Hacer una auditoría SEO seria siempre ha sido un trabajo que combina dos cosas: mucho volumen de datos y criterio humano para interpretarlos. La inteligencia artificial no te quita la segunda parte, pero sí te cambia radicalmente la primera. Hoy, auditar un sitio para posicionarlo en Google y en las IAs ya no es lo mismo que hace dos años: con el stack adecuado, lo que antes eran días de Excel se convierten en horas de análisis bien dirigido.
En este artículo te cuento cómo hago yo una auditoría SEO apoyada en IA: qué herramientas combino, qué le pido a la IA en cada fase, dónde sigue siendo imprescindible el ojo humano y qué errores he visto cometer a Claude (y a mí) cuando no se supervisa lo suficiente.
¿Quieres una auditoría SEO que combine datos masivos con criterio humano? En Sloumo audito tu web usando IA para acelerar el análisis, pero con supervisión real en cada paso. Escríbeme y lo vemos: puedes consultar el precio de una auditoría SEO antes de hablar.
Antes de abrir Claude: los datos que necesitas tener listos
Un error muy habitual es abrir la IA directamente y pedirle que audite una web. Así no funciona. La calidad del análisis depende por completo de la calidad y el detalle de los datos que le das a trabajar. Si los datos están mal extraídos o son parciales, las conclusiones serán parciales o directamente incorrectas, por muy bien que escriba la IA.
Antes de abrir una conversación con Claude, lo que hago es reunir información de tres fuentes:
Semrush, donde exporto lo que más peso tiene para la fotografía del sitio: el listado de palabras clave por las que posiciona, las páginas que captan tráfico y los enlaces externos. Me interesan los datos tal cual, sin filtros previos: luego los cruzo con el resto.
Screaming Frog, donde directamente hago un crawl completo y exporto absolutamente todo. Estructura interna, enlaces internos, códigos de respuesta, metadatos, canonicals, profundidad de página, redirecciones, imágenes… No filtro nada en esta fase porque prefiero que la IA vea el conjunto y sea ella la que me marque por dónde empezar a tirar del hilo.
Google Search Console, que es la tercera pata y la que complementa lo que Semrush no ve: impresiones, clics, CTR y posiciones reales en Google. Aquí tengo montado un MCP que conecta Claude directamente con Search Console, así que no necesito exportar nada a mano. Claude entra y busca lo que necesito en el momento, lo que agiliza mucho el proceso y evita errores de exportación.
Con esas tres fuentes sobre la mesa, la auditoría ya puede empezar. No antes.
Auditoría técnica: pedirle a la IA que busque patrones, no que lea por ti
La parte técnica es donde más se nota el cambio. Un export completo de Screaming Frog tiene decenas de miles de filas y docenas de columnas. Leerlo a mano es inviable y además es poco útil, porque lo relevante no está en una fila concreta, está en los patrones.
Lo primero que le pido a Claude con el export técnico es exactamente eso: que me encuentre patrones. No que me resuma el archivo, no que me liste los errores uno a uno, sino que me diga qué está pasando de forma repetida en el sitio. Por ejemplo: si hay secciones enteras con títulos duplicados, si hay familias de URLs con la misma profundidad de enlazado y con rendimiento parecido, si hay redirecciones que apuntan a páginas que a su vez redirigen.
Esa primera fotografía casi siempre es buena. Te da una idea clara de dónde están los focos del problema. Pero no puedes quedarte ahí. Una vez que tienes los patrones principales, toca bajar al detalle y preguntarle cosas concretas sobre esos datos: «muéstrame las URLs concretas afectadas por este patrón», «compara estas dos secciones en profundidad», «qué correlación ves entre páginas con thin content y páginas con poco enlazado interno».
La IA no es un buscador ni un resumidor: es un colaborador que tienes que ir dirigiendo. El valor real no está en la primera respuesta que te da, está en la conversación que mantienes con ella durante la auditoría.
Otra cosa que conviene tener siempre a mano mientras auditas es una lista clara de herramientas de auditoría SEO que complementen lo que la IA ve. La IA interpreta datos; seguir necesitando la herramienta que los genera bien es innegociable.
Análisis de competencia: lo que sigo haciendo a mano
Aquí voy a ir en contra de la corriente de «automatízalo todo con IA». En el análisis de competencia, la parte que hago con IA es la mínima, y la hago conscientemente.
Mi proceso es bastante manual. Por un lado, hago un análisis heurístico de los contenidos de los principales competidores: entro en sus páginas clave, veo cómo resuelven la intención de búsqueda, dónde colocan las llamadas a la acción, cómo estructuran los H2, qué tipo de prueba aportan (casos, datos, fotos), dónde enlazan y hacia dónde.
Por otro, comparo el posicionamiento que tiene esa competencia respecto al de mi cliente: qué clusters dominan ellos y no mi cliente, qué clusters tenemos nosotros y ellos no, y en qué terrenos estamos empatados.
¿Por qué no delego esto en la IA? Porque en competencia hay mucho contexto de negocio que no está en los datos. Una competencia dominante en un cluster puede estar ahí porque lleva años trabajando la autoridad, o porque ha pagado enlaces, o porque tiene marca. Una IA sin ese contexto te puede decir «aquí hay una oportunidad» cuando en realidad es una barrera de entrada muy alta. Ese juicio lo sigo haciendo yo y no pienso cambiarlo a corto plazo.
Enlazado interno y arquitectura: donde la IA detecta lo que ya no ves
El enlazado interno es probablemente la fase donde más me ha sorprendido Claude, porque es una tarea mentalmente agotadora para un humano y trivial para una IA bien dirigida.
Lo que hago es pasarle el archivo completo de enlazado interno desde Screaming Frog. Nada más. Con ese archivo puedo pedirle cosas como:
- Qué páginas están recibiendo mucho enlace interno y tienen poco rendimiento (potencial desaprovechado).
- Qué páginas deberían estar conectadas entre sí por temática pero no lo están.
- Qué clusters temáticos tienen arquitectura plana y cuáles tienen enlazado jerárquico.
- Qué categorías del sitio están enlazando «hacia fuera» de su propio cluster y canibalizando señales.
Aquí no es que la IA haga nada que no pudiera hacer yo. Es que lo hace en una décima parte del tiempo, y sobre todo, lo hace sin saltarse nada. En una web con miles de URLs, revisar esto a mano es inviable. Con IA, es una hora bien invertida que deja un diagnóstico mucho más profundo.
El matiz importante: toda conclusión sobre enlazado luego la vuelco a la auditoría SEO completa, donde esos huecos de enlazado se cruzan con los datos de rendimiento de Search Console. Ese cruce es el que marca prioridades reales.
El error más frecuente que me ha cometido Claude
Llevo bastantes auditorías hechas con apoyo de IA y el error más frecuente, con diferencia, no es el que imaginarías. No es que invente datos ni que se confunda de sección. Es mucho más sutil: Claude te da conclusiones muy bien estructuradas y muy razonadas, pero las conclusiones dependen al 100% de cómo estén extraídos los datos de entrada.
Un ejemplo real. Si lanzo Screaming Frog con una configuración de rastreo mal ajustada (por ejemplo, respetando robots.txt cuando lo que me interesa es saltárselo para ver qué hay bloqueado, o sin incluir subdominios cuando la web los tiene, o con un user-agent que el servidor trata de forma distinta), el export resultante va a estar sesgado. La IA, al analizarlo, no sabe que el dato está sesgado: ella ve lo que le pasas. Y te va a entregar una conclusión coherente con un dato incompleto.
El resultado es una auditoría que suena impecable y que en realidad está equivocada en cosas importantes. Nadie se da cuenta hasta que el cliente aplica los cambios y el tráfico no se mueve.
¿La lección? En una auditoría con apoyo de IA, la supervisión humana no es opcional. No basta con leer el output final. Hay que supervisar cómo se extraen los datos de cada herramienta, qué filtros se aplican, qué se incluye y qué se excluye. Si los datos de entrada están bien, la IA te ahorra muchísimo tiempo. Si no, te ahorra tiempo para equivocarte más rápido.
Un caso real: auditoría de volúmenes de mercado con miles de keywords
Hace poco hice una auditoría especialmente densa en la que, entre otras cosas, había que analizar volúmenes de mercado de palabras clave en un sector con muchísima dispersión. Hablamos de miles de términos, en varios idiomas y con diferentes intenciones de búsqueda.
Hacerlo a mano, sencillamente, no era opción. O mejor dicho: sí era opción, pero hubiera implicado varias semanas de trabajo para extraer conclusiones que al final iban a ser imprecisas por puro volumen.
Aquí es donde la IA marcó una diferencia clara. Le pasé los volúmenes de cada cluster de keywords junto con el contexto del negocio del cliente y le pedí que me ayudara en tres cosas:
Primero, categorizar el mercado. Agrupar los miles de términos en clusters reales de demanda, no solo por similitud lingüística sino por intención comercial y fase del funnel. Esto a mano es un proceso de semanas; con IA, de horas, y con una coherencia que yo no habría conseguido solo.
Segundo, cuantificar tamaños de mercado. Sumar volúmenes por cluster, por temática y por zona geográfica, y ponerlos en perspectiva respecto al posicionamiento actual del cliente. La IA es excepcional haciendo este tipo de agregaciones y cruces masivos sin perderse por el camino.
Y tercero, presentar la información al cliente. Esta parte suele ser invisible para quien mira la auditoría desde fuera, pero es donde más tiempo se pierde cuando trabajas solo. Con la IA pude generar los gráficos, las visualizaciones y la estructura de la presentación orientada a lo que el cliente necesitaba entender, no a lo que técnicamente había analizado. Eso, combinado, nos ahorró no horas, sino días. Y el cliente salió de la reunión con una fotografía del mercado que de otra forma probablemente no habría llegado nunca.
Este caso es el que mejor resume, para mí, lo que aporta la IA en una auditoría: no es que haga cosas que tú no sabías hacer, es que te permite llegar a sitios a los que tú solo no llegarías por tiempo.
Una auditoría con IA vale lo que vale quien la supervisa
La inteligencia artificial ha cambiado la forma de auditar un sitio, pero no ha cambiado la esencia del trabajo. El valor de una auditoría sigue estando en el criterio del consultor: en qué datos decide mirar, cómo interpreta lo que la IA le devuelve, qué descarta, qué prioriza y cómo lo traduce en acciones que de verdad muevan la aguja del negocio.
La IA acelera todas las fases técnicas y masivas: extracción, agrupación, búsqueda de patrones, generación de entregables. Pero una auditoría sin supervisión humana es tan peligrosa como una auditoría sin IA es lenta. Lo que tiene sentido hoy es combinar las dos cosas: velocidad de la máquina y criterio de la persona que lleva años mirando webs.
Si lo que necesitas es precisamente eso —una auditoría que combine análisis masivo con supervisión real—, puedes contarme tu caso en Sloumo y lo vemos. Reviso tu sitio con este mismo proceso y te entrego el diagnóstico y las acciones priorizadas para trabajar tanto el posicionamiento en Google como en las IAs.
