Saber qué buscan las personas en torno a una marca es la base para diseñar un menú web efectivo. A partir de herramientas de investigación de palabras clave y un proceso riguroso de limpieza y agrupación de datos, es posible identificar exactamente qué elementos deberían aparecer en la navegación principal de un sitio. Este ejercicio aplica todo lo aprendido sobre recolección, procesamiento y análisis para tomar decisiones concretas de arquitectura de información.
¿Cómo usar KWFinder para investigar una marca específica?
El ejercicio parte de un caso práctico: el banco australiano Westpack necesita definir los elementos de su menú. Para ello se utiliza KWFinder, una herramienta alternativa a Semrush que permite buscar keywords asociadas a una marca y filtrar por país e idioma [01:52].
Al buscar "Westpack" configurando Australia como ubicación e inglés como idioma, la herramienta devuelve un listado de palabras clave que las personas están buscando. Un punto importante es que KWFinder ofrece un free trial de diez días, lo que permite practicar sin necesidad de una suscripción inmediata [02:22].
¿Por qué exportar los datos a CSV y llevarlos a una hoja de cálculo?
A diferencia de otras herramientas, KWFinder exporta la información en formato CSV en lugar de Excel. El proceso consiste en seleccionar todas las keywords, exportarlas y luego importar el archivo en una hoja de cálculo mediante Archivo > Importar > Subir [03:00]. Al importar, se recomienda dejar la detección de separadores en automático para que la información quede correctamente organizada en columnas.
Una vez importados los datos, el primer paso es bloquear la fila de encabezados, algo fundamental en el manejo de datos para evitar que se mezclen con el resto de la información.
¿Cómo limpiar y filtrar las keywords antes de agruparlas?
El proceso de limpieza sigue la misma lógica de ejercicios anteriores:
- Organizar alfabéticamente de la A a la Z.
- Eliminar búsquedas vacías o irrelevantes.
- Filtrar por volumen de búsqueda, dejando solo las que tengan más de treinta búsquedas [04:00].
De aproximadamente 540 keywords exportadas, tras la limpieza quedan unas 426, lo que representa información mucho más manejable y útil para el análisis [04:22].
¿Cómo identificar grupos y subgrupos para el menú?
Para no depender solo del análisis visual (lo que se describe como "el ojímetro"), se utiliza una herramienta de agrupación de keywords con un mínimo de cinco elementos por grupo [04:50]. Esto permite identificar patrones de búsqueda de forma más objetiva.
Un paso clave es copiar los datos filtrados a una nueva hoja usando Pegado Especial > Valores únicamente [05:40]. Esto garantiza que al quitar los filtros no reaparezcan las búsquedas descartadas, manteniendo limpio el conjunto de datos de trabajo.
Se crea una columna llamada Subgrupo donde se clasifican las keywords. Los principales grupos identificados son:
- Account: todo lo relacionado con cuentas bancarias.
- Loans: créditos en general, con subgrupos como home loans, car loans, personal loans y búsquedas genéricas [07:15].
- Mortgage: créditos hipotecarios.
- ATM's: búsquedas sobre cajeros automáticos.
- Investment: personas interesadas en invertir [07:00].
¿Por qué es fundamental ordenar por volumen de búsqueda?
Antes de continuar agrupando, es imprescindible organizar la información por cantidad de búsquedas de mayor a menor [06:30]. Esto permite priorizar los grupos con mayor demanda y tomar decisiones basadas en lo que realmente importa a los usuarios.
¿Qué sugieren los datos para el menú de Westpack?
Con los datos analizados, la recomendación inicial sería incluir loans, account y mortgage como elementos principales del menú [09:20]. Al comparar con el menú actual de Westpack, se observa que ya tienen loans y cuentas bien organizadas, pero no aparece mortgage como categoría específica, lo que representa una oportunidad de mejora concreta [09:50].
También se detecta que los subgrupos de car loans no están visibles en la navegación actual, algo que los datos de búsqueda sugieren incorporar.
¿Por qué el proceso importa más que la herramienta?
Un aprendizaje fundamental es que el proceso de análisis, limpieza y agrupación no depende de una herramienta específica [01:30]. Ya sea con Semrush, KWFinder u otra plataforma, los datos serán similares. Lo que marca la diferencia es la capacidad de interpretar, filtrar y organizar esa información para llegar a conclusiones accionables.
Si te interesa presentar estos hallazgos de manera más visual, el curso de visualización de datos para inteligencia de negocio complementa perfectamente este tipo de análisis para generar reportes profesionales [10:30]. ¿Qué herramienta has probado para investigar keywords de marca? Comparte tu experiencia en los comentarios.
