Auditar tu sitio con IA generativa + datos de GSC

Exportar tus datos de Google Search Console en formato CSV y pasárselos a ChatGPT o Claude con un prompt estructurado te permite obtener en pocos minutos una lista de correcciones técnicas priorizadas — siempre que cruces varias exportaciones y verifiques cada recomendación antes de aplicarla.

Por qué pasar los datos de GSC por una IA generativa

Google Search Console muestra datos en bruto: tablas de consultas, páginas, estados de indexación. Nada en ella indica automáticamente qué corregir primero. Una IA generativa resulta útil aquí no porque "conozca" tu sitio, sino porque es capaz de cruzar rápidamente varias columnas de datos, detectar patrones recurrentes (por ejemplo, una plantilla de página que aparece sistemáticamente entre las URL no indexadas) y traducir un diagnóstico técnico a un lenguaje claro para un equipo que no es experto en SEO.

No sustituye al análisis humano, sino que lo acelera: lo que llevaría una hora de clasificación manual en una hoja de cálculo puede hacerse en unos minutos, siempre que le des datos limpios y un prompt preciso.

Exportar los datos correctos desde Search Console

Antes de recurrir a una IA, prepara tus exportaciones. Con tres informes basta para una primera auditoría:

1. Informe Páginas (Indexación): exporta la lista completa de URL con su estado y el motivo de exclusión. Aquí es donde se concentran la mayoría de las señales de bloqueo técnico.
2. Informe Rendimiento: exporta los datos por página (no solo por consulta), en un periodo de al menos 3 meses, con impresiones, clics, CTR y posición media.
3. Informe Core Web Vitals: exporta el desglose por grupo de URL si el volumen lo permite.

Cada exportación se hace mediante el botón "Exportar" en la esquina superior derecha de cada informe, en formato CSV o Google Sheets. Limpia los archivos si hace falta (columnas vacías, duplicados) antes de entregarlos.

Construir un prompt de auditoría eficaz

Un prompt vago da un resultado vago. Estructura tu petición con contexto, objetivo y formato esperado. Por ejemplo:

"Aquí tienes una exportación de mi informe Páginas de Google Search Console para el sitio [nombre de dominio], un sitio [tipo de actividad]. Analiza los estados de exclusión e identifica los motivos que aparecen con más frecuencia. Para cada motivo recurrente, explica la causa probable y propone una corrección concreta. Clasifica los resultados por número de URL afectadas, de mayor a menor impacto."

Para el informe Rendimiento, un prompt útil es pedirle que identifique las páginas de alto potencial: "Identifica las páginas con más de 500 impresiones y una posición media entre 8 y 20: son candidatas a una optimización específica en lugar de una reescritura completa."

Evita prompts que pidan una respuesta genérica del tipo "cómo mejorar mi SEO": sin datos adjuntos ni restricciones de formato, la respuesta seguirá siendo teórica y poco accionable.

Lo que una IA detecta bien — y lo que detecta mal

Una IA generativa destaca a la hora de: detectar patrones estadísticos en un gran volumen de filas, agrupar URL por plantilla o por sección del sitio, y traducir un informe técnico a un lenguaje accesible para un equipo de marketing.

En cambio, tiene limitaciones a la hora de: comprobar en tiempo real si una corrección se ha aplicado realmente (no tiene acceso a tu sitio salvo que se lo proporciones explícitamente), evaluar la gravedad real de un problema sin contexto de negocio (una página poco indexada puede ser perfectamente normal si tiene poco valor), y sustituir una prueba técnica real (no puede ejecutar PageSpeed Insights en tu lugar, por ejemplo). Por eso toda recomendación generada debe verificarse antes de implementarla, especialmente si afecta al robots.txt o a las redirecciones, donde un error puede desindexar páginas importantes.

Pasar del análisis a un plan de acción priorizado

Una vez obtenido el análisis, pide siempre un formato utilizable: una tabla con columnas "problema", "número de URL afectadas", "corrección propuesta", "nivel de esfuerzo estimado". Esa tabla, y no el texto en bruto de la respuesta, es lo que se convierte en tu hoja de ruta técnica.

Este método se apoya directamente en el enfoque de lectura de informes visto en la lección anterior sobre cómo leer tus datos en Google Search Console. Una vez en marcha las correcciones técnicas, conviene asegurarse de que la velocidad del sitio y tus Core Web Vitals van al mismo ritmo, para después profundizar en cómo un motor lee una página y entender los fundamentos que sostienen estos diagnósticos.