Data Studio
Jasu
Quan algú busca «automatització d’auditories SEO amb IA«, sol esperar una llista d’eines cares o un agent màgic que ho resolga tot a soles. La realitat és que este procés es podia automatitzar des de fa bastants anys (a falta d’un ull humà que també prenga algunes decisions o personalitze alguns aspectes). Quan l’auditoria ja està sistematitzada, el pas següent sol ser automatitzar informes SEO per a convertir dades recurrents en decisions periòdiques.
Quan el flux d’auditoria ja està controlat, el pas següent sol ser automatitzar informes de SEO per a convertir dades recurrents en seguiment, alertes i decisions accionables.
En este article et mostre un flux concret per a semiautomatitzar una auditoria SEO tècnica usant Python, Screaming Frog, Google Drive i Looker Studio. No hi ha IA en el nucli del procés, i eixe és precisament el quid de la qüestió.
Al final, sí que voràs algunes idees per a usar la IA en el procés.
Una auditoria automatitzada no hauria de quedar-se en errors tècnics: pot alimentar SEO predictiu amb IA i millors estratègies SEO amb IA si creua rastreig, Search Console, SERP i oportunitats de negoci.
Què significa realment «automatitzar» una auditoria SEO
Automatitzar no significa que ningú faça res. Significa eliminar les tasques repetitives com obrir Screaming Frog manualment, exportar dotze pestanyes de dades una per una, copiar i apegar en Excel, pujar-lo a Drive, actualitzar el dashboard…
Eixos passos consumixen bastant temps per projecte, que es pot aprofitar per a altres passos.
La semiautomatització apunta a eixe tram on arrepleguem tota la informació del domini i la plasmem en un document de presentació. L’anàlisi i les conclusions continuen sent pròpies, encara que hui dia en este pas ens podria ajudar la intel·ligència artificial.
El flux complet: Screaming Frog + Python + Drive + Looker Studio
El flux que veurem té tres passos encadenats. Cada un resol un problema concret i, junts, convertixen un matí de treball manual en una cosa que s’executa mentres pots centrar-te en altres tasques.
Pas 1 – Interfície Python per a llançar Screaming Frog per consola
Screaming Frog té mode CLI (command line interface). Permet llançar rastrejos des del terminal sense obrir la interfície gràfica, passant com a arguments la URL, la profunditat de rastreig, les exportacions que cal generar i la carpeta de destinació.
El problema és que la sintaxi és llarga, poc intuïtiva i propensa a errors si l’escrius a mà cada vegada. Per a resoldre això, vaig crear este script open source: github.com/queseo/Screaming-frog-with-Python-Interface.
El que fa és proporcionar una interfície interactiva per consola: et pregunta la URL del lloc i les opcions de configuració, i llança el rastreig amb l’ordre correcta. No has de recordar flags ni rutes. Escrius el que vols auditar i l’script s’encarrega de la resta.
Screaming Frog genera, depenent de la configuració, entre 8 i 15 fitxers CSV amb dades distintes: URL, redireccions, imatges, encapçalaments, hreflang, sitemaps, dades estructurades…
He de dir que l’script és antic i està sense actualitzar a les noves versions.
És cert que ara Screaming Frog permet pujar tots els fitxers a Drive, però te’ls puja (o te’ls pujava) separats, i això pot ser un poc problemàtic si has d’estar buscant el full concret cada vegada.
Pas 2 – Unificar tots els exports en un únic Excel
Tindre quinze CSV solts no és un informe. El mateix script arreplega tots eixos fitxers de la carpeta d’exports i els combina en un únic Excel amb un full per cada tipus de dada.
El resultat és un arxiu estructurat preparat per a pujar-lo a Google Drive.
Este pas només requerix pandas i openpyxl. El codi itera sobre els CSV, els normalitza mínimament (columnes en majúscules, tipus de dades bàsics) i els bolca en l’Excel amb un full per fitxer.
Pas 3 – Looker Studio com a dashboard connectat a Drive
Amb l’Excel en Drive, l’últim pas és la visualització. Looker Studio (abans Data Studio) permet connectar-se a arxius de Google Sheets o a fitxers de Drive com a font de dades.
L’estratègia ací és crear una plantilla de Looker Studio amb cada full de l’Excel connectat a un origen de dades distint. Un full per a les URL amb errors 4xx, un altre per a les redireccions, un altre per als títols duplicats, un altre per als Core Web Vitals… Cada bloc del dashboard extrau dades del full corresponent.
Una vegada muntada la plantilla, es reutilitza per a tots els projectes. Només cal apuntar l’origen de dades a l’Excel del client en qüestió. El dashboard sencer s’actualitza a soles. No cal construir res des de zero per a cada auditoria nova, però si hi ha camps personalitzats, cal retocar-los manualment.
No necessites IA per a tindre un procés d’auditoria automatitzat
És temptador pensar que sense IA no hi ha automatització, però este no és el primer procés ni serà l’últim que s’automatitza abans de la IA.
Eines com Oncrawl, Semrush, Ahrefs i Se-Ranking també tenen les seues pròpies eines d’auditoria. Tenen limitacions en la personalització, però inclouen API per a extraure la informació i connectar-la a eines que mostren les dades i les creuen amb la nostra auditoria.
Per exemple, exportar les dades de projectes de Semrush és més complex del que podem veure en la documentació de la seua API (no sé si ho han actualitzat, però, si no és així, ací explique com exportar informació dels projectes de Semrush per API).
Si tot això ho ajuntem amb Python (que té un munt de recursos ja muntats per a SEO) i les API de Google, tenim accés a un munt d’informació sense necessitat de la IA per a treballar.
La IA té sentit en els passos que impliquen interpretació, no en els que impliquen execució mecànica. Moure dades d’un lloc a un altre, canviar el nom de columnes, generar un Excel amb X fulls, això ja ho fan els llenguatges de programació.
Automatitzar no és sinònim d’»amb IA». Moltes vegades és sinònim d’»amb codi». I el codi, en este cas, és més fiable, més barat i més fàcil d’auditar que qualsevol agent.
Dit això, hi ha parts del flux on la IA sí que pot aportar valor real. I no són poques.
Com millorar este flux amb IA
Una vegada que tens les dades netes i centralitzades, la IA té molt més context per a treballar. Ací tens algunes idees de formes concretes d’incorporar-la al flux sense que tot depenga d’ella.
Priorització intel·ligent de problemes tècnics
No tots els errors són iguals i, quan optimitzem un lloc web, ens trobem amb moltes coses que hem d’arreglar.
Un agent amb accés a les dades de rastreig i a mètriques de trànsit (GSC, GA4) pot calcular automàticament un score de prioritat per a cada incidència i fer-nos suggeriments sobre per on començar a optimitzar i què prioritzar, i ajudar-nos a tindre una planificació de les tasques que cal fer.
Keyword research
La classificació del keyword research és una cosa que porta temps i, encara que la IA no pot automatitzar tot el procés, sí que ens pot ajudar amb certes classificacions sempre que siguen xicotetes.
Ací convé recolzar-se en eines d’automatització com make o n8n, encara que també podem crear el nostre propi sistema directament amb codi o agents.
Presentacions a clients millorades
Un altre pas que podríem fer seria, en compte de crear la presentació des d’un looker studio, entregar hui dia eixe excel a una IA perquè ens creara una presentació directament amb tota la informació.
Ací se m’acudix que una skill ben preparada en Claude podria funcionar molt bé en este procés.
Automatitzar auditories amb make / n8n / agents d’IA
Això també es podria fer, però portaria molt de temps muntar el procés, sabent que ja partim d’eines molt bones que hi ha en el mercat i que no paren de créixer.
Però si volem opcions més personalitzades i adaptades als nostres processos, és un pas interessant, principalment per a aquelles agències més grans que tenen el seu propi sistema i volen invertir a desenvolupar-lo, millorar-lo i optimitzar-lo.
Preguntes freqüents
Necessite coneixements de programació per a usar este flux?
Un nivell bàsic de Python és suficient per a instal·lar dependències i executar l’script.
Screaming Frog CLI està disponible en totes les llicències?
El mode CLI requerix una llicència de pagament de Screaming Frog. La versió gratuïta no té accés a la línia d’ordres ni permet rastrejos il·limitats.
Puc usar este flux per a auditories recurrents de clients?
Sí, és precisament per a això que està pensat, però l’script està sense actualitzar per a les últimes versions de Screaming Frog SEO Spider.
Què passa si el lloc té moltes URL i l’Excel es torna molt pesat?
Looker Studio gestiona bé arxius de fins a diversos milers de files per full. Per a llocs molt grans (centenars de milers d’URL), el millor seria connectar directament a BigQuery o a una base de dades en lloc de passar per Excel i tindre algun sistema més personalitzat per a visualitzar la informació.
La IA pot cometre errors en analitzar les dades del rastreig?
Sí. Els LLM poden malinterpretar dades numèriques o prioritzar malament si el context no està ben estructurat. Per això, en el flux proposat, la IA actua com a capa d’anàlisi auxiliar, no com a executora principal. El SEO sempre ha de validar les eixides abans d’entregar-les.
Per a agències que venen diagnòstics recurrents, una eina SEO de marca blanca pot ajudar a presentar auditories amb marca pròpia, sempre que el criteri humà revise les prioritats.
Automatitzar auditories pot estalviar temps, però necessita revisió i prioritats clares. La part de contractació la desenvolupe en com trobar un consultor SEO amb IA.
L’automatització pot accelerar checks, encara que la prioritat comercial s’ha de revisar a mà. Ho aterre en la pàgina d’auditoria SEO per a Gandia.
Consultor SEO tècnic a València des de fa més de 16 anys. Ponent i organitzador en WordCamp Valencia i autor en els blogs de Semrush i Publisuites. Més sobre mi
