Para todos los interesados en Medios que sufrieron el apagón de noticias frescas en la última semana los invito a ver este videito de 5 min en donde van a ver una audit de Discover en 5 minutos con Python que luego profundizamos paso a paso en la nueva formación de Medios en Data SEO Academy: https://www.loom.com/share/496f3104ad1e4dd78e74e17b1273e057

Les dejo una publi para los interesados en el mundillo de Medios sobre un analisis que hicimos en la agencia sobre los sitios que mejor posicionan para las keywords que aparecieron en Trends en Polonia (el cliente es polaco). Toda la explicacion aca: https://www.linkedin.com/feed/update/urn:li:activity:7239981802814160896/

Buenas a todos, estuve mixeando algunos temas de embeddings con Search Console que hace lo siguiente 1. Crear un mapa entre cada URL y todas las consultas para las cuales se posiciona. 2. Extraer el título, contenido y encabezados de cada URL utilizando Trafilatura (combinado con la biblioteca requests para enmascarar el user agent). 3. Extraer los embeddings para cada uno de estos tres elementos (título, contenido y encabezados). 4. Extraer los embeddings para cada palabra clave para la cual la URL se posiciona. 5. Obtener un DataFrame que muestre la similaridad de coseno para cada URL con respecto a cada palabra clave para la cual se posiciona según GSC, analizando título, contenido y encabezados. Esta bueno para pensar optimizaciones de contenidos evergreen en base a las queries que tienen muchas impresiones y pocos clicks. Despues se puede sacar un promedio de similarity entre los 3 elementos y clusterizar en low, medium y high entonces si ves por ejemplo que hay un cluster de queries con muchas impresiones y estan en el cluster de similarity medium es una oportunidad rapida de optimizacion porque no estas tan lejos del 1 https://www.linkedin.com/feed/update/urn:li:activity:7232119504783241217/

Las entidades son fundamentales para que los motores de búsqueda comprendan la relación semántica del contenido. Con herramientas como el Knowledge Graph de Google, estos motores son muy eficientes en identificar las entidades relevantes de un tema. Sigue estos pasos simplificados para analizar las entidades de tu sitio web utilizando Screaming Frog y Google Collab: 1. Obtén una clave API de TextRazor. La versión gratuita permite hasta 500 consultas. 2. Examina tu sitio con Screaming Frog, asegurándote de incluir la URL, el título y la descripción meta. 3. Repite el proceso para hasta tres competidores. 4. Crea una copia del cuaderno de Google Collab e inserta tu clave API. 5. Importa los datos de tu análisis y los de tus competidores al cuaderno. 6. Ejecuta el cuaderno en Google Collab. Al finalizar, obtendrás un reporte en Excel que destaca las diferencias en las entidades entre tu sitio y el de los competidores. Utiliza esta información para identificar entidades claves empleadas por ellos que podrían faltar en tu sitio. Esto te ayudará a crear contenido nuevo, optimizar el existente o mejorar el uso de enlaces internos. ENLACE DEL ARTÍCULO Si alguno le interesa profundizar más en el tema o tiene alguna consulta, no dude en escribir en comentarios 💪

Buenas comunidad, para el que le interese deje un post en LinkedIn respecto a como agrupar keywords usando indices de visibilidad con las impresiones para agrupar keywords similares. Les dejo el link a la publi https://www.linkedin.com/feed/update/urn:li:activity:7174092727662362625/