¿Quieres conocer algunos trucos SEO avanzados?
Existen muchos artículos en la red prometiendo ser completas guías de optimización On Page y que, sin embargo, nunca pasan de lo básico.
Pon tus keywords aquí en el título, en los encabezados, haz que cargue rápido la página, añade meta etiquetas y algunas pocas mencionan también el uso de sinónimos en lugar de solo llenar tu página con repeticiones de tu palabra clave.
Pero realmente, hay algunas cosas más allá de lo básico que es bueno considerar y aplicar en la optimización SEO on page.
De hecho, si tu competencia no está haciendo nada más aparte de esas recomendaciones básicas, aplicar estos 3 trucos SEO avanzados te ayudará a superarlos, incluso sin crear backlinks.
1.- Marcado con Schema.org
Vamos a ser sinceros, probablemente hayas encontrado ya algunos artículos que te hablan sobre los beneficios de marcar el código de tus páginas con Schema.org.
Y es aún más probable que a estas alturas no lo hayas hecho todavía.
Si aún no has leído al respecto, te lo resumo:
Schema.org es una iniciativa de Yahoo, Microsoft, Yandex y Google que tiene como objetivo estructurar mejor y dotar de un significado más específico los datos que podemos hallar en la web.
Para esto, cuenta con ciertas propiedades con las que puedes marcar tu contenido, ya sea directamente (Microdata, RDFa) o usando JSON-LD.
La ventaja de usar este tipo de marcado en tu sitio web es que con esto ayudas a que los buscadores entiendan mejor de qué tratan tus páginas y, así, puedes aumentar la relevancia de tus sitios para ciertas búsquedas.
Además, aún son muy pocos los sitios web que lo están aprovechando.
Si quieres aprender más a fondo para qué sirve utilizar este marcado, qué opciones tienes y como usarlas, aquí tienes un post mío sobre SEO Semántico.
Por ahora, quiero darte un ejemplo de lo que puedes hacer con Schema.org, utilizando JSON-LD.
Es solo un poco de lo que puedes lograr, puedes ver aquí la lista completa de cosas que puedes marcar con esto.
El siguiente ejemplo es para una… galería de arte:
Y este, para una pintura:
¿Y esto en verdad sirve?
Pues claro, pruébalo y verás.
Google comenzará a mostrar tus páginas para búsquedas más relacionadas, para empezar.
Además, los beneficios de etiquetar tus sitios con Schema solo irán creciendo con el tiempo, es algo por lo que todos los buscadores están apostando, así que, más vale implementarlo cuanto antes e implementarlo bien.
Hay que tener en cuenta, que para distintos tipos de sitios web hay distintos vocabularios que puedes usar.
Por ejemplo, para un E-Commerce puede usar Good Relations.
2.- TF*IDF
Cuando estás compitiendo para una keyword donde tus competidores también están haciendo SEO onpage, consiguiendo enlaces y optimizando bien su contenido hay dos cosas que puedes hacer:
1. Conseguir mejores enlaces que ellos.
2. Optimizar mejor tu contenido, haciéndolo más relevante para los buscadores.
Y con esta técnica puedes llevar la optimización SEO de tu contenido a niveles más allá de las optimizaciones básicas de incluir la keyword en la etiqueta title, encabezados y en tu contenido.
Digamos que es uno de esos trucos SEO que funciona.
Primero, ¿qué no es TF*IDF?
Un algoritmo desarrollado por OnPage.org.
¿Y qué si es?
Es una fórmula usada en IR (Information Retrieval) para evaluar qué tan importante es una palabra o frase, en un documento en relación a otros documentos.
Esta fórmula se compone de dos partes:
1º TF (Term Frequency)
2º IDF (Inverse Document Frequency).
El TF es la cantidad de veces que aparece un término en un documento. Podría sonar como la vieja densidad de palabras clave, pero el TF ya toma en cuenta otros parámetros para evitar, por ejemplo, que repetir un gran número de veces una keyword eleve demasiado el TF, usando un logaritmo.
Por otro lado, el IDF trata de determinar qué tan importante es una palabra o frase.
Para esto, se basa en el número total de veces que esa frase se repite en un conjunto de documentos.
El añadir el IDF a la ecuación tiene varias ventajas, por ejemplo, evitar asignarle un score alto a términos como “el”, “de”, “que” que seguramente tendrán un TF muy alto, pero un IDF bastante bajo.
Pongamos un ejemplo sencillo:
Tenemos dos keywords similares, “seguro de auto” y “seguro de coche”, repetidas en un mismo documento de 1.500 palabras. La primera frase se repite 7 veces y la segunda 4.
Usando una de las fórmulas que hay para calcular el TF, tenemos:
TF1 = 1 + log(15) = 2,3222
TF2 = 1 + log(12) = 2,0791
Y tomando en cuenta 500.000 documentos distintos, 75.000 contienen la keyword “seguro de auto” y 30.000 “seguro de coche”.
Entonces, el IDF sería:
Log1(1 + 500.000/75.000) = 0,8846
log2(1 + 500.000/30.000) = 1,2471
Llegamos a:
TF*IDF1 = 2,0542
TF*IDF2 = 2,5928
Así, podemos ver que al final, la importancia de tener “seguro de coche” en el texto es mayor a la de “seguro de auto”, aunque la segunda se repita más veces.
En este caso, nos convendría incluir un par de veces más “seguro de coche” en lugar de “seguro de auto”.
¿Cómo puede servirnos el TF*IDF?
Haciendo este análisis, generalmente obteniendo documentos rankeados para alguna keyword, puedes encontrar ideas de términos a incluir en tu texto que te pueden ayudar a darle más relevancia a tu página para esa keyword.
Puede que incluso te ayude a mejorar la optimización SEO de tu contenido, en base a las demás páginas de tu sitio.
Es decir, si quieres posicionarte para una keyword X y creas distintos artículos en tu sitio enfocados en esa keyword X, podrías estar disminuyendo tu “TD*IDF interno”, pues a mayor número de documentos que contengan esa keyword, menor sería el IDF.
En este caso, podrías ayudarte enlazando a la página principal, la que quieras posicionar, desde las demás páginas.
¡Esto generalmente trae buenos resultados!
Aunque el TF*IDF también tiene algunas desventajas.
Entre ellas:
1. Se basa sólo en las keywords aisladamente, es decir, no tiene en cuenta si tienen alguna relación semántica entre ellas.
2.Si algún buscador como Google ocupa en alguno de sus algoritmos una fórmula similar al TF*IDF, para que los resultados conseguidos con alguna herramienta que haga este tipo de análisis fueran lo más cercanos a los usados en esos algoritmos, tendríamos que tener acceso a todo su conjunto de documentos, para poder calcular bien el IDF, lo cual evidentemente, no es así.
Pero aún con estas desventajas, puedes encontrar ideas interesantes aplicando estos análisis.
Por último, para realizar este tipo de análisis hay algunas herramientas en línea. La más famosa es OnPage.org.
Es toda una suite de productos de pago y entre sus funciones incluye el análisis TF*IDF.
Tiene una versión gratuita un poco limitada también, que puedes ver aquí.
Otra herramienta con menos funciones pero que también incluye el TF*IDF es SEOlyze, puedes probarla gratuitamente durante 30 días.
3.- Phrase Based Indexing
Esto es algo que ahora, con el crecimiento que han tenido las búsquedas conversacionales desde móviles, la incorporación de Hummingbird y la tendencia a una web semántica cobra una mayor importancia.
Básicamente con ésto, Google analiza la relevancia de una página para una búsqueda determinada en base a qué frases aparecen en el contenido, dándole especial importancia a la relación entre esas frases.
Uno de los aspectos más importantes del Phrase Based Indexing con el cual pretende analizar esas relaciones entre frases es la co-ocurrencia.
Pero primero hay que entender un poco a qué se refiere esto de Phrase Based Indexing.
A grandes rasgos:
1º Los buscadores identifican frases que podrían ser válidas mientras rastrean la web.
Por ejemplo: “Premio al mejor” podría ser una frase no válida, mientras que “Premio al mejor blog” sí.
2º Clasifican si una frase es “buena” o no, dependiendo de cuanto se repite en los documentos rastreados.
3º En base a esas frases, determinan qué otras frases podrían estar relacionadas y generan una matriz donde ponderan estas frases y sus relaciones.
Una de las formas en las que pueden determinar si una frase está relacionada con otra, es viendo el número de veces que co-ocurren en un determinado documento.
Y en base a las frases co-ocurrentes en un documento, pueden determinar su relevancia para distintas búsquedas.
Que dos elementos co-ocurran significa básicamente que ambos aparecen en el mismo texto, con cierta frecuencia y proximidad.
Y si ambos aparecen varias veces en distintos documentos, tienen una co-ocurrencia alta.
Por ejemplo, tomemos la frase: “diamantes de sangre”
Puede tratarse, por lo menos, de dos cosas distintas y se puede inferir de cual hablamos en un documento en base a las frases que co-ocurran:
Documento nº 1
- Proceso Kimberly
- Naciones Unidas
- Sierra Leona
- Países en Guerra
Documento nº 2
- Leonardo DiCaprio
- IMDB
- Warner Bros. Pictures
En base a esto, ya es más fácil para los buscadores saber qué documento deben mostrar en base a la búsqueda del usuario: “diamantes de sangre historia” vs “diamantes de sangre crítica”, por ejemplo.
¿Es nuevo esto? Para nada, ya tiene muchos años.
Eso sí, cada vez Google es más inteligente y puede aplicar estos procesos con más exactitud, pero no es nuevo.
El problema, es que aún hay artículos enfocándose en recomendar X% de densidad de palabras clave.
O en solo colocarla obligatoriamente en el H1, el primer párrafo, negritas, cursivas… cuando en realidad las cosas ya son más sofisticadas que eso.
Si quieres salir de lo básico, entonces comienza a incluir frases relacionadas a tu tema principal en los textos que escribas.
Usa tu sentido común, haz una lluvia de ideas para obtenerlas y ayúdate de algunas herramientas para buscar estas frases relacionadas.
Listo, ahora conoces 3 trucos nuevos que puedes aplicar en tu SEO On Page. Estas técnicas aún no son muy utilizadas, así que, pueden darte una ventaja extra sobre tu competencia.
¡Aprovéchalas antes que ellos!
Foto ( trucos SEO): Shutterstock
[ranking-factors]