Cómo Rastrear Tráfico de Modo AI de Google en Search Console
Introducción al Tráfico de Modo AI El avance de la inteligencia artificial ha traído consigo nuevas formas de interacción en línea, y Google ha liderado este cambio con la introducción de informes de...
Introducción al Tráfico de Modo AI
El avance de la inteligencia artificial ha traído consigo nuevas formas de interacción en línea, y Google ha liderado este cambio con la introducción de informes de rendimiento de AI en Search Console. Sin embargo, rastrear el tráfico generado por estas características no ha sido una tarea sencilla. A pesar de la disponibilidad de informes de AI Overviews, las consultas específicas detrás de este tráfico no están claramente detalladas.
Tabla de contenidos
Este artículo explora métodos para identificar y rastrear el tráfico de Modo AI en Google Search Console, proporcionando a los especialistas en SEO herramientas para optimizar mejor su contenido en función de estos datos emergentes.
Método 1: Inventario Completo en Excel
Glenn Gabe ha desarrollado un método efectivo que implica el uso del API de Search Analytics para extraer el conjunto completo de consultas y organizarlas en Excel. Este enfoque permite a los usuarios sortear las limitaciones de la interfaz de usuario que solo muestra hasta 1,000 filas. Al integrar esta información en su flujo de trabajo de Excel, los usuarios pueden etiquetar las consultas de Modo AI potenciales, maximizando así la visibilidad de sus datos.
Este método es especialmente útil para aquellos que ya están familiarizados con Excel, proporcionando un ambiente conocido para analizar grandes volúmenes de datos y detectar patrones de tráfico generados por AI.
Método 2: Uso de Regex Personalizado
Jean-Christophe Chouinard ha propuesto un enfoque diferente utilizando expresiones regulares personalizadas dentro del filtro de consultas de rendimiento. Este método permite identificar cadenas conversacionales directamente en el informe, basándose en verbos comunes utilizados en interacciones con modelos de lenguaje.
La implementación de este método ofrece una manera rápida y gratuita de visualizar el tráfico de Modo AI sin necesidad de exportar datos fuera de Search Console, aunque está limitado a patrones en inglés y puede pasar por alto cadenas en otros idiomas.
Método 3: Visualizador Avanzado de GSC
Amin Foroutan ha desarrollado una extensión de Chrome que añade funcionalidades avanzadas de gráficos y anotaciones a los datos de Search Console. Aunque esta herramienta no cuenta con un filtro específico para Modo AI, permite explorar datos de manera más visual y accesible.
Este método es ideal para aquellos que prefieren una representación gráfica de sus datos y desean explorar tendencias sin necesidad de exportar información a otras plataformas.
Método 4: Servidores MCP Personalizados
El uso de servidores MCP personalizados ofrece una solución automatizada y escalable para etiquetar consultas a nivel de fila. Esta herramienta, denominada genai_conversation_queries, funciona localmente, asegurando que los datos se mantengan entre el usuario y Google.
Este método es adecuado para usuarios técnicos que pueden configurar un cliente MCP y desean una solución robusta para manejar grandes volúmenes de datos y casos de uso complejos.
Conclusión: La Necesidad de Modelos de ML
La clasificación precisa de las consultas de Modo AI requiere un enfoque sofisticado debido a la diversidad de cadenas generadas por máquinas. Los métodos convencionales no son suficientes para capturar todos los casos de borde, lo que resalta la necesidad de modelos de aprendizaje automático entrenados específicamente para esta tarea.
En resumen, mientras que cada método tiene sus fortalezas y limitaciones, la combinación de herramientas avanzadas y la integración de modelos de ML puede proporcionar una visión más completa y precisa del tráfico de Modo AI en Google Search Console.
