AI SEO In Detail › Módulo A · Fundamentos › Episodio 6
Configura tu entorno de trabajo de análisis SEO con Python y SQLite
Crea un entorno de análisis SEO reproducible: estructura de carpetas, virtualenv de Python, una base SQLite, respuestas de API en caché, secretos y Claude Code.
Al reproducir el vídeo se carga desde YouTube (modo de privacidad mejorada). El vídeo está en inglés con subtítulos en tu idioma.
Plantilla de entorno SEO con barrera de costes
La estructura de carpetas del episodio 6, lista para descomprimir: scripts, una caché por fuente, una base de datos SQLite con una tabla api_log, informes con fecha, un CLAUDE.md con reglas de caché primero y barrera de costes, y paid_call(), una función auxiliar de Python que se niega a gastar dinero sin una marca de confirmación.
- Descomprime y configura Python — Crea un entorno virtual dentro de la carpeta, instala los tres paquetes de requirements.txt, crea la base de datos con init_db.py y ejecuta la autoprueba sin conexión de la barrera.
- Claves fuera, reglas dentro — Guarda tu clave de API con set_key.sh en un archivo privado de tu carpeta personal, nunca en el proyecto ni en un chat. CLAUDE.md le indica al asistente dónde está la caché, que nunca se leen las claves y que no se hace ninguna llamada de pago sin tu visto bueno.
- Barrera antes, registro después — Los scripts de pago muestran qué van a llamar, cuántas peticiones y el coste estimado, y se detienen. Tras tu visto bueno, paid_call() guarda en caché la respuesta sin procesar antes de analizarla y anota el coste en api_log.
Python 3.9+ · SQLite · biblioteca estándar para la barrera · sin claves incluidas · sin registro
Los archivos están en inglés.
1,041 palabras · traducción de la narración del episodio.
Introducción
Tres meses en cualquier proyecto SEO, la carpeta se ve así. Exportaciones con números entre paréntesis. Una hoja de cálculo llamada final final. Y no hay forma de saber de qué archivo salió el gráfico del reporte del mes pasado.
El análisis es tan bueno como el lugar donde vive. Si no puedes repetirlo, no puedes confiar en él, ni volver a medirlo después.
En este episodio montamos un espacio de trabajo que se mantiene limpio: una estructura de carpetas, Python, una base SQLite, un caché por respuesta pagada, secretos que nunca entran al proyecto, y Claude Code como asistente que escribe y ejecuta los scripts, detrás de una puerta de costo.
La estructura de carpetas
Esta es la estructura que uso. Cinco cosas en el nivel superior.
Scripts: cada extracción y análisis es un script, no un clic. Si lo hice dos veces, se convierte en script.
Cache: las respuestas crudas de cada API, sin tocar, en subcarpeta por fuente. Esta es la carpeta más valiosa del proyecto. Los datos pagados viven aquí una vez, nunca se traen de nuevo por accidente.
Data: una base SQLite con las tablas limpias del episodio cinco.
Reports: las salidas. Archivos fechados, escritos por scripts, así cada número en un reporte se rastrea hasta un script y archivo de caché.
Y un archivo corto de instrucciones arriba para Claude Code, al que llegaremos en un minuto.
La regla detrás de la estructura es un flujo en una dirección. Cache alimenta la base, la base alimenta reportes. Nada se edita a mano en el medio.
Python y un entorno virtual
Python es el pegamento. No necesitas mucho: una librería HTTP para las APIs, la librería de Google para Search Console y Analytics, y pandas si te gustan las tablas. El soporte de SQLite ya viene incluido.
Crea un entorno virtual dentro del proyecto, así los paquetes pertenecen a este proyecto y no a toda tu máquina. Y escribe los paquetes en un archivo requirements. Cuando vuelvas en seis meses, o cambies de computadora, un comando te regresa exactamente a la misma configuración.
El esquema de SQLite
¿Por qué SQLite? Es un solo archivo. Sin servidor, sin contraseña, nada que mantener corriendo. Maneja millones de filas en una laptop. Y puedes copiar toda la base tan fácil como una hoja de cálculo.
Las tablas son las del último episodio: una tabla cruda por fuente, con llave primaria en fecha y dimensiones, así las repeticiones sobrescriben en vez de duplicar.
Agrego una tabla que la gente suele olvidar: un registro de API. Cada llamada pagada escribe una fila. Cuándo, qué endpoint, cuántas tareas, y qué costó según la respuesta. Al final del mes puedes responder "qué costó este análisis" con una consulta, en vez de adivinar.
Los secretos viven fuera
Las claves y contraseñas nunca van en el proyecto. Ni en un script, ni en un archivo de config, ni en el archivo de instrucciones para el asistente.
Viven en archivos pequeños en tu carpeta home, solo leíbles por tu usuario, y los scripts los leen como variables de entorno. El proyecto puede entonces sincronizarse, compartirse o ir a control seguro.
Esto importa aún más con un asistente de IA. Cualquier cosa que pegues en un chat termina en un log. Así que nunca escribes una clave en el chat. Si hay que configurar una clave, tú ejecutas un comando pequeño que la lee sin mostrarla.
Claude Code como asistente del analista
Claude Code es un asistente de IA que corre en tu terminal, dentro del proyecto. Puede leer tus archivos, escribir scripts y ejecutarlos, y pregunta antes de hacer cosas.
Para análisis SEO, eso cambia la velocidad del trabajo. Describo la pregunta en inglés simple, y escribe el script de extracción, el SQL, o el gráfico. Lo reviso, lo ejecuta, y la salida llega a reports.
La clave es el archivo de instrucciones en la raíz del proyecto. Claude Code lo lee al inicio de cada sesión. Ahí viven tus reglas. Dónde está el caché. Que cada script debe revisar el caché antes de llamar una API. Que las claves nunca se leen ni imprimen. Y la regla más importante de todas, que tiene su propia sección.
La barrera de costes
La puerta de costo. Las llamadas gratis, como Search Console y Analytics, van libres. Las llamadas pagadas no. Antes de cualquier llamada pagada, el asistente debe mostrar qué llamará, cuántas peticiones, y el costo estimado. Luego se detiene y espera un permiso explícito de mí.
Un ejemplo con números inventados: doscientas palabras clave a profundidad diez, a unos tres décimos de centavo cada una. Eso es alrededor de sesenta centavos. Poco. Pero la puerta no es sobre una ejecución. Es sobre un bucle que reintenta, o un script que corre sobre diez mil palabras clave en vez de cien. Sin puerta, te enteras en la factura.
Construyo la puerta en dos capas. La regla en el archivo de instrucciones, para que el asistente pregunte. Y una revisión en el código mismo, una función que rechaza hacer una llamada pagada sin bandera de confirmación. La regla maneja la intención. El código maneja los errores.
Y después de la llamada, el costo va al registro de API. Puerta antes, registro después.
Un día en el entorno de trabajo
Así es como encaja en la práctica.
Empiezo con una pregunta, en una oración. ¿Qué páginas perdieron clics en las últimas cuatro semanas, y cambió su posición? Se la doy a Claude Code. Lee el archivo de instrucciones, encuentra las tablas, y escribe un script corto.
Leo el script antes de que corra. Ese es el paso de revisión humana, y nunca me lo salto. No porque el código suele estar mal, sino porque quiero saber exactamente qué significa el número en el reporte.
Corre. Los datos gratis fluyen del caché y la base. Si se necesita una llamada pagada, la puerta la detiene y pregunta. El resultado llega a reports como archivo fechado, con el script al lado. El próximo mes, corro el mismo script de nuevo, y la comparación es honesta.
Resumen final
Una carpeta, una base, un caché para todo, secretos afuera, y una puerta frente a cada llamada pagada. La plantilla del espacio de trabajo, con el archivo de instrucciones, está en la descripción. Próximo episodio: ponemos este espacio de trabajo a trabajar, y dejamos que Claude Code ejecute tu primer análisis con DataForSEO en unos diez minutos. Nos vemos allá.