--- title: "Cómo usar Code Interpreter para extraer datos de Search Console" description: "Deje de ahogarse en hojas de cálculo. Use Code Interpreter para explorar Search Console, hallar palabras clave «Striking Distance» y automatizar insights." url: "https://kodokalabs.com/es/intelligence-hub/search-intelligence/code-interpreter-search-console/" language: es published: 2025-12-18 updated: 2026-11-07 --- # Cómo usar Code Interpreter para extraer datos de Search Console ## Su mejor analista de SEO es una IA. [Google Search Console (GSC)](https://search.google.com/search-console) es la fuente de verdad más valiosa para cualquier profesional del SEO. Le dice con exactitud qué buscan los usuarios y cómo ve Google su sitio. Pero la interfaz de usuario de GSC es… limitada. Permite filtrar por consulta o por página, pero falla en los análisis complejos. No se puede preguntar con facilidad: «Muéstrame todas las palabras clave no de marca que se posicionan entre las posiciones 11 y 20 y que tienen muchas impresiones pero un CTR bajo». Para obtener esa respuesta, normalmente hay que: 1. Exportar 10.000 filas a Excel. 2. Escribir complejas BUSCARV y tablas dinámicas. 3. Pasar 3 horas limpiando datos. O bien puede hacerlo en 3 minutos con **intérpretes de código de LLM** (como el análisis avanzado de datos de ChatGPT o los Artifacts de Claude 3.5 Sonnet). En kōdōkalabs creemos en la **analítica agéntica.** No pasamos horas triturando números: pedimos a las máquinas que lo hagan. Esta guía le enseñará a convertir sus exportaciones de GSC en oportunidades de ingresos inmediatas con el método «Striking Distance». ## Parte 1: La oportunidad «Striking Distance» Antes de abrir la herramienta, definamos la estrategia. Las **palabras clave Striking Distance** (a tiro) son consultas por las que su sitio se posiciona en la **página 2 (posiciones 11 a 20).** - Es lo bastante relevante como para posicionar. - Tiene la autoridad suficiente para estar indexado. - Pero es invisible para el 99 % de los usuarios (porque nadie hace clic en la página 2). Subir una palabra clave de la posición 12 a la 8 suele ser 10 veces más fácil que subir una nueva de la posición 100 a la 10. **Es la actividad de mayor ROI del SEO.** ¿El problema? Identificar estas oportunidades entre 5.000 páginas a mano es imposible. ¿La solución? Code Interpreter. ## Parte 2: Cómo obtener los datos en bruto Hay dos maneras de conseguir los datos. ### Método A: la exportación simple en CSV (válida para <1.000 páginas) 1. Inicie sesión en Google Search Console. 2. Vaya a **Rendimiento > Resultados de búsqueda.** 3. Fije el intervalo de fechas en **Últimos 3 meses** (o 6 meses para tener más datos). 4. Haga clic en **Exportar > Descargar CSV.** 5. Obtendrá un archivo zip. Descomprímalo. Necesita Queries.csv y Pages.csv. ### Método B: la API (mejor para >1.000 páginas) En sitios grandes, la interfaz limita las exportaciones a 1.000 filas. Eso es insuficiente. Debería usar un conector (como la extensión «[Search Analytics for Sheets](https://workspace.google.com/marketplace/app/search_analytics_for_sheets/1035646374811?hl=en)» o un script de Python) para extraer más de 25.000 filas a través de la API de GSC. *Consejo profesional:* asegúrese de que su exportación incluya **clics, impresiones, CTR y posición.** ## Parte 3: El flujo de trabajo con Code Interpreter Ahora alimentamos a la máquina. Abra ChatGPT (Plus) o Claude 3.5 Sonnet. Asegúrese de que esté activado el «análisis avanzado de datos» (o los Artifacts). ### Paso 1: subir los datos y preparar el terreno Suba su archivo Queries.csv. **Prompt:** «Voy a subir los datos de consultas de mi Google Search Console. Las columnas son Top Query, Clicks, Impressions, CTR y Position. Carga este conjunto de datos en un DataFrame de Pandas y muestra las 5 primeras filas para confirmar que entiendes la estructura. No analices todavía; solo confirma que el tipo de dato de la columna “Position” es numérico». *¿Por qué este prompt?* A veces los LLM interpretan la columna «Position» como texto por los decimales. Así se fuerza una comprobación. ### Paso 2: el filtro «Striking Distance» Ahora vamos a por el dinero. **Prompt:** «Quiero encontrar oportunidades “Striking Distance”. Crea un nuevo dataframe llamado striking\_distance que cumpla estos criterios concretos: 1. **Posición:** mayor que 10 Y menor que 21 (posicionamientos de la página 2). 2. **Impresiones:** mayores que 100 (para asegurar que hay volumen suficiente como para que importe). 3. **Filtro de marca:** excluye cualquier consulta que contenga “[Nombre de su marca]”. Ordena la **lista por impresiones (de mayor a menor).** Muestra las 20 mejores oportunidades en una tabla markdown». **El resultado:** El LLM escribirá y ejecutará código Python para filtrar al instante su CSV desordenado. Verá una lista limpia de palabras clave de alto potencial por las que casi se posiciona. ### Paso 3: agrupación semántica (el movimiento avanzado) Una lista de 500 palabras clave abruma. Hay que agruparlas por temas. **Prompt:** «Toma el dataframe striking\_distance. Usa una técnica ligera de PLN (como el análisis de n-gramas o una simple coincidencia de cadenas) para agrupar estas consultas en “clústeres temáticos” según las palabras comunes. Muestra una tabla resumen con: - Nombre del clúster (por ejemplo, “Integración”, “Precios”, “Códigos de error”) - Impresiones totales del clúster - Posición media del clúster - Número de consultas del clúster» **Conclusión estratégica:** Si ve que el clúster «Integración» acumula 50.000 impresiones en la página 2, sabe exactamente qué contenido debe mejorar a continuación. ![Code Interpreter para explorar los datos de GSC: pasar de los datos a la acción](https://kodokalabs.com/assets/media/2025/12/kodokalabs-02-004-the-modern-seo-stack-use-code-interpreter-for-gsc-data-mining-actioning-the-data-1024x439.webp) ## Parte 4: Pasar a la acción con los datos (la solución) Ya tiene la lista. ¿Y ahora qué hace con ella? Este es el **protocolo de optimización de kōdōkalabs** para las palabras clave Striking Distance. ### Escenario A: el problema del «contenido pobre» - **[Diagnóstico](../../pages/es/ai-marketing-framework/ai-marketing-diagnosis-and-readiness-assessment.md):** se posiciona en el n.º 14 por «Ventajas de un CRM empresarial», pero la página es un breve artículo de blog de 500 palabras de 2021. - **La solución:** 1. **Actualizar el contenido:** añada 3 o 4 H2 nuevos que cubran entidades relacionadas (use la guía de [Entity Salience](./entity-salience-vs-densidad-de-palabras-clave.md)). 2. **Añadir datos:** incorpore una tabla comparativa o una estadística reciente para reforzar la [ganancia de información](../en/information-gain-for-seo-and-ai-search.md). 3. **Actualizar la fecha:** modifique la fecha de «última modificación». ### Escenario B: el problema de la «canibalización» - **Diagnóstico:** ve dos páginas distintas en las posiciones 18 y 19 para la misma consulta. Google no sabe cuál es la relevante. - **La solución:** 1. **Consolidar:** elija la URL más fuerte. 2. **Redirigir:** redirija con un 301 la página más débil a la más fuerte. 3. **Fusionar el contenido:** traslade a la página fuerte todo el valor único de la débil. ### Escenario C: el déficit de «enlaces internos» - **Diagnóstico:** la página es perfecta, pero se queda atascada en el n.º 11. - **La solución:** 1. **Inyección de enlaces:** busque 3 a 5 páginas existentes de su sitio con mucha autoridad. 2. **Texto ancla:** añada enlaces desde esas páginas a la página Striking Distance con la palabra clave de concordancia exacta como texto ancla. ## Parte 5: Automatizar al analista Hacerlo una vez está bien. Hacerlo cada mes es rentable. Puede pedirle a Code Interpreter que escriba por usted un **script de Python reutilizable.** **Prompt:** «Este análisis ha sido perfecto. Escribe ahora un script de Python independiente que pueda ejecutar en local en mi equipo. El script debe: 1. Tomar Queries.csv como entrada. 2. Realizar el filtrado Striking Distance (posición 11-20, impresiones > 100). 3. Excluir el nombre de mi marca “[Marca]”. 4. Guardar el resultado en un archivo nuevo llamado high\_priority\_opportunities.csv. Dame el bloque de código completo». Ahora tiene un software propio. Puede entregarle este script a su «SEO Systems Architect» junior para que lo ejecute todos los lunes por la mañana. ## Parte 6: Más allá de las palabras clave (minería de oportunidades) Striking Distance es solo el principio. Estas son otras tres jugadas con «Code Interpreter» que usamos en kōdōkalabs. ### 1. El «cazador» de CTR bajo Encuentre páginas que se posicionan bien pero en las que nadie hace clic (señal de malas etiquetas de título). **Prompt:** «Filtra las consultas que se posicionan en las posiciones 1-3 pero tienen un CTR inferior al 3 %. Ordénalas por impresiones. Es probable que sean oportunidades de “optimización de etiquetas de título”». ### 2. El «extractor» de preguntas Encuentre oportunidades de PAA (People Also Ask). **Prompt:** «Filtra el conjunto de datos para quedarte con las consultas que empiezan por “Cómo”, “Qué”, “Por qué” o “Puede”. Ordénalas por impresiones. Son candidatas a una nueva sección de FAQ Schema». ### 3. El «detector» de caída (requiere 2 CSV) Suba los datos de este mes y los del mes pasado. **Prompt:** «Compara los dos conjuntos de datos. Identifica las consultas que han perdido más de 3 posiciones de un mes a otro pese a tener muchas impresiones. Enuméralas como contenido “en riesgo”». ## Conclusión: los datos sin acción son vanidad Las [herramientas](../../pages/en/tools.md) como ChatGPT Code Interpreter democratizan la ciencia de datos. Ya no necesita un analista de datos en nómina para encontrar insights de nivel empresarial. Pero la IA no puede entrar en su CMS y actualizar el contenido (todavía). La ventaja competitiva es de quien logre **acortar el tiempo entre el insight y la acción.** - Ejecute el análisis (3 minutos). - Identifique las 10 páginas Striking Distance principales. - Asígnelas a sus «Content Pilots» para una actualización de ganancia de información. ## Deje de mirar el panel de GSC. Empiece a explotarlo. ¿O prefiere diseñar su crawl budget? [Conozca los scripts de minería de GSC de kōdōkalabs](#contact)