AI SEO In Detail › Módulo C · Demanda y búsqueda de palabras clave › Episodio 24
Clustering de palabras clave: agrupa por solapamiento de SERP
Aprende clustering de palabras clave por solapamiento de SERP: compara las 10 primeras URL con DataForSEO y Python, agrupa por intención de búsqueda y obtén una tabla de clusters.
Vídeo próximamenteEste episodio tiene guion y está en producción. La transcripción de abajo es el guion tal como está escrito; puede cambiar antes de publicar el vídeo.
1,132 palabras · borrador del guion, en revisión.
Introducción
Tienes trescientas palabras clave. Debes decidir cuántas páginas crear. Una página por palabra clave es demasiado. Una página para todo es muy poco.
Así que empiezas a agrupar a mano. "Molinillo espresso" y "mejor molinillo espresso" van juntos, obvio. "Molinillo de muelas" y "molinillo cónico" también. Terminas con treinta grupos, y se sienten bien.
Luego construyes las páginas. Algunas compiten entre sí en Google. Otras nunca rankean para la mitad de los términos que pusiste.
El problema es que agrupaste por cómo se ven las palabras. Google las agrupa por lo que quieren los usuarios. En este episodio te mostraré cómo agrupar palabras clave usando los resultados mismos: si dos keywords comparten suficientes URLs del top diez, van en una página.
Por qué la similitud de palabras no basta
Hay dos formas comunes de agrupar sin mirar la página de resultados. Una es similitud de cadena: palabras compartidas, raíces compartidas. La otra es significado: embeddings de texto, o preguntar a un modelo qué términos van juntos.
Ambas están bien como primer paso. Y ambas fallan en el mismo lugar.
Dos frases pueden compartir casi todas las palabras y necesitar páginas distintas. "Molinillo espresso" y "piezas molinillo espresso" comparten dos de tres palabras. La primera quiere una guía de compra. La segunda quiere una lista de repuestos.
Y dos frases pueden no compartir ninguna palabra y querer exactamente la misma página. "Molino de café" y "molinillo de café" son lo mismo para la mayoría.
La página de resultados lo resuelve. Si Google muestra casi las mismas URLs para dos consultas, las trata como la misma necesidad, y una página puede rankear para ambas. Si los resultados son diferentes, una página luchará por cubrir ambas, sin importar qué tan parecidas se vean las palabras.
Esto también detiene la canibalización antes de que empiece. En el episodio doce encontramos páginas compitiendo por la misma consulta después. Agrupar por superposición SERP lo previene en la etapa de planificación.
El método en cuatro pasos
El método tiene cuatro pasos.
Paso uno. Obtén los diez primeros resultados orgánicos para cada palabra clave. Solo las URLs orgánicas. Omite anuncios, mapas y otras funciones para este propósito. En este episodio uso páginas de resultados que ya descargué y guardé en caché. Cómo obtenerlas de la API, con ubicación, dispositivo, profundidad y costo, es el episodio veintisiete.
Paso dos. Para cada par de palabras clave, cuenta cuántas URLs comparten en su top diez. Ese número es la superposición. Cero significa nada en común. Diez significa resultados idénticos.
Paso tres. Elige un umbral. Un buen punto de partida son tres URLs compartidas. Tres o más, y las dos palabras clave están vinculadas. Menos, y no lo están.
Paso cuatro. Agrupa las palabras clave vinculadas en clusters. Cada cluster se convierte en una página. La palabra clave con mayor volumen se convierte en el objetivo principal. Las otras son frases de apoyo que la misma página también debe cubrir.
Un detalle antes de comparar: normaliza las URLs. Host en minúsculas, elimina parámetros de rastreo, la barra final y todo después del signo numeral. De otro modo, la misma página cuenta como dos URLs diferentes, y cada superposición sale demasiado baja.
Ejemplo práctico
Aquí un ejemplo, con números inventados para ilustrar. Ocho palabras clave para una tienda ficticia de café, example-shop.test.
La matriz muestra la superposición para cada par. "Molinillo espresso" y "mejor molinillo espresso" comparten siete URLs. "Molino de café" y "molinillo de café" comparten seis. Esos son fáciles. Misma necesidad, misma página.
"Molinillo espresso" y "piezas molinillo espresso" comparten una URL. Página diferente, justo como sospechábamos.
"Molinillo de muelas" y "molinillo espresso" comparten tres. Exactamente en el umbral. Ese es el caso interesante.
Con umbral de tres, las ocho keywords caen en tres clusters: guía de compra de molinillos, página de repuestos y página de molinillos manuales. Con umbral de cuatro, "molinillo de muelas" se separa en su propio cluster, y planearías cuatro páginas en su lugar.
¿Cuál es correcta? Mira las URLs compartidas mismas. Si las tres URLs que comparten son todas guías de compra amplias, una página cubriendo ambas es realista. Si son tres páginas de categoría del mismo gran minorista, la superposición te dice más sobre ese minorista que sobre el usuario. En ese caso me inclino por una página separada.
El umbral es un punto de partida, no un veredicto. Los pares límite reciben una mirada humana.
Cuatro cosas que salen mal
Cuatro cosas salen mal una y otra vez.
Primero, encadenamiento. Si A enlaza a B, y B enlaza a C, agrupar simple pone A y C en el mismo cluster aunque no compartan nada. Con cadenas largas terminas con un cluster gigante que traga media lista. La solución: requerir que cada keyword en un cluster enlace a la keyword principal del cluster, no solo a algún miembro. Construyo clusters alrededor de la keyword de mayor volumen primero, luego la siguiente que no esté asignada, y así sucesivamente.
Segundo, configuraciones. Una página de resultados es una captura para una ubicación, idioma, dispositivo, en un día. Solo compara keywords cuyos resultados se obtuvieron con misma configuración, idealmente en la misma semana.
Tercero, grupos de sinónimos. Recuerda episodio veinte: cuando dos variantes muestran volúmenes idénticos, los datos de Google ya los tratan como un grupo. Casi siempre caerán en el mismo cluster, y no debes sumar sus volúmenes al calcular la demanda del cluster. Cuenta el grupo una vez.
Cuarto, compara URLs, no dominios. Si unos cuantos sitios grandes rankean para todo en tu nicho, la superposición de dominio será alta para cada par, y obtendrás un cluster. Superposición de dominio te dice quién domina. Superposición de URL te dice qué página satisface la consulta.
El resultado: una tabla de clusters
El resultado es una tabla de clusters. Una fila por cluster: la keyword principal, las keywords de apoyo, el volumen total del cluster con grupos de sinónimos contados una vez, y las URLs que unen el cluster.
Esa última columna importa. Cuando alguien pregunta por qué dos keywords comparten página, puedes mostrar evidencia. Y cuando lleguemos al análisis SERP en el siguiente módulo, ya sabes qué páginas estudiar para cada cluster.
En la práctica dejo que Claude Code escriba el script de superposición. Lee los resultados en caché de SQLite, normaliza las URLs, cuenta URLs compartidas para cada par, y escribe los clusters a una tabla. Es un script corto. Las decisiones que importan son el umbral y la regla de encadenamiento, y esas son tuyas. Escríbelas junto al resultado, para poder reejecutar el mismo clustering en tres meses y comparar.
Resumen final
Así: agrupa keywords por lo que muestra Google, no por cómo se escriben. Empieza con tres URLs compartidas, y revisa los pares límite a mano. El script de clustering y la plantilla de tabla de clusters están en la descripción. Próximo episodio: cómo dividir un término principal grande en las frases que la gente realmente escribe cuando está lista para comprar. Nos vemos.