AI SEO In Detail › Módulo C · Demanda y búsqueda de palabras clave › Episodio 21
Clasificar la intención de búsqueda a escala con IA
Clasifica miles de palabras clave por intención de búsqueda: reglas para los casos obvios, luego un clasificador de IA con etiquetas fijas, y revisa antes de crear páginas.
Al reproducir el vídeo se carga desde YouTube (modo de privacidad mejorada). El vídeo está en inglés con subtítulos en tu idioma.
Intent Classifier Kit: reglas, prompt, validación y hoja de muestra
Una lista de reglas, un prompt de clasificación con cinco etiquetas fijas y formato de respuesta JSON, intent_kit.py para aplicar las reglas, escribir lotes, validar cada respuesta y guardar el resultado en SQLite, y una hoja de muestra que te muestra tu tasa de acuerdo y el límite que falla. El script no llama a ninguna API.
- Reglas para los casos obvios — Patrones de palabra completa etiquetan las palabras clave que llevan un modificador claro. Una palabra clave que encaja con dos etiquetas es un conflicto y pasa al siguiente paso, igual que todas las que no tienen modificador.
- Un clasificador de etiquetas fijas para el resto — Cinco etiquetas, incluida unclear, tres ejemplos por etiqueta, una línea JSON por palabra clave, lotes de unas cien. Cada respuesta se valida; lo que falla se reenvía.
- Revisa y luego confía — Etiqueta tú mismo una muestra aleatoria de cincuenta sin mirar la respuesta del modelo. Encuentra el límite que falla, corrígelo, vuelve a ejecutar solo las filas dudosas y registra la tasa de acuerdo junto con la versión del prompt.
Python 3.9+ · prompt · archivo de reglas · hoja de Excel · sin claves, sin registro
Los archivos están en inglés.
914 palabras · traducción de la narración del episodio.
Introducción
Tienes ocho mil keywords para una tienda de equipos de café. Algunas son gente aprendiendo. Otras comparando. Otras listas para comprar. Y cada grupo necesita un tipo de página diferente.
Etiquetarlas a mano tomaría días. Omitir las etiquetas significa crear las páginas equivocadas para la mitad.
En este episodio te muestro un método de dos pasos: reglas simples para los casos obvios, luego un clasificador IA con etiquetas fijas para el resto. Es rápido, barato y, crucialmente, honesto sobre lo que no sabe.
Qué es la intención y qué etiquetas usar
La intención de búsqueda es la razón detrás de una búsqueda. ¿Qué quiere lograr esta persona?
Uso cuatro etiquetas. Informacional: quieren aprender algo. Comercial: comparan opciones antes de comprar. Transaccional: quieren comprar o actuar ahora. Y navegacional: quieren un sitio o marca específica.
Puedes añadir más, como local, si tu negocio lo necesita. Pero mantén el conjunto pequeño y fijo. Cada etiqueta que añades hace los límites más difusos, y etiquetas difusas hacen el dataset menos útil.
Una cosa más. Clasificar desde el texto es adivinar la intención. La evidencia real es la página de resultados: qué tipo de páginas rankea Google realmente. Haremos eso en el episodio treinta. Hoy es el primer pase rápido, para saber dónde mirar.
Paso 1: reglas para los casos obvios
Empieza con reglas. Muchas keywords llevan modificadores que revelan intención.
Palabras pregunta como cómo, qué y por qué suelen ser informacionales. Palabras como mejor, versus, reseña o top indican comparación. Comprar, precio, barato, cupón o cerca mío señalan acción inmediata. Y nombres de marca, tuya o competidor, suelen ser navegacionales.
Un script corto con lista de patrones maneja esto en segundos. Dos detalles importan. Coincidir palabras completas, para evitar falsos. Y cuando coincide con dos reglas, como mejor precio, no elijas una. Márcalo como conflicto y envíalo al paso dos.
En mi experiencia, las reglas capturan buena parte de una lista típica. El resto no tiene modificador claro. Molinillo de rebabas solo puede ser cualquiera de tres intenciones. Ahí entra el clasificador.
Paso 2: un clasificador de IA con etiquetas fijas
Para las keywords restantes uso un modelo de lenguaje, vía Claude Code. Cómo lo configuras decide si la salida es útil o ruido.
Dale un set de etiquetas fijo. Las cuatro etiquetas exactas, cada una con definición de una línea. Más una etiqueta escape: no claro. El modelo debe elegir de esa lista y nada más.
Dale ejemplos. Tres ejemplos cortos por etiqueta, de tu propia lista, valen más que una explicación larga.
Pide salida estructurada. Una línea por keyword: la keyword, la etiqueta y confianza alta, media o baja. La salida estructurada puede verificarse con script. Texto libre no.
Envía las keywords en lotes, unas cien a la vez. Luego valida cada respuesta automáticamente. ¿La etiqueta es una de las cinco? ¿Cada keyword del lote se devuelve exactamente una vez? Lo que falle se reenvía. Guarda el resultado en tu base de datos con la etiqueta, la confianza y de dónde vino: regla o modelo.
Comprobar el clasificador
Nunca confíes en la salida sin verificar. Toma una muestra aleatoria, cincuenta filas está bien, y etiquétalas tú sin ver la respuesta del modelo. Luego compara.
Si coinciden en la mayoría, bien. Luego mira dónde difieren. Casi nunca es aleatorio. Usualmente es un límite, a menudo comercial versus transaccional. Arregla la definición o añade ejemplo para ese límite, y vuelve a correr solo las filas inciertas. Anota la tasa de acuerdo con fecha y versión del prompt. Esa es tu línea base de calidad para la próxima ejecución.
Y respeta no claro. No es un fallo. Una keyword que el modelo no puede clasificar desde texto solo es exactamente el tipo que debes revisar en la página de resultados. Esas van directo a tu lista de SERP.
Mantenerlo repetible
Una clasificación que no puedes repetir es una que no puedes confiar. Así que tres hábitos.
Versiona el prompt. Guarda las definiciones y ejemplos en un archivo, dale número de versión, y almacena ese número con cada etiqueta. Cuando cambies una definición, sabes exactamente qué filas se etiquetaron bajo la antigua.
Etiqueta solo lo nuevo. El mes próximo tu lista de keywords crece. Corre las reglas y clasificador solo en las filas nuevas. No reetiquetes todo, o tus números cambiarán por razones ajenas al mercado.
Y permite una etiqueta por keyword. Algunas keywords realmente tienen dos intenciones. Molinillo de rebabas puede ser comparación o compra. Es tentador permitir dos etiquetas. Pero para planificar páginas, una etiqueta primaria es más accionable. Si el modelo dice que no puede elegir, eso es no claro, y la página de resultados lo resolverá después.
Qué hacer con las etiquetas
Ahora puedes agrupar. Intención mapea aproximadamente a tipo de página. Keywords informacionales quieren guías. Las comerciales quieren comparaciones y reseñas. Las transaccionales quieren páginas de producto o categoría. Las navegacionales mayormente las dejas, salvo que la marca sea tuya.
Eso te da un primer mapa de qué tipos de páginas pide tu lista. Y es una hipótesis, no un veredicto. Antes de construir nada, lo confirmas contra el SERP. Una etiqueta desde texto te dice dónde mirar. La página de resultados te dice qué es verdad.
Un último consejo: algunas herramientas de keywords, incluido DataForSEO Labs, ofrecen etiquetas. Útil como segunda opinión. Pero no puedes ver ni cambiar sus definiciones, así que mantengo mis propias etiquetas como columna principal.
Resumen final
Reglas para lo obvio, clasificador de etiquetas fijas para el resto, una muestra para verificar, y el SERP como juez final. La lista de reglas y el prompt del clasificador están en la descripción. Próximo episodio: usar costo por clic para rankear keywords por valor. Nos vemos allí.