Casi todos los análisis de contenidos que he visto se quedan en lo mismo: contar palabras, marcar lo que está por debajo de trescientas y señalar los duplicados exactos. Está bien, pero es la capa más superficial. Los problemas que de verdad hunden una categoría rara vez son duplicados exactos: son textos escritos con el mismo molde una y otra vez, con la keyword metida a martillazos y sin una sola frase que responda a nada.
Eso no se ve leyendo. Se ve midiendo. Y para medirlo hay una disciplina que viene de la lingüística y que casi nadie aplica al SEO: la estilometría.
Primero saca los textos, no los leas
El error de partida es abrir la web y ponerse a leer categorías. Con cincuenta URLs es inviable y con cinco mil es ridículo. Lo que hay que hacer es extraer el texto de forma masiva y trabajar sobre la tabla, no sobre el navegador.
Con Screaming Frog y una extracción personalizada apuntando al contenedor del texto de categoría, sacas en un CSV la URL y el bloque de texto de todo el sitio. A partir de ahí ya estás analizando datos, no impresiones. Un aviso práctico: la exportación no siempre trae las mismas columnas según cómo configures el rastreo, así que conviene no dar por hecha la estructura del archivo.
Qué mide la estilometría y por qué importa aquí
La estilometría estudia el estilo de un texto de forma cuantitativa: longitud media de frase, riqueza léxica, repetición de estructuras, proporción de conectores, variedad de vocabulario. Nació para atribuir autorías dudosas, pero sirve exactamente igual para responder a otra pregunta: ¿estos mil textos los ha escrito alguien, o los ha rellenado una plantilla?
Y esa pregunta cada vez importa más, porque es parecida a la que se hace un sistema que tiene que decidir si tu contenido merece ser citado.
Las señales que sí valen la pena
Estas son las que miro siempre:
- Densidad de la palabra clave. Por encima del 8% ya no es optimización, es un texto ilegible. No es que Google te penalice por un número, es que nadie lo lee.
- Repeticiones internas. La misma expresión tres o más veces en un texto corto suele indicar relleno, no énfasis.
- Frases clonadas entre URLs. No duplicados exactos: plantillas. Cuando veinte categorías comparten el mismo esqueleto sintáctico cambiando solo el sustantivo, el buscador lo nota antes que tú.
- Longitud media de frase. Textos con frases uniformemente largas o uniformemente cortas casi siempre están generados o escritos en piloto automático.
- Presencia de preguntas. Esta se me hizo importante con el trabajo de visibilidad en modelos de IA: un texto sin ninguna pregunta explícita, sin ningún fragmento que responda a una duda concreta, es un texto difícil de extraer y de citar.
No hay umbrales mágicos
Ese 8% de densidad y esas tres repeticiones son mis puntos de partida, no una ley. En sectores con vocabulario muy cerrado, donde la misma palabra técnica es insustituible, el umbral tiene que subir o te saltan falsos positivos por todas partes. En textos de marca, al revés.
Por eso, cuando me monté una herramienta para automatizar esto, lo primero que hice fue dejar los umbrales configurables. Un análisis con el listón fijo produce un informe precioso y completamente inútil.
Y después, lo difícil: decidir
Un análisis de contenidos no termina en el hallazgo, termina en la priorización. De todas las URLs que salen marcadas, la mayoría no merece que nadie las toque: no tienen tráfico, no tienen intención comercial y reescribirlas es tiempo tirado.
Yo cruzo siempre las señales estilométricas con dos cosas: si la URL tiene impresiones en Search Console y si está en una ruta que importa al negocio. Lo que queda arriba del cruce, y solo eso, es lo que entra en el plan de reescritura.
Medir es la parte fácil. Lo que distingue un análisis útil de una hoja de cálculo enorme es tener el criterio para tirar a la basura el 80% de lo que has medido.