Crea una herramienta SEO con Lovable y Firecrawl

Crear tu propia herramienta SEO ya no requiere un equipo de desarrollo ni un presupuesto enorme. Con Lovable y Firecrawl puedes construir una plataforma que compare tu sitio web con el de la competencia y detecte gaps de contenido para posicionarte mejor en Google y en distintos LLM. Esto le sirve a cualquier persona de marketing o negocio que quiera analizar oportunidades sin saber programar.

Lo interesante es que no necesitas el prompt perfecto desde el minuto uno. El proceso es iterativo: empiezas con una idea, exploras qué puedes lograr y refinas sobre la marcha [00:53].

Qué herramientas necesitas para el análisis competitivo de SEO

El proyecto combina dos plataformas que trabajan juntas. Cada una cumple un rol claro dentro de la construcción.

• Firecrawl: te permite escrapear cualquier sitio web y extraer la data. Aquí obtienes el API key que conecta todo [00:31].
• Lovable: genera la plataforma completa de inicio a fin, con base de datos, autenticación e integración vía API [00:38].

Firecrawl hace el trabajo pesado de recolectar información, mientras Lovable arma la interfaz y la lógica. La conexión entre ambas se hace con una llave API que tú generas.

¿Qué es un API key y por qué no debo compartirlo? Es una llave que autoriza a una plataforma a usar otra por ti. Si se filtra, alguien puede usar tu data o gastar tus créditos y dejarte una cuenta enorme. Guárdalo siempre dentro del environment protegido [08:20].

Cómo se estructura un master prompt para construir la herramienta

El corazón del proyecto es un master prompt que nació de muchas iteraciones. La idea no es memorizarlo, sino entender su estructura para replicarla en tus propios casos de uso [04:20].

Todo el prompt está escrito en Markdown, que es el formato que mejor entienden los LLM porque les da jerarquía [05:00]. La estructura arranca con un título principal y una descripción general del objetivo de la herramienta.

Qué componentes incluye el prompt

Cada bloque del prompt cumple una función dentro de la construcción. Estos son los elementos que lo forman:

• Objetivo: crear análisis competitivos de SEO, registrar competidores, extraer datos, generar clústers temáticos e identificar gaps de contenido, con un chat de IA para analizar la competencia [05:30].
• Stack tecnológico: React, Tailwind y otras tecnologías que Lovable define solo [06:00].
• Backend: usa Lovable Cloud, que por detrás corre Supabase para la base de datos sin agregar complejidad [06:19].
• Integraciones: Firecrawl vía API y Lovable AI, que ya viene integrado de forma nativa para acceder a modelos de inteligencia artificial [06:50].
• Arquitectura de la base de datos y edge functions: los edge functions son funcionalidades específicas, como iniciar el crawl de un sitio usando la API de Firecrawl [07:30].

Si no eres arquitecto de datos, no tienes que armar la estructura desde cero. Se construye pidiéndole al modelo que documente lo que ya creaste durante las iteraciones [07:00].

¿Qué es un edge function en este contexto? Es una funcionalidad puntual que ejecuta una acción específica, como escrapear un sitio web usando la API de Firecrawl. Le indica al sistema cómo usar cada herramienta.

Cómo funciona la herramienta paso a paso

Una vez pegado el prompt en lovable.dev, la plataforma genera una primera versión con login incluido. Puedes registrarte, entrar y empezar a agregar competidores [10:00].

El flujo de análisis es directo y comparable entre competidores:

1. Agrega un competidor, por ejemplo Dataup, e indica cuántas páginas analizar, como 20.
2. Haz clic en play para que empiece a escrapear esas páginas web.
3. Repite con un segundo competidor, Forecast Pro, usando el mismo número de páginas para que la comparación sea justa [11:40].
4. Selecciona ambos competidores y analiza las dos plataformas para encontrar los gaps de contenido.

Un detalle clave: la comparación solo sirve si es equivalente. Si analizas 20 páginas de producto de uno, haz lo mismo con el otro para que el análisis del gap tenga sentido [11:50].

El resultado muestra clústeres temáticos, gaps identificados por competidor y oportunidades destacadas con lo que falta cubrir. Incluso te permite priorizar acciones, y todo esto se logró en un par de minutos [12:40].

Por qué el proceso iterativo importa más que el prompt perfecto

La versión final no salió de un solo intento. La primera versión, la 1.0, era un prompt básico: pegar la documentación de la API más un párrafo con las funcionalidades principales [13:20].

A partir de ahí vinieron las mejoras. Se pidieron microinteracciones, como mostrar estados de carga para saber qué página se estaba analizando y por qué el crawl tardaba tanto [13:50]. Cada ajuste sumó aprendizajes.

El paso final fue pedirle a Lovable que generara un master prompt para replicar toda la herramienta con lo aprendido [14:30]. Ese prompt condensa los errores evitados y el resultado refinado en un solo texto reutilizable.

Si quieres profundizar en cómo escribir mejores prompts, apóyate en el curso de Prompt Engineering de Platzi o en herramientas como Claude y ChatGPT para ser más específico. Pero no te frenes por no tener el prompt ideal desde el inicio [01:40].

Ahora te toca a ti: crea tu propia versión mejorada de esta herramienta y luego construye otra distinta a partir del master prompt con un caso de uso propio. Deja en los comentarios un ejemplo de lo que creaste, me encantaría saberlo.