¿Cómo hacer un keyword research y no morir en el intento?

pulp 1

Las búsquedas e intenciones de los usuarios en internet se basan palabras, aunque últimamente también en voz, pero no es tanto el % como llevan diciendo los últimos años.

De cara a establecer la estrategia de contenidos, fases de la compra del usuario y arquitectura de la información mediante categorías, subcategorías y relaciones entre las mismas lo ideal es hacer un estudio de palabras claves y dar sentido a la navegación del usuario.

El estudio, además, puede bajar hasta niveles de indexación o no de ciertos filtros que configuren búsquedas relevantes para el usuario.

En la metodología que uso el análisis es bastante exhaustivo y minicioso, categorizando keywords por categorías, subcategorías e incluso filtros posibles que formarían el conocido “long tail”.

Es un trabajo muy coñazo, detallista pero después muy agradecido. Vamos a ello.

Entender el sitio, el target y el negocio.

Antes de irnos a Semrush como locos hay que hablar con el cliente, saber el tipo de usuario al que va dirigido, saber cómo gana dinero y qué productos son más rentables para el.

Como ejemplo para este post vamos a utilizar una tienda de padel, así controlo más sobre el mercado.

Con esto concluimos que:

  • Es un ecommerce que vende cualquier cosa relacionada con el padel, desde palas hasta pelotas de padel y material para entrenadores.
  • Que su principal punto fuerte no es el precio, es un catálogo muy amplio de productos y las reviews de la comunidad de usuarios.
  • Que su cliente navega bastante antes de hacer la compra, con lo que no tiene bastante claro lo que necesita.
  • Que los filtros de ordenar por precios se utilizan bastante y que la tasa de rebote de dichos filtros es muy alta.
  • Y que existen ciertas marcas que acaparan el 80% de las ventas.
  • Donde además, existe cierta correlación en los carritos de compra entre ciertas categorías. (Esto es importante para enlazado interno y cross selling)

Herramientas para Keyword Research.

Aunque existen muchas herramientas para recopilar palabras claves y volúmenes de búsquedas vamos a centrarnos en Semrush, ya que es la más popular, la más barata y la que mayor base de datos tiene. Aúnque la metodología para el tratamiento una vez estén recopiladas las keywords será la misma.

Otra opción gratis en Ubbersugest, la cual para empezar y con pcos recursos funciona bastante bien. Además las búsquedas se asemejan bastante a las de Semrush

Si el proyecto está vivo y no es nuevo, deberíamos de tener en cuenta búsquedas actuales mediante los datos de Search Console

Para el filtrado y selección y tratamiento de keywords usaremos Microsoft Excel o Google Sheets.

Recopilación de palabras claves.

Búsquedas iniciales imitando al posible cliente.

Una vez en semrush buscamos toda la información posible a nivel de keywords con palabras claves generales como “padel”,”palas de padel”,”zapatillas de padel”, etc…

Captura de pantalla 2020 07 03 a las 8.38.52

Con varias de estas búsquedas ya tendríamos para empezar, pero queremos saber más y recopilar la mayor cantidad posible de búsquedas, con lo que lo ideal es ver competidores en top 1,2 y 3 para dichas palabras claves y exportar también sus palabras claves.

Por ejemplo, en este caso, PadelNuestro. Líder en sector padel en España desde hace unos años.

Captura de pantalla 2020 07 03 a las 8.41.05

Ya sólo con esos dos excel, disponemos de más de 30.000 keywords, las cuales lógicamente estarán repetidas, otras serán de la marca padel nuestro, y miles tendrán menos de 20 o 30 búsquedas mensuales.

Limpieza y filtrado de keywords.

Ya con los excel descargados los copiamos y pegamos todo en una misma hoja.

  • Eliminamos las palabras claves duplicadas
  • Además las columnas de tendencias, competitive density y CPC
  • Y aquellas keywords con volúmenes de búsquedas menor a X, en este caso 30.

Obtenienndo algo así.

Captura de pantalla 2020 07 07 a las 12.12.28

6.000 keywords son muchas keywords con lo que seguiremos filtrando…

Cuando hay palabras claves tan generales exsten muchos resultados irrelevantes para nosotros a la hora de categorizar. Sobre todo nombres de empresas, comercios, marcas, locales, etc…

Por ello filtrando la columna de SERP Features podemos filtrar aquellas palabras claves que contienen “Knowledge” que son los microformatos usados generalmente para webs, organizaciones, etc…

Captura de pantalla 2020 07 07 a las 12.19.21

Como vemos en los resultados aparecen nombres de federaciones de padel, clubes de padel, marcas de padel, webs de padel, etc…

Con el filtro aplicado iremos viendo cuales eliminar y cuales no. Por ejemplo, aunque no es una keyword idónea para empezar, “padel” no debería eliminarse, ya que los metadatos knowledge también incluyen “entradas de la wikipedia” en las SERPS.

Captura de pantalla 2020 07 07 a las 12.22.28 2
Captura de pantalla 2020 07 07 a las 12.22.55 1

Sólo con este filtrado ya vamos por 4600 keywords. De las cuales sólo hemos dejado “padel”.

Si queremos seguir afinando… En palabras clave filtrariamos todas las keywords que contienen “nuestro” de padel nuestro o “world padel tour” que aunque existen productos de padel con el nombre del torneo, no es el caso ni vamos a orientarnos a esa keyword. Eliminando de nuevo más resultados, y muchos de ellos, irrelevantes.

Captura de pantalla 2020 07 07 a las 12.31.28

Por último añadir otros criterios que se van obteniendo echando una primera visual al listado de keywords. Y repito, esto es un trabajo manual, minucioso y detallista que después da sus frutos.

Así que se eliminan:

  • Clases
  • Pistas
  • Federación
  • Curso
  • Club
  • Juego
  • Liga
  • Campeonato
  • tutoriales
  • videos
  • 2017 o 2016 (Catálogos de 2 años de antigüedad máximo)
  • Torneo
  • Tiendas (Ya que no tenemos tienda física)
  • Decathlon
  • Amazon
  • Reglas
  • Calentamiento
  • Campus
  • Cancha
  • Corte inglés
  • Jugadores
  • Aprender
  • Entradas
  • Entrenamiento
  • Milanuncios
  • Mundial
  • Partidos
  • Máster
  • Niveles
  • Etc…

Siguiendo en la limpieza empezamos a aplicar dos filtros para intentar aligerar lo máximo posible la limpieza. Con lo que filtraremos por Serps Features y por keywords.

Si en Serp Features seleccionamos las columnas con Local Pack y además en las keywords filtramos aquellas que empiecen por “padel” obtenemos keywords de la tipología “padel Madrid, padel Barcelona, etc”…

El método es un poco tosco, no me canso de decirlo, pero es una forma de filtrar y depurar las palabras claves que nos conviene sin tener que revisar más de 10.000 keywords una a una. Y por supuesto, algunas se perderán en el camino.

Aún así, vemos que los filtros aciertan en un 90% de los casos.

Captura de pantalla 2020 07 07 a las 12.43.50

Filtrando también por “People also ask” en Serps Features podemos sacar contenido para el Blog y nuestra estraegia de contenidos e incluso para FAQS.

Captura de pantalla 2020 07 07 a las 12.52.17

En este caso, no se desecharán esas keywords, las trasladaremos para tratarlas independientemente en la estrategia de contenidos.

Otro tipo de contenidos muy propensos para esto son los “cómo”, “cuánto”, “mejores”, etc… Y aunque las palabras claves “mejores” se pueden enfocar a un target que no tiene claro lo que busca… La estrategia personalmente la enfocaría a contenido del blog orientado a palas de principiantes con precios asequibles, ya que orientar este tipo de keywords a categorías principales es perder fuerzas en las mismas.

Captura de pantalla 2020 07 07 a las 13.00.27

Como el target era un usuario que no tenia claro lo que quería y en el que el precio no era un punto clave, sino la amplitud del catálogo, descartamos para una arquitectura general y estrategia de palabras claves los términos “barata/os y ofertas”.

Enfocando dichas keywords a las secciones de ofertas, promociones, etc… que no formarán parte de la estrategia a nivel de categorías y subcategorías, pero si a nivel de secciones específicas de ofertas, promociones u outlet.

Captura de pantalla 2020 07 07 a las 13.03.54

Ya con todo esto… vamos por 2000 y aún así ahora empezaremos a categorizarlas. Otro coñazo, lo siento, pero con la categorización quedarán muchas keywords sueltas sin categorías que ya veremos qué hacer con ella.

Categorizando keywords y asignando atributos.

Con el excel bastante limpito vamos a añadir dos columnas, una de categoría principal y otra de subcategorías o filtros para ir agrupando keywords.

En el ejemplo nos vamos a centrar en la categoría estrella “Palas de padel”, donde conforme vamos filtrando identificamos patrones de búsquedas importantes como:

  • El año de lanzamiento de las palas.
  • Las marcas de las palas
  • Material
  • Nivel
  • Tipos de palas.
  • Y mujeres o niños.

Tras un largo trabajo, obtenemos algo parecido a esto, habiendo clasificado las palabras claves según los criterios anteriores.

Captura de pantalla 2020 07 08 a las 0.19.06

Donde ya tenemos una selección de keywords para “palas de padel” con 310 keywords, las cuales se dividirán en 8 tipos de filtros generales y 32 derivados de esos 8 filtros.

Con todo esto lo ideal, es aplicar una tabla dinámica a dicha hoja para poner un poco en orden toda esta avalancha de datos, agruparlas y sacar conclusiones.

Captura de pantalla 2020 07 08 a las 0.24.08

Viendo la categorización o “filtrado” de keywords observamos que las búsquedas de palas de padel por nivel o material no son rentables, ya que tienen pocas búsquedas, al igual que las opiniones de las palas.

Serían filtros que en principio no sería recomendable indexar por volumen. Más adelante veremos porqué no indexar filtros según la capacidad de estos mismos de duplicar contenidos.

Aún así, si pensamos que 296 keywords dividas en todos estos filtros son muchas podemos hilar más fino con nuestra estrategia y seleccionar keywords con más de 90 búsquedas mensuales y competencia menor de 80, con lo que de 296 pasaríamos a 104 keywords.

Y lógicamente se perderán también muchas categorías que no existirán.

Captura de pantalla 2020 07 08 a las 0.43.04

Desarrollo de la arquitectura de la información.

Con todos los datos de keywords filtradas sacamos conclusiones finales y arquitectura de la sección de palas, donde podemos ver que mujeres y niños serían subcategorías por sí mismas, ya que son cualidades sin opciones. O eras mujer o eres un niño/a.

Para los demás atributos al no ser por si solos un criterio único se aplicarán como filtros, siendo indexables todas las combinaciones en un principio por tener un volumen de búsquedas interesante y por no caer en duplicidad de contenido. Exceptuando materiales y niveles que son filtros destinados a mejorar la usabilidad de los resultados de búsqueda.

Captura de pantalla 2020 07 08 a las 0.56.06

Uniendo todos estos nodos para otras secciones como zapatillas de padel, textil, paleteros, material de entrenamiento, etc… Podemos sacar la arquitectura global de la información.

Diferencia entre categoría y filtro.

Podríamos decir que una categoría es conjunto de características cerradas que la forman, por ejemplo, una pala es una pala de padel y punto. Tiene un mango y las caras de la pala.

Sin embargo una subcategoría tiene composiciones distintas que las hacen diferentes a las categorías que la incluyen. Por ejemplo, un grip para el mango, un protector o antivibradores son elementos totalmente distintos a las palas de padel pero están vinculados a las mismas, ya que se colocan sobre estas.

Por otro lado los filtros son atributos o variaciones de dichas categorías o subcategorías, como lo pudieran ser materiales, tipos, año de fabricación, etc…

Un ejemplo más claro serían las zapatillas de padel, donde de un mismo modelo pueden haber distintos colores, tallas e incluso tipos de suelas. La categoría es la misma, pero son ciertos atributos de las mismas los que varían.

Criterios de indexación de filtros.

La indexación de los filtros siempre va ligada a 3 factores importantes:

  • La capacidad de los mismos para duplicar contenido y ser mútuamente excluyentes
  • El volumen de búsqueda de dichos filtros según el keyword Research anterior.
  • La capacidad de IT o el equipo de desarrollo para modificar el CMS si no estuviera preparado para indexar unos filtros y otros no.

Duplicación de contenidos.

La capacidad para duplicar contenido viene dada generalmente por atributos comunes y generalizados como los colores o las tallas y la exclusividad de estos.

Si filtramos zapatillas de la talla 38 de la marca Asics, por regla general, duplicará contenido con los filtros de la misma marca para las tallas más comunes como la 40,42,44, etc… Ya que las mismas zapatillas estarán para varias tallas. Con las camisetas igual con tallas. Con lo cual dichos filtros no deberían indexarse.

Volviendo a las palas de padel, el año del modelo es mutuamente excluyente, ya que una pala del 2020 no puede aparecer en 2019 o 2018, con lo que si además las palas de padel tienen búsquedas por (pala de padel + año) por ejemplo si que deberían ser indexadas.

Volúmenes de búsquedas.

Existen filtros que no se deben indexar ya que no tienen relevancia significativa a nivel de búsquedas, como el ejemplo de “nivel”en las palas de padel. El poco volumen de visitas no compensa con las posibilidades de duplicar contenido e incluso canibalizar resultados.

Dificultad para la implementación técnica.

Cuando el ecommerce está desarrollado sobre una plataforma cerrada o algun software open source que no está preparado para seleccionar que tipos de filtros indexar o no, es cuando aparecen los problemas.

Generalmente todo lo que sea tocar plantillas y programar variaciones y el backend la gestión de los filtros trae problemas a nivel de recursos y consecuentemente precio. E incluso a veces por falta de gana del equipo de desarrollo.

Lo ideal a la hora de no indexar estos filtros seleccionados es:

  • Poder seleccionar qué filtros indexar y cuales no a través del backend del ecommerce.
  • Que estos filtros añadidos contengan un “canonical” apuntando a la categoría o subcategoría sin el filtro aplicado.
  • Que además y por si acaso el enlace al filtro sea “nofollow” para no desperdiciar Crawl Budget.
  • Y si es posible añadir al robots.txt un Disallow para dicho filtro.

Enlazado interno y crosselling.

Yendo un poco más allá del primer filtrado de keywords y asignación de categorías y filtros, podemos observar que ciertos filtros combinados conforman unas pautas de búsquedas óptimas para el long tail.

Por ejemplo, podemos sacar la conclusión del estudio de keywords que las búsquedas por tipos de palas van ligadas a las marcas. Así desde el filtro marcas se podrían enlazar a los tipos de palas de esa marca más comunes e incluso indexar dicha combinación de ambos filtros.

Captura de pantalla 2020 07 08 a las 10.23.24

Conclusiones

La verdad es que he intentado desglosaros la metodología que uso e intentar hacerlo liviano, pero creo que se ha hecho bola. Es complicado porque al hacer un keyword research entran en juego bastantes factores y según he ido viendo en Linkedin e internet, la mayoría de los posts que explican researchs fallan en lo mismo.

  • Hay que tener en cuenta siempre la parte de negocio del cliente a nivel de producto y a nivel de usuario.
  • No hay un método analítico exacto. Puedes filtrar y cruzar volúmenes de búsqueda con competencia o número de resultados, pero al fin y al cabo son estimaciones.
  • No se tienen en cuenta los competidores para esa keyword que están por encima tuya. Sería imposible para un pequeño sitio posicionar por hoteles en Madrid teniendo entre los 10 primeros a Booking, destinia, viajes el corte inglés, etc…
  • No se usa la lógica ni criterios excluyentes como las duplicidades de contenido, tamaño de los catálogos de ciertos productos o marcas…

Consideraciones a la hora de buscar un SEO

Por último, comentar, que un estudio de palabras claves no es exportar de Semrush y ya está, que hacer sólo la categoría de palas de padel han sido casi 4 horas. Si esto se multiplica por 10 categorías son 40 horas, y por 40€/hora de un seo senior que puedas encontrar te vas a 1.600€ por un keyword research en condiciones.

Keywords research de 200€ para 10 categorías en una hora solo exportando, copiando y pegando lo tienes. Con lo que la hora sale 5 veces más cara que la de un seo profesional y no os va a servir para nada.