Keywords vs Conceptos: aprende a ampliar tu keyword research
4.48 (89.6%) 25 votos

Después de la lectura del post de hoy aprenderás a mejorar tu keyword research gracias a un mejor tratamiento de los “conceptos”, que van un paso más allá de las palabras clave.

Nos viene a hablar sobre ello un autor invitado que es un gran lector histórico de Blogger3cero. Keywords Versus Conceptos o como llevar tu keyword research al siguiente nivel…

Este es un post invitado de Carlos Rodríguez. Blogger en emprendedoresminimalistas.com.

Conceptos en el SEO On Page

Dean me ha dicho que sea breve, que no me ande por las ramas y que vaya al grano. Breve y directo: eso sí que es un reto para mí. Creo que hoy no va a ser el día que lo consiga.

¿Quién soy? No importa. ¿A qué me dedico? No es relevante. ¿Acerca de qué escribo? Sobre lo que apetece, normalmente sobre SEO, contabilidad e historia de la economía. Pero ahora quiero que centréis la atención en este vídeo:

Vale. Ahora pensemos en el keyword research. ¿En qué consiste? Pues en elegir unas palabras clave semilla. Después se amplía el rango de palabras con el Google Keyword Planner (GKP en adelante) y sus primos hermanos (Keywordtool, Keywordshitter, Übersuggest y otros similares). Los más astutos, incluso, utilizan también las sugerencias de Google. Con esto construyen una gran lista de palabras clave junto con el número de búsquedas mensuales que permitirán elegir el nicho que más interese.

Si eres de los que hacen esto, lamento comunicarte que  tú cueces las palabras clave. No las enriqueces. 

Diferencia entre palabra clave y concepto

Quiero dejar esto claro desde el principio. Este no es un artículo del tipo “las keyword han muerto – a google le van los sinónimos”. Sin una adecuada selección de palabras clave no se puede hacer SEO de ningún tipo.

El usuario expresa sus necesidades mediante cadenas de texto, las palabras clave, que introduce en los buscadores. Los bots de Google escanean todas las páginas por las que pasan en busca de palabras clave para hacerse una idea del contenido de las mismas. En internet todo empieza y acaba en las palabras clave.

Entonces ¿a qué me refiero exactamente con enriquecer el keyword research? Las estrategias que propondré se basarán en dejar de pensar en términos de “posicionar artículos para una keyword” y empezar a considerar las relaciones de significado entre las palabras clave.

En efecto, si consultamos la definición de concepto llegamos a la conclusión siguiente: un concepto es una unidad cognitiva de significado que se expresa con palabras. Por tanto, en las cabezas de los usuarios, los pensamientos se agrupan por la semántica, esto es, por el significado que contienen. De este modo se forman los conceptos.

Pero, recordemos, las palabras clave no son otra cosa más que la verbalización (más bien la plasmación en una cadena de texto) de nuestros pensamientos. Luego en el mundo de las keywords debería ocurrir lo mismo que en nuestras cabezas: pensamientos relacionados en forma de conceptos implican palabras clave relacionadas. Por tanto, las palabras clave que mantengan algún tipo de relación entre sí serán lo que llamaré “concepto”.

El ejemplo tonto
Dietas, dietas sanas, dietas fáciles. Son palabras clave relacionadas directamente. Obviamente, comparten significado semántico y forman parte del mismo concepto en la mente de los usuarios.
Pero hay otras palabras
Gimnasios 24h, ejercicios para quemar grasa, suplementos alimenticios, activar el metabolismo, cuidado de la salud y un largo etcétera, que tienen una relación indirecta con las dietas.

Todas ellas comparten un mismo significado. Podríamos decir que pertenecen al campo semántico “estilos de vida saludables”. Representan, por tanto, el mismo concepto en la cabeza de los internautas.

Palabras Clave - Conceptos

Los conceptos son keywords relacionadas

¿Y esto afecta al SEO? Pues claro. Si los usuarios piensan que ciertas palabras clave están relacionadas, Google lo sabe y lo tiene en cuenta. Y hasta aquí el artículo de hoy. Ha sido un placer estar por aquí…

Vaya, Dean me dice que tengo que continuar. Que no he puesto ningún ejemplo práctico… ¡Pero si me había dicho que fuera breve! ¡Así no hay quién se aclare!

Rankear palabras clave

Aquí no voy a descubrir nada nuevo. Mediante las técnicas de SEO on page sabemos cómo optimizar nuestras webs para una palabra clave en concreto. De hecho existen herramientas muy sofisticadas que se ocupan de esto. Si sois seguidores de este blog seguro que recordáis el excelente tutorial de Seolyze.

En el tutorial podéis ver una gráfica muy reveladora: la del EPS-KF para una keyword. ¿Y qué nos importa esto?, os preguntaréis. Pues bien, hasta para un SEO de primer nivel, que utiliza una herramienta super-sofisticada, existe un límite de optimización de una página para una palabra clave mediante SEO on page.

Ese límite viene dado por el valor EPS-KF máximo,  por encima del cual Google empieza a penalizar . Una vez traspasado, para competir en las SERPS, empiezan a contar factores externos a la página (enlaces entrantes, autoridad del dominio, SEO local, etc…)

¿Y qué pasa si el que optimiza la página no es un SEO de primer nivel? ¿Y si no emplea herramientas profesionales? ¿Y si, ni tan siquiera, tiene un blog con una autoridad decente? ¿Y si no sabe hacer linkbuilding? (No soy yo, me refiero a un amigo que también está empezando… 😉 )

En este caso, nuestra maravillosa página se hundirá en las SERPS sin remedio. Pero no nos vamos a rendir todavía. Tenemos una posible solución en la guía panda score que nos regala Dean cuando nos suscribimos a la newsletter de esta casa. Cito textualmente de la página 6:

[…] a más keywords consigas que traccionen tráfico […] más peso y puntuación dará Google a nuestro contenido para seguir subiendo. […] ¿Y cómo se consigue eso? Para conseguirlo necesitaremos incluir todas las palabras clave posibles que realice un usuario para una misma búsqueda sin caer en la sobreoptimización.

Después, en la página 7 dice:

Todo el resto del contenido debe centrarse en reforzar “el concepto” y NO la “keyword”. El concepto es sobre lo que trata el contenido y para obtener las palabras relacionadas que refuerzan este concepto deberás utilizar herramientas gratuitas como Keyword Planner, Übersuggest, Keyword Shiter o de pago como SEMrush.

Esta es la idea fundamental que quiero transmitir. Una entrada de blog que contenga muchas palabras clave relacionadas va a atraer más tráfico que si sólo te centras en una. Pero, un momento: ¡esto se parece a cocer keywords, no a enriquecerlas!

En efecto, con este método podemos detectar las palabras clave DIRECTAMENTE relacionadas. ¿Porqué ocurre esto? Pues, el famoso Brian Dean de Backlinko en su Guía definitiva para keyword research (en inglés) comenta que el GKP sólo descubre palabras estrechamente relacionadas entre sí. El resto de herramientas sólo amplía el campo un poco más, pero el problema es el mismo. Si nos limitamos SÓLO a estas herramientas, todos acabaremos compitiendo para las mismas palabras.

La solución para este problema es evidente, buscar palabras relacionadas, pero de forma indirecta. O como dice nuestro Dean, reforzar el concepto, no la keyword.

Wikidata relaciona keywords de forma indirecta

Algo llamativo en el mundo del SEO hispano es la relativa poca atención (en comparación con la blogosfera de habla inglesa) que se presta al llamado SEO semántico, datos estructurados, rich snippets y demás.

Parece que cuando Google rediseñó las SERPS, mandando las estrellitas y fotos al baúl de los recuerdos, estos temas perdieron gran parte de su interés. Y considero que es un error grave.

Google ha dedicado muchos recursos a mejorar la calidad de sus búsquedas. Para el buscador, el conocimiento de las palabras clave que contiene una página, y los enlaces de esa página con otras, son cosas completamente triviales. Pero eso no implica que sea capaz de dotar de significado a esas palabras clave.

Para esto último necesita un elemento externo a las páginas web que sea capaz de relacionar palabras clave DE FORMA INDIRECTA. Es decir necesita encontrar relaciones entre keywords que aporten el significado semántico. Ese elemento externo son las bases de conocimiento, como Freebase por ejemplo.

En 2010, Google se hizo con Freebase. Y en 2014 cerró el proyecto migrando los datos a Wikidata. ¿Altruismo? ¿Preocupación por la libertad en la red? Pudiera ser…

Knowledge Vault

Primer prototipo de Knowledge Vault (o eso me dijeron). Foto del cofre tomada por Roger Kirby vía http://freeimages.com

O quizás, de este modo, Google puede acceder al almacén centralizado de todos los datos estructurados de los proyectos Wiki (Wikipedia, Wikivoyage, Wikisource, Wikibooks…) para emplearlos en su ojito derecho: Knowledge Vault. La compañía no habría invertido tanto en algo de lo que no esperase sacar buen provecho.

Knowledege Vault, relaciones y correlaciones entre keywords

¿Para qué sirve Knowledge Vault (KV, en adelante) realmente? Podría inventar alguna teoría conspiranóica. Pero creo que es mejor leer lo que dice Google del proyecto (enlace en inglés).

Para los que no tengan paciencia. KV extrae hechos aislados de la red y estudia las correlaciones entre ellos. O sea, que le presentas dos hechos y te dice si tienen mucho, algo o nada que ver entre ellos.

Los hechos salen de Wikidata y las relaciones las averigua con 5 métodos:

  • Primero. Dado un par de hechos, infiere su relación parseando el texto de los documentos directamente;
  • Segundo. A partir de la estructura lógica de los documentos de la web definida en el DOM (Document Object Model);
  • Tercero. Analizando las tablas en formato html que contienen los documentos de la web (¿alguien quería pruebas de que a Google le gustan las tablas?); y
  • Cuarto. De los datos estructurados que definimos en nuestros blogs con las herramientas de marcado de datos (schema.org, rich snippets, microdata, etc…)
  • Quinto. Este método no viene en el artículo citado. Probablemente tampoco esté del todo integrado en KV, pero lo he incluido aquí porque es muy interesante. Se trata de Google Correlate. Aquí está la página del servicio y aquí está su historia en forma de cómic. Lo que hace esta herramienta es correlacionar palabras clave que se buscan con el mismo patrón temporal. Es otra forma de encontrar relaciones indirectas entre keywords.
Por tanto, gracias a KV y Correlate, Google puede saber que las palabras clave que hagan referencia a dos entidades relacionadas, también estarán relacionadas, aunque sea de forma indirecta.

Este es el punto fundamental de este artículo, y aquí reside la importancia de las keywords indirectamente relacionadas. Si escribimos una entrada de un blog empleando Seolyze y la optimizamos para “dietas sanas”.  Llegará un momento que no podremos reforzar más la presencia de esta palabra . A partir de aquí tendremos que reforzar el concepto introduciendo otra keyword completamente diferente pero relacionada de forma indirecta: “gimnasio 24h” por ejemplo.

Esto funciona porque Google sabe que ambas están relacionadas (pertenecen al mismo campo semántico “estilos de vida saludable”) a pesar de ser cadenas de texto completamente diferentes.

¡Perfecto! Pues ya está todo contado. Hemos definido lo que es un concepto desde el punto de vista del SEO (concepto = palabras clave relacionadas), y hemos descrito cómo se las ingenia Google para relacionar las palabras clave (mediante KV). No hace falta decir nada más, por lo tanto me despido aquí…

Dean me dice otra vez que no me puedo ir hasta que no cuente algo útil. Que esto no tiene aplicación práctica. Ya sabía yo que no podía ser breve…

10 métodos para enriquecer el Keyword Research

Ya tenemos claro que los conceptos son palabras clave relacionadas. Y nuestro objetivo es reforzar el “concepto” de una página empleando técnicas de SEO on page. Lo que necesitamos ahora es, lógicamente, ver técnicas para encontrar palabras clave relacionadas. La novedad que aporta este humilde artículo es que mostraré algunas formas de buscar relaciones indirectas entre keywords.

Empezaremos con dos métodos que aparecen en el enlace anterior de Baklinko, el autor habla de nubes de nichos cercanos, pero se trata en el fondo de keywords relacionadas de forma indirecta.

Ambos métodos se centran en investigar a los usuarios de los buscadores para identificar las palabras clave que éstos emplean en sus búsquedas.

Método 1 – Buyer persona

La primera forma es construir los famosos perfiles de tu buyer persona. Estudiando a tus posibles clientes puedes encontrar esas keywords relacionadas de forma indirecta que estamos buscando. Un gran ejemplo de cómo podemos lograr esto nos lo ofrece nuestra amiga Cova Díaz.

Método 2 – Foros

El segundo método consiste en buscar en los foros de internet. Este método es muy interesante. El autor de Backlinko comenta que es como tener focus groups 24 horas al día. No le falta razón.

Se puede encontrar foros sobre cualquier tema sin más que teclear en un buscador “foros sobre” y la keyword que nos interese. Una vez encontrado el foro en cuestión, iremos a los hilos con más mensajes. Nuestro objetivo es encontrar las preocupaciones de los usuarios. La lógica que hay detrás es que, si un hilo concreto tiene muchos mensajes, seguro que el número de búsquedas en google también será alto.

No me extiendo más ya que hay mucho escrito sobre ambos.

Método 3 – Keywords directamente relacionadas

Para que el Keyword Research esté completo no podemos olvidar los métodos tradicionales para hallar las palabras clave relacionadas de forma directa:

Estos tres métodos son los más tradicionales. Todos ellos tienen inconvenientes que conviene conocer.

Los dos primeros están limitados por nuestra habilidad para elaborar perfiles de usuarios (hacer un buen perfil no es nada fácil) o por nuestro conocimiento previo del nicho al que queremos dirigirnos. Si no somos expertos en un tema, es difícil valorar si ciertas búsquedas son relevantes o no.

El tercer método tiene también un problema que ya he comentado antes. Si todos empleamos estas herramientas obtendremos las mismas keywords para posicionarnos, con lo que la competencia será brutal.

Es necesario, por tanto, disponer de otros métodos para buscar palabras clave relacionadas de forma indirecta. Vamos a por ellos.

Método 4 – Text Razor

Si queremos descubrir relaciones entre conceptos, ¿hay mejor forma de empezar que averiguar las entidades presentes en nuestra página? Para ello, emplearemos Text Razor. Se trata de una herramienta realmente curiosa, sobre todo la primera vez que la utilizas. Te deja pensando ¿todo eso lo he escrito yo?

Su uso es fácil. No tenemos más que copiar un texto en la demo de Text Razor y apretar el botón “analizar”. Si nos interesa podemos suscribirnos al plan gratuito, que es más que suficiente para nuestras necesidades. Pero para lo que quiero hacer, con la demo a secas nos basta.

Text Razor

Text Razor. La herramienta para extraer el significado de tus textos.

En mi caso me interesa mejorar un artículo que escribí hace un tiempo sobre contabilidad. Se trata de un proyecto no comercial en el que estoy metido y del que quiero lograr una visibilidad mayor.

Lo único que necesitamos hacer es copiar el texto de la web, pegarlo en la demo y analizar. El resultado es el que sigue.

Entradas de wikipedia

La información más interesante que nos proporciona se averigua pasando el cursor sobre las palabras subrayadas. Esto nos permite obtener el enlace a la página de Wikipedia de la palabra de referencia.

Text Razor

Text Razor enlaza tus entidades con las entradas asociadas de la Wikipedia

Para mi página sobre el origen del debe y del haber he obtenido las siguientes entradas de la wikipedia:

KeywordEnlace
Contabilidadhttp://es.wikipedia.org/wiki/Contabilidad
Depósito bancariohttp://es.wikipedia.org/wiki/Contrato_de_dep%C3%B3sito
Banquerohttp://es.wikipedia.org/wiki/Banco
Dinerohttp://es.wikipedia.org/wiki/Dinero
Edad mediahttp://es.wikipedia.org/wiki/Edad_Media
Romahttp://es.wikipedia.org/wiki/Antigua_Roma
Sumeriahttp://es.wikipedia.org/wiki/Sumeria
Inventariohttp://es.wikipedia.org/wiki/Inventario
Abacihttp://es.wikipedia.org/wiki/Liber_abaci
Obligaciónhttp://es.wikipedia.org/wiki/Obligaci%C3%B3n_jur%C3%ADdica
Gastoshttp://es.wikipedia.org/wiki/Gasto
Libro Diariohttp://es.wikipedia.org/wiki/Libro_Diario_(Contabilidad)
Libro Mayorhttp://es.wikipedia.org/wiki/Libro_mayor
Partida doblehttp://es.wikipedia.org/wiki/Partida_doble
Acreedorhttp://es.wikipedia.org/wiki/Acreedor

Después de ver esta lista tenemos que añadir uno más que Text Razor no ha detectado, pero que evidentemente debe estar: me refiero a la palabra “Deudor”. Su enlace es “https://es.wikipedia.org/wiki/Deudor”. Esto demuestra que siempre debemos utilizar las herramientas con cabeza.

Lo siguiente que debemos comprobar son las barras laterales. La de las categorías nos indica algo a tener en cuenta de cara a futuras revisiones del texto.

La herramienta ha interpretado que el artículo encaja mejor en la categoría science and technology>science (general) que en economy, business and finance>finance (general). Esto no me lo esperaba, y tomo nota para mejorar el artículo en la siguiente revisión.

Palabras clave (topics)

El cuadro de topics, se refiere a palabras clave que la herramienta ha detectado en el artículo. Este apartado es nuevamente muy interesante porque encuentra keywords grandes. Nosotros nos ocuparemos de buscar las colas largas más adecuadas mediante GKP o sus primos.

Esta es, quizás, la parte que más ojiplático me ha dejado. Las palabras más relevantes son las que quería resaltar. Se ha colado alguna que no debería, y alguna otra que sí pretendía mencionar se me ha quedado fuera. No obstante, puedo decir que Text Razor ha clavado este aspecto del análisis.

Palabras clave detectadas por Text Razor

Palabras clave y libros detectados por Text Razor

Pero lo que nos interesa es la lista de keywords relacionadas que nos proporciona. Las que me parecen más relevantes con el debe y el haber son estas:

RelevanciaKeyword
1.00Accounting
1.00Bank
1.00Money
1.00General ledger
1.00General journal
1.00Contract
1.00Obligation
1.00Economics
0.87Double-entry bookkeeping system
0.83Business
0.81Finance
0.63Column
0.61Expense
0.53Management
0.43Inventory
0.36Macroeconomics and monetary economics
0.35Capitalism
0.34Credit (finance)

Los más observadores 😉 os habréis dado cuenta que están en inglés. Es una prueba más de que los buscadores y demás herramientas de internet se auto-traducen cuando les hace falta (Google emplea su herramienta Translate).

En un vistazo rápido, es posible que hable demasiado de “Banca”, “Dinero” y “Economía”. Quizás, por eso, el artículo no está bien categorizado. Como decía antes, tomo nota para la revisión.

Libros, personas y otros

Otra fuente de palabras clave relacionadas realmente útil que normalmente ignoramos son los libros. Text Razor me recomienda libros relacionados con mi artículo de varias categorías. Las más relevantes son:

  • Contabilidad
  • Dinero

Curiosamente, están en español a diferencia del anterior apartado.

Respecto de las personas, la herramienta ha detectado a dos en el texto: Gonçalves y Carvalho.

Por último tenemos el apartado de Others. Se refiere a otras palabras que ha detectado pero no sabe categorizar bien. En nuestro caso, sólo hay una que me parezca relevante: “Contrato de depósito”

Método 5 – Libros

Antes de empezar con este método hagamos una pequeña recapitulación.

Con los métodos 1 y 2 averiguamos los conceptos que tienen en la cabeza los usuarios. Y con el método 4 hallamos los conceptos presentes en nuestra página (o en una de la competencia, jeje). Esto ya nos da pistas para optimizar nuestros textos y hacer que respondan mejor a lo que los potenciales clientes esperan.

Sin embargo, todavía podemos ir más allá. Para competir con los monstruos del SEO necesitaremos encontrar más keywords relacionadas de forma indirecta que ellos. Y eso lo vamos a lograr gracias a un arma secreta Do It Yourself que construiremos a continuación: el Knowledge Vault casero.

Empezamos. Para un dinosaurio analógico como yo, la búsqueda en libros ha sido, desde siempre, el único método de conseguir información. Pero ahora tenemos a Google, que nos facilita la vida una barbaridad.

Lo único que necesito es introducir la keyword “contabilidad financiera” en Google Books y obtengo una preciosa SERP. Me sirve cualquier resultado, pero selecciono el segundo porque me parece más moderno. Y lo que obtengo es una vista previa del libro en cuestión.

Google Books y las palabras clave

Google Books encuentra palabras clave relacionadas en los libros

Pero no quiero esto… En “Acerca de este libro” nos aguarda una sorpresa.

Palabras clave conseguidas en Google Books

¿Qué es el índice de un libro? Exacto. Una jerarquía de palabras clave relacionadas.

¡Toma ya!… Una lista de términos y frases comunes en el libro. En otras palabras, una lista de palabras clave relacionadas entre sí de forma semántica, recopiladas por Google para nuestro uso y disfrute.

Método 6 – Correlate

No me extenderé mucho en esta herramienta ya que he hablado de ella un poco más atrás. Lo único que necesitamos es proporcionar una palabra clave y obtenemos una lista con las búsquedas que tienen el mismo patrón temporal.

Patrón temporal de búsquedas

Estas dos palabras tienen el mismo patrón temporal de búsquedas

Aquí os dejo un ejemplo de las palabras correlacionadas con “contabilidad” que la herramienta ha encontrado y que me parecen interesantes:

  • Despachos
  • Modelos de
  • Sistemas
  • Normas
  • Técnicas de
  • Terminología
  • Gestión
  • Pública

Método 7 – Wikidata

Gracias a Text Razor, a Google Books y a Correlate tenemos una lista amplia de entidades que están en nuestra página o que están correlacionadas de algún modo. Ahora trataremos de resolver la siguiente cuestión ¿Con qué otras entidades relacionará Google a las que acabamos de descubrir?

Responderemos esta pregunta con a la inestimable ayuda (probablemente involuntaria) de Wikidata.

El método que emplearemos es fácil. Con la lista de palabras (topics) que hemos obtenido iremos buscando en Wikidata. Seguro que encontramos un montón de cosas útiles. Para no hacer largo el ejemplo, tan sólo he seleccionado las palabras: Double-entry bookkeeping system, Accounting, General ledger y General journal.

¿Porqué estas y no otras? Fácil. Son las que más vinculación tienen con el tema que quiero tratar (origen del debe y del haber) y, sobre todo, tienen entrada completa en Wikidata.

Wikidata y el Keyword Research

Entrada de Wikidata para una palabra clave

Nada más empezar con la primera ya empezamos a sacar información relevante: la traducción de la palabra al español y una lista de sinónimos. Ahora ya estamos seguros que estas palabras son intercambiables para Google.

Debemos fijarnos además en el apartado Statements. Allí se indica si la entrada tiene página en los diferentes proyectos de Wikidata. En particular nos interesan especialmente lo siguiente:

  • La categoría de Wikimedia commons y si la palabra tiene imagen asociada. Por ejemplo, Accounting tiene el famoso cuadro de Luca Pacioli.
  • Páginas de Wikiquote y otras.
  • Página de Wikipedia asociada. Esta es muy importante. Volveremos sobre ellas más adelante.

Método 8 – Imágenes, Wikimedia commons y Wikiquote

Hemos visto que la entrada de Wikidata para la palabra accounting contiene la imagen del famoso cuadro de Luca Pacioli.

Luca Pacioli

¿Qué pensará Google si una entrada de un blog contiene un enlace a este archivo alojado en Wikimedia commons? Lógicamente, que el contenido de la entrada está relacionado con accounting o contabilidad. Esto ocurre porque es semánticamente relevante. Las imágenes de Luca Pacioli tienen que ver con contabilidad, sí o sí. No hace falta colocar etiquetas palabras clave en el atributo alt ya que esta imagen pertenece a la categoría accounting (aunque si se añaden le damos un SEO-empujoncito más).

Por supuesto si echamos un vistazo directamente a la página de Wikimedia commons de la categoría encontramos un montón de imágenes relacionadas. En particular esta historia de la contabilidad en imágenes tenemos una galería completa sobre el tema y casi todas bajo licencia CC o sin copyright.

Y lo más importante, cada vez que referenciemos una de ellas, estaremos lanzando un chorro de densidad de concepto bien cargado de accounting sobre nuestro contenido, sin preocuparnos del keyword stuffing.

Algo parecido ocurre con la entrada de Wikiquote que hemos encontrado en nuestro análisis sobre contabilidad.

Wikidata

Imágenes y páginas de proyecto asociadas a la entrada de Wikidata: “accounting”

Método 9 – Categorías de Wikipedia

Echemos un vistazo a la categoría de Wikipedia: Contabilidad.

¿Qué tenemos? Pues ni más ni menos que una lista de palabras clave relacionadas de forma semántica. Cada vez que incluyamos una, estaremos reforzando el concepto “contabilidad” en nuestro artículo.

Método 10 – Entradas de Wikipedia

A estas alturas os preguntaréis para qué narices queríamos tantos enlaces a Wikipedia. Dan Shure, de Advanced Web Ranking, tiene la respuesta.

Si queremos palabras clave junto con sus volúmenes de búsquedas la herramienta más sencilla que podemos emplear es el Google Keyword Planner. Si queremos palabras clave relacionadas de forma indirecta tenemos a Wikipedia. El brillante truco que nos cuenta Dan es juntar las dos cosas.

Lo único que tenemos que hacer es introducir la entrada de Wikipedia en cuestión en el GKP y esperar. En mi ejemplo, seleccionaré:

KeywordEnlace
Contabilidadhttp://es.wikipedia.org/wiki/Contabilidad
Libro Diariohttp://es.wikipedia.org/wiki/Libro_Diario_(Contabilidad)
Libro Mayorhttp://es.wikipedia.org/wiki/Libro_mayor
Partida doblehttp://es.wikipedia.org/wiki/Partida_doble

Con los resultados me he construido una hoja de cálculo con 3.200 palabras clave relacionadas de forma directa e indirecta del estilo:

  • contabilidad basica
  • contabilidad financiera
  • libro diario
  • libro mayor
  • libros de contabilidad
  • registro contable
  • debe y haber contabilidad
  • debito y credito

En cambio, con Keywordshitter tan sólo obtengo 3.200 colas de la palabra contabilidad. ¡Chúpate esa Keywordshitter!

Keywordshitter

Ejemplo de búsqueda de palabras clave con Keywordshitter

Por supuesto, podemos ampliar la lista pasando por el GKP la página de la categoría de Wikipedia: “Contabilidad”. O también la página de Wikiquote… La imaginación y el tiempo disponible es el límite.

###
Bueno. Lo hemos pasado bien hasta ahora, pero debemos ir cerrando. Sé que la parte de búsqueda de palabras relacionadas de forma indirecta ha sido un poco pesada, pero para compensarlo os dejo a continuación un vídeo del proceso.

Antes de terminar quiero hacer un par de comentarios sobre lo que hemos leído. La finalidad de este artículo “Keywords vs. Conceptos” es mejorar el Keyword research por la vía de ser capaces de encontrar palabras clave relacionadas DE FORMA INDIRECTA.

La aplicación de los métodos aquí presentados nos permitirá diferenciarnos de la competencia ya que, normalmente, todo el mundo utiliza las mismas herramientas basadas en el GKP (que se centran en las relaciones DIRECTAS entre keywords).

Para continuar con la investigación de palabras clave, el siguiente paso consistiría en analizar esta mega-lista de keywords para elegir las que nos interesasen en función del volumen de búsquedas al mes.

Desafortunadamente no es esa mi especialidad. Mi único logro, en lo que al SEO se refiere, es rankear una imagen de arenques en un post sobre contabilidad. Creo sinceramente que es mejor dejar estas explicaciones a los que saben más del tema que yo.

Una cosa más antes de terminar. Todas las técnicas aquí expuestas se pueden aplicar en cualquier situación. No obstante, para hacer una página orientada a un micro-nicho, o para escribir una entrada cualquiera no vale la pena realizar todo este esfuerzo. En cambio, para decidir las categorías de un blog sí que sería conveniente ampliar nuestro rango de palabras clave a las relacionadas de manera indirecta.

Y aquí se termina esta entrada. Creo que ha quedado muy completa. Os espero en los comentarios.

Carlos Rodríguez

Share on FacebookShare on Google+Share on LinkedInTweet about this on Twitter