Hace dos años, un cliente de ecommerce me pasó una lista de 8.000 keywords sin clasificar. Le dije que necesitaba dos semanas de trabajo manual. Hoy me tomaría un fin de semana con IA y tendría resultados mucho más consistentes. El cambio no ha sido solo en velocidad: es que ahora entiendo patrones de intención que antes pasaba por alto porque simplemente no tenía tiempo de verlos todos.
La realidad es que la mayoría de agencias sigue haciendo esto como lo hacía yo en 2014: leyendo queries una por una, apuntando «comercial» o «informacional» en una hoja, y esperando que el cliente no pida cambios. Es trabajo que funciona. Pero también es obsoleto.
Por qué clasificar intención de búsqueda dejó de ser un lujo
La intención de búsqueda es el verdadero patrón que controla un SERP. No importa cuántos backlinks tengas si estás optimizando para informacional cuando el usuario busca transaccional. Durante los últimos tres años he visto cómo este factor se ha vuelto cada vez más decisivo, especialmente con las actualizaciones de Google enfocadas en «satisfacción del usuario».
El problema es que hacerlo a escala manual es casi imposible. Un sitio de viajes con 15.000 keywords no puede estar analizando cada una por persona. Y aquí es donde entra la IA: puedes procesar esas 15.000 en horas, identificar patrones, y actuar sobre datos reales en lugar de intuición.
He notado que los clientes que clasifican bien su intención de búsqueda ven mejoras de 30-40% en CTR en los primeros tres meses, simplemente porque sus títulos, metas y estructura empiezan a hablar el idioma del usuario. Los que no lo hacen siguen perdiendo clics en primera posición.
El flujo práctico: desde prompt hasta hoja de cálculo
La forma más rápida de hacer esto es combinar una herramienta que genere prompts con modelos de IA. Aquí va el método que uso ahora mismo:
Paso 1: Preparar tus keywords
Necesitas una lista limpia. Una columna con keywords, idealmente ordenadas por volumen. Si tienes datos de posición actual, mejor aún. Esto me permite después correlacionar intención con SERP actual.
Paso 2: Usar un modelo de IA con instrucción clara
Uso ChatGPT Plus o Claude, aunque ahora también está Gemini. Lo importante es que tengas modelo Plus o equivalente porque necesitas procesar lotes grandes. Aquí va el prompt exacto que funciona:
Analiza la intención de búsqueda de estas keywords. Para cada una, responde SOLO en formato CSV:
keyword | intención | confianza (0-100) | notas
Intención puede ser: navigational, informacional, comercial, transaccional.
Keywords:
zapatos running hombre
cómo elegir zapatos running
zapatos running ofertas
nike running oficialEste prompt es directo. No le pido que me escriba un análisis bonito. Le pido formato CSV para que pueda copiar directo a Google Sheets. La confianza es clave porque me permite después validar manualmente solo los bajos.
Paso 3: Validar y ajustar
Aquí viene la parte que nadie cuenta: la IA se equivoca. «Zapatos running en Madrid» lo va a clasificar como comercial porque ve ciudad, pero realmente es búsqueda local que puede ser informacional o comercial. Necesitas revisar las que tengan baja confianza (menor a 70).
Mi recomendación: valida el 10% de resultados manualmente. Si ves que el modelo falla mucho en una categoría, ajusta el prompt y repite eso.
Paso 4: Correlacionar con SERP actual
Aquí es donde pasa lo interesante. Una vez clasificadas, compara intención con lo que Google muestra. Si identificas que «cómo cuidar plantas de interior» es realmente informacional pero tu sitio aparece en posición 15 porque la estás tratando como comercial, acabas de encontrar una oportunidad de rediseño.
He visto casos donde ajustar 30-40 páginas por mala clasificación de intención ha movido más traffic que meses de linkbuilding.
Las limitaciones que importan (porque nadie las menciona)
Mira, voy a ser honesto: la IA es buena pero no es perfecta. Aquí van los problemas reales que encuentro:
Queries ambiguas: «smartphone Samsung» puede ser navegacional (quieren la web oficial) o transaccional (quieren comprar). El modelo adivina, y a veces se equivoca. Especialmente en nichos donde la línea entre informacional y comercial es borrosa.
Sesgos de entrenamiento: Los modelos como GPT están entrenados principalmente con contenido en inglés. En español, especialmente en nichos locales, su precisión cae. Un cliente mío de real estate local vio que el modelo clasificaba mal keywords muy específicas de su región.
No ve tendencias recientes: Si tu industria cambió en los últimos tres meses (por ejemplo, las búsquedas de «IA» pasaron de informacional a transaccional), el modelo no lo sabe aún.
Necesita contexto: Una herramienta como Semrush te da intención + datos de SERP real simultáneamente. ChatGPT no. Tienes que hacer el trabajo de correlacionar después. Es más rápido que manual, pero sigue siendo trabajo.
Mi recomendación personal: usa IA para clasificar masivamente, pero ten siempre un paso de validación. Una persona dedicadas dos horas a revisar resultados es mejor inversión que publicar contenido mal clasificado.
Mi veredicto tras usarlo en proyectos reales
He usado esto en proyectos grandes (editoriales, ecommerce, SaaS locales) y el cambio es real. No es magia, pero ahorra brutal. Donde antes necesitaba una semana para validar intención de 5.000 keywords, ahora necesito dos días.
Lo que realmente me importa es que esto cambió cómo pienso sobre auditorías SEO. Antes hacía auditoría técnica, revisaba enlaces, miraba keywords que rankean. Ahora, lo primero que hago es clasificar intención masivamente y preguntar: «¿Cuántas páginas estamos optimizando para la intención equivocada?». Casi siempre es más del 20%.
Lo honesto: si tu competencia aún clasifica intención de forma manual, tienes ventaja. Pero esa ventaja desaparece en seis meses. Esto se va a normalizar. Mejor que lo hagas ya con IA que dejes que otros lo hagan primero.