Vemos cómo podemos crear clusters de URLs con el mismo significado para definir qué URLs deben redirigir a qué URLs y evitar contenido duplicado. Ponencia SEO presentada por Lino Uruñuela en el Seonthebeach 2022 #SOB22 #SEO #SEOtecnico #seoavanzaado

1. Lino Uruñuela
17 de junio del 2022
@errioxa
info@funnelpunk.com
www.mecagoenlos.com
☏ 637167218
Agrupa y vencerás!
SEonthebeach 2022

2. Hola!
Soy Lino Uruñuela
He trabajado en algunos de los mayores sites de España
Link to ppt ⤴
https://www.mecagoenlos.com/SOB2022.pdf
Lino Uruñuela
17 de junio del 2022
@errioxa
info@funnelpunk.com
www.mecagoenlos.com
☏ 637167218

3. ¿ De dónde venimos ?

4. Extraemos datos de GSC
¿De dónde venimos?

5. Extraemos datos de GSC
¿De dónde venimos?

6. Extraemos datos de GSC
¿De dónde venimos?

7. Extraemos datos de GSC
¿De dónde venimos? -Índice de Cobertura - Coverage

8. ¿ Cómo se han creado
tantas URLs ?

9. Extraemos datos de GSC
¿Cómo se han creado tantas URLs?
●Creadas a mano ●Búsquedas Internas

10. Extraemos datos de GSC
Creadas a mano - ¿Cómo se han creado tantas URLs?
●Creadas a mano
■ Decisiones de negocio
■ Decisiones SEO
●Búsquedas Internas

11. Extraemos datos de GSC
Creadas a mano - ¿Cómo se han creado tantas URLs?
●Creadas a mano
■ Decisiones de negocio
■ Decisiones SEO
○ Tendencias históricas
○ Intuición humana
●Búsquedas Internas

12. Extraemos datos de GSC
Búsquedas Internas - ¿Cómo se han creado tantas URLs?
●Creadas a mano
■ Decisiones de negocio
■ Decisiones SEO
○ Tendencias históricas
○ Intuición humana
●Búsquedas Internas
■ Ninguna regla
■ Se generan en cada
categoría

13. Extraemos datos de GSC
Problemas - Búsquedas Internas
●URLs duplicadas ●URLs sin sentido
/ejercicio/cinta-correr/
/ejercicio/cinta-corres/
/ejercicio/cinta-corr/
/ejercicio/cinta-de-correr/
/ejercicio/cinta-de.correr/
/ejercicio/cinta-de-corre/
/ejercicio/cintas-de-corre/
/ejercicio/cintas-de-correr/
/ejercicio/cintas-de-corres/
/ejercicio/cintas-correer/
/ejercicio/cintas-para-corres/

14. Extraemos datos de GSC
Problemas - Búsquedas Internas
●URLs duplicadas ●URLs sin sentido
/ejercicio/cinta-correr/
/ejercicio/cinta-corres/
/ejercicio/cinta-corr/
/ejercicio/cinta-de-correr/
/ejercicio/cinta-de.correr/
/ejercicio/cinta-de-corre/
/ejercicio/cintas-de-corre/
/ejercicio/cintas-de-correr/
/ejercicio/cintas-de-corres/
/ejercicio/cintas-correer/
/ejercicio/cintas-para-corres/
/categoria/cadaver/
/categoria/cambio-por-algo-de-mi-interes/
/categoria/ir-a-mi-gimnasio/
/categoria/cambio-mi-coche-por-otro-ya/
● URLs malsonantes
● URLs porno
● URLs spam

15. ¿ Qué podemos hacer ?

16. ●Dejarlo así
●¿Eliminar URLs?
●¿Redireccionar URL?
○ ¿Reglas para definir
las URLs de origen y destino?

17. ●Dejarlo así
●¿Eliminar URLs?
●¿Redireccionar URL?
○ ¿Reglas para definir
las URLs de origen y destino?

18. 1.Analizar tráfico
2.Eliminar URLs sin tráfico
3.Mapear redirecciones

19. Extraemos datos de GSC
1.Analizar tráfico
A.Obtener TODAS las URLs
B.¿Cuáles han tenido tráfico en los últimos meses?

20. Extraemos datos de GSC
1.Analizar tráfico
A.Obtener TODAS las URLs
¿Cómo las podemos obtener?
○ El equipo de IT
○ Logs del servidor
○ Crawler

21. Extraemos datos de GSC
1.Analizar tráfico
A.Obtener TODAS las URLs
B.¿Cuáles han tenido tráfico en los últimos meses?

22. Extraemos datos de GSC
1.Analizar tráfico
A.Obtener TODAS las URLs
B.¿Cuáles han tenido tráfico en los últimos meses?
¿Cómo las podemos obtener?
a.Google Analytics
b.Google Search Console
c. Logs del servidor

23. Extraemos datos de GSC
2. Eliminar URLs sin tráfico
Las que NO han tenido tráfico ? → ELIMINAR

24. Extraemos datos de GSC
3. Mapear redirecciones
¿Cómo decidimos qué URLs redirigen a qué URLs?

25. Extraemos datos de GSC
3. Mapear redirecciones
A.A Mano
B.Machine Learning

26. Extraemos datos de GSC
3. Mapear redirecciones
A.A Mano
B.Machine Learning

27. Extraemos datos de GSC
3. Mapear redirecciones
●Existen multitud de métodos para agrupar (o clusterizar)
palabras o/y frases → Escoger el más sencillo para nosotros
●Debemos tener en cuenta otros datos además del texto
○ Tráfico orgánico
○ Accesos de Google
○ Definiciones “humanas”

28. Extraemos datos de GSC
3. Mapear redirecciones - Tokenización
La tokenización es básicamente hacer una lista de
palabras de lo que vayas a tratar

29. Extraemos datos de GSC
3. Mapear redirecciones - Normalización
La normalización es el eliminar acentos, poner todas
las palabras en minúscula, eliminar caracteres extraños
o que no sean convenientes que entren en nuestros
procesos.

30. Extraemos datos de GSC
Lemmatizar Vs Raíces
●Lematizar
De manera resumida, la lematización es extraer
para cada palabra su lexema que puede ser
diferente para una misma palabra. es decir. es
dependiente de su contexto.
La manera compleja "La lematización es el
proceso mediante el cual las palabras de un
texto que pertenecen a un mismo paradigma
flexivo o derivativo son llevadas a una forma
normal que representa a toda la clase"
●Raíces
Quedarse con la raíz pero no tiene en cuenta el
contexto.

31. Extraemos datos de GSC
Lemmatizar Vs Raíces
Lemmatizar
alquilar piso sebastiar
alquiler piso sebastiar
alquilar piso sebastiar
alquiler piso sebastiar
Raices
alquil pis san sebasti
alquil pis san sebasti
alquil pis san sebasti
alquil pis san sebasti
Texto Original
alquilar piso en San Sebastián
alquiler de pisos en San sebastian
alquilar pisos en San Sebastian
piso en alquiler en San Sebastian

32. Extraemos datos de GSC
Lemmatizar Vs Raíces
Lemmatizar
cinta correr ejercicio
cinta corr ejercicio
cinta corr ejercicio
cinta correr ejercicio
cinta correr ejercicio
cinta correr ejercicio
cinta correr ejercicio
cinta correr ejercicio
cinta corr ejercicio
cinta correer ejercicio
Raices
cint corr ejercici
cint corr ejercici
cint corr ejercici
cint corr ejercici
cint corr ejercici
cint corr ejercici
cint corr ejercici
cint corr ejercici
cint corr ejercici
cint corr ejercici
Texto Original
ejercicio cinta correr
ejercicio cinta corres
ejercicio cinta corr
ejercicio cinta de correr
ejercicio cinta para correr
ejercicio cinta de corre
ejercicio cintas de corre
ejercicio cintas de correr
ejercicio cintas de corres
ejercicio cintas correer

33. Extraemos datos de GSC
Definir redirecciones

34. Extraemos datos de GSC
Definir redirecciones - ¿usamos la raíz?

35. Extraemos datos de GSC
¿Cuál es la URL que más tráfico tiene?

36. Extraemos datos de GSC
Definimos URL del grupo la URL con más tráfico

37. Implementar en un mundo real !

38. Agrupación - Clustering de keywords - Google Search Console
https://www.mecagoenlos.com/Posicionamiento/matriz-de-keywords-seo.php
50.000 filas !
Link ⤴

39. Extraemos datos de GSC
50.000 filas usando Pandas - En un mundo real

40. Extraemos datos de GSC
50.000 filas usando Dask - En un mundo real

41. Python Vs SQL !

42. Extraemos datos de GSC
Lemmatizar y Raíces en SQL

43. Extraemos datos de GSC
Lemmatizar y Raíces en SQL

44. Extraemos datos de GSC
Lemmatizar y Raíces en SQL

45. Extraemos datos de GSC
Lemmatizar y Raíces en SQL
PostgreSQL ClickHouse
ElasticSearch

46. Extraemos datos de GSC
Lemmatizar y Raíces en SQL

47. Extraemos datos de GSC
Python Vs SQL

48. Ahora sí podemos
Implementar en un mundo real !
con decenas de millones de URLs

49. Extraemos datos de GSC
Resultado final

50. Extraemos datos de GSC
Resultado final

51. Extraemos datos de GSC
Resultado final

52. Extraemos datos de GSC
Resultado final

53. Extraemos datos de GSC
Resultado final

54. Extraemos datos de GSC
Resultado final

55. Extraemos datos de GSC
Resultado final

56. Extraemos datos de GSC
Resultado final

57. Extraemos datos de GSC
Resultado final

58. Extraemos datos de GSC
¿De dónde venimos?

59. Extraemos datos de GSC
¿De dónde venimos?

60. Extraemos datos de GSC
¿Dónde estamos?

61. Extraemos datos de GSC
¿De dónde venimos?

62. Extraemos datos de GSC
¿A dónde vamos? - Hasta el infinito y más allá

63. Extra Ball !

64. Extraemos datos de GSC
Otros casos de uso - cluster de keywords

65. Extraemos datos de GSC
Otros casos de uso - cluster de keywords

66. Extraemos datos de GSC
Otros casos de uso - cluster de keywords

67. Extraemos datos de GSC
Beta MyDomain.dev
¿Quieres probarlo totalmente gratis?
https://mydomain.dev/clustering

68. Lino Uruñuela
17 de junio del 2022
@errioxa
info@funnelpunk.com
www.mecagoenlos.com
☏ 637167218
¡¡Gracias!!
SEonthebeach 2022

69. Lino Uruñuela
17 de junio del 2022
@errioxa
info@funnelpunk.com
www.mecagoenlos.com
☏ 637167218
¡¡Gracias!!
SEonthebeach 2022
¡Me voy de VACACIONES!