Habr AI explica cómo construir un sistema SEO para un nicho y preparar un sitio para la búsqueda con IA

Habr AI analizó por qué el intento de «encargar el SEO a una red neuronal» suele acabar en ruido, duplicados y alucinaciones. La idea principal del artículo: conquistar un nicho no empieza con la generación de texto, sino con la ingeniería de la demanda y una arquitectura de sitio precisa.

Primero, la demanda

El autor discute la idea popular de que los LLM pueden montar por sí solos la semántica, inventar la estructura y llenar el sitio de contenido. En la práctica, este enfoque produce cientos de consultas vistosas pero inútiles, páginas con significados que se solapan y titulares que no responden a las intenciones reales de los usuarios. El problema no es el modelo en sí, sino que a menudo se le encarga un caos sin reglas. Si el negocio no entiende qué tipos de demanda existen en el nicho y qué páginas deben cubrirlos, la automatización solo escala los errores.

En lugar de un abstracto «hazlo bien», el autor propone empezar por un mapa de la demanda: qué consultas pertenecen a la búsqueda comercial, cuáles a la comparación de soluciones, cuáles a la navegación y cuáles no requieren una página propia. Esto cambia la lógica del trabajo: el sitio no se construye en torno a un conjunto de palabras clave, sino en torno a tipos de intención y escenarios de usuario. Así se ve dónde hace falta una URL independiente y dónde basta con reforzar una página existente.

«El caos no se convierte en sistema solo porque le añadas una clave de API.»

Un pipeline sin magia

Del artículo se desprende un pipeline bastante terrenal, pero que funciona. Primero, el equipo reúne las consultas en bruto y las limpia de duplicados y basura. Después, los clústeres se vinculan a tipos concretos de página: dónde hace falta una landing comercial, dónde un filtro de catálogo, dónde una reseña, dónde una página comparativa y dónde es mejor no publicar nada. Solo entonces se puede incorporar un LLM, no como sustituto de la estrategia, sino como herramienta para acelerar el análisis, los borradores y la escala de una estructura ya decidida.

• Consultas en bruto y limpieza inicial
• Clusterización por intención, no solo por palabras
• Vinculación de clústeres a tipos de página
• Plan de desarrollo, contenido y enlazado interno
• Preparación de las páginas para su visibilidad en la búsqueda con IA

Lo clave es que la semántica deja de ser un «cementerio de hojas de cálculo». Se convierte en un proceso de producción en el que cada clúster tiene un responsable, un formato de página, un conjunto de requisitos y una prioridad clara. Este enfoque resulta útil no solo para el equipo SEO, sino también para producto, desarrollo y redacción: todos ven qué páginas necesita el negocio, cuáles se pueden fusionar y cuáles es mejor no lanzar para no diluir la estructura del sitio.

Dónde son útiles los LLM

En este esquema, los LLM no anulan el SEO, sino que ocupan un lugar concreto dentro del pipeline. Pueden ayudar a normalizar formulaciones, a hacer una agrupación inicial de consultas, a generar variantes de estructura, a redactar borradores de metadatos y a analizar huecos en la cobertura del nicho. Pero el modelo debe trabajar con reglas definidas y sobre datos verificables. De lo contrario, el resultado es conocido: cientos de páginas duplicadas, canibalización de la demanda de búsqueda y textos que parecen convincentes pero no resuelven el problema del usuario ni refuerzan el sitio como sistema.

Aparte, es importante el giro hacia la búsqueda con IA. Si antes bastaba con pensar en las categorías de los resultados clásicos, ahora hay que considerar cómo leerán y extraerán el material sistemas como AI Overviews y otras interfaces basadas en LLM. Para ello se necesitan una estructura transparente, una correspondencia clara con la intención, ausencia de duplicados y una lógica de páginas que una máquina pueda interpretar sin adivinar. De lo contrario, incluso un texto de calidad queda en una posición débil, porque a su alrededor no hay un modelo de información claro.

Qué significa

Para redacciones, equipos de marketing y de producto, la conclusión es simple: la era de los LLM no elimina el diseño manual de la demanda, sino que lo vuelve aún más importante. Ganarán no quienes publiquen más rápido miles de textos de IA, sino quienes entiendan mejor las intenciones, construyan la arquitectura con más cuidado y usen los modelos como capa de automatización sobre un sistema bien pensado. Esa disciplina es la que aumenta las probabilidades de aparecer no solo en los resultados habituales, sino también en las respuestas de la IA.