Files

T

ChemaVX 4609a21f21 seo_gsc: cobertura por delante del CTR, y arreglar el aviso duplicado

Recalibrado contra los datos reales del primer día, que desmintieron dos
supuestos del diseño.

El umbral de 150 impresiones dejaba fuera TODO: el mejor caso de los dos
blogs eran las 125 de Varginha en EN. El vigilante se habría callado para
siempre, la peor avería en algo que solo habla cuando hay noticias. Baja a
40, y entre 40 y 150 las líneas salen marcadas con «~» porque ahí el CTR es
orientativo, no firme.

Y el CTR no es la palanca a este volumen: con ~180 impresiones semanales en
EN, convertir el 10% de todas serían 78 clics al mes. El informe pasa a
liderar con cobertura — impresiones, páginas que reciben alguna, consultas
distintas, posición ponderada, y qué páginas empiezan o dejan de aparecer —
y avisa también cuando eso se mueve (±25% de impresiones o ±3 páginas), no
solo cuando hay CTR desperdiciado.

De propina, un fallo que solo se vio ejecutando el servicio dos veces
seguidas: avisaba las dos. Las listas nuevas ordenan un set de URLs por
impresiones y los empates los desempataba el orden de iteración del
conjunto, que Python aleatoriza por proceso; la huella cambiaba sin que
cambiara un solo dato. Todas las ordenaciones llevan ya desempate por
clave. Verificado: mismo texto con PYTHONHASHSEED 1, 2 y 3, y la segunda
ejecución del servicio se calla.

2026-07-28 06:12:40 +00:00

6.9 KiB

Raw Permalink Blame History

El marcador — Search Console (`seo_gsc.py`)

Lo que faltaba en toda la caja de herramientas: datos de resultado. El resto mira hacia dentro (enlaces, sitemap, reglas de metas); esto mira lo único que decide si el trabajo sirvió — cuánta gente nos encuentra y cuánta pincha.

Es de solo lectura. No escribe en los blogs ni en Search Console.

Puesta en marcha (cuatro pasos de navegador, una sola vez)

La API es gratis. Hace falta una cuenta de servicio, no OAuth: en esta máquina no hay navegador y el flujo interactivo no funciona headless — la misma piedra con la que ya tropezamos en Gemini.

Proyecto y API. En https://console.cloud.google.com crea un proyecto (o reutiliza uno) y activa Google Search Console API en APIs y servicios → Biblioteca.
Cuenta de servicio. IAM y administración → Cuentas de servicio → Crear. No necesita ningún rol de IAM: el permiso que importa se da en el paso 4. Luego Claves → Añadir clave → Crear nueva → JSON y descarga el fichero.
La clave, en su sitio. En esta máquina:
```
mkdir -p ~/.config/gsc
mv ~/Descargas/EL-FICHERO.json ~/.config/gsc/service-account.json
chmod 600 ~/.config/gsc/service-account.json
```
La herramienta se niega a arrancar si el fichero es legible por otros. Está fuera de cualquier repo; no la metas en git.
Permiso en Search Console. Este es el paso que se olvida. Para cada una de las dos propiedades (theexclusionzone.com y zonadeexclusion.com): Configuración → Usuarios y permisos → Añadir usuario → pega el client_email de la credencial (algo como nombre@proyecto.iam.gserviceaccount.com) → permiso Restringido, que basta para leer.

⚠️ Si zonadeexclusion.com no está dada de alta en Search Console, hay que verificarla antes. Del blog ES no había ni una sola exportación, así que es probable que ni exista la propiedad.
Arrancar el vigilante. El timer se instala parado a propósito: sin credencial fallaría cada lunes, y un timer que falla siempre enseña a ignorar los avisos. Se enciende cuando el canario pasa:
```
seo-gsc comprueba && sudo systemctl enable --now seo-gsc-watch.timer
```

Comprobación:

seo-gsc sitios        # tienen que salir las dos propiedades
seo-gsc comprueba     # canario: recorre el camino real eslabón por eslabón

Si el nombre que devuelve sitios no coincide con el configurado (puede ser sc-domain:x.com o https://www.x.com/, con barra final), corrige el diccionario SITIOS en seo_gsc.py con el nombre exacto.

Es lo que pasó al estrenarlo: las dos propiedades no son del mismo tipo. EN es de dominio y ES es de prefijo de URL (https://zonadeexclusion.com/), que solo ve lo que cuelga de ese prefijo exacto — ni www, ni http. Sirve porque el canónico del ES es el apex, pero si algún día se publica bajo www no aparecería aquí. Darla de alta como propiedad de dominio lo arreglaría de raíz.

Uso diario

seo-gsc pull          # descarga y acumula en SQLite (idempotente)
seo-gsc               # sin argumentos = informe de 28 días
seo-gsc informe --dias 7

La primera descarga pide 16 meses, que es todo lo que Google guarda, pero lo que llega es lo que haya. Medido el 2026-07-28: el dato más antiguo es del 2026-05-09 en las dos propiedades, porque se dieron de alta entonces. Google no guarda nada de antes de que exista la propiedad, así que no hay histórico anterior a mayo de 2026 y nunca lo habrá. Cuidado con leer «16 meses» y creer que se puede comparar contra el año pasado.

La pregunta pendiente

El remate de metas fue el 23 de junio y los únicos datos que había eran del 17. En cuanto haya credencial:

seo-gsc antes-despues --corte 2026-06-23 --dias 28

Qué mira el informe

Primero cobertura, que es la métrica principal:

Impresiones, páginas que reciben alguna y consultas distintas, contra el periodo anterior, más la posición media ponderada (ojo al signo: subir es empeorar).
Páginas que empiezan a aparecer y páginas que han dejado de aparecer. En un sitio joven eso es la noticia: que un artículo entre en el índice útil importa más que dos décimas de CTR.

Después conversión:

Páginas que posicionan y no se pinchan. Cada línea estima los clics que faltan si el CTR fuese el normal de esa posición.
Consultas donde salimos y no nos pinchan.

El CTR "normal" sale de una curva de referencia del sector, no de una medición nuestra: sirve para ordenar candidatas, no para prometer tráfico.

Por qué la cobertura va primero

Al estrenar la herramienta con datos reales (2026-07-28) el suelo, ya sin el pico de mayo, era de ~180 impresiones semanales en EN y ~40 en ES, con 0-1 clics. Con esas cifras el CTR no es la palanca: aunque convirtiéramos el 10% de todas las impresiones de EN serían unos 78 clics al mes. El techo lo pone cuánta gente nos ve.

Los datos también dijeron dónde está el problema de verdad — posicionamos en el top-10 de cadenas hiperespecíficas que no busca nadie (341.roswell.41) y en la página 5-7 de los términos que la gente escribe (betty and barney en 55, roswell 1947 en 52,8). Eso es autoridad de dominio, no titulares.

El umbral, y por qué se bajó a 40

El primer intento usaba 150 impresiones, razonable para un sitio con tráfico. Con datos delante, nada lo pasaba: el mejor caso era Varginha en EN con 125. El vigilante se habría callado para siempre, que es la peor avería posible en algo que solo habla cuando hay noticias. Ahora el corte está en 40 y las líneas por debajo de 150 salen marcadas con ~: orientativas, no firmes.

Automático

seo-gsc-watch.timer — lunes 06:15 UTC: descarga y manda el informe por Telegram, pero solo si hay algo que contar y el informe ha cambiado desde el último aviso. Misma disciplina que seo-watch: si no hay nada que decir, se calla. Hay algo que contar si aparecen páginas desperdiciadas o si la cobertura se ha movido — un ±25% de impresiones o ±3 páginas que reciben alguna.

systemctl status seo-gsc-watch.timer
journalctl -u seo-gsc-watch -n 40

Notas de implementación

Sin librerías de Google. El JWT se firma con PyJWT y se canjea a mano. Son treinta líneas y evita arrastrar media docena de dependencias para tres peticiones.
Los datos tardan 2-3 días en consolidarse. Todo termina 3 días atrás y se pide dataState=final; pedir "ayer" devuelve cifras que luego cambian solas.
La posición se pondera por impresiones. Promediar posiciones a pelo da el mismo peso a un día de 2 impresiones que a uno de 500.
La API pagina de 25.000 en 25.000 y no avisa de que quedan más filas.
El almacén es SQLite en ~/.local/state/seo-gsc/gsc.db; pull es idempotente y resolapa un día por si el último se consolidó después.

6.9 KiB Raw Permalink Blame History

El marcador — Search Console (seo_gsc.py)