• Punto rojo
  • Blog
  • Cómo ver el ranking histórico de tus keywords... GRATIS!
img

Cómo ver el ranking histórico de tus keywords... GRATIS!

Existen muchos servicios que te cobran para mostrarte cómo posicionan tus keywords en los resultados de búsqueda de Google. Si bien hay algunas versiones gratuitas, éstas no te dan muchas opciones para modificar tu data. Hoy te vamos a mostrar cómo poder ver data 100% precisa de posicionamiento para poder medir el estado de tus esfuerzos SEO.

Disclaimer: No vamos a estar cubriendo cómo podés hacer para instalar Python ni sus módulos ya que es un tema aparte y existen varios tutoriales acerca de esto en la web.

Qué necesitás:

  • Acceso a tu Google Search Console

  • Google Data Studio

  • Python 3

  • Los módulos pandas y matplotlib


Primero vamos a conseguir la información. Vamos a ir al informe de Rendimiento dentro de la cuenta de Google Search Console que contiene los datos que querés trabajar. Con una simple exportación de los datos no alcanza porque Search Console promedia el posicionamiento para cada keyword dentro del período de tiempo seleccionado. Esto significa que si querés ver el posicionamiento para el último año para una keyword puntual, GSC te va a dar un único número, resultado del promedio del posicionamiento de cada día para esa keyword. Como necesitamos la data detallada día por día, vamos a pasar a la segunda herramienta…

Si ya no agregaron la fuente de datos de Google Search Console agregada al Data Studio, pueden leer esta publicación que detalla cómo hacerlo.

En Google Data Studio vamos a insertar una tabla y agregar la información que necesitamos. Básicamente necesitamos la fecha del último año segmentada día a día, las keywords, los clicks y si quieren también las impresiones y el CTR.



Cómo configurar la tabla


Seleccionar las siguientes dimensiones



Date y Query. Va a hacer falta cliquear el ícono del calendario y seleccionar la opción Fecha y hora - Día del mes (DD). Esto hace que toda la información de keywords (o queries) no se agrupe sino que se muestren promedios día por día del año.



Una vez que eso esté hay que seleccionar las siguientes métricas



Ahora vamos a especificar la fecha que queremos contemplar. Cada uno puede elegir el período que quiera aunque es recomendable exportar la mayor cantidad de información posible (Big Data!) y luego filtrar períodos específicos con Python. Nosotros filtramos para ver todos los datos del año pasado.



No hace falta ordenar la información por ninguna variable en particular porque la vamos a modificar más adelante, pero puede que a alguno le tire error si no lo hace. En nuestro caso, ordenamos por clicks como muestra la imagen.



Tras configurar la tabla como indicamos, deberían estar viendo algo similar a esto (pero con sus datos).

Noten que tenemos más de 175,000 filas de información. Dependiendo en la cantidad de tráfico de tu sitio, este número podría variar considerablemente.

Paso siguiente, exportamos la data. El archivo lo vamos a guardar con el nombre data.csv. Dependiendo en la cantidad de filas de tu tabla, la descarga puede llegar a tardar hasta algunos minutos. Paciencia… vale la pena!



Ahora empieza lo divertido! Abrí tu editor de código preferido. En nuestro caso, para este tipo de cosa vamos a usar Jupyter Notebook pero podés tranquilamente copiar y pegar el código en un bloc de notas y guardarlo con extensión .py que va a funcionar de igual manera.




El código para graficar cargar la data, modificarla y graficarla es el siguiente.


El resultado va a ser algo como esto.



Pero no caigamos en la trampa del copy/paste… analicemos estas líneas de código para ver cómo podemos modificarlas para mostrar las keywords que nos interesan. Analicemos el script línea por línea.

  1. Carga el módulo pandas. Para explicarlo de forma sobresimplificada, pandas es algo así como el “Excel” de Python

  2. Carga el módulo matplotlib.pyplot que permite graficar los datos

  3. -

  4. Una lista que contiene todas las keywords que nos interesan graficar

  5. Muestra la cantidad de puestos que se ven en el eje y del gráfico. Por ejemplo, si sólo querés ver el comportamiento en la primera página de Google, fijá este valor por 10

  6. -

  7. Todo lo que está debajo no hace falta modificar, pero veámoslo de todas formas

  8. Carga la data del archivo ‘data.csv’ a un data frame de pandas (vendría a ser algo así como el equivalente a una hoja de cálculos de Excel o Google Sheets)

  9. Pasa la columna ‘Date’ de número a formato de fecha, para poder graficar correctamente el eje x

  10. Filtra el data frame para utilizar únicamente las filas que contienen las keywords declaradas en la línea 4

  11. Fija a la columna fecha como índice del data frame ya que vamos a graficar fecha por fecha

  12. Agrupa por keyword a los valores de posición. Este paso es fundamental ya que ordena la data para poder graficarla. Pensalo como que está preparando cada línea del gráfico.

    1. El .plot() hace que lo muestre en forma de gráfico en lugar de una tabla.

    2. Se le dice al gráfico que debe mostrar una leyenda con información de qué keyword representa cada línea

    3. Se determina el tamaño del gráfico



  13. Invierte el eje y del gráfico ya que una posición con número bajo es algo bueno y cuando “cae el posicionamiento”, su rank aumenta en número

  14. Se fija el título del gráfico

  15. Se fija el límite superior del gráfico a 0.75 para que podamos ver correctamente las líneas que tienen posicionamiento 1. De otra forma la línea de un primer puesto se perdería en el borde del gráfico

  16. Se muestra el gráfico que se estuvo configurando hasta el momento.

  17. -

  18. -

  19. Si se des-comenta esta línea eliminando el caracter ‘#’ al principio de la línea, el gráfico se guardará en la carpeta donde está guardado el script con el nombre ‘keyword_rankings.png’


Este simple script con menos de 20 líneas es un claro ejemplo del potencial que tiene Python para analizar tu data de SEO y poder tomar acciones claras en consecuencia. Puede que la curva de aprendizaje para este tipo de cosas sea un poco empinada al principio pero la realidad es que existe una comunidad enorme de gente que documenta tutoriales, estrategias, herramientas útiles, etc.

El futuro de la toma de decisiones de negocios en los últimos años se viene moviendo hacia el análisis de big data y SEO no es una excepción. Desde PuntoRojo siempre te animamos a que hagas lo posible para hacer crecer tus conocimientos para llevar tus estrategias SEO al siguiente nivel.

De más está decir que cualquier duda, comentario o sugerencia está bienvenido en los comentarios de esta nota. Como siempre, ¡buenos rankings!
img

Jimena Bolánimg

Jimena Bolán es CMO en Punto Rojo, donde lidera la estrategia de crecimiento y posicionamiento de la agencia en Latinoamérica. Ha impulsado iniciativas como SEOday, Local Search Day y Conversion Day, y trabaja junto a CMOs y líderes de marketing en la adopción de soluciones digitales integrales.

Let's talk about how we can enhance your growth!

Contact me with a specialist