció primero en MJ Cachón: Consultora SEO.

10 charlas, un mismo mensaje repetido: el SEO no muere, pero se transforma en otra cosa. La pelea por aparecer en una lista de 10 enlaces se diluye, ahora también competimos por ser elegidos como evidencia dentro de pipelines de IA que recuperan, verifican y sintetizan información en milisegundos.

Esto es lo que me llevo del Día 1, el dedicado a «la ciencia», primero las top 5 ideas y después charla a charla.

TL;DR — Las 5 ideas que unen el primer día de #SEOWeek 2026

1. El ranking ya no es la batalla; la elegibilidad sí lo es. Antes de que se decida qué posiciona, los sistemas de IA filtran qué entra en el conjunto de candidatos. Si tu contenido no es matemáticamente cercano a la consulta, ni se rastrea, ni se puntúa, ni compite. Todo lo que veníamos optimizando ocurre después de esa primera capa.
2. La unidad de competencia es el pasaje o porción de texto, no la página. La IA descompone tu contenido en fragmentos, los convierte en vectores y evalúa cada afirmación por separado. Una página entera puede ser sólida y aun así perder porque sus pasajes individuales no aportan ganancia de información. Cada frase tiene que ganarse su sitio.
3. Tu marca es un objeto matemático: el centroide. El conjunto de tus contenidos forma un punto medio en un espacio vectorial. Ese centroide es la identidad real de tu marca para la IA, no la home ni el manual de marca. Si tus piezas o activos envían señales contradictorias, el centroide se dispersa, te confundes con la competencia y dejas de ser recuperable.
4. La nueva métrica es la confianza, no el volumen. Los re-rankers premian la certeza y penalizan la ambigüedad (lenguaje vago, hedging, datos sin respaldo). Más contenido no es la solución pero mejor estructura sí. Datos frescos, entidades claras, grafos de conocimiento, identificadores únicos consistentes y citaciones verificables son lo que mueven la aguja.
5. El SEO de 2026 es ingeniería y negocio, no tácticas. Las herramientas comerciales se han quedado atrás haciendo cuentas léxicas con un wrapper de IA por encima. La ventaja la tienen los profesionales que construyen sus propias herramientas, dominan el contexto de los modelos y saben traducir todo esto a dinero. La atribución clásica está rota y ya hay que aprender a vender impacto con fuzzy math.

Las 10 charlas del primer día de #SEOWeek 2026, una a una

A continuación un resumen breve de cada ponencia en el orden en que se impartieron.

1. Krishna Madhavan (Microsoft)

Ponente: Krishna Madhavan, Microsoft

Charla: The Invisible, Converged Web: Architecting Visibility for the AI Economy

Krishna abrió la jornada con el mapa más completo del día explicando cómo viaja realmente una consulta dentro de un sistema de IA. Toda búsqueda atraviesa un ADN común —comprensión, transformación, expansión (query fanout), recuperación multirruta, deduplicación, ranking y filtrado de elegibilidad— y solo después se bifurca. La rama clásica genera snippets en tres pasos; la rama de grounding entra en una fase mucho más exigente de selección de evidencia y verificación cruzada entre modelos, donde una IA literalmente critica las afirmaciones de otra antes de citarlas.

Su mensaje práctico: si los motores no pueden leer tu contenido, no hay visibilidad. Encabezados semánticos, JavaScript prudente, IndexNow para notificar cambios reales (ya impulsa más del 50% de las nuevas URLs en Bing y Copilot) y el uso fino de data-nosnippet para controlar qué partes cedes a la IA sin perder ranking. Y un avance exclusivo, ya que Microsoft prepara funciones que mostrarán la intención exacta de las consultas grounded, mapeo de temas y métrica de cuota de citaciones en Bing Webmaster Tools.

Sigue al autor:

https://x.com/kmadhavan77
https://www.linkedin.com/in/kmadhavan7

2. Andrea Volpini (WordLift)

Ponente: Andrea Volpini, WordLift

Charla: Beyond the Million-Token Window: TurboQuant and RLM-on-KG

Andrea atacó una creencia muy extendida sobre los modelos con ventanas de contexto gigantes resuelven el problema de la memoria. Aunque ya hablamos de capacidades casi infinitas, el fenómeno “lost in the middle” persiste, los modelos siguen ignorando lo que está en el centro de prompts largos, y el coste computacional crece de forma cuadrática. Más contexto no es la solución, mejor navegación si lo es.

Su propuesta: convertir la información no estructurada en grafos de conocimiento basados en entidades, con tripletas RDF e identificadores únicos consistentes. En su investigación reciente, los datos estructurados aislados apenas mueven la aguja en Vertex AI, pero al usarlos para generar páginas de entidad lógicamente conectadas, la precisión de recuperación sube un 20%. Combinado con Modelos de Lenguaje Recursivos sobre grafos, su equipo midió hasta un 71% de mejora frente a GraphRAG en preguntas que exigen razonar sobre evidencia dispersa. La frase para enmarcar: «no es un juego de volumen, es un juego de conexión».

Sigue al autor:

https://x.com/cyberandy
https://it.linkedin.com/in/volpini/it

3. Mike King

Ponente: Mike King, iPullRank

Charla: F*ck It, I’ll Do It Myself

Ponencia combativa de Mike que denunció que la mayoría del software SEO comercial sigue haciendo cuentas léxicas (TF-IDF, BM25) con un wrapper de ChatGPT por encima, mientras Google opera con búsqueda semántica desde 2013.

La industria ha ignorado las filtraciones de Google y los hallazgos del juicio antimonopolio del DOJ (más de 14.000 puntos de datos) y sigue vendiendo aproximaciones a PageRank cuando los vector embeddings son hoy infinitamente más importantes.

Faltan métricas confirmadas, índices públicos de embeddings, modelos híbridos y herramientas que monitoricen el código HTTP 499 (cuando un agente de IA cancela la petición porque tu servidor tarda demasiado).

Su respuesta no fue queja, fue un kit completo de herramientas open source:

• Search Telemetry Project (rastreador con 3.000 métricas depuradas de las filtraciones)
• Vactor (red distribuida de embeddings)
• Vector Workstation (mapas temáticos 3D)
• Q4ia Cloud
• Agent Skills Manager

Stack recomendado: N8N, Ollama, Gemma para embeddings, language-track para chunking.

Su pregunta final: ¿estás jugando para ganar, o jugando por jugar?

Me resulta familiar porque……mira la home de mi web :)

Sigue al autor:

https://x.com/iPullRank
https://www.linkedin.com/in/michaelkingphilly

4. Noah Learner (Sterling Sky)

Ponente: Noah Learner, Sterling Sky

Charla: Build the Tool Your Team Actually Needs

Noah llevó la idea de Mike al plano práctico mostrando SEO Loop, una plataforma que construyó él solo con Claude Code para resolver un dolor real que sufren las agencias (la rotación de clientes).

En lugar de informes con impresiones y rankings, traduce el volumen de búsqueda directamente en una fórmula de ingresos como volumen × CTR × AOV × tasa de conversión × tasa de lead y lo conecta con paneles ejecutivos, descubrimiento de oportunidades automático y mapas temáticos por cuadrantes.

Consejo técnico (que se repitió en otras ponencias): domina el contexto del LLM. Trabaja siempre dentro del primer 20% de la ventana de contexto, condensa al cambiar de sesión, reduce tu CLAUDE.md al mínimo imprescindible.

Sus reglas estrictas (límite de 500 líneas por commit, prohibición de deploys los fines de semana, tests de “forma” obligatorios) hicieron caer su tasa de errores del 80% al 15%.

La reflexión de fondo es que ser SEO experto en tu dominio + IA puede igualar la producción de equipos de 5 a 20 personas.

Sigue al autor:

https://x.com/noahlearner
https://www.linkedin.com/in/noahlearner

5. Annie Cushing

Ponente: Annie Cushing

Charla: From Vibes to Veteran: 7 Tips to Disaster-Proof Your Code

Annie complementó la parte de seguridad con un repaso a desastres reales del último año:

• bases de datos de producción borradas por agentes
• contraseñas “123456” en herramientas de IA con datos de 64 millones de candidatos
• código fuente expuesto
• bandejas de correo eliminadas

Su mensaje no fue alarmista, sino de añadir disciplina y tratar a la IA como a un nuevo empleado al que tienes que enseñar reglas explícitas.

Su manual práctico cubre cinco frentes:

• estructura y cumplimiento (nunca credenciales en código, archivos .env, archivo de reglas en .md)
• diseño modular (de un archivo de 6.000 líneas a 32 directorios bien estructurados, variables CSS para la marca)
• control de la IA (uno o dos intentos máximo y luego logging estratégico
• nunca dejar que adivine en bucle), dominio de Chrome DevTools (Capture Node Screenshot, pestaña Computed, copiar outerHTML como referencia)
• prevención de fallos (stability freezes, backups redundantes, CI/CD obligatorio).

Su técnica avanzada: fan-out / fan-in, usando un modelo potente como orquestador y agentes baratos en paralelo para tareas masivas.

Sigue a la autora:

https://x.com/AnnieCushing
https://www.linkedin.com/in/anniecushing

6. Dale Bertrand (Fire and Spark)

Ponente: Dale Bertrand, Fire and Spark

Charla: Prioritize Investments by Financial Impact

Dale empezó con la mejor analogía del día (y más tierna) que fue el puesto de limonada de su hijo, que hizo un test A/B (su hermana de dos años vs. el perro Ginger) sin importarle el rigor estadístico, porque solo quería una dinero para una Nintendo Switch.

Esa es la conversación con la dirección, las métricas tradicionales del SEO son precisas pero inútiles, hasta el 70% del tráfico originado por IA aterriza en GA4 como “directo”, sin atribución posible.

Su solución es el marco de las 3 T:

• métricas Tight (alineadas con lo que importa a la dirección: ingresos, payback, CAC)
• métricas True (direccionalmente correctas aunque no perfectas)
• métricas Translated (en lenguaje de negocio).

Y el fuzzy math como herramienta principal.

Caso real: una página comparativa de un competidor recibía solo 40 clics al mes según las herramientas, pero aparecía en el 64% de las respuestas de IA y el 10% de los leads la mencionaban en llamadas.

Multiplicando por 1.200 leads anuales, 500.000 USD de contrato y 20% de cierre, el riesgo era de 12 millones. El CFO aprobó el presupuesto en la siguiente reunión.

Sigue al autor:

https://x.com/dbertrand
https://www.linkedin.com/in/dalebertrand

7. Jori Ford

Ponente: Jori Ford

Charla: HEO: The Hybrid Engine Score

Jori propuso la herramienta interna que sostiene toda la conversación con la dirección, llamada HEO Score (Hybrid Engine Optimization), un sistema de puntuación semanal y reproducible que mide cinco señales:

• Presencia
• Prominencia
• Calidad de Citación
• Validación
• Impacto de Negocio

Sobre un grupo cerrado de 40 seed queries (no inventadas) extraídas de fuentes reales como Google Search Console, ventas, soporte y reseñas, el objetivo es dejar de saltar entre 20 herramientas con métricas subjetivas y consolidar un único marco de gobernanza.

El modelo permite elegir un perfil estratégico (Notoriedad, Conversión o Autoridad) que pondera las señales, e incorpora un protocolo de diagnóstico que solo activa la investigación cuando hay un “colapso de señal” real, definido como una caída de 3 puntos.

Su caso con Aspen Group reveló hallazgos imposibles de detectar con métricas aisladas, ya que las consultas locales pesaban cuatro veces más en LLMs que en Google y la nota umbral para recomendaciones especializadas (ej. dentista) era ya superior al clásico 4,6.

La disciplina, dice Jori, reduce el análisis a unas 2 horas semanales y genera la confianza ejecutiva que sobrevive a cualquier cambio de algoritmo.

Sigue a la autora:

https://x.com/chicagoseopro
https://www.linkedin.com/in/chicagoseopro

8. Metehan Yeşilyurt

Ponente: Metehan Yeşilyurt

Charla: Everything Is an Entropy Game: What Dies Between Retrieval and Citation

Metehan dedicó un año a reverse-engineering de configuraciones reales de ChatGPT, Perplexity y Gemini y volvió con una tesis poderosa de que todo es un juego de entropía.

Los re-rankers actuales son, en esencia, máquinas de confianza que puntúan cuánto reduce un pasaje la incertidumbre de la respuesta. El lenguaje vago, las hedging phrases, el contenido condicional y los idiomas con tokenización ineficiente (alfabetos no ingleses, emojis) aumentan entropía y son penalizados.

Lo confiable, fresco y estructurado gana, esto explica por qué páginas mediocres pero consistentes superan a páginas brillantes pero ambiguas.

Aportó además un dato incómodo para muchos editores ya que en sus experimentos con SEO programático masivo, el tráfico de bots de IA (GPTBot, ChatGPT-User) ya supera al tráfico orgánico tradicional de Google en bastantes ecosistemas.

Bloquear CCBot de Common Crawl para “proteger” el contenido es un error estratégico y te expulsa del centro de gravedad algorítmico desde el que se construyen las próximas generaciones de modelos.

A considerar: auditar logs en busca de errores 4xx hacia bots de IA, porque a veces arreglar un solo problema de rastreo dispara la visibilidad.

Sigue al autor:

https://x.com/metehan777
https://tr.linkedin.com/in/metehanyesilyurt

9. Scott Stouffer

Ponente: Scott Stouffer

Charla: Is AI Seeing the Brand You Think You’ve Built?

Scott aportó la idea más conceptual y, para muchos, la más reveladora del día: tu marca existe como un objeto matemático dentro de los sistemas de IA.

Cada fragmento de tu contenido se convierte en un vector, los vectores se agrupan en clústeres de significado y el punto medio de todos ellos es el centroide.

Ese centroide es la identidad real de tu marca para la IA, independientemente de lo que digan tu home, tu manual de marca o tus guías de tono.

El problema es la convergencia, ya que, como casi todas las marcas siguen las mismas mejores prácticas, usan las mismas fuentes y estructuras, sus centroides colapsan en la misma región del espacio, entonces para la IA, son sustituibles.

Y ser sustituible es el mayor riesgo porque el sistema solo recupera a un par de representantes y descarta al resto. La solución no es publicar más, sino publicar diferente, encontrar el ángulo que aleje tu centroide de la zona de colisión.

Y abandonar la optimización estática para adoptar un ciclo continuo de medir, ajustar y volver a medir, porque cada nueva pieza tira ligeramente del centroide y, sin control, deriva hasta fragmentar la identidad de la marca.

Sigue al autor:

https://x.com/scott_stouffer
https://www.linkedin.com/in/scottstouffer

10. Jeff Coyle (Siteimprove)

Ponente: Jeff Coyle, Siteimprove / ex-MarketMuse

Charla: From Showing Up to Winning

Jeff cerró el día tirando del hilo entre todas las ideas anteriores. Según él medir apariciones y citas es insuficiente, hay que entender el mecanismo.

La elegibilidad técnica (rastreabilidad, renderizado, encabezados semánticos, accesibilidad) es la primera barrera y la mayoría de los fracasos en búsqueda IA empiezan ahí.

Lo ilustró con un caso real de una gran organización sanitaria que publicó artículos de “mitos sobre enfermedades” con encabezados mal estructurados y la IA acabó atribuyéndoles que respaldaban los mitos como causa real. Una crisis de relaciones públicas valorada en miles de millones, contenida en pocos días gracias a la monitorización.

Una vez superada la elegibilidad, Jeff explicó que Google ya no hace una búsqueda lineal sino que ejecuta query fanout (hasta 15 consultas paralelas con 20 resultados cada una), formando un pool de 600 candidatos para cubrir todo el viaje del usuario.

Ahí es donde compite el pasaje o porción de texto, no la página, cada afirmación se evalúa por separado y, si no aporta ganancia de información ni puede corroborarse, se descarta y arrastra a sus vecinas.

El atajo de añadir bloques de FAQ con schema al final de la página es una trampa, a veces hace falta construir 12 artículos robustos para mover la selección de un solo pasaje.

Su frase final: para 2026, cada pasaje/porción importa.

Sigue al autor:

https://x.com/jeffrey_coyle
https://www.linkedin.com/in/jeffcoyle

El artículo Resumen de #SEOWeek 2026 NY – Día 1 apareció primero en MJ Cachón: Consultora SEO.

Si tuviera que resumir el tono general de las conversaciones en una sola sensación, diría que fue una mezcla de vértigo y madurez, por la velocidad del cambio y porque, pese al ruido, el mensaje fue sorprendentemente claro: no estamos ante la muerte del SEO, sino ante la necesidad de hacerlo mejor.

El verdadero cambio: del clic a la visibilidad con impacto

Durante años hemos trabajado con una narrativa relativamente cómoda: más tráfico orgánico implica más oportunidades de negocio. Incluso cuando el “zero-click” empezó a ganar peso, seguíamos teniendo métricas que nos permitían explicar el rendimiento.

Hoy en entornos de búsqueda con IA, el usuario puede resolver gran parte de su proceso de investigación sin abandonar la interfaz, por lo que el clic ya no es el centro del sistema.

Lo que empieza a ganar relevancia es la visibilidad cualificada, esto pasa por estar presente en la respuesta, formar parte del consenso, ser mencionado como referencia.

Así que toca cambiar el marco mental y no quedarnos solo con el concepto de optimizar páginas, sino de entender cómo nuestra marca es interpretada por modelos que sintetizan información.

La pregunta deja de ser “¿en qué posición estamos?” para convertirse en “¿somos parte de la respuesta cuando el usuario manifiesta su problema?”.

Irremediablemente esto tiene consecuencias profundas en cómo medimos y cómo explicamos nuestro trabajo.

El gran elefante en la sala es la atribución

Uno de los momentos más honestos del panel llegó cuando hablamos de métricas, si sacamos el tema de la atribución, todos coincidimos en que ya era compleja antes de la IA, pero hoy se parece más a una caja negra.

El usuario puede descubrir tu marca en un LLM, buscarla después en Google, hacer clic en un anuncio de marca y convertir vía tráfico directo. ¿A quién va el mérito?

En muchos casos, la única forma de aproximarnos a la realidad está siendo combinar señales imperfectas, por ejemplo con medidas de atribución autodeclarada (“¿cómo nos conociste?”), hacer seguimiento de la evolución de búsquedas de marca, trackear el tráfico referido desde LLMs, hacer análisis cualitativo de llamadas comerciales o incluso menciones en conversaciones de ventas.

Ninguna métrica por sí sola nos ofrece la foto completa pero juntas quizás empiecen a dibujar una tendencia, no aspiremos a las certezas absolutas, no son posibles, así que abracemos los indicadores direccionales.

Curiosamente, esto nos acerca mucho más al branding que al performance puro, y eso que durante muuuuchos años el SEO se ha apoyado en la trazabilidad como ventaja competitiva frente a otros canales.

Ahora estamos obligados a dialogar con métricas más amplias, más estratégicas y, en cierto modo, más maduras.

Marca, entidad y coherencia, lo que siempre debimos hacer

Si algo quedó claro es que muchas de las “nuevas” recomendaciones no son realmente nuevas, son fundamentos que ahora se vuelven innegociables:

• Construcción de marca
• Consistencia en el discurso
• Trabajo real sobre autoridad temática
• Estructura clara
• Schema bien implementado
• Enlazado interno estratégico
• Digital PR que genere menciones coherentes
• Colaboración entre SEO, contenido, producto, branding y ventas

Lo que cambia no es la naturaleza del trabajo, sino el nivel de exigencia, ya que los modelos no solo rastrean una URL, también interpretan entidades, relaciones, contexto y la coherencia del mensaje en todos los «touchpoints» (web propia, perfiles profesionales, menciones externas, entrevistas, UGC) pasa a ser un activo estructural.

En este sentido, uno de los enfoques más interesantes fue el de buscar formas de trabajar desde la investigación cualitativa como hablar con clientes, con equipos de ventas, con soporte.

Entender cómo describen realmente el producto, construir un glosario propio y hacerlo consistente en todos los canales.

Esa consistencia semántica es la que permite que los modelos asocien tu marca con determinados conceptos, no es una táctica rápida, es estrategia.

Internacionalización y sesgos: el reto añadido

Desde la perspectiva internacional, también se puso sobre la mesa un problema que no podemos ignorar, el sesgo hacia el inglés en muchos sistemas de IA.

Incluso cuando la consulta se realiza en otros idiomas, el contenido anglosajón domina con frecuencia las respuestas.

Para marcas europeas o latinoamericanas, esto supone competir en un terreno donde el contexto cultural y lingüístico no siempre juega a favor.

La construcción de autoridad se vuelve todavía más compleja, especialmente para proyectos nuevos o jóvenes.

La solución no pasa por abandonar la estrategia local, sino por reforzar la diferenciación, el “information gain” y la claridad de posicionamiento.

Si no puedes ganar por volumen histórico, tendrás que ganar por enfoque único.

¿Qué podemos esperar de 2026?

Las predicciones fueron variadas, pero hubo algunos puntos en común.

• La personalización va a intensificarse. Si hoy el seguimiento de prompts ya es frágil, en un escenario donde cada usuario tiene un historial y un perfil persistente, la idea de medir “la respuesta estándar” será cada vez menos representativa.
• La publicidad dentro de interfaces de IA crecerá. La visibilidad orgánica seguirá siendo relevante, pero convivirá con modelos de monetización más agresivos.
• El contenido audiovisual y el generado por usuarios ganará peso como fuente de entrenamiento y referencia. Y la presión hacia demostrar impacto real de negocio será cada vez mayor, especialmente en grandes organizaciones.

En otras palabras, menos métricas de vanidad, más responsabilidad sobre resultados.

Una conclusión incómoda pero necesaria

Si tuviera que quedarme con una idea final del panel, sería la de que el SEO está dejando de ser una disciplina centrada en la optimización táctica para convertirse en una disciplina de alineación estratégica.

Alinear marca, producto, contenido, experiencia y datos, entender que la visibilidad ya no se limita a una SERP clásica.

Aceptar que la atribución perfecta probablemente no volverá, y pese a todo, seguir siendo capaces de explicar con claridad qué problema estamos resolviendo y qué impacto generamos.

No es el momento de perseguir cada novedad con ansiedad, es el momento de reforzar fundamentos, escuchar más a los usuarios y asumir que nuestro trabajo, ahora más que nunca, está directamente conectado con cómo se entiende y se percibe la marca en un ecosistema donde las respuestas se sintetizan.

Y eso, lejos de reducir el papel del SEO, lo eleva.

El artículo SEOFOMO Berlín: SEO, AI Search y el nuevo terreno de juego en 2026 apareció primero en MJ Cachón: Consultora SEO.

Podemos aprender prácticamente en cualquier sitio y situación, lo importante es querer escuchar el punto de vista de otros y entender en qué se fijan o se preocupan.

El primer evento de 2026 que asisto es WTSFest London 2026, evento organizado por The community for Women in Tech SEO (and beyond), iniciada por Areej AbuAli en 2019 y que actualmente tiene un alcance global, también promovida por Erin Simmons, Himee Senanayake, Hannah Smith, Holly Durn y un amplio equipo de colaboradores.

Aunque como ellas dicen, ojalá algún día no hagan falta comunidades como esta…

¿Qué aprendí durante ese día en Londres? Vamos a por las charlas :)

When Agents Meet Websites: How to Get Up to Speed for 2026

Charla de Crystal Carter, Head of AI Search & SEO Comms, Wix.

Crystal habló de algo que, siendo sincera, me parece uno de los temas más disruptivos del momento: la «web agéntica». Un nuevo paradigma donde los agentes de IA actúan como usuarios, tomando decisiones de compra y navegando en nombre de los humanos.

Para mi todavía un tema en el que no he podido profundizar del todo.

Analizó los cuatro canales de interacción agéntica (navegadores agénticos, chats con LLM, herramientas agénticas y agentes dedicados) y cómo cada uno redefine el embudo de marketing. La parte más práctica se centró en cómo optimizar nuestros activos digitales para estos nuevos «clientes no humanos»:

• CTAs claros con HTML correcto (los navegadores agénticos usan tecnología de lector de pantalla)
• documentación en Markdown
• llms.txt
• APIs robustas
• la necesidad de registrarse en protocolos de comercio emergentes.

Aprendizaje SEO: Los agentes de IA no son un canal más, sino una nueva clase de clientes con capacidad de decisión. El estándar llms.txt puede reducir el consumo de tokens de 15.000 a solo 158 para transmitir la misma información. Debemos proporcionar evidencia clara en nuestros dominios que respalde las decisiones que estos agentes tomen en nombre de los usuarios.

Recursos:

https://www.wix.com/studio/ai-search-lab/agentic-web-website-optimizations
https://www.wix.com/studio/ai-search-lab/agentic-web-will-change-everything

How to Use Data to Get Buy-In for SEO: Real-World Strategies

Charla de Tina Reis, SEO Consultant.

Tina abordó algo que nos frustra a todos: tener las mejores recomendaciones SEO y que no se implementen. Su propuesta pasa por dominar el «storytelling de datos», combinando argumentos basados en datos con narrativas emocionales.

Creo que es una de las charlas que más me ha gustado, por sencillez y tener ese toque estratégico sin pretender destacar.

Traducir siempre al lenguaje del stakeholder (ingresos y ROI, nunca clics o impresiones), estructurar cada propuesta como una historia con inicio, conflicto y resolución, y usar visualizaciones limpias donde el color guíe la atención hacia el mensaje clave.

Un detalle que me pareció muy acertado fue el de cambiar el «yo» por el «nosotros» para que el stakeholder se sienta parte de la solución.

Aprendizaje SEO: Solo tienes entre 3 y 8 segundos para captar la atención de un stakeholder. Formula tu petición en una sola frase, tradúcela a métricas de negocio y sé específico en lo que necesitas que hagan (aprobar, crear un ticket, dar feedback). La diferencia entre un SEO que propone y un SEO que consigue que las cosas se implementen está aquí.

Accede a los recursos de la charla: https://drive.google.com/drive/folders/1QpWSD-b9ntALY8jS1XBzOtF_Oj1p6CTx

Crafting Content with Purpose: Making Your Words Work Harder

Charla de Zoe Burke, Head of Content, Brand & Social, Bridebook

Zoe presentó una filosofía que comparto al 100%: dejar de producir contenido por producir. Su pregunta recurrente ante cualquier petición es «¿cuál es el punto?», y a partir de ahí desarrolló un marco de cinco principios:

1. cuestionar el propósito
2. comprender la intención profunda del usuario
3. investigar de forma realista (sí, leyendo a competidores)
4. planificar desde el inicio para múltiples canales
5. optimizar de forma integral

Su idea más potente es que el «contenido evergreen» ha muerto. En un entorno de rankings tan volátiles, cada pieza necesita un «plan de evolución» con incorporación de vídeo a los 3 meses y revisión completa a los 6.

Aprendizaje SEO: Cada pieza debe planificarse para múltiples canales desde el inicio y tener una cadencia de actualización documentada. El contenido de «uso único» es un desperdicio de recursos cuando pensamos en el coste de oportunidad de no generar impacto.

AI Search: Where Are We So Far & How to Win in the Current Landscape

Charla de Aleyda Solís, SEO Consultant & Founder, Orainti & SEOFOMO

Aleyda nunca decepciona.

Desmontó con datos el mito de que la IA mata al SEO. Google sigue con 84 mil millones de visitas frente a los 5.500 millones de ChatGPT, una diferencia de 15x.

Eso sí, el cambio de paradigma es real porque el 49% de las búsquedas en OpenAI ya son conversacionales y la IA usa «passage-level content matching» para extraer fragmentos de cualquier página accesible, invalidando el mapeo uno a uno entre página y keyword.

Su estrategia se articula en tres pilares:

1. replantear el éxito midiendo visibilidad y citaciones en respuestas de IA a nivel temático
2. construir autoridad temática integral cubriendo todo el customer journey
3. consolidar la confianza a través de señales externas (PR, redes sociales, gestión de comunidad).

Aprendizaje SEO: La IA puede extraer contenido de cualquier página accesible de tu sitio (FAQs, soporte, producto, blog) para construir sus respuestas. Cada pieza de contenido es una oportunidad de ser citado. Deja de obsesionarte con rankings individuales y empieza a medir tu cuota de presencia y sentimiento en respuestas de IA a nivel temático.

Accede a la charla: https://speakerdeck.com/aleyda/ai-search-where-are-we-so-far-and-how-to-win-in-the-current-landscape

Debunking and Demystifying Generative Information Retrieval

Charla de Dawn Anderson, Founder, Bertey

Qué ganas tenía de ver a Dawn en directo y me encantó.

Ofreció una charla tremendamente necesaria porque la industria del SEO tiende a «rellenar huecos» cuando falta conocimiento y a convertir términos técnicos en tácticas simplistas.

Deconstruyó tres conceptos de moda y sentó las bases para que no haya tanto «cuñadismo».

• El «chunking» pertenece al preprocesamiento en ML y Google evalúa páginas de forma holística, así que sobreoptimizarlo es contraproducente.
• El llms.txt es un protocolo en etapa temprana para agentes, no una señal de ranking, con adopción «muy, muy baja».
• Y el «information gain» viene de la teoría de la información de Shannon (1948) y se usa en árboles de decisión, no es simplemente «añadir información nueva».

También lanzó una advertencia sana contra el «patent worship» ya que la mayoría de las patentes no llegan nunca a producción y por el «aura de patente» muchas veces se dan como algo firme y consolidado.

Aprendizaje SEO: No conviertas conceptos de machine learning en tácticas SEO sin entender su origen. Estructura tu contenido semánticamente, escribe de forma natural para humanos y prioriza calidad sobre micro-optimización. La curva de aprendizaje actual es la más exigente de la historia del SEO porque une marketing con ML y ciencia, disciplinas que no convergen de manera natural.

Accede a la charla: https://speakerdeck.com/dawnieando/debunking-and-demystifying-generative-information-retrieval

6 AI Content Workflows to Diversify your Traffic Sources

Charla de Chima Mmeje, Senior Content Marketing Manager, Moz

Chima presentó una masterclass sobre cómo usar LLMs como colaboradores reales, con los webinars como eje estratégico.

Su principio es rotundo: «garbage in, garbage out». Sin instrucciones detalladas, contexto profundo y feedback iterativo, los resultados serán mediocres.

El flujo que mostró es muy completo, empezando desde la creación de landings con GPT (donde la V1 es «absolutamente basura» y se refina iterativamente) hasta secuencias de emails donde el primero apela al miedo y el cuarto al FOMO.

Resultado: 1.738 inscripciones, con más del 70% impulsadas por el email de FOMO.

Y lo mejor es que cada webinar se reutiliza en blog, YouTube, podcast, social, activos descargables y remarketing.

Un solo descargable generó 1.400 leads.

Aprendizaje SEO: No uses la IA para acelerar; úsala para multiplicar el valor de cada pieza. Escribe en lotes pequeños (un subtítulo a la vez), invierte en feedback detallado y personaliza siempre. La diferencia entre contenido que convierte y contenido que pasa desapercibido sigue estando en la intervención experta.

Everyone Needs an AI Agent in 2026…Except Me!

Charla de Marie-Paule Kenmogne, Founder

Marie-Paule compartió un viaje muy honesto en el que nos podemos ver reflejado cualquiera, su sentimiento de ansiedad por ser reemplazada por la IA (incluso consideró abrir un food truck) hasta convertirse en arquitecta de sistemas de automatización SEO.

Su experimento fue revelador, me sentí tan identificada con su journey y su proceso….

Ella envió 900 keywords a un agente de OpenAI para hacer clustering y solo clasificó el 20%. Al rediseñar el proceso dividiendo en lotes de 80 keywords, con un LLM para clustering y otro para limpieza, logró procesar 10.000 keywords en 5 segundos con el 100% clasificado.

La diferencia no fue la herramienta, fue el proceso diseñado por el humano. Propuso dedicar el 50% del tiempo a estrategia y diseño de sistemas, 30% a construcción de herramientas y 20% a revisión experta.

Aprendizaje SEO: Tu ventaja competitiva ya no está en la ejecución manual, sino en diseñar la lógica que gobierna los sistemas. Un LLM no sabe si su resultado es correcto ni si la tarea tiene sentido estratégico. Esto conecta directamente con la visión del SEO estratégico, precisamente entender los problemas antes de lanzarse a las soluciones.

Reddit Joins the Search Wars: Building Authentic Content in an AI Era

Charla de Victory Umurhurhu-Michael, Founder & Marketing Consultant, Contenticore

Victory presentó datos difíciles de ignorar, solo el 37,5% de los clics en Google van a la web abierta, Reddit ha crecido un 1.300% en visibilidad en Google entre julio 2023 y abril 2024, y es la segunda fuente más citada en resúmenes de IA (gracias a acuerdos con Google por 60M$ y con OpenAI).

Su metodología tiene 3 fases:

1. investigación pasiva en 10-20 subreddits relevantes
2. contribución contextual aportando valor genuino antes de promocionar nada
3. «catalizador de conversaciones» iniciando discusiones con fórmulas como AIDA, FOMO y ganchos con datos concretos.

El mensaje de fondo es que si tu marca no participa, cede el control de su narrativa en las respuestas de IA.

Aprendizaje SEO: Si tu marca no está en las conversaciones de Reddit relevantes para tu industria, estás cediendo cómo apareces en las respuestas generadas por IA. La confianza se gana participando con valor genuino, no con promoción corporativa. El 90% de los consumidores valora la autenticidad, y Reddit es donde están las experiencias reales.

Aunque en Laika hicimos un estudio de hábitos de búsqueda y sabemos que el uso de Reddit es muy bajo en España, quizás te encuentas en uno de los sectores en dónde si genera uso e interacción, no obstante, considerar usarlo no es mala decisión per sé, valora esfuerzo vs beneficio antes de decidir implicar recursos.

Edges to Centre: Turning What Makes You Different Into Your Superpower

Charla de Mo Kanjilal Williams, Founder & Director, Edge Of Difference

Mo se apartó del SEO técnico para hablar de diversidad e inclusión en nuestro sector. A través de su historia como hija de inmigrantes indios en el Reino Unido ilustró cómo la conformidad frena la innovación.

Su punto de inflexión fue un jefe que le dijo «deja de intentar parecerte a los demás, tienes cosas que otros no pueden hacer». Eso mismo con datos nos deja que solo el 6% de los CEOs son personas de color, solo 1 de cada 3 puestos de liderazgo en UK es ocupado por mujeres, y publicaciones de mujeres negras y del sur de Asia reciben menor aparición algorítmica para keywords equivalentes.

Aprendizaje (profesional): La homogeneidad frena la innovación, también en equipos SEO. Buscar activamente perfiles diversos al reclutar y colaborar no es solo ética, es ventaja competitiva. En un momento donde la capacidad de adaptación es clave, las mejores ideas vienen de personas que ven el mundo de forma diferente.

Accede a la charla: https://drive.google.com/file/d/1H05tDpNUKN1PVnBuvAr_mg9V-c9MT-JF/view

Fireside Chat: Redefining Strength, Authenticity, & Wanting More

Enrtevista a Poorna Bell, Author, Journalist, & Public Speaker.

Poorna Bell, autora de «Stronger», cerró el evento con una conversación sobre fuerza física y mental, identidad y narrativas limitantes.

Tras la muerte de su marido en 2015, descubrió su dependencia de la fuerza física masculina, lo que la llevó al levantamiento de pesas y a deportes de combate.

Introdujo el concepto del «yo gusano» (worm self), una versión disminuida de uno mismo que surge en entornos hostiles y que, a diferencia del síndrome del impostor, se origina en experiencias negativas reales.

También habló sobre el poder de la comunidad, cómo el ejercicio centrado en el rendimiento la desvinculó de la cultura de la dieta, y sobre la autocompasión como herramienta de crecimiento.

A sus 45 años, es más fuerte que nunca.

Aprendizaje (profesional): El «yo gusano» no se combate solo con empoderamiento individual, requiere cambio institucional, sistemas de apoyo y comunidades que celebren la diferencia. En un sector tan exigente como el nuestro, rodearte de una comunidad que te amplifica es tan importante como dominar las últimas herramientas.

Accede a las charlas en vídeo

Si quieres, puedes adqiuirir acceso para ver los vídeos

Hazlo desde aquí: https://ti.to/women-in-tech-seo/wtsfest-london-2026

Mi opinión del evento y si merece la pena…

El artículo #WTSFest London: lo que aprendí apareció primero en MJ Cachón: Consultora SEO.

Me he propuesto intentar responder a una pregunta que me rondaba la cabeza: ¿podemos usar técnicas estadísticas avanzadas para entender la la distribución de la competencia en un sector SEO de verdad? Me refiero no solo mirar métricas individuales (posición media, clics, CPC…) sino encontrar patrones ocultos, identificar oportunidades reales y medir la eficiencia de cada competidor.

Te cuento lo que he hecho.

El contexto: SEO en el sector automoción en España

El sector del motor en España mueve muchos millones de búsquedas mensuales, es un mercado maduro, muy competitivo, donde las primeras posiciones se traducen directamente en leads y comisiones.

Para este estudio analicé 6 portales líderes del sector: autoscout24, flexicar, coches.com, km77, autocasion y ocasionplus.

Entre todos, recopilé más de 5.000 keywords únicas posicionadas en la primera página de Google España durante octubre de 2025, para llevar a cabo varias técnicas estadísticas objeto del temario del máster, principalmente centradas en territorios clave: las búsquedas orgánicas relacionadas a marcas de coches.

Qué técnicas estadísticas he utilizado

La gracia del estudio está en combinar varias técnicas multivariantes aplicadas al SEO para llegar a información que no veríamos con análisis tradicionales:

1. Clustering jerárquico para identificar arquetipos o clusters estratégicos de portales
2. Análisis de Correspondencias (CA) para mapear el la competencia considerando marcas de coches y portales.
3. Variables suplementarias para proyectar métricas comerciales sobre el espacio factorial

Y además añadí dos métricas más específicas y construidas ad-hoc:

• el Share of Voice (SOV), que es una ponderación de clics por posición para intentar capturar la cuota de mercado orgánica que se traduce en tráfico.
• el Índice de Eficiencia Competitiva (IEC), que mide cuánto valor captura cada portal en relación al esfuerzo invertido.

La métrica IEC demuestra algo contraintuitivo: más keywords no significa necesariamente más negocio.

Nota: ambas métricas pueden tener limitaciones y seguramente pueden refinarse mucho más usando pesos o ponderaciones en base al sector de estudio. Por simplicidad, en este trabajo se han usado sin pesos.

Análisis exploratorio: lo que nos dicen los datos antes de aplicar las técnicas estadísticas

Antes de lanzar los análisis estadísticas, es fundamental entender cómo se distribuyen las variables.

Lo primero que salta a la vista: volumen y clics siguen distribuciones log-normales con colas muy largas. Esto significa que el 25% de las keywords captura la mayor parte del tráfico.

La famosa ley de Pareto aplicada al SEO: pocas keywords generan muchos clics, mientras que la mayoría son de long-tail o nicho.

Correlaciones que validan (y cuestionan) intuiciones

La matriz de correlaciones nos da pistas interesantes, aunque como siempre se dice, «correlación no implica causalidad»:

La correlación CPC-competencia tan baja es sorprendente, la intuición dice que keywords muy competidas deberían tener CPCs altos, pero no es así: el CPC refleja más el valor intrínseco de conversión que la presión competitiva pura. Keywords de nicho con alta intencionalidad pueden tener CPCs elevados sin competencia extrema.

Y la correlación casi nula entre posición y clics se explica porque estamos mirando datos agregados de múltiples portales: un portal puede tener keywords en posición 8 con alto volumen que generan más clics que keywords en posición 2 con volumen bajo.

Especialización por marca

Dado que el 100% del corpus está basado en keywords de que incluyen marcas de coche, alrededor de 60, el heatmap resultante revela patrones claros:

Se identifican 3 clusters naturales:

• Cluster Premium: BMW, Mercedes, Audi, Porsche → dominado por autoscout24 y flexicar
• Cluster Generalista: Renault, Ford, Toyota, Seat → cobertura equilibrada
• Cluster Nicho: Suzuki, Fiat, Mitsubishi → especialización de ocasionplus

Resultados del clustering: tres arquetipos estratégicos

El clustering jerárquico con método Ward identifica tres grupos diferenciados aplicado a los portales:

• Cluster 1 – Seguidores: autocasion y ocasionplus. Posición débil (7.4), bajo % Top 3 (2.5-4.9%), Shre of Voice (SOV) limitado.
• Cluster 2 – Retadores Eficientes: autoscout24 y km77. Balance volumen-calidad óptimo (23-34% Top 3).
• Cluster 3 – Líderes Dominantes: cochescom y flexicar. Máximo SOV y CPC elevado (0,49-0,56€).

Lo interesante es que los portales con más keywords (autoscout24: 1.483) no son necesariamente los más eficientes. Esto confirma que la escala y la calidad son dimensiones independientes, más adelante se observará con los gráficos de eficiencia.

El PCA complementa la visión

El biplot PCA captura el 90,4% de la varianza con solo 2 dimensiones:

• Dimensión 1 (61,6%): nos ofrece lascala de operación. Derecha = alto volumen, izquierda = alto valor
• Dimensión 2 (28,8%): nos ofrece la calidad de posicionamiento. Arriba = excelencia SEO, abajo = posicionamiento más débil

Esto confirma que volumen y calidad son estrategias independientes: un portal puede elegir entre amplitud (muchas keywords) o especialización (keywords de alto valor).

Análisis de Correspondencias: el mapa competitivo marca-portal

Aquí la cosa se pone ya muuuuuuy interesante. El CA transforma la matriz Marca × Portal en un espacio bidimensional donde podemos ver simultáneamente qué portales dominan qué marcas.

Las 2 primeras dimensiones capturan el 71,3% de la inercia total, suficiente para una interpretación robusta.

La interpretación de este espacio bidimensional es la siguiente:

• Dimensión 1 (45,4%): Eje Premium ← → Masivo
  • Derecha: marcas premium exclusivas (Porsche, Ferrari, Nissan)
  • Izquierda: marcas generalistas o masivas (Renault, Kia, Volkswagen)
• Dimensión 2 (25,8%): Eje de Especialización
  • Arriba: marcas con dominancia clara de un portal
  • Abajo: marcas con cobertura dispersa

Posicionamiento de cada portal

Cada portal ocupa una posición estratégica única dentro del espacio:

• autoscout24: en la parte más hacia la derecha, especialista absoluto en premium
• flexicar: en el cuadrante inferior izquierdo, cobertura amplia en alto valor
• cochescom: en el extremo inferior, especialización en Kia y Renault
• km77: en el centro del espacio, estrategia no diferenciada por marcas (compite por calidad de contenido)
• ocasionplus: en el extremo superior, alta especialización vertical (pocas marcas, fuerte dominancia)

Marcas que discriminan el mercado

Las 15 marcas con mayor contribución al espacio definen claramente los territorios:

• Porsche (21,1% de contribución a Dim1): define el segmento premium
• Kia (27,5% de contribución a Dim2): define la especialización vertical
• BMW, Mercedes, Toyota: en el centro del espacio, batalla de «todos contra todos»

El Índice de Eficiencia Competitiva (IEC)

Esta es la métrica propuesta para evaluar quién está haciendo las cosas bien de verdad, e ir más allá de posición y clics. La fórmula usada:

IEC = (SOV × CPC × Volumen) / (Competencia × Posición × 10.000)

La idea es simple: ponderar el valor del tráfico captado (numerador) contra el esfuerzo teórico requerido (denominador).

Donde SOV es una ponderación de clics por posición calculada así:

SOV = Sumatorio(Clicsx(11-Posición))

Ranking IEC:

1. flexicar (3.210.565): líder absoluto. Monetiza su especialización en renting/premium con eficiencia extrema.
2. cochescom (1.354.599): alto CPC compensa posicionamiento moderado.
3. autoscout24 (1.280.960): eficiente a pesar de operar en escala.
4. ocasionplus (331.334): CPC elevado no compensa posición débil.
5. km77 (279.193): penúltimo a pesar de mejor % Top 3. CPC bajo limita monetización.
6. autocasion (50.465): última posición. Sin especialización clara.

El IEC revela algo crucial: flexicar, con solo 1.018 keywords, supera en eficiencia a autoscout24 (1.483 kw) gracias a la especialización en términos de alto CPC. Y km77, líder en posiciones Top 3, queda penúltimo por cubrir keywords de bajo valor comercial, presumiblemente con su aportación en reseñas más informativas.

La eficiencia no está en el ranking, sino en la intención de búsqueda.

Oportunidades «océano azul»: dónde hay espacio para crecer

Usando el índice Herfindahl-Hirschman (HHI) para medir concentración competitiva, se pueden identificar marcas donde ningún portal tiene un dominio claro del territorio:

Marcas fragmentadas (HHI < 0.20) con alto valor comercial:

• Volkswagen: líder flexicar con 37,9%, ocasionplus con 36,3%
• Seat: fragmentado entre 3 portales
• Toyota: autoscout24 con 38,7% compite con flexicar (35,4%)

Estas marcas suman casi 800 keywords con CPC medio superior a la media del mercado. Un portal nuevo que conquistara un 25% de esas búsquedas podría añadir entre 35.000-50.000 clics mensuales, valorados potencialmente en más de 1M € al año.

Limitaciones enfrentadas

Algunas de las limitaciones a las que me he enfrentado:

• Datos estáticos (sin serie temporal)
• Cobertura parcial del mercado (~60%)
• CPC como proxy imperfecto del valor real
• Sensibilidad a la elección del número de clusters
• Contexto específico (automoción España)
• Muestra pequeña (solo 6 portales)
• Los datos de SISTRIX son una muestra y usa estimaciones de Clics

Además, hay muchos indicadores que se han quedado fuera y por tanto no están cubiertos en el estudio:

• Backlinks, factores on-page, UX
• Intención de búsqueda detallada
• Datos reales de conversión
• Contexto externo

Y lo más importante: cómo interpretar los resultados teniendo todo esto en cuenta, destacando que la metodología es el mayor aporte más allá de los números específicos.

Siguientes pasos: por dónde continuar este trabajo

Este TFM abre muchas puertas y líneas de trabajo que me gustaría explorar si tengo tiempo (y que quizás te interesen si quieres replicar o expandir esto):

1. Análisis considerando la dimensión temporal

El siguiente paso natural es repetir el análisis mensualmente durante 6-12 meses. Esto permitiría:

• Detectar tendencias: ¿los «seguidores» están creciendo o estancados?
• Validar estabilidad de patrones: ¿los arquetipos se mantienen o hay movimientos entre clusters?
• Correlacionar con updates de Google: ¿cómo afectan los Core Updates a cada arquetipo?
• Identificar estacionalidad: ¿hay marcas que ganan relevancia en ciertos meses (verano para descapotables, invierno para SUVs)?

2. Incorporar datos de Google Search Console reales

Una mejora sustancial sería sustituir los clics estimados por datos reales de GSC. Si tuviéramos acceso a los GSC de varios portales (aunque sea anonimizado), podríamos:

• Validar si las estimaciones de SISTRIX son precisas
• Calcular CTRs reales por posición y tipo de keyword
• Medir impresiones además de clics
• Añadir métricas de engagement (posición media real)

Con acceso a datos de GSC de un solo proyecto hay potencial de crear una estimación mucho más realista.

3. Análisis de backlinks y autoridad

Una pieza importante no cubierta es la popularidad externa. Añadir métricas de:

• Domain Rating (DR) o Domain Authority (DA)
• Número de dominios de referencia
• Perfil de anchor texts
• Ratio follow/nofollow
• etc.

Esto permitiría correlacionar autoridad con eficiencia competitiva. Mi hipótesis: los portales con mayor autoridad pueden permitirse competir en keywords más difíciles, pero los de menor autoridad compensan con especialización vertical.

4. Segmentación por intención de búsqueda avanzada

En el TFM usé categorías genéricas de intención (know, do, visit…) proporcionadas por SISTRIX. El siguiente nivel sería:

• Análisis semántico con NLP: clustering de keywords por similitud semántica usando word embeddings
• Clasificación automática de intención: entrenar un modelo que clasifique intención basándose en la keyword y el contenido de las URLs posicionadas
• Mapeo del customer journey: identificar en qué fase del funnel está cada keyword (awareness, consideration, decision)

5. Aplicación a otros sectores verticales

La metodología se puede replicar en:

• Inmobiliario: portales de venta/alquiler (Idealista, Fotocasa, Habitaclia…)
• Viajes: OTAs y comparadores (Booking, Kayak, Skyscanner…)
• Empleo: job boards (InfoJobs, LinkedIn, Indeed…)
• Finanzas: comparadores de productos financieros
• Salud: portales de información médica

Cada sector tendría sus propia categoría clave (en inmobiliario podrían ser zonas geográficas, en viajes los destinos, etc.), pero la lógica del CA y clustering se mantiene.

6. Análisis de contenido y factores on-page

Complementar con scraping de las URLs posicionadas para extraer:

• Longitud de contenido (word count)
• Uso de keywords en títulos, H1s, meta descriptions
• Estructura de encabezados
• Presencia de elementos multimedia
• Velocidad de carga (Core Web Vitals)

Todas esas variables podrían ser suplementarias a los análisis principales, para tener un contexto mayor.

Conclusiones y reflexión final

Después de semanas de análisis, código y gráficos, las conclusiones principales son:

1. Optimizar valor, no volumen: 300 keywords bien seleccionadas pueden generar más ingresos que 1.000 genéricas.
2. Buscar océanos azules con datos: marcas fragmentadas con valor alto y baja competencia son la mayor oportunidad. El método HHI + CPC permite identificarlas cuantitativamente.
3. Elegir especialización según recursos: la especialización vertical (pocas marcas dominadas) es más rentable con presupuestos pequeños; la especialización horizontal con grandes inversiones.
4. La paradoja de la calidad: tener muchas keywords en Top 3 no garantiza rentabilidad. km77 posiciona mejor que nadie pero en keywords informativas de bajo CPC.
5. La eficiencia es independiente de la escala: flexicar con menos keywords es 2,5 veces más eficiente que autoscout24.

El mensaje final es claro: los proyectos SEO en industrias muy competitivas, con ganar visibilidad no basta, hay que convertirla en valor. La estadística multivariante nos puede dar herramientas potentísimas que van más allá del análisis SEO tradicional.

Este marco, como ya he comentado, es replicable: clustering para segmentar competidores, CA para especializar por nichos, IEC para medir eficiencia. Se puede aplicar a cualquier mercado digital: inmobiliario, viajes, empleo…

Cualquier duda o aportación, deja un comentario o contáctame en privado.

¡Gracias por llegar hasta aquí!

El artículo Análisis de competencia SEO usando estadística: mi TFM de Estadística Aplicada con R apareció primero en MJ Cachón: Consultora SEO.

Para poder seguir este post vas a necesitar:

• Una licencia de pago de Screaming Frog + Código Javascript
• Una licencia de pago de SISTRIX + API KEY

¡Vamos a ver cómo hacerlo!

Consideraciones previas

Para poder hacer estas llamadas a la API de SISTRIX, necesitamos usar la funcionalidad Custom Javascript, que nos permitirá añadir un fragmento de código en este lenguaje y Screaming Frog se encargará de ejecutarlo durante el rastreo.

Se puede trabajar en modo lista (con una lista concreta de urls) o con el modo crawl, para rastrear el sitio basado en su enlazado interno, su sitemap y lo que queramos.

¿Pero qué necesitamos configurar para que funcione bien? Lo siguiente:

• Para ejecutar fragmentos de JavaScript personalizados, el modo de renderizado de JavaScript debe estar habilitado a través de ‘Configuración > Spider > Renderizado’.
• Para exprimir los custom javascript hay que entender la diferencia entre snippet de acción (hacen algo pero no devuelven datos) y de extracción (devuelven datos).
• Puedes definir los tipos de contenido en los cuales se ejecutará. Por ejemplo:
  texto/html o imágenes.

En nuestro ejemplo, usamos fragmentos de tipo extracción y aplicados a texto/html, es decir, urls posicionables de las que queremos obtener datos de visibilidad de la api de SISTRIX.

Los pasos a seguir serían:

• Configurar el rastreo con Render JS
• Añadir Custom Javascript de tipo Extracción
• Elegir el modo que nos interese, lista o crawl
• Esperar a que termine de rastrear
• Ir a la pestaña Custom Javascript a ver el resultado o verlo desde la pestaña Internal que contiene todos los datos de rastreo
• Optativamente, descargar

Veamoslo paso a paso.

Configuración de base

Activamos rendering js

Después añadimos los snippets Js desde Custom Javascript, uno por cada dato a extraer

De manera adicional, se puede:

• Hacer pruebas previas al rastreo, para testar que los códigos funcionan
• Guardar dichos snippets en nuestra librería

Cómo extraer el dato de una fecha específica añadida a mano

Primer ejemplo: añadir la fecha a mano y que Screaming Frog recorra las urls para hacer las llamadas a la api de SISTRIX.

El código de ejemplo:

const API_KEY = 'ADD_YOUR_API_KEY';
const DATE = '2025-10-06';   // Date in format YYYY-MM-DD
const COUNTRY = 'es';         // 'es','us','uk','de','fr','it'...
const FORMAT = 'json';
const DATA_PATH = ['answer', 0, 'sichtbarkeitsindex', 0, 'value'];

function fetchVisibilityIndex() {
    const url = `https://api.sistrix.com/domain.sichtbarkeitsindex?api_key=${API_KEY}&country=${COUNTRY}&date=${DATE}&format=${FORMAT}&url=` + encodeURIComponent(document.URL);
    
    return fetch(url)
        .then(response => {
            if (!response.ok) {
                return response.text().then(text => { throw new Error(text) });
            }
            return response.json();
        })
        .then(data => {
            let result = data;
            for (let key of DATA_PATH) {
                if (result[key] !== undefined) {
                    result = result[key];
                } else {
                    throw new Error('Value not found in the API response');
                }
            }
            return seoSpider.data(result);
        })
        .catch(error => {
            console.error('Error al obtener el índice de visibilidad:', error);
            return seoSpider.error(error);
        });
}

return fetchVisibilityIndex();

Cómo extraer el dato de una fecha de forma dinámica (el último lunes)

Otra forma de atacar este objetivo es intentar hacerlo dinámico y que sea el propio código el que siempre ataque la fecha que más nos interesa: el último lunes, dado que es cuando se actualiza el índice de visibilidad semanal de SISTRIX.

Aquí no nos tendríamos que preocupar de añadir fechas, simplemente, una vez tenemos el código creado, lo podemos añadir en nuestra librería dentro de Screaming Frog y a golpe de clic, lo añadimos a un rastreo siempre que queramos.

El código de ejemplo:

const API_KEY = 'ADD_YOUR_API_KEY';

// Función para obtener el lunes anterior
function getPreviousMonday() {
    const today = new Date();
    const dayOfWeek = today.getDay(); // 0=Domingo, 1=Lunes, 2=Martes, etc.
    
    let daysToSubtract;
    
    if (dayOfWeek === 0) {
        // Si es domingo, el lunes anterior fue hace 6 días
        daysToSubtract = 6;
    } else if (dayOfWeek === 1) {
        // Si es lunes, queremos el lunes anterior (hace 7 días)
        daysToSubtract = 7;
    } else {
        // Para martes a sábado, restamos hasta llegar al lunes de esta semana
        daysToSubtract = dayOfWeek - 1;
    }
    
    const previousMonday = new Date();
    previousMonday.setDate(today.getDate() - daysToSubtract);
    
    return previousMonday.toISOString().split('T')[0];
}

const DATE = getPreviousMonday();  // Fecha del último lunes calculada dinámicamente
const COUNTRY = 'es';              // 'es','us','uk','de','fr','it'...
const FORMAT = 'json';
const DATA_PATH = ['answer', 0, 'sichtbarkeitsindex', 0, 'value'];

function fetchVisibilityIndex() {
    const url = `https://api.sistrix.com/domain.sichtbarkeitsindex?api_key=${API_KEY}&country=${COUNTRY}&date=${DATE}&format=${FORMAT}&url=` + encodeURIComponent(document.URL);
    
    return fetch(url)
        .then(response => {
            if (!response.ok) {
                return response.text().then(text => { throw new Error(text) });
            }
            return response.json();
        })
        .then(data => {
            let result = data;
            for (let key of DATA_PATH) {
                if (result[key] !== undefined) {
                    result = result[key];
                } else {
                    throw new Error('Value not found in the API response');
                }
            }
            return seoSpider.data(result);
        })
        .catch(error => {
            console.error('Error al obtener el índice de visibilidad:', error);
            return seoSpider.error(error);
        });
}

return fetchVisibilityIndex();

Resultado después de rastrear con Screaming Frog

Después de que Screaming Frog termina de rastrear las urls en modo lista o si has rastreado el sitio completo, podrás ir a la sección de Custom Javascript y verás los resultados ahí.

Ideas adicionales para tener en cuenta

La api de SISTRIX tiene muchos otros métodos que podríamos usar al igual que los comentados aquí, por ejemplo:

• domain.kwcount.seo: extraer el recuento de keywords posicionadas en top 100
• domain.kwcount.seo.top10: extraer el recuento de keywords posicionadas en top 10

Revisar todas las opciones que tiene la api nos permitiría hacer una integración bastante rápida para nuestros rastreos.

En segundo lugar, también podemos considerar integrar esta conexión con la api de SISTRIX en nuestros procesos regulares de rastreos SEO.

Por ejemplo, si hacemos rastreos periódicos:

• Configuramos los snippets js
• Creamos la programación del rastreo incluyendo esta conexión de API
• Configuramos para que se descarguen los datos en Drive
• Configuramos para que se notifique por email a quien queramos

Sin duda, tenemos un mar de posibilidades si sabemos integrar las distintas funcionalidades.

Si te interesa alguna cosa específica con APIS, comenta y ampliamos el post o hacemos nuevos

¡Gracias por leer hasta aquí!

El artículo Cómo extraer la visibilidad de SISTRIX usando Screaming Frog apareció primero en MJ Cachón: Consultora SEO.

La legibilidad es una métrica que nos dice lo fácil que es leer y entender un texto, normalmente tendrá en cuenta la longitud de las frases, la complejidad de las palabras utilizadas y sobre todo, la estructura del lenguaje.

La métrica conocida por autonomasia es el Flesch Reading Ease, creada por Rudolf Flesch en 1948. Esta fórmula va a generar una puntuación que cuanto más alta sea, más fácil será leer el texto y nos servirá para identificar contenidos que pueden mejorarse y alinearse al nivel de nuestro público objetivo.

Relación de la legibilidad con el SEO

Llevamos años y años escuchando sobre EEAT, calidad de contenido y experiencia de usuario (UX) en todo lo referente a proyectos SEO. Si los buscadores premian los contenidos útiles, claros y suficientemente accesibles, la legibilidad puede ser un componente adicional a considerar o al menos, el punto de partida previo a analizar la calidad del contenido en si mismo.

Por otro lado, entender cómo interactúan los usuarios con nuestros contenidos puede ser clave para ofrecer los mejores contenidos, más fácilmente escaneables y sobre todo, comprensibles.

Cuando el texto es denso, mal estructurado o está lleno de tecnicismos innecesarios, genera fricción. Y donde hay fricción, el usuario abandona, desconfía o simplemente no entiende.

Además, en ciertos sectores complejos con que requieren un mayor nivel de investigación, motivación e incluso, atención, como los médicos o financieros, en los que el usuario puede partir de un nivel de conocimiento previo bajo, el lenguaje y redacción que usemos, puede complicarlo aún más.

Y recuerda, no escribimos simplemente por SEO, escribimos para conectar con el usuario y mostrarle que somos una opción para ellos, para eso hay que ser legibles, entendibles y mostrar todo nuestro expertise.

¿Por qué buscar alternativas para el idioma español?

La métrica original Flesch Reading Ease está pensada para el idioma inglés por lo que usarlo para el idioma español no es del todo fiable, sobre todo si nos fijamos en las diferencias entre ambos idiomas:

• En español hay frases mucho más largas
• Las palabras tienen más silabas
• Las estructuras sintácticas pueden resultar mucho más complejas
• Las conjugaciones verbales son más extensas

La justificación de crear este enfoque es que los idiomas son bastante diferentes:

Necesitamos un enfoque más granular y adaptado al idioma concreto, que evite lo sesgos al contener palabras más largas o palabras con mayor número de silabas.

Por estas razones, es mejor buscar una alternativa y no incurrir en «falsos positivos» o «falsos negativos» de legibilidad en nuestros proyectos en español.

¿Qué opciones tenemos como alternativa?

Flesch-Szigriszt

Una adaptación del índice Flesch al español es la fórmula matemática desarrollada por el investigador Pedro Szigriszt Pazos en 1993 que tiene en cuenta tiene en cuenta el número de palabras por frase y el número de sílabas por cada 100 palabras.

La fórmula que propone y sus coeficientes fueron ajustados empíricamente usando corpus españoles, por lo que esta adaptación no consiste en una mera traducción del índice Flesch basado en inglés.

Flesch-Fernández Huerta

Es una adaptación directa del Flesch Reading Ease, pero ajustada con pesos específicos para estructuras del español.

Es prácticamente la misma fórmula que Flesch-Szigriszt, pero aplicada con otra base de evaluación y es bastante común ver ambos autores relacionados.

A pesar de ello, es menos popular en la actualidad.

INFLESZ

Es una serie de métricas desarrolladas por Barrio-Cantalejo, que combina varias métricas para español sobre todo en el ámbito sanitario y académico. Probablemente en esos ámbitos sería el mejor método para usar.

No existe una fórmula pública tan clara y accesible como la de Flesch-Szigriszt, pero conceptualmente también usa sílabas/palabras/frases.

¿Por qué utilizar Flesch-Szigriszt?

Hay varias razones:

• Se ha testado en corpus reales de idioma español
• La interpretación es asequible y sencilla
• Es el más utilizado y popular

Podemos usar la fórmula original o la simplificada:

Ejemplo práctico

Si tuviéramos un texto con 100 palabras repartidas en 10 frases, esto supondría tener 10 palabras por cada frases. La fórmula de legibilidad original le restaría 10 puntos, en la simplificada 10,2.

Sin embargo si tuviéramos un texto con 100 palabras repartidas en 2 frases, esto supondría tener 50 palabras por frase. La fórmula de legibilidad original le restaría 50 puntos, en la simplificada 51.

El concepto es el mismo, el nivel de penalización puede variar.

Al final estos enfoques no hacen otra cosa que reafirmar las consecuencias que una redacción compleja puede tener en los usuarios:

• Sobrecarga cognitiva: cantidad de información para guardar en memoria
• Estructura compleja: lenguaje excesivamente subordinado
• Mayor riesgo de confusión: sería más fácil perderse en la lectura por la estructura

Interpretación de los datos

Usar la original o la simplificada dependerá de cómo de concisos queramos ser y del contexto del proyecto que analicemos.

Mientras que la simplificada está basada en coeficientes reescalados del modelo inglés y tiende a suavizar los resultados, pero puede fallar en textos con muchas palabras de más de 3 sílabas, la original está testada y validada en corpus en español, además de adaptarse de forma más exacta al lenguaje.

Sin embargo, para estudios o análisis de gran escala quizás es suficiente con usar la fórmula simplificada y si nos vamos a adentrar en estudios más académicos o de accesibilidad, podemos usar la fórmula original.

Para interpretar el índice Flesch-Szigriszt, cuanto más alto el valor, más fácil es de leer.

Tal y como recomienda Olga Carreras en su artículo sobre legibilidad:

«Si hubiera que seleccionar por tanto la fórmula más adecuada hoy en día para medir la legibilidad de textos en español, creo que podemos decir que sería la fórmula de Flesch-Szigriszt, pero usando para la interpretación de la puntuación obtenida la escala de Inflesz «.

Por tanto, estos serían los rangos de la puntuación y sus niveles de legibilidad o tipo de lector usando la escala de Inflesz:

Para interpretar los datos podemos establecer que textos para público general deberían estar a partir de 65.

En base al tipo de proyecto en el que estemos y el nivel de conocimiento de los usuarios, podríamos establecer nuestros propios rangos, por ejemplo, una temática técnica puede permitirse tener valores más bajos pero si los usuarios no son expertos, no podrán entender el contenido, son las dos variables a considerar.

Por ejemplo, para textos cuyos índices estén por debajo de 55 nos podemos plantear simplificar la sintaxis, reducir frases largas y evitar palabras complejas.

También esta métrica se puede usar en conjunto con otras técnicas de análisis cualitativo con usuarios, ya sea con grabaciones de usuarios, encuestas o sistemas de eye tracking.

Por último, es altamente recomendable tener presentes los patrones de consumo de contenido que hacen los usuarios online, como los patrones F y otros patrones que sugieren la existencia de factores por los que la gente escanea y no lee, entre otras cosas.

Como configurar Screaming Frog para analizar la legibilidad en idioma español: paso a paso

Dado que Screaming Frog aún no tiene una métrica específica para español podemos crearla a medida usando su opción Custom Javascript.

Voy a dar dos formas de hacerlo, en ambas, el path a seguir es el mismo, lo explico paso a paso.

Paso 1: configuración

Para usar esta funcionalidad es preciso utilizar renderizado JavaScript en:

Crawl Config > Spider > Rendering

Una vez hecho esto, ya podemos ir a nuestros snippets JavaScript desde:

Crawl Config > Custom > Custom JavaScript

Paso 2: añadir código desde cero o desde la librería

Llegaremos a algo como esto:

• Utilizamos «Add» cuando queremos crear un snippet JS desde cero, en blanco.
• Utilizamos «Add From Library» cuando queremos acceder a los snippets JS guardados que vienen por defecto o aquellos que hayas guardado previamente para usar más veces.

Ahora vamos a ver cómo es el panel donde subir nuestro codigo asumiendo que hemos elegido «Add» para empezar en blanco:

• El panel izquierdo es donde pegaremos nuestro código
• Podemos elegir si el snippet JS ha de extraer información (calcular y devolver el dato de legibilidad) o de llevar a cabo una acción (ejemplo: hacer scroll), hay más información de esto en la web oficial.
• También podemos elegir a qué tipo de contenido aplicar el snippet JS
• Si es un snippet común que solemos usar, podemos guardarlo en «Add Snippet to User Library», para acceder a él rápidamente en otros rastreos.
• Por último, en la zona derecha se podrán probar los snippet JS antes de rastrear la web, lo que es muy útil para detectar errores y no perder tiempo.

Paso 3: crear todos los que necesitemos y probarlos antes de rastrear el sitio

El resultado final sería algo como esto:

En mi caso he añadido 4 snippets, cuantos más añada, más lento irá el rastreo, tenlo en cuenta.

Ahora solo queda explicar cómo enfocar la creación del código para tener controlado el proceso y evitar falsos positivos o negativos.

2 metodologías de análisis de legibilidad en Screaming Frog

Para el análisis propongo dos formas de hacerlo, una primera en la que miramos todo el <body> para encontrar su contenido, juntarlo, eliminar espacios o saltos de linea, poner en minúsculas e incluso quitar acentos, como limpieza previa a realizar el cálculo del índice Flesch-Szigriszt.

Y una segunda en la que usaremos una expresión Xpath específica a la zona del html donde se encuentre el main content.

Por último, para tener una noción clara de las diferencias entre la fórmula original y la fórmula simplificada, voy a extraer ambos cáculos para las 2 metodologías propuestas

Método 1: basado en el contenido completo del body

Con estos códigos se extraerán todos los nodos del body y se hará la extracción y limpieza de texto para proceder a calcular el índice, todo en un solo paso.

Este primer código hace referencia a la fórmula original

// Índice de Flesch-Szigriszt (fórmula original de 1993)

function countSentences(text) {
    return (text.match(/[.!?¡¿]+/g) || []).length || 1; // evitar división por 0
}

function countWords(text) {
    return text.split(/\s+/).filter(Boolean).length;
}

function countSyllables(word) {
    word = word.toLowerCase().normalize("NFD").replace(/[\u0300-\u036f]/g, ""); // quita tildes
    const syllableGroups = word.match(/[aeiouáéíóúü]{1,2}/g);
    return syllableGroups ? syllableGroups.length : 1;
}

function totalSyllables(text) {
    const words = text.split(/\s+/).filter(Boolean);
    return words.reduce((acc, word) => acc + countSyllables(word), 0);
}

// Extraer y limpiar texto del body
let bodyText = document.body.innerText
    .replace(/\s+/g, ' ')
    .replace(/[\r\n\t]+/g, ' ')
    .trim();

// Cálculos base
let sentenceCount = countSentences(bodyText);
let wordCount = countWords(bodyText);
let syllableCount = totalSyllables(bodyText);

// Fórmula original: 206.835 - (62.3 * (sílabas/palabras)) - (palabras/oraciones)
let fleschSzigriszt = 206.835 - (62.3 * (syllableCount / wordCount)) - (wordCount / sentenceCount);

// Redondear
fleschSzigriszt = Math.round(fleschSzigriszt * 100) / 100;

// Devolver resultado
return seoSpider.data(fleschSzigriszt);

Este segundo código hace referencia a la fórmula simplificada

// Índice de Flesch-Szigriszt (fórmula simplificada)

function countSentences(text) {
    return (text.match(/[.!?]+/g) || []).length || 1; // evita división por 0
}

function countWords(text) {
    return text.split(/\s+/).filter(Boolean).length;
}

function countSyllables(word) {
    word = word.toLowerCase().normalize("NFD").replace(/[\u0300-\u036f]/g, ""); // quita acentos
    const syllableGroups = word.match(/[aeiouáéíóúü]{1,2}/g);
    return syllableGroups ? syllableGroups.length : 1;
}

function totalSyllables(text) {
    const words = text.split(/\s+/).filter(Boolean);
    return words.reduce((acc, word) => acc + countSyllables(word), 0);
}

// Extraer texto limpio
let bodyText = document.body.innerText
    .replace(/\s+/g, ' ')
    .replace(/[\r\n\t]+/g, ' ')
    .trim();

// Calcular elementos básicos
let sentenceCount = countSentences(bodyText);
let wordCount = countWords(bodyText);
let syllableCount = totalSyllables(bodyText);

// Calcular índice de Flesch-Szigriszt
let syllablesPerWord = syllableCount / wordCount;
let wordsPerSentence = wordCount / sentenceCount;

let fleschSzigriszt = 206.84 - (0.60 * syllablesPerWord * 100) - (1.02 * wordsPerSentence);

// Redondear
fleschSzigriszt = Math.round(fleschSzigriszt * 100) / 100;

// Devolver resultado
return seoSpider.data(fleschSzigriszt);

De manera adicional, aconsejo crear un código extra a modo de campo de control para entender sobre qué texto concreto se está generando el índice de legibilidad y chequear ante posibles datos extraños. Tan solo será necesario crear un custom Javasscript extra para poder consultarlo si necesitamos o siempre es factible extraer el contenido en bruto usando Xpath y Custom Extraction, ¡elige lo que prefieras!

// Extrae el texto visible del <body> y lo limpia para análisis
let bodyText = document.body.innerText
    .replace(/\s+/g, ' ')        // Unifica espacios, saltos de línea, tabs, etc.
    .replace(/^\s+|\s+$/g, '')   // Elimina espacios al principio y final
    .normalize("NFD")            // Normaliza acentos para legibilidad si se desea
    .replace(/[\u0300-\u036f]/g, '') // (Opcional) Elimina tildes si lo quieres neutro

return seoSpider.data(bodyText);

Método 2: basado en el Xpath personalizado donde se encuentre el contenido específico

Con esta versión de código se extraerán todos los nodos del Xpath indicado y se hará la extracción y limpieza de texto para proceder a calcular el índice.

Ten en cuenta que el código va a utilizar todos los nodos que cuelguen de la expresión Xpath, si solo quieres el primer nodo, tendrías que adaptar el código.

Este primer código hace referencia a la fórmula original

// Índice de Flesch-Szigriszt  Original + XPath
let xpath = "//div[@class='left-column']//p";
// Funciones auxiliares (declaradas fuera del bloque principal)
function countSentences(t) {
    return (t.match(/[.!?¡¿]+/g) || []).length || 1;
}
function countWords(t) {
    return t.split(/\s+/).filter(Boolean).length;
}
function countSyllables(w) {
    w = w.toLowerCase().normalize("NFD").replace(/[\u0300-\u036f]/g, "");
    const syllableGroups = w.match(/[aeiouáéíóúü]{1,2}/g);
    return syllableGroups ? syllableGroups.length : 1;
}
function totalSyllables(t) {
    const words = t.split(/\s+/).filter(Boolean);
    return words.reduce((acc, word) => acc + countSyllables(word), 0);
}
// Recoger todos los nodos que coincidan con el XPath
let snapshot = document.evaluate(xpath, document, null, XPathResult.ORDERED_NODE_SNAPSHOT_TYPE, null);
let combinedText = '';
for (let i = 0; i < snapshot.snapshotLength; i++) {
    let node = snapshot.snapshotItem(i);
    if (node && node.innerText) {
        combinedText += node.innerText + ' ';
    }
}
// Limpiar texto combinado
let text = combinedText
    .replace(/\s+/g, ' ')
    .replace(/^\s+|\s+$/g, '')
    .trim();
if (text.length === 0) {
    return seoSpider.data("XPath sin texto");
}
// Calcular valores base
let sentenceCount = countSentences(text);
let wordCount = countWords(text);
let syllableCount = totalSyllables(text);
// Calcular índice Flesch-Szigriszt original
// Fórmula: 206.835 - (62.3 × sílabas/palabras) - (palabras/oraciones)
let fleschSzigriszt = 206.835 - (62.3 * (syllableCount / wordCount)) - (wordCount / sentenceCount);
// Redondear
fleschSzigriszt = Math.round(fleschSzigriszt * 100) / 100;
// Devolver resultado
return seoSpider.data(fleschSzigriszt);

Este segundo código hace referencia a la fórmula simplificada

// Índice de Flesch-Szigriszt Simplificado  + XPath...

let xpath = "//div[@class='left-column']//p";
function countSentences(t) {
    return (t.match(/[.!?¡¿]+/g) || []).length || 1;
}
function countWords(t) {
    return t.split(/\s+/).filter(Boolean).length;
}
function countSyllables(w) {
    w = w.toLowerCase().normalize("NFD").replace(/[\u0300-\u036f]/g, "");
    const syllableGroups = w.match(/[aeiouáéíóúü]{1,2}/g);
    return syllableGroups ? syllableGroups.length : 1;
}
function totalSyllables(t) {
    const words = t.split(/\s+/).filter(Boolean);
    return words.reduce((acc, word) => acc + countSyllables(word), 0);
}
let snapshot = document.evaluate(xpath, document, null, XPathResult.ORDERED_NODE_SNAPSHOT_TYPE, null);
let combinedText = '';
for (let i = 0; i < snapshot.snapshotLength; i++) {
    let node = snapshot.snapshotItem(i);
    if (node && node.innerText) {
        combinedText += node.innerText + ' ';
    }
}
// Limpiar texto combinado
let text = combinedText
    .replace(/\s+/g, ' ')
    .replace(/^\s+|\s+$/g, '')
    .trim();
if (text.length === 0) {
    return seoSpider.data("XPath sin texto");
}
// Calcular índice de Flesch-Szigriszt
let sentenceCount = countSentences(text);
let wordCount = countWords(text);
let syllableCount = totalSyllables(text);
let syllablesPer100Words = (syllableCount / wordCount) * 100;
let wordsPerSentence = wordCount / sentenceCount;
let fleschSzigriszt = 206.84 - (0.60 * syllablesPer100Words) - (1.02 * wordsPerSentence);
fleschSzigriszt = Math.round(fleschSzigriszt * 100) / 100;
return seoSpider.data(fleschSzigriszt);

Del mismo modo, necesitamos nuestro «campo de seguridad» que nos sirva para validar el contenido extraido y ver si tiene sentido el índice de legibilidad calculado.

// Extrae el texto visible del xpath personalizado

let xpath = "//div[@class='left-column']//p";
// Busca todos los nodos que coincidan con el XPath
let snapshot = document.evaluate(xpath, document, null, XPathResult.ORDERED_NODE_SNAPSHOT_TYPE, null);
// Concatena el texto visible de todos los nodos encontrados
let combinedText = '';
for (let i = 0; i < snapshot.snapshotLength; i++) {
    let node = snapshot.snapshotItem(i);
    if (node && node.innerText) {
        combinedText += node.innerText + ' ';
    }
}
// Limpia el texto combinado
let cleanText = combinedText
    .replace(/\s+/g, ' ')        // Unifica espacios, saltos de línea, etc.
    .replace(/^\s+|\s+$/g, '')   // Elimina espacios al inicio y final
    .trim();
// Devolver el resultado limpio o advertencia
if (cleanText.length > 0) {
    return seoSpider.data(cleanText);
} else {
    return seoSpider.data("No se encontró texto para el XPath especificado");
}

BONUS EXTRA: añade solo la valoración de legibilidad en base a la escala Inflesz

Al igual que Screaming Frog muestra un campo númerico de legibilidad y un campo adicional, con la escala de texto, también podemos replicar esto segundo, aplicando la escala Inflesz en base a la puntuación que obtenga cada texto. Podríamos configurar los snippet JS para el body completo:

// Índice de Flesch-Szigriszt Original - Escala Inflesz
function countSentences(text) {
    return (text.match(/[.!?¡¿]+/g) || []).length || 1; // evitar división por 0
}
function countWords(text) {
    return text.split(/\s+/).filter(Boolean).length;
}
function countSyllables(word) {
    word = word.toLowerCase().normalize("NFD").replace(/[\u0300-\u036f]/g, ""); // quita tildes
    const syllableGroups = word.match(/[aeiouáéíóúü]{1,2}/g);
    return syllableGroups ? syllableGroups.length : 1;
}
function totalSyllables(text) {
    const words = text.split(/\s+/).filter(Boolean);
    return words.reduce((acc, word) => acc + countSyllables(word), 0);
}
function getInfleszScale(score) {
    // Escala Inflesz basada en la investigación de Inés Mª Barrio Cantalejo
    if (score < 40) return "Muy difícil";
    if (score < 55) return "Algo difícil";
    if (score < 65) return "Normal";
    if (score < 80) return "Bastante fácil"; 
    return "Muy fácil";
}
// Extraer y limpiar texto del body
let bodyText = document.body.innerText
    .replace(/\s+/g, ' ')
    .replace(/[\r\n\t]+/g, ' ')
    .trim();
// Cálculos base
let sentenceCount = countSentences(bodyText);
let wordCount = countWords(bodyText);
let syllableCount = totalSyllables(bodyText);
// Fórmula original: 206.835 - (62.3 * (sílabas/palabras)) - (palabras/oraciones)
let fleschSzigriszt = 206.835 - (62.3 * (syllableCount / wordCount)) - (wordCount / sentenceCount);
// Redondear
fleschSzigriszt = Math.round(fleschSzigriszt * 100) / 100;
// Obtener la clasificación en la Escala Inflesz
let infleszGrade = getInfleszScale(fleschSzigriszt);
// Devolver solo la clasificación en texto (sin puntuación numérica)
return seoSpider.data(infleszGrade);

Y para aplicar a un Xpath concreto:

// Índice de Flesch-Szigriszt Original Xpath - Escala Inflesz

let xpath = "//div[@class='left-column']//p";
// Funciones auxiliares (declaradas fuera del bloque principal)
function countSentences(t) {
    return (t.match(/[.!?¡¿]+/g) || []).length || 1;
}
function countWords(t) {
    return t.split(/\s+/).filter(Boolean).length;
}
function countSyllables(w) {
    w = w.toLowerCase().normalize("NFD").replace(/[\u0300-\u036f]/g, "");
    const syllableGroups = w.match(/[aeiouáéíóúü]{1,2}/g);
    return syllableGroups ? syllableGroups.length : 1;
}
function totalSyllables(t) {
    const words = t.split(/\s+/).filter(Boolean);
    return words.reduce((acc, word) => acc + countSyllables(word), 0);
}
function getInfleszScale(score) {
    // Escala Inflesz basada en la investigación de Inés Mª Barrio Cantalejo
    if (score < 40) return "Muy difícil";
    if (score < 55) return "Algo difícil";
    if (score < 65) return "Normal";
    if (score < 80) return "Bastante fácil"; 
    return "Muy fácil";
}
// Recoger todos los nodos que coincidan con el XPath
let snapshot = document.evaluate(xpath, document, null, XPathResult.ORDERED_NODE_SNAPSHOT_TYPE, null);
let combinedText = '';
for (let i = 0; i < snapshot.snapshotLength; i++) {
    let node = snapshot.snapshotItem(i);
    if (node && node.innerText) {
        combinedText += node.innerText + ' ';
    }
}
// Limpiar texto combinado
let text = combinedText
    .replace(/\s+/g, ' ')
    .replace(/^\s+|\s+$/g, '')
    .trim();
if (text.length === 0) {
    return seoSpider.data("XPath sin texto");
}
// Calcular valores base
let sentenceCount = countSentences(text);
let wordCount = countWords(text);
let syllableCount = totalSyllables(text);
// Calcular índice Flesch-Szigriszt original
// Fórmula: 206.835 - (62.3 × sílabas/palabras) - (palabras/oraciones)
let fleschSzigriszt = 206.835 - (62.3 * (syllableCount / wordCount)) - (wordCount / sentenceCount);
// Redondear
fleschSzigriszt = Math.round(fleschSzigriszt * 100) / 100;
// Obtener la clasificación en la Escala Inflesz
let infleszGrade = getInfleszScale(fleschSzigriszt);
// Devolver solo la clasificación en texto (sin puntuación numérica)
return seoSpider.data(infleszGrade);

Para todo lo mencionado basado en snippets JS merece la pena mencionar que Screaming Frog tiene un tutorial fantástico para identificar problemas que puede ser útil cuando no sepamos por qué no funcionan como esperamos (leelo por aquí: https://www.screamingfrog.co.uk/seo-spider/tutorials/how-to-debug-custom-javascript-snippets/)

Comparando resultados

Fórmula original vs fórmula simplificada

Si comparamos la fórmula original y la simplificada, en el método de contenido completo del <body>, nos encontramos con diferencias promedias de menos de 1,35 puntos.

Si comparamos la fórmula original y la simplificada, pero en esta ocasión con el método de contenido basado en un Xpath personalizado, nos encontramos con diferencias promedias de alrededor de 4 puntos. Este puede ser un dato más objetivo y realista, no obstante, las diferencias siguen siendo pequeñas entre métodos, aunque podría tener impacto en la escala que evalúa las puntuaciones.

Body vs Xpath

No he querido hacer comentarios al respecto de usar todo el contenido del <body> o usar solo un fragmento de contenido basado en Xpath, no quiero generalizar si una es mejor o peor. La cuestión aquí es que cada proyecto es un mundo y quería dar dos opciones para que sea más accionable.

Los resultados muestran que el contenido completo del <body> es consistentemente más legible que el contenido específico basado en XPath ya que se ve influenciado por los elementos adicionales como navegación, menús y contexto mejoran la puntuación de legibilidad.

Merece la pena tener en cuenta que elegir una fórmula u otra, además de aplicarlo en el <body> o usar un Xpath concreto, puede suponer cambios relevantes en la escala final de cara a interpretar los resultados.

El análisis más concreto usando Xpath nos lleva a tener casi un 15% más de contenidos difíciles que si mirásemos el <body>, algo nada desdeñable, por otro lado.

Flesch Reading Ease (en) vs Flesch-Szigriszt (es)

A pesar de no ser comparables, las fórmulas españolas puntúan 12-13 puntos MÁS ALTO que Flesch Reading Ease, esto no es bueno ni malo, cada fórmula trata de adaptarse a las idiosincrasias de cada idioma y particularidades del lenguaje.

Esto reafirma la necesidad de contar métricas específicas para cada idioma de cara a tener una idea aproximada de la legibilidad real de un texto concreto o una url completa y evitar incurrir en errores de análisis e interpretación.

Conclusiones, limitaciones y siguientes paso

La legibilidad es un factor importante como antesala a analizar la calidad de contenido de una web. El comportamiento de los usuarios puede verse altamente influenciado en base no solo a diseño, fiabilidad, conocimiento de marca….también por la forma de redactar y escribir los contenidos.

La temática del proyecto también juega un papel fundamental junto con el nivel de conocimiento de los usuarios objetivo, con esto en mente, es crucial adaptar el contenido y hacerlo lo más legible posible como puerta de entrada a la retención y fidelización: ¡si le gustamos, no se irán, si le encantamos, volverán!

La metodología empleada está basada en estudios de expertos y en la literatura disponible para el idioma español, que puede que incluya otros modelos o referencias, pero se ha optado por usar aquellos más notorios o más consolidados.

Queda ampliamente demostrado que necesitamos métricas específicas por idioma para poder analizar y medir de la mejor manera la legibilidad de los textos

También a considerar que los códigos presentados pueden tener ciertas limitaciones para casuísticas más especiales que pueden quedar fuera de los casos de uso contemplados aquí. A pesar de ello, el código ha sido revisado y validado por Alfonso Moure, experto SEO y programador de formación, se aceptan comentarios de mejora :)

Si te surgen formas de expandir esto a otros casos estaré encantada de leerte en comentarios y poder cooperar en lo posible.

Recursos y bibliografía

Szigriszt Pazos, P. (1993). SISTEMAS PREDICTIVOS DE LEGIBILIDAD DEL MENSAJE ESCRITO: FORMULA DE PERSPICUIDAD. Universidad Complutense de Madrid.
Ver tesis completa (PDF)

Carreras, O. (2016, octubre). Medición de la readability o comprensión de los textos en español. Estado actual y retos. Usable y accesible. https://olgacarreras.blogspot.com/2016/10/medicion-de-la-readability-o.html

Screaming Frog. (2022). How to test readability. Screaming Frog. https://www.screamingfrog.co.uk/seo-spider/tutorials/how-to-test-readability/

El artículo Legibilidad de textos en español: ¿métricas alternativas a «Flesch Reading Ease»? apareció primero en MJ Cachón: Consultora SEO.

El enlazado interno es uno de los ejes fundamentales para potenciar la experiencia del usuario y mejorar el SEO de una web. Sin embargo, no basta con añadir enlaces a lo loco, tenemos que saber dónde y sobre todo debemos saber por qué.

En este artículo, voy a usar dos métricas super fáciles, a través de datos que están a tiro de piedra en cualquier rastreo que hagamos con Screaming Frog:

• Clicks: cuántos clicks ha recibido una URL en cuestión, en el periodo que hayamos estimado. Este dato se obtiene de Google Search Console.
• Unique Inlinks: cuántos enlaces internos únicos recibe esa URL. Este dato se obtiene del rastreo con Screaming Frog (o el crawler que utilices).

El resultado de combinar ambas nos ayudará a priorizar qué páginas necesitan más atención y cuáles quizás ya destacan… aunque podrían crecer aún más con un apoyo interno adicional.

Para este artículo vamos a obviar el dato de Enlaces Externos Entrantes, que sería «la fuerza» con la que cuenta cada URL para distribuir hacia dentro del sitio, no obstante, si sigues la lógica que cuento aquí, podrás añadir todas las métricas que quieras.

Crear el ratio “Clicks por Unique Inlink”

La pregunta clave es: “¿Consigue cada URL suficientes clics en relación con la cantidad de enlaces internos que recibe?”

Este ratio lo que hace es dividir los Clicks por el dato de Unique Inlinks, a partir de esto podemos entender la magnitud el ratio tal que:

• Alto ratio: páginas que consiguen muchos clicks, con pocos enlaces. Significa que estas páginas son efectivas e interesantes, logran captar tráfico aunque no las estamos potenciando con enlazado.
• Bajo ratio: páginas que apenas generan clicks pero reciben muchos enlaces internos. Estaríamos hablando de «despilfarro», ineficiencia o priorización equivocada de enlazado. Puede que la página si merezca los enlaces internos pero tenga otros problemas. O puede que no debería tener tantos enlaces.

Con este ratio no solo identificamos el potencial sino que nos muestra la efectividad. En ambos casos nos ayuda a potenciar lo que toca, al menos es el primer paso para descubrir gaps en positivo y en negativo.

Una forma ágil de ilustrar esto es crear un listado de Top Urls y de Bottom Urls, para entender cuáles están a qué nivel de ratio.

Un ejemplo utilizando R:

##################################################
# 1) CALCULAR RATIO "CLICKS POR UNIQUE INLINK"
##################################################
df$Clicks_per_UniqueInlink <- df$Clicks / df$`Unique Inlinks`

df$Clicks_per_UniqueInlink[is.infinite(df$Clicks_per_UniqueInlink)] <- NA
df$Clicks_per_UniqueInlink[is.na(df$Clicks_per_UniqueInlink)] <- 0

##################################################
# 2) FILTRAR FILAS CON MÁS DE 0 CLICKS
##################################################
filtered_df <- subset(df, Clicks > 0)

##################################################
# 3) ORDENAR POR MAYOR RATIO Y TOP 10 GLOBAL
##################################################
high_ratio <- filtered_df[order(-filtered_df$Clicks_per_UniqueInlink), ]

top_10_high_ratio <- head(
  high_ratio[, c("Address", "Segments", "Clicks", "Unique Inlinks", "Clicks_per_UniqueInlink")],
  10
)

Este ejemplo nos ofrece una lista de las páginas con Alto Ratio, en base a los datos que le hayamos prorpocionado :)

Usar la mediana para comparar:“muchos clics / pocos inlinks” y viceversa

Como método adicional, podemos usar la mediana global de todas las urls para comparar con los casos individuales de las urls. De este modo:

• Calculamos la mediana de Clicks global
• Calculamos la mediana de Unique Inlinks global

Tendríamos 4 posibles grupos:

1. Muchos clics y muchos inlinks: equilibrio, está todo correcto.
2. Muchos clics y pocos inlinks: ey, potenciemos estas páginas
3. Pocos clics y muchos inlinks: ¿estamos sobreenlazando estas páginas?
4. Pocos clics y pocos inlinks: ¿es residual, de nicho o necesita consolidarse con otras páginas?

Una idea para hacer el segundo escenario en R:

##################################################
# 2) DETECTAR "MUCHOS CLICKS Y POCOS UNIQUE INLINKS" SEGÚN MEDIANA
##################################################

median_clicks <- median(df$Clicks, na.rm = TRUE)
median_unique_inlinks <- median(df$`Unique Inlinks`, na.rm = TRUE)

high_clicks_low_inlinks <- subset(
  df,
  Clicks > median_clicks & `Unique Inlinks` < median_unique_inlinks
)

high_clicks_low_inlinks <- high_clicks_low_inlinks[order(-high_clicks_low_inlinks$Clicks),
                                                   c("Address","Segments","Clicks","Unique Inlinks",
                                                     "Crawl Depth","Link Score")]

Si además tienes el Segmento en tu dataset, pues te servirá para priorizar por aquellas tipologías de páginas que más te interese.

Análisis por segmentos o tipos de página

Para ir a algo más específico y poder descender en el análisis, podemos agrupar las URLs por su segmento o tipología. En mi ejemplo, he usado una web del sector de segunda mano hecha en Shopify:

• Collections (categorías o listados de producto). La propia url ya tiene un path específico.
• Products (fichas individuales de productos). La propia url ya tiene un path específico.
• Blogs (artículos). La propia url ya tiene un path específico.
• Pages (páginas estáticas, como Contacto, pero también podrían ser «listados» encubiertos). La propia url ya tiene un path específico.

Esto es útil porque podemos comparar la media de ratio o de clics entre distintos segmentos para ver dónde optimizar primero.

Saber en qué segmento hay más oportunidades es de mucho valor, así como identificar si los artículos del blog tienen tracción sin necesidad de muchos enlaces internos.

Un ejemplo en R, mi lenguaje habitual:

##################################################
# 3) ANÁLISIS A NIVEL DE SEGMENTO
##################################################
# Estadísticas por segmento
df_segment_stats <- df %>%
  group_by(Segments) %>%
  summarise(
    total_urls = n(),
    sum_clicks = sum(Clicks, na.rm = TRUE),
    mean_clicks = mean(Clicks, na.rm = TRUE),
    median_clicks = median(Clicks, na.rm = TRUE),
    sum_unique_inlinks = sum(`Unique Inlinks`, na.rm = TRUE),
    mean_unique_inlinks = mean(`Unique Inlinks`, na.rm = TRUE),
    median_unique_inlinks = median(`Unique Inlinks`, na.rm = TRUE),
    mean_ratio = mean(Clicks_per_UniqueInlink, na.rm = TRUE),
    median_ratio = median(Clicks_per_UniqueInlink, na.rm = TRUE),
    .groups = "drop"
  )

# Top 5 URLs de cada segmento por ratio
df_top5_by_segment <- df %>%
  filter(Clicks > 0) %>%
  group_by(Segments) %>%
  arrange(desc(Clicks_per_UniqueInlink)) %>%
  slice_head(n = 5) %>%
  select(Address, Segments, Clicks, `Unique Inlinks`, Clicks_per_UniqueInlink)

cat("\n=== TOP 5 POR SEGMENTO (ratio CLICKS/INLINKS) ===\n")
print(df_top5_by_segment)

# Bottom 5 URLs de cada segmento por ratio
df_bottom5_by_segment <- df %>%
  group_by(Segments) %>%
  arrange(Clicks_per_UniqueInlink) %>%
  slice_head(n = 5) %>%
  select(Address, Segments, Clicks, `Unique Inlinks`, Clicks_per_UniqueInlink)

Podemos llevarlo al nivel que queramos, con las métricas que queramos, con una simplicidad enorme simplemente comparando valores altos y bajos de las métricas elegidas.

Conclusiones y siguientes pasos

En análisis de datos a veces la estadística básica puede darnos buenísmas opciones o convertirse en una solución para ser más ágiles en la detección de oportunidades o de ineficiencias, sin necesidad de lanzar análisis sobredimensionados con aprendizaje automático o inteligencia artificial.

La gran ventaja es que se puede reproducir muy bien en cualquier lenguaje de programación y mucho más importante, ¡hasta en Excel!

Como siguientes pasos, y unido al análisis de correlación del último artículo, seguro estamos en disposición de empezar a pensar en regresiones líneales, para continuar con análisis más profundos.

¡Hasta el próximo artículo!

El artículo Optimizando el enlazado interno de nuestro proyecto SEO usando estadística básica apareció primero en MJ Cachón: Consultora SEO.