Data SEO Academy
Python Seo

Automatización SEO: Investigación de keywords con Python y Data for SEO

Para nosotros, los SEOs que

Automatización SEO: Investigación de keywords con Python y Data for SEO

Para nosotros, los SEOs que vivimos en el día a día de las estrategias digitales, la investigación de keywords es fundamental. Pero, estaa tarea que puede ser tan crucial a veces se vuelve un verdadero dolor de cabeza,  y es ahí donde la automatización con Python se convierte en nuestra mejor aliada. Con herramientas como DataForSEO API, podemos transformar la forma en que trabajamos, optimizando nuestros tiempos y mejorando la calidad de nuestros resultados. En este artículo, vamos a ver en cómo podemos lograr esto, de la mano de la experiencia de un experto en el campo.

Antes y después de la automatización: Testimonio de un ex alumno Data SEO

¿Te acordás de esos días en los que la investigación de keywords era un proceso 100% manual? Facundo Zupel, SEO Manager y ex alumno de Data SEO Academy, lo recuerda muy bien. Él solía buscar autocompletados de Google a mano, usar herramientas como Semrush y Ahrefs para exportar queries, y analizar los “People Also Ask” (PAA) para entender la intención de búsqueda. ¡Un trabajo que tomaba horas, incluso días Ahora, gracias a herramientas como DataForSEO, la historia es diferente.

Evolución en el proceso de investigación de keywords

Facundo nos cuenta cómo su enfoque cambió radicalmente desde enero de 2024. El conocimiento en Python, el uso de APIs, técnicas de web scraping, análisis de NLP y la manipulación de datos con Pandas le permitieron automatizar tareas que antes eran impensables. La escalabilidad se logró a través de iteraciones y el manejo de grandes volúmenes de datos. Y la cereza del pastel fue descubrir DataForSEO API, una herramienta que le facilitó la vida enormemente.

Introducción a DataForSEO API

DataForSEO API es una API diseñada específicamente para desarrollar herramientas de SEO. Permite extraer información de keywords, volúmenes de búsqueda, datos de backlinks y datos de la SERP. Sus principales beneficios son la flexibilidad en los parámetros, la personalización, el costo y la escalabilidad. ¿Te imaginás poder acceder a toda esta información de manera programática? ¡Es un sueño hecho realidad para cualquier SEO!

Ejemplos prácticos de funciones en Python

Facundo comparte algunos ejemplos de código que utiliza en su día a día. Estas funciones son una muestra del poder de la automatización y de cómo podemos adaptar las herramientas a nuestras necesidades específicas.

Función de sugerencias de keywords

Esta función, llamada keyword suggestions, devuelve un listado de queries con su volumen de búsqueda y competencia, entre otros parámetros. La función está diseñada para recibir un listado de keywords y geolocalizarlas.

# Ejemplo de uso
    keywords = [""café""]
    location_code = ""2840"" # Código para Chile
    suggestions = get_keyword_suggestions(keywords, location_code)
    print(suggestions)

Función de keywords relacionadas

La función related keywords extrae las keywords relacionadas de Google. Permite definir la cantidad de keywords a explorar dentro del repositorio de DataForSEO Labs.

# Ejemplo de uso
    limit = 100
    level = 3
    related = get_related_keywords(""café"", limit, level)
    print(related)

Combinación de SERP API con extracción de keywords

Una de las combinaciones más potentes que Facundo utiliza es la de la SERP API de DataForSEO con la función keywords for site. La SERP API proporciona información de los resultados orgánicos de Google para una keyword específica, y luego, la función keywords for site extrae información de cada una de esas páginas. Esta combinación es especialmente útil para nichos muy particulares.

# Ejemplo de uso
    keyword = ""café de especialidad""
    serp_results = get_serp_results(keyword)
    for url in serp_results:
        keywords = get_keywords_for_site(url)
        print(keywords)

Manipulación de datos y análisis avanzado

La manipulación de datos es clave para extraer información valiosa de nuestros datasets de keywords. Facundo utiliza la librería Pandas para realizar análisis avanzados y granularizar la información.

Análisis de bigrams y ngrams

Facundo utiliza una función que realiza un group by para unir keywords que tienen un mismo ngram o bigram, junto con la suma del volumen de búsqueda de todas las queries encontradas en esas listas. Esto permite reducir el dataset y granularizar la información para análisis más específicos.

# Ejemplo de uso
    df = pd.DataFrame({""keyword"": [""café orgánico"", ""café gourmet"", ""té orgánico""], ""volume"": [100, 200, 150]})
    ngram_analysis = analyze_ngrams(df, ""keyword"", n=2)
    print(ngram_analysis)

Análisis de costos y escalabilidad

Uno de los aspectos más importantes a considerar al automatizar la investigación de keywords es el costo. DataForSEO ofrece diferentes planes y la inversión mínima es de 50 dólares. Según Facundo, esta inversión puede durar entre 4 y 5 meses. Sin embargo, el costo real dependerá del uso que le demos a la API.

Análisis de costos y eficiencia

La pregunta clave es: ¿qué herramienta me conviene más? La respuesta dependerá de nuestro caso de uso. Para Facundo, DataForSEO ha sido una excelente opción, permitiéndole prescindir de herramientas más costosas como Semrush o Ahrefs. La flexibilidad y personalización de la API le permiten adaptar las herramientas a sus necesidades específicas.

Facundo concluye que es posible crear un módulo con todas estas funciones, importarlo desde local y generar nuestro propio Keyword Research con una sola línea de código. Este es el nivel de automatización al que podemos aspirar gracias a Python y DataForSEO.

Así que ya sabés, si querés llevar tu investigación de keywords al siguiente nivel, la automatización con Python y DataForSEO es el camino a seguir. ¡Animate a probarlo y contanos tu experiencia!