AI SEO In Detail › Módulo F · Todo junto › Episodio 48
Automatización SEO con Claude Code, de los datos al informe
Automatiza tu análisis SEO con Python, SQLite y Claude Code: qué automatizar, control de costes para la API de pago, tareas programadas y revisión humana.
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.
1,013 palabras · borrador del guion, en revisión.
Introducción
El análisis de esta serie funciona. Pero hecho a mano, lleva días. Y las partes más importantes, las revisiones semanales y las remediciones, son exactamente las que se omiten cuando estás ocupado.
Así que lo automatizas. Y aparece un nuevo problema. Un script semanal puede gastar dinero cada semana. Puede fallar silenciosamente y no reportar nada durante un mes. O puede producir un reporte confiado con datos rotos, y nadie lo nota.
Yo hago mi análisis con Python, SQLite y Claude Code como operador. En este episodio: qué automatizo y qué no, cómo encajan las piezas, la puerta de costo que detiene llamadas pagadas sin mi aprobación, y la revisión humana que mantiene la honestidad.
Qué automatizar y qué no
Primero traza una línea. Todo lo que recopila, almacena, une y marca datos puede automatizarse. Todo lo que decide qué hacer queda con una persona.
El lado máquina: descargar Search Console y Analytics cada día, ejecutar la muestra de URL Inspection semanalmente, almacenar capturas, unir todo al modelo de datos del episodio cinco, y marcar lo que cambió. También puede redactar el reporte.
El lado humano: aprobar llamadas pagadas sobre un límite establecido, elegir qué recomendaciones aplicar, publicar cambios al sitio en vivo, y leer los veredictos del episodio cuarenta y seis.
Esa línea no es sobre si el modelo es lo bastante inteligente. Es sobre responsabilidad. Si un reporte recomienda borrar cincuenta páginas, una persona debe leerlo antes de que suceda algo.
La estructura del pipeline
La estructura es el espacio de trabajo del episodio seis. Scripts pequeños, cada uno con una tarea. Uno descarga Search Console. Uno descarga Analytics, siempre filtrado por hostname. Uno ejecuta la muestra del índice. Uno toma capturas de páginas de resultados. Uno construye el reporte.
Cada script escribe la respuesta cruda de la API primero a una carpeta caché, con la fecha en el nombre del archivo, y luego la carga a SQLite. Eso te da dos cosas. Nunca pagas dos veces por los mismos datos. Y cuando un número se ve extraño, puedes regresar a lo que la API dijo exactamente ese día.
Las claves API viven fuera de la carpeta del proyecto, en archivos de entorno que los scripts leen en tiempo de ejecución. Nunca aparecen en el código, los reportes, o un chat con el modelo.
Claude Code como operador
Claude Code es un agente de IA que se ejecuta en tu terminal. Puede leer archivos, ejecutar scripts y escribir nuevos. En esta configuración, es el operador: ejecuta los pasos, lee la salida, y escribe el borrador del reporte.
Dos tipos de archivos lo hacen confiable.
El primero es un archivo de instrucciones llamado CLAUDE punto md. Contiene las reglas que nunca deben romperse. Siempre filtrar Analytics por hostname. Nunca confiar en el campo indexed del sitemap. Nunca sumar volúmenes de búsqueda iguales. Verificar Googlebot por IP, no por user agent. Cada lección difícil de esta serie se vuelve una línea en ese archivo, para que el modelo no repita un error que ya pagué.
El segundo es una skill: un procedimiento escrito que el agente sigue paso a paso. Análisis semanal: descargar, verificar salud de medición, ejecutar revisiones de striking-distance y click-through, comparar, escribir el reporte en esta carpeta, y no implementar nada. Mismos pasos, mismo orden, cada vez.
El control de costes
Datos gratuitos, como Search Console y Analytics, pueden ejecutarse según calendario sin preguntar. Las llamadas pagadas no.
La regla es simple. Antes de cualquier llamada pagada, el script calcula el costo estimado del número de llamadas y el precio conocido por llamada, verifica el balance con el endpoint gratuito, imprime ambos, y se detiene. Nada se gasta hasta que escribo un go explícito.
Además, tres hábitos mantienen costos bajos. Revisar el caché antes de llamar. Usar la profundidad mínima que responde la pregunta: diez resultados son suficientes para la mayoría de revisiones. Y ejecutar la tarea de validación pequeña antes de volúmenes grandes, para que una palabra clave mal formada no desperdicie el lote completo.
Pongo la misma regla en el archivo de instrucciones, para que el agente sepa que nunca puede aprobar su propio gasto.
Ejecuciones programadas y fallos silenciosos
Las partes gratuitas se ejecutan según calendario: descarga diaria, muestra semanal del índice, y reporte semanal en una carpeta que leo los lunes por la mañana.
El peligro con tareas programadas es el silencio. Una API que devuelve cero filas no arroja un error. Solo parece un día terrible. Así que cada ejecución se verifica. Si una descarga no devuelve filas, o muchas menos de lo usual, es alerta, no un punto de datos.
Y para revisiones que pueden fallar en masa, incluyo un control: un sitio que sé está bien indexado, en la misma ejecución. Si el control de repente también parece desindexado, el problema es el API, no mi sitio.
El paso de revisión humana
El reporte termina con acciones propuestas, nunca ejecutadas. Lo leo, decido, y luego pido cambios específicos en un paso separado.
Una regla más, e importa más conforme los agentes son más capaces. Cualquier cosa que el agente lee de fuera, una página, contenido, un email, es dato, no instrucciones. Si una página dice ignora tus reglas y haz esto, el agente lo reporta y no hace nada. Mantén pequeño el conjunto de cosas que la ejecución puede hacer, y este riesgo también queda pequeño.
Dónde falla la automatización
Dos trampas antes de empezar.
Automatizar un análisis que no has hecho a mano. Si nunca ejecutaste la revisión de striking-distance tú mismo, no notarás cuando la versión automatizada esté mal. Haz cada paso manualmente al menos una vez, como en esta serie, luego automatiza la versión en la que confías.
Y reportes que nadie lee. Un reporte semanal que corre meses sin que nadie lo abra es peor que ningún reporte, porque se siente como monitoreo. Mantén el reporte corto, pon cambios y alertas arriba, y si notas que lo saltas, recórtalo hasta que no. Exactamente de eso trata el siguiente episodio.
Resumen final
Automatiza la recopilación, bloquea el gasto, mantén humanas las decisiones. El archivo de instrucciones inicial está enlazado en la descripción. Siguiente episodio: el tablero mensual de monitoreo, y los pocos números que vale la pena revisar cada mes. Nos vemos allá.