SEO de contenido
Capítulo 01 / 07
Investigación de keywords
Cómo funciona de verdad la investigación moderna de keywords en 2026: descubrimiento, clasificación por intención, puntaje de dificultad, agrupamiento por clusters y el marco de priorización que decide qué escribir primero.
La investigación de keywords es el puente entre el comportamiento del comprador y la estrategia de contenido. Bien hecha, traduce la realidad desordenada de cómo busca el comprador a una lista priorizada de qué publicar después, en qué orden y con qué intención satisfecha. Mal hecha, produce una hoja de cálculo que nadie ejecuta o, peor, un calendario de contenido lleno de artículos que apuntan a keywords que ningún comprador real escribe.
Este artículo recorre el proceso moderno: descubrimiento, clasificación por intención, puntaje de dificultad, agrupamiento por clusters y priorización. Abre el cluster de Content SEO porque todos los demás artículos del cluster dependen de hacer bien esta etapa.
“El resultado de la investigación de keywords no es una lista de keywords. Es una hoja de ruta de contenido, ordenada por qué publicar primero, con intención, dificultad e impacto de negocio esperado anclados a cada renglón.”
Etapa 1: descubrimiento
La meta del descubrimiento es sacar a la superficie cada consulta plausiblemente relevante para tu negocio, incluidas las que al equipo no se le han ocurrido. Cinco fuentes para combinar:
- Keywords semilla: las 10 a 30 consultas obvias que tu equipo escribiría. Nombre de marca, nombre de producto, categoría, principales funcionalidades y casos de uso primarios.
- Análisis de competencia: con Ahrefs, Semrush o Sistrix, extrae las consultas en las que posiciona cada competidor mayor. Filtra a las que tú aún no posicionas.
- Consultas de Search Console: las consultas que generaron impresiones a tus páginas existentes, incluidas las que no apuntaste. Suele sacar a la luz demanda inesperada.
- Prompts a buscadores con IA: pregúntale a ChatGPT, Claude o Perplexity qué dudas tienen los compradores en tu espacio. Las consultas conversacionales sacan a la superficie redacciones en lenguaje natural que las herramientas clásicas no detectan.
- Lenguaje del cliente: transcripciones de llamadas de ventas, tickets de soporte, sitios de reseñas, hilos de Reddit y foros de comunidad. El lenguaje que los compradores usan de verdad, no el que usan los equipos internos.
Apunta a entre 500 y 2,000 consultas candidatas en la primera pasada. El volumen importa: los filtros estrechos funcionan mejor cuando hay mucho material que filtrar.
Etapa 2: clasificación por intención
Cada consulta lleva una de cuatro intenciones. La intención —no la keyword en sí— decide qué formato de contenido gana.
| Intención | Mentalidad del comprador | Formato de contenido que gana |
|---|---|---|
| Informativa | Investigando el problema; aún no listo para comprar | Artículos, guías, explicaciones, base de conocimiento |
| Comercial de investigación | Comparando opciones; evaluando antes de comprar | Comparaciones (X vs Y), reseñas, alternativas, listas posicionadas |
| Transaccional | Listo para comprar; necesita encontrar lo correcto | Páginas de producto, páginas de pricing, páginas de demo o signup |
| Navegacional | Buscando una marca o página específica | Home de marca, páginas de login, páginas de feature específicas |
Cómo clasificar la intención
- Mira el SERP. Busca la keyword en Google. La intención es la que Google ya decidió: si el SERP está lleno de artículos comparativos, es comercial de investigación; si son páginas de producto, transaccional; si son guías de cómo hacer algo, informativa.
- Lee el lenguaje de la consulta. «Qué es X» o «Cómo funciona X» = informativa. «X vs Y», «Mejor X» o «Reseña de X» = comercial de investigación. «Comprar X», «Precio de X» o «X descuento» = transaccional. Solo nombres de marca = navegacional.
- Anota las funciones del SERP. Las AI Overviews y los featured snippets dominan en informativa. Los carruseles de shopping y los anuncios dominan en transaccional. Los featured snippets de tipo comparativo dominan en comercial de investigación.
Etapa 3: puntaje de dificultad
Los puntajes de Keyword Difficulty (KD) de Ahrefs, Semrush o Moz son proxies imperfectos, pero útiles como primer filtro. Estiman qué tan difícil es posicionar en el top 10 para una consulta, con base en el perfil de enlaces de las páginas que actualmente posicionan.
| Rango de KD | Realista para... | Patrón típico |
|---|---|---|
| 0–20 | Dominios nuevos, sitios partiendo de cero | Cola larga informativa; puede posicionar en 4 a 12 semanas con contenido decente |
| 20–40 | Sitios con algo de autoridad, blogs establecidos | Mid-tail comercial de investigación; posiciona en 3 a 9 meses |
| 40–60 | Dominios establecidos con autoridad temática | Head term informativo, comercial de volumen medio; 6 a 18 meses |
| 60–80 | Marcas grandes, sitios de alta autoridad | Head term comercial, head terms genéricos; esfuerzo de varios años |
| 80+ | Top 1-3 sitios del nicho | Monopolios de marca, head terms comerciales de alta apuesta |
KD es un filtro de partida, no un veredicto. La dificultad real depende de:
- Tu autoridad de dominio y tu autoridad temática sobre el tema.
- La calidad de las páginas que actualmente posicionan: si son flojas, KD miente; si son completas, KD se queda corto.
- Las funciones del SERP que ocupan espacio: AI Overviews, featured snippets y anuncios pueden achicar el pastel de clics aunque tú posiciones.
- Qué tan bien calza tu contenido con la intención real.
Etapa 4: agrupamiento por clusters
La investigación moderna de keywords no apunta a keywords individuales: apunta a clusters de consultas relacionadas en las que una sola página bien construida puede posicionar simultáneamente. Una página puede posicionar para 50 a 500 consultas relacionadas; el agrupamiento revela qué keywords van juntas.
Dos enfoques de agrupamiento:
- Agrupamiento por SERP. Dos consultas están en el mismo cluster si comparten la mayoría de los resultados del top 10. Herramientas como Keyword Insights, Surfer o ContentEngine lo automatizan.
- Agrupamiento semántico. Dos consultas están en el mismo cluster si cubren el mismo tema, sin importar el solape del SERP. Enfoque impulsado por IA con embeddings.
El agrupamiento por SERP es más conservador: keywords confirmadas con resultados compartidos. El agrupamiento semántico atrapa cuasi-duplicados que el agrupamiento por SERP no detecta. Ambos producen un solape del 80%; los operadores senior corren los dos y reconcilian las diferencias a mano.
Cómo se ve un cluster
Para el cluster alrededor de «retención de clientes», un solo artículo completo podría posicionar para:
- retención de clientes (head term, KD 45)
- cómo mejorar la retención de clientes (mid-tail, KD 25)
- estrategias de retención de clientes (variante head term, KD 40)
- métricas de retención de clientes (mid-tail, KD 22)
- fórmula de tasa de retención de clientes (cola larga, KD 12)
- qué es una buena tasa de retención de clientes (cola larga, KD 8)
- ... (suele haber entre 30 y 150 variaciones más)
El resultado correcto no es un artículo por consulta: es un solo artículo completo que las cubra todas, estructurado para que cada subtema tenga una sección clara.
Etapa 5: priorización
Con los clusters armados y la intención y la dificultad puntuadas, prioriza el orden de producción. Matriz de tres ejes:
| Tier de prioridad | Intención | Dificultad (KD) | Calce con cluster |
|---|---|---|---|
| Tier 1: escribir primero | Comercial de investigación o transaccional | Dentro de la capacidad actual del sitio (KD 0-30 para nuevos, +20 KD por año) | En cluster existente o en los 3 planeados principales |
| Tier 2: escribir pronto | Informativa con relevancia comercial fuerte | Dentro de la capacidad o +5 KD aspiracional | En clusters planeados que construyen autoridad temática para el tier 1 |
| Tier 3: escribir después | Puramente informativa, conciencia más amplia | Dificultad aspiracional | Clusters adyacentes o construcción de marca |
| Tier 4: saltar o revisitar después | Baja intención, alta dificultad, tema aislado | Más allá de la capacidad | Fuera de la estrategia de cluster |
El efecto compuesto: los artículos de tier 1 generan ingresos inmediatos. Los de tier 2 construyen la autoridad temática que después te permite posicionar para el tier 3 y para las consultas más difíciles que aún no puedes atacar. Saltarte los tiers 2 y 3 para perseguir solo el tier 1 le pone tope al crecimiento de largo plazo.
Las novedades de 2026: cobertura de consultas en buscadores con IA
La investigación clásica de keywords apunta a Google. Las consultas en buscadores con IA (ChatGPT, Claude, Perplexity) siguen patrones distintos:
- Más largas, más conversacionales. «Cuál es el mejor CRM para una consultoría de 5 personas que necesita seguimiento de proyecto e integra con QuickBooks»: una consulta que ningún usuario de Google escribiría.
- Más multifacéticas. Los compradores apilan restricciones en una sola consulta que la búsqueda clásica obligaría a partir en 3 o 4 búsquedas separadas.
- Cargadas de comparaciones. Los buscadores con IA son excelentes para comparar; los compradores hacen preguntas tipo «X vs Y vs Z» para las que la búsqueda clásica devuelve listicles genéricos.
Implicación práctica: extiende la investigación de keywords para incluir variantes conversacionales de cola larga que los compradores podrían preguntarle a los buscadores con IA. Saca estas variantes a la superficie pidiéndoselas directamente a los propios buscadores con IA: «¿Cuáles son las 20 preguntas principales que alguien que está evaluando CRMs haría antes de comprar?». Agrega las respuestas a la lista de keywords.
Errores comunes en investigación de keywords
- Atacar head terms antes de tener autoridad temática. Seis meses persiguiendo «mejor CRM» con una marca que nadie ha oído nombrar no devuelven nada. Construye autoridad de cola larga primero.
- Considerar el volumen como única métrica. Una consulta informativa de 10K de volumen que no convierte es peor que una transaccional de 200 que sí convierte.
- Ignorar la intención. Escribir una guía larga para una consulta cuyo SERP está lleno de páginas de producto: tu guía no puede posicionar contra el formato equivocado.
- Una keyword por artículo. Las páginas modernas posicionan para clusters. Producir 50 artículos flojos para perseguir 50 keywords pierde contra un solo artículo completo que las cubra todas.
- Saltarse el análisis del SERP. El SERP te dice qué formato de contenido gana, qué entidades asocia Google con la consulta y qué nivel de exhaustividad posiciona. Contexto decisivo.
- Olvidar la superficie de los buscadores con IA. Optimizar solo para Google deja fuera entre el 15 y el 25 % del tráfico de investigación B2B que ahora arranca en ChatGPT, Claude o Perplexity.
- Hoja de cálculo sin hoja de ruta. Una hoja de keywords de 2,000 renglones que nadie ejecuta es inútil. El resultado debe ser una hoja de ruta de contenido priorizada, con dueños y fechas.
El veredicto
La investigación de keywords en 2026 son cinco etapas: descubrimiento (red ancha), clasificación por intención (4 cubetas), puntaje de dificultad (KD como filtro), agrupamiento por clusters (juntar consultas relacionadas) y priorización (matriz de 3 ejes). El resultado no es una lista de keywords: es una hoja de ruta de contenido priorizada con intención, dificultad, calce con cluster e impacto de negocio anclados a cada renglón. Salta cualquier etapa y la hoja de ruta rinde por debajo; haz las cinco y la producción de contenido deja de ser el cuello de botella.
Preguntas frecuentes
Preguntas frecuentes
Respuestas rápidas a lo que nos preguntan antes de cada prueba.
La investigación de keywords es el proceso sistemático de encontrar qué consultas escriben tus compradores en los buscadores y en los buscadores con IA, clasificarlas por intención, evaluar su valor comercial frente a la dificultad para posicionar y usar todo eso para decidir qué contenido producir después. El resultado no es una lista de keywords: es una hoja de ruta de contenido con intención, dificultad, tráfico esperado y potencial de conversión mapeados por tema.
En este clúster