Autor
Autor
La SEO y la SEA son dos palancas de naturaleza similar: ambas responden a una única petición del usuario. Sin embargo, los anunciantes y las agencias suelen tratarlas por separado. En los últimos años, el mercado ha estado explorando sinergias potenciales para abordar cuestiones como la racionalización de la inversión, la protección de la marca y la lucha contra la canibalización de las palabras clave.
La constante evolución de las SERP (páginas de resultados de los motores de búsqueda), los diferentes enfoques entre ambas disciplinas y el reto de una medición común hacen que estas cuestiones sean difíciles de abordar. Tanto es así que muchos anunciantes piensan que crear sinergias entre ambas palancas es un sueño imposible y utópico. Pero en Artefact, la sinergia SEO/SEA es una realidad. Desarrollada por nuestros equipos de Búsqueda, la llamamos “Búsqueda completa”.
¿Podría ser la búsqueda completa, o la estrategia integrada de SEO y SEA, el nuevo santo grial de la optimización de la inversión basada en el rendimiento?
Nuestra visión se basa en tres fases principales:
Debate sobre la estrategia de búsqueda integrada a adoptar
Discusión de la estrategia de Búsqueda Integrada a adoptar, además de las estrategias iniciales de EAE y SEO, mediante un análisis avanzado de la situación existente, ilustrado en forma de matriz de sinergias:
Esta matriz se compone de tres temas comunes tanto a la EAE como a la SEO, que pueden ajustarse en función de los anunciantes, el sector de actividad y la situación en las SERP.
Análisis de marketing
Entre los principales puntos de control del marketing que se analizan aquí están las cuestiones de complementariedad de las palancas semánticas y el análisis del contenido de los anuncios y los fragmentos.
Utilicemos el ejemplo de un actor del sector del espectáculo para el que Artefact realizó recientemente una auditoría:
La visibilidad de este cliente en determinadas consultas relacionadas con su sector de actividad no era óptima ni en SEO ni en SEA. Por ello, Artefact propuso al anunciante que probara nuevas palabras clave SEA y una palanca más “inmediata”, y que analizara a continuación su rendimiento.
Cuando los resultados eran buenos, se creaban páginas SEO mientras se seguía pujando en SEA, siempre y cuando estas nuevas páginas subieran en las SERP. Cuando los resultados fueron decepcionantes, se probaron otras palabras clave.
Análisis técnico
Este análisis consiste en evaluar el estado de las páginas de destino SEA/SEO y los tiempos de carga de las páginas. Para ilustrar estos dos casos, consideremos el ejemplo de un sitio que se está migrando actualmente.
En este contexto, el objetivo principal es garantizar la coherencia del contenido, la técnica y los tiempos de carga para mantener el tráfico orgánico. La solución de Full Search en este caso consistirá en apoyar la SEO ajustando las ofertas de SEA para compensar cualquier caída en el posicionamiento.
Aquí, la EAE compensa cualquier posible pérdida de visibilidad y tráfico de forma instantánea, flexible y controlada.
Análisis del rendimiento
El análisis del rendimiento consiste en un inventario de los indicadores respectivos de las dos palancas, así como el de un elemento que denominamos visibilidad de búsqueda completa. Este elemento se calcula mediante el análisis de la tasa de captación SEO/SEA, que nos permite medir la parte del volumen de búsqueda captada por las palancas en un universo semántico común.
A continuación, este indicador se integra en un árbol de decisión de búsqueda completa que, mediante la clasificación de universos de palabras clave, determina una orientación estratégica para cada situación y define las acciones asociadas.
Una fase de medición y análisis de la búsqueda completa
Una fase de medición y análisis de la búsqueda completa con la implementación de un cuadro de mandos que permitirá el seguimiento de los indicadores de medición comunes, así como su evolución en el tiempo, para facilitar la toma de decisiones y proponer recomendaciones a corto, medio y largo plazo. En función del nivel de madurez del anunciante y de la complejidad de las sinergias, se establecerá un cuadro de mandos más o menos complejo.
Arriba puede ver un ejemplo de la estructura de un cuadro de mando avanzado desarrollado por el equipo de análisis de Artefact. Este cuadro de mandos se basa en diferentes fuentes data como Google Ads o Consola de búsqueda de Google, entre otros. Está diseñado para agrupar la semántica con el fin de supervisar mejor el rendimiento y facilitar la toma de decisiones operativas. Estos cuadros de mando pueden mejorarse con herramientas de mercado que ofrecen informes competitivos.
Una fase de despliegue operativo a través de la aplicación de pruebas A/B basadas en las recomendaciones realizadas en la fase previa.
Por ejemplo, Artefact ayudó a uno de sus clientes a determinar el valor de la compra de su marca en EAE. Se trata de una cuestión crucial para la mayoría de los anunciantes, ya que los volúmenes vinculados a las marcas son muy significativos en términos de tráfico y facturación. Para abordar esta cuestión, es esencial medir la capacidad de la EAE para recuperar los volúmenes perdidos en caso de corte de la EAE, y demostrar la sinergia de las dos palancas.
Esta prueba demostró que el SEO no recupera todos los volúmenes, ya que se registró una disminución de aproximadamente 20% de las sesiones y del volumen de negocio. Según el sector de actividad del anunciante, la fuerza de la marca y el periodo probado, los resultados pueden variar mucho. Por consiguiente, es imperativo definir de antemano los indicadores que se van a medir, ser consciente de los posibles sesgos de la metodología (dificultades para estimar el volumen de negocios del SEO, por ejemplo) y, sobre todo, repetir estas pruebas una o dos veces al año en periodos diferentes.
Conclusión
Como hemos demostrado, la sinergia SEO/SEA, o búsqueda completa en Artefact, no es una utopía. Sin embargo, es una realidad estratégica, operativa y cuantificable. Para sacar el máximo partido de esta sinergia, no debe canibalizar las estrategias SEO/SEA preexistentes, sino que debe basarse siempre en una lógica iterativa de prueba y aprendizaje. De este modo, la búsqueda completa puede utilizarse con éxito para ajustar continuamente las optimizaciones.
