SEO programático que resiste la actualización «Helpful Content», creado por el operador responsable de HostList.io.

Creé HostList a principios de 2024 como un proyecto paralelo. La idea era bastante sencilla: catalogar todas las empresas de alojamiento web de Internet, dedicar a cada una una página con una reseña real y permitir que la gente comparara los proveedores de alojamiento tal y como realmente quiere hacerlo. Dos años y medio después, hay unas veintiocho mil páginas en la web, todas ellas generadas mediante programación a partir de una fuente de datos estructurada, y he visto personalmente cómo la web ha superado todas las actualizaciones de Google que «Contenido útil» le ha lanzado.

Lo que nadie te dice cuando pones en marcha una web programática es que el trabajo es principalmente editorial, no técnico. La parte de Next.js se pone en marcha en un par de semanas. El esquema de Supabase, el canal de ingestión, el mapa del sitio en streaming, el emisor de schema.org… todo eso son cuestiones de ingeniería ya resueltas. Lo que te lleva el resto del año es averiguar cuáles de tus veintiocho mil filas merecen realmente estar en el índice, y qué tienes que añadir a la plantilla para que cualquiera de esas filas se lea como una página de verdad, en lugar de como una simple impresión de la base de datos con pretensiones de SEO.

He llegado a considerar el SEO programático como la disciplina de la sustracción. La estrategia por defecto consiste en publicar todas las filas. La estrategia correcta es publicar solo aquellas filas que se hayan ganado un lugar y, a continuación, enmarcarlas en un contexto editorial suficiente para que la página tenga una razón de ser más allá de completar un mapa del sitio. Si consigues hacer bien esas dos cosas, Google te dejará en paz durante las actualizaciones principales. Si fallas en cualquiera de ellas, perderás la mayor parte de tus páginas indexadas en dos trimestres.

A continuación te presento el manual que utilizo a diario en HostList, aplicado tal cual al trabajo con los clientes. No se trata de un argumento de venta, sino de la lista de comprobación real.

La mayoría de las ideas que me proponen como «programáticas» no deberían serlo. Lo que valoro durante la llamada es si el conjunto de datos es realmente interesante y si las búsquedas están verdaderamente dispersas a lo largo de la «cola larga». Ambas condiciones deben cumplirse. Si el conjunto de datos no es más que un cebo de SEO y las búsquedas no se producen realmente en la «cola larga» que imaginas, el enfoque programático no es el adecuado y seguir adelante de todos modos te costará las páginas indexadas en un plazo de seis meses.

En 2026 solo funcionan unos pocos patrones, y son bastante limitados. Las páginas comparativas funcionan porque el usuario ya conoce los nombres en cuestión y solo busca un factor decisivo: Notion frente a Linear, Stripe frente a Adyen, Cloudways frente a Kinsta. Las páginas de localización funcionan porque la búsqueda local está fundamentalmente fragmentada y casi nadie la escribe a mano a gran escala. Los directorios sectoriales funcionan cuando la combinación de entidad por filtro genera consultas con un volumen real; el propio HostList se basa precisamente en ese modelo, por lo que conozco los motivos de fracaso por haberlos gestionado. Las páginas de glosario funcionan cuando el término es lo suficientemente técnico como para que las respuestas existentes en la web sean deficientes. Las páginas de calculadoras funcionan cuando el cálculo en sí, junto con una página de metodología que lo acompaña, supone el valor real para el usuario.

Todo lo demás que me proponen es la versión mala. La versión de «queremos un millón de páginas de contenido genérico con nuestra marca», que suele presentarse como un experimento de crecimiento destinado a multiplicar por diez el tráfico orgánico en un trimestre. Google se ha mostrado especialmente agresivo en este aspecto desde la actualización «Helpful Content» a finales de 2022, y las oleadas de desindexación no han hecho más que acelerarse desde entonces. He visto cómo cinco equipos diferentes han intentado esta estrategia programática «perezosa» en los últimos dos años; los cinco perdieron la mayor parte de sus páginas indexadas en dos trimestres. Ahora prefiero rechazar el encargo en lugar de llevarlo a cabo, lo cual resulta incómodo en la reunión de ventas, pero a la larga es mejor para todos.

Hay tres filtros que se ejecutan durante la compilación antes de que cualquier página se incluya en el mapa del sitio. Se trata de un proceso automatizado, en lugar de una revisión manual, ya que, con treinta mil URL, una revisión manual no es realmente una revisión y fingir lo contrario solo retrasa la desindexación.

El primer criterio es que los datos sean únicos. Tomemos como ejemplo una página sobre el alojamiento gestionado de WordPress de Cloudways en HostList. Debe incluir al menos tres elementos específicos de Cloudways: un rango de precios, una lista de características, una región, una empresa matriz y un caso de uso. Cualquier dato que no sea también aplicable a Kinsta o WP Engine. Si la página solo tiene un nombre, un logotipo y una descripción genérica, no supera el filtro. Se excluye del mapa del sitio. Se marca como «noindex» en el código fuente. La capa de datos se va completando a medida que el equipo enriquece la fila, y entonces la página vuelve a ganarse su lugar en el índice. En HostList, en este momento, aproximadamente el quince por ciento de la base de datos permanece fuera del mapa del sitio precisamente por este motivo.

El segundo escollo es el valor añadido editorial. La plantilla tiene que hacer algo que los datos por sí solos no pueden: comparaciones, puntuaciones, recomendaciones, agregación, pros y contras. Una plantilla que se limite a mostrar la fila de la base de datos con una tipografía atractiva no es suficiente, por muy buena que sea la tipografía. Esta es la puerta en la que los equipos suelen fallar con más frecuencia en la práctica. Crean un sistema de captación ingenioso, se saltan el envoltorio editorial, publican dos mil páginas que, en el fondo, parecen idénticas bajo la misma palabra clave, y luego se preguntan por qué Google las desindexa seis meses después. El envoltorio es lo que indica a Google que la página existe por una razón que va más allá de rellenar un mapa del sitio.

El tercer filtro es la intención real de la búsqueda. Cada URL debe corresponder a una consulta que alguien pueda estar buscando de forma plausible, con un volumen suficiente como para que merezca la pena indexarla. Las páginas orientadas a consultas con menos de cincuenta búsquedas mensuales suelen quedar excluidas de la indexación, incluso si superan las dos primeras puertas, ya que contaminan el mapa del sitio y diluyen el presupuesto de rastreo de las páginas más sólidas del mismo dominio. El umbral varía según el sector; lo calibramos para cada proyecto tras analizar los datos de Search Console de sitios adyacentes del mismo sector.

Lo primero que eliminé del índice fue la parte menos relevante. Alrededor del quince por ciento de la base de datos queda fuera del mapa del sitio porque no se alcanzó el umbral de datos únicos. Una fila que solo contenga un nombre, un logotipo y una descripción genérica de una línea no es una página que Google deba tener en cuenta; el coste de rastrearla es mayor que el valor de tenerla indexada. Las páginas de categorías con menos de cinco entradas sólidas tampoco se incluyen, ya que una categoría escasa se interpreta como un esfuerzo mínimo, incluso cuando el esquema es técnicamente correcto. Las combinaciones de filtros con menos de tres resultados reciben automáticamente la etiqueta «noindex» mediante una comprobación en el momento de la compilación.

Lo que mantuve y desarrollé fue la comparación. Las páginas de comparación directa entre proveedores de alojamiento concretos acabaron siendo el tipo de página con mayor tasa de conversión del sitio, generando alrededor del treinta por ciento de todas las conversiones a pesar de representar menos del cinco por ciento del total de URL. Añadí la comparación como una plantilla independiente y la amplié de forma deliberada. Las páginas de categorías con datos únicos y sólidos también superaron con creces a las versiones genéricas. No solo «el mejor alojamiento de WordPress», sino «el mejor alojamiento de WordPress para tiendas de WooCommerce con menos de diez mil productos». Específico. Concreto. Útil. Cuanto más específico era el criterio, mejor tendía a funcionar la página, lo cual va en contra de la mayoría de los consejos de SEO que se leen en Internet.

Las páginas que mantuve escritas a mano eran el centro de gravedad. Unas doscientas de las veintiocho mil son contenido editorial escrito íntegramente por personas. La página de metodología. La rúbrica de puntuación. La guía «Cómo elegir un proveedor de alojamiento web». Un puñado de páginas de destino de categorías muy sólidas. No se amplían de forma programática ni nunca se pretendió que lo hicieran, pero tienen un peso desproporcionado en el gráfico de autoridad temática y todas las páginas finales enlazan con ellas. Las veintisiete mil ochocientas páginas programáticas giran en torno a esas doscientas. Esa es la estructura que sobrevive a una actualización del núcleo.

La capa de datos se aloja en Postgres, ya sea a través de Supabase o en un servidor propio, dependiendo de lo que el equipo ya tenga en funcionamiento. Cada columna de faceta está debidamente indexada, ya que, a gran escala, los escaneos completos de la tabla en una consulta con filtro se convierten en el cuello de botella antes de que la propia página se ralentice. Cada tipo de contenido cuenta con una tabla de entidades dedicada que incluye, además del contenido propiamente dicho, columnas de control de calidad, como la puntuación de unicidad, el porcentaje de completitud y la marca de tiempo de la última verificación. Una vista de elegibilidad para el mapa del sitio filtra automáticamente las filas que están por debajo del umbral, de modo que el mapa del sitio y los datos subyacentes permanecen sincronizados sin necesidad de intervención manual.

Las plantillas se presentan en cuatro formatos. Una plantilla de detalle por tipo de entidad, con campos específicos para datos únicos, además del contenido editorial. Una plantilla de comparación para comparativas directas entre entidades nombradas, con el esquema «FAQPage» adjunto; nunca se debe incluir «AggregateRating» a menos que existan realmente reseñas propias. Una plantilla de categoría y filtro que utiliza CollectionPage con ItemList de entidades que cumplen los requisitos, paginada con un tratamiento canónico adecuado para que las combinaciones de filtros no generen URL duplicadas infinitas. Y plantillas editoriales que utilizan el esquema Article, redactadas a mano, de menor volumen y mayor peso temático, tratadas como la columna vertebral del grafo de enlaces en lugar de como las hojas.

La estructura SEO es la parte que la mayoría de los equipos subestiman a gran escala. El mapa del sitio se genera por partes, según cada plantilla, ya que un único archivo sitemap.xml tiene un límite máximo de cincuenta mil URL y la mayoría de los proyectos programáticos superan esa cifra durante el primer año. Los enlaces internos se generan a partir de los propios datos: cada página final enlaza con su categoría, su ubicación, sus competidores específicos y entidades similares en función de la coincidencia de características. Un linter de SEO en fase de compilación analiza una muestra de páginas en cada implementación y rechaza la compilación ante cualquier anomalía en el recuento de etiquetas H1, una meta descripción fuera de rango, un error de validez de JSON-LD o un problema de integridad del clúster hreflang. Tras el lanzamiento, el seguimiento de citas de AI Overview a través de Otterly o Profound se ejecuta semanalmente para detectar cuándo un motor de búsqueda generativo empieza a citar o deja de citar una página del dominio.

Cada gama incluye la estructura de datos, las plantillas, el linter de SEO y un panel de administración básico para modificaciones editoriales. No incluyen la adquisición de datos en sí. El trabajo editorial manual, la infraestructura de scraping, los costes de las API de terceros y el trabajo original de marca y diseño son partidas presupuestarias independientes. La adquisición de tráfico de pago tampoco entra dentro del alcance del servicio; el SEO programático es una estrategia orgánica y no incluimos los medios de pago en el contrato. La mayoría de los proyectos se sitúan cómodamente en la mitad inferior de cada banda; la mitad superior está reservada para proyectos realmente complejos en los que la ingesta de datos o la capa editorial son inusualmente pesadas.