Definir la estructura de categorías de una tienda en línea no es cuestión de intuición: los datos de búsqueda son los que dictan cómo organizar un e-commerce. Usando una herramienta profesional como Semrush y un proceso ordenado de análisis, es posible construir una categorización que responda exactamente a lo que las personas buscan. A continuación se detalla paso a paso cómo lograrlo.
¿Cómo elegir la palabra clave correcta para tu mercado?
Antes de categorizar, necesitas saber cómo llama tu audiencia al producto. En el ejemplo práctico se comparan dos términos: "lentes de sol" y "gafas de sol" dentro del mercado mexicano [01:07]. Al ingresar ambas frases en la herramienta Visión General de Palabras Clave de Semrush y seleccionar México como país, los resultados muestran que "lentes de sol" acumula treinta y tres mil cien búsquedas mensuales, muy por encima de "gafas de sol" [02:07].
El dato que aparece como volumen de búsqueda representa el número medio de búsquedas mensuales, es decir, el promedio mensual calculado sobre los últimos doce meses [02:18]. Confirmar cuál término domina evita invertir esfuerzo en una variante que casi nadie utiliza en ese país.
¿Dónde encontrar las variaciones de búsqueda?
Una vez identificada la palabra ganadora, Semrush ofrece un botón para ver todas las palabras clave relacionadas [02:52]. Esta lista incluye cualquier variación que contenga la frase o palabra en cualquier orden, lo que permite detectar patrones como:
- Lentes de sol para hombre.
- Lentes de sol para mujer.
- Lentes de sol Ray-Ban.
- Lentes de sol Gucci.
- Búsquedas de moda y tendencia.
Cada variación con volumen relevante es una pista directa sobre las categorías que debería tener el sitio.
¿Cómo procesar los datos para definir categorías?
El siguiente paso es exportar el archivo desde Semrush en formato Excel y subirlo a Google Sheets [04:15]. Se recomienda Google Sheets porque no requiere licencia y resulta más práctico para manipular datos colaborativamente.
Dentro de la hoja de cálculo, el proceso es claro:
- Congelar la primera fila para mantener visibles los encabezados mientras se desplaza la información [05:15].
- Crear una columna llamada "Grupo" donde se asignará la categoría correspondiente a cada palabra clave.
- Ordenar alfabéticamente de la A a la Z para identificar rápidamente patrones y filtrar términos con cero búsquedas [05:28].
Una permutación es el complemento adicional que acompaña a la búsqueda principal [05:55]. Por ejemplo, en "lentes de sol para hombre Ray-Ban", las permutaciones son "hombre" y "Ray-Ban". Detectar estas permutaciones permite agrupar las palabras clave en categorías y subcategorías.
¿Cómo crear grupos y subcategorías con filtros?
Usando la herramienta de filtro de Google Sheets, se busca la palabra "hombre" y se seleccionan todos los resultados que la contengan [06:05]. A todas esas filas se les asigna el grupo "hombre". Dentro de ese grupo aparecen búsquedas de marcas específicas, lo que revela subcategorías naturales:
- Ray-Ban [07:02].
- Versace [07:34].
- Gucci [08:05].
- Calvin Klein [09:24].
El mismo ejercicio se repite para "mujer" [08:48]. Al organizar los datos alfabéticamente dentro de cada filtro, resulta sencillo detectar nuevos grupos y también descartar búsquedas irrelevantes, como "fotos de mujeres con lentes de sol", que no tienen intención de compra [09:10].
¿Cómo queda la estructura final del e-commerce?
Tras procesar los datos, la categorización resultante tiene una jerarquía clara:
- Página de inicio del sitio.
- Categoría: hombre con subcategorías Ray-Ban, Versace, Gucci y Calvin Klein.
- Categoría: mujer con las mismas subcategorías de marca, ya que los datos confirman que aplican para ambos géneros [09:52].
Esta estructura podría extenderse a más niveles si se encuentran patrones adicionales, por ejemplo, por tipo de lente o por tendencia de moda.
Lo esencial es que cada categoría y subcategoría está respaldada por volumen de búsqueda real, no por suposiciones. Si necesitas reforzar tus habilidades en el manejo de estos datos, existe un curso complementario de recolección y análisis de datos para SEO que profundiza en ejercicios similares [04:00]. ¿Ya probaste filtrar tus propios datos de palabras clave? Comparte qué patrones encontraste.
