seo-gsc-diagnostics
Skill6 starsChanged 15 days agoMITView on GitHub
Diagnóstico sobre datos reales de GSC: quick wins, canibalización de queries y anomalías de clics o impresiones. Usar con "quick wins GSC", "canibalización de queries" o "anomalías en Search Console". Para contenido usar mineria-de-impresiones; para caídas, seo-gsc-drops.
In this repository40 other files it gives its agents.
- accesibilidad-wcagSkill
- cache-headersSkill
- canonicalSkill
- ccpaSkill
- core-web-vitalsSkill
- ga4-ai-trafficSkill
- ga4-analysisSkill
- geo-ai-discoverabilitySkill
- google-tag-managerSkill
- hreflangSkill
- image-optimizationSkill
- javascript-seoSkill
- ley-25326Skill
- ley-datos-chileSkill
- lfpdpppSkill
- lgpdSkill
- mineria-de-impresionesSkill
- nfadpSkill
- on-page-fundamentalsSkill
- prestashop-seoSkill
- privacidadSkill
- redirectsSkill
- rgpdSkill
- robots-txtSkill
- schema-markupSkill
- screaming-frogSkill
- semrushSkill
- seo-educacionSkill
- seo-interlinkingSkill
- seo-negativoSkill
- seo-quoteSkill
- se-rankingSkill
- sitemapSkill
- ssl-httpsSkill
- third-party-scriptsSkill
- uk-gdprSkill
- ux-heuristicaSkill
- wordpress-diviSkill
- wordpress-elementorSkill
- wordpress-hidden-errorsSkill
The file
We split this skill into the rules it gives an agent
1 rule. About 0 are common, 1 is distinctive, and 0 are very specific to this project.
≈0
Common · estimate
Many files like this have a rule of this kind.
≈1
Distinctive · estimate
This author's own choices. Worth a look.
0
Very specific
Tied to their project's names, files or tools. Probably skip.
- Common
- Distinctive
- Very specific
- Distinctive: line 120
No volver a pedir una URL ya solicitada: reinspeccionarla a los 3-4 días.
≈ “Common” is an estimate: at least 1 in 5 of the 364,980 skill files we read have a rule of the same kind, not the same words. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.
Files
GSC Diagnostics — Quick wins, canibalización y anomalías
Tres diagnósticos sobre datos reales de Search Console que hoy no cubre ningún otro skill instalado: mineria-de-impresiones clasifica y prescribe contenido para una página ya elegida; seo-gsc-drops compara dos períodos por caída de clics. Este skill responde tres preguntas distintas sobre el sitio completo o una sección de él: dónde hay ganancias rápidas por CTR, qué queries se están robando tráfico entre páginas propias, y qué días no encajan con el resto de la serie.
Origen: metodología replicada a partir de la evaluación del MCP thatseoagent/mcp (2026-09-08) — se descartó instalar el servidor de terceros y se construyó esta lógica sobre el acceso a GSC que ya existe en este entorno (service account / token OAuth local), en vez de depender de software externo sin track record.
Autenticación
Nunca pedir credenciales nuevas. Usar el acceso ya establecido:
- Sesion local (interactiva): token en
~/gsc_token.pkl(scopewebmasters.readonly), generado porgsc_auth.py. Si expiro o no existe, ejecutargsc_auth.pypara regenerarlo: abre navegador y requiere aprobacion interactiva del usuario. La ruta se puede sobrescribir con la variable de entornoGSC_TOKEN_PATH. - Agente cloud / automatizado: service account con rol de lectura en Search Console. La ruta de su JSON key y las propiedades a las que tiene acceso se documentan en el CLAUDE.md del entorno. Una service account solo ve las propiedades donde se la agrego explicitamente como usuario, asi que para cualquier dominio fuera de esa lista hay que usar el token local.
El script scripts/gsc_diagnostics.py intenta primero el token local; si no existe y se le pasa --service-account, usa la service account.
Paso 0 — Validar el sitio y el rango de fechas
- Confirmar la property exacta en formato GSC (
sc-domain:ejemplo.comohttps://www.ejemplo.com/). Si el usuario da un dominio pelado, listarsites().list()y resolver el formato correcto. - Rango de fechas por defecto: últimos 90 días (GSC tiene ~3 días de delay, calcular con eso). Si el usuario no especifica, usarlo y avisarlo.
- Antes de interpretar cualquier número, revisar
reference_gsc_data_quality_2025_2026.md: si el rango incluye mayo 2025 – abril 2026, advertir inflación de impresiones y priorizar clics.
Ejecución
py "$HOME/.claude/skills/seo-gsc-diagnostics/scripts/gsc_diagnostics.py" \
--site "sc-domain:ejemplo.com" \
--start 2026-06-01 --end 2026-08-30 \
[--service-account] [--out "<directorio-de-auditorias>/<proyecto>/gsc_diagnostics_AAAAMMDD.json"]Si py falla, probar python3, python, o correrlo desde PowerShell — no reportar el fallo sin haber probado alternativas (feedback_python_tools.md).
El script hace tres llamadas a searchanalytics.query (dimensiones query, query+page, date) y calcula:
1. Quick wins
Criterio (igual que el ya validado en mineria-de-impresiones, no inventar uno nuevo):
- Impresiones ≥ percentil 60 del propio dataset (o ≥ 50 si el sitio es chico)
- Posición entre 5 y 20
- CTR real por debajo del referente de su posición (
referentes-ctr-2026.mddemineria-de-impresiones, o la tabla rápida: pos 1 ~28-34%, pos 2-3 ~10-18%, pos 4-6 ~5-8%, pos 7-10 ~2-4%)
Salida: tabla ordenada por impresiones descendente, columna con la brecha de CTR (referente − real) como proxy de oportunidad.
2. Canibalización
Agrupar por query, quedarse con queries donde ≥2 URLs distintas reciben clics o impresiones en el periodo. Piso minimo: la pagina lider necesita ≥3 clics en el periodo. Por debajo de eso un ratio alto es 1-2 clics de casualidad, no senal real (detectado corriendo el script contra un recetario de ~1.500 URLs: sin este piso, 243 de 314 "hallazgos" eran pares 1-1).
Severidad:
- Alta: la 2ª página recibe >30% de los clics de la 1ª (split real de intención, están compitiendo de verdad)
- Media: la 2ª página recibe 10-30% de los clics de la 1ª
- Baja / ruido: <10% — normalmente una mención incidental, no vale la pena tocar
Para cada caso de severidad alta o media, indicar cuál de las dos páginas tiene mejor posición/CTR histórico (candidata a quedarse) y cuál debería redirigir, fusionarse o diferenciar intención — mismo criterio que feedback_cannibalization_check.md.
3. Anomalías
Serie diaria de clics e impresiones del período. Calcular media y desviación estándar; marcar como anómalo cualquier día con |z-score| > 2.
Para cada día anómalo detectado:
- Cruzar la fecha con el calendario de Google Algorithm Updates (
feedback_google_updates.md— usar WebSearch si el rango es reciente y no hay calendario cargado en memoria) - Reportar el cruce como hipótesis a validar, nunca como causa confirmada, salvo coincidencia exacta de fecha con un update documentado
- Si no hay update que coincida, buscar causas propias primero: cambio de contenido, migración, incidente técnico (revisar
project_*de ese cliente en memoria antes de concluir "causa desconocida")
Salida
## GSC Diagnostics — [site] ([start] a [end])
### Quick wins (top 20)
| Query | Página | Impr | Pos | CTR real | CTR referente | Brecha |
|-------|--------|------|-----|----------|----------------|--------|
### Canibalización
| Query | Página A (líder) | Página B | Clics A | Clics B | % B/A | Severidad | Recomendación |
|-------|-------------------|----------|---------|---------|-------|-----------|----------------|
### Anomalías
| Fecha | Clics | Impr | Z-score | ¿Coincide con Update? | Hipótesis |
|-------|-------|------|---------|------------------------|-----------|
**Nota de calidad de datos:** [advertencia de período si aplica]Guardar el JSON crudo en el directorio de auditorias del proyecto.
Límites — declarar siempre
- Quick wins y canibalización se calculan sobre el período pedido; un período corto (<28 días) da señal débil, avisarlo.
- El z-score de anomalías es sensible a series cortas o con mucho ruido natural (sitios de bajo volumen): con <30 días de datos, no reportar anomalías, decirlo explícitamente en vez de forzar un cálculo poco confiable.
- Esto es diagnóstico, no prescripción de contenido. Para el plan de qué escribir/reescribir en una página con quick wins, encadenar con
mineria-de-impresiones. - Un dato de URL Inspection de ayer puede haber cambiado hoy (Google rastreó entremedio). Antes de entregar un documento que cite el estado de indexación de una URL, reinspeccionarla el mismo día.
Solicitudes manuales de indexación — el cupo no es público
Cuando el diagnóstico termina en una lista de URL para "Solicitar indexación" en la UI de GSC:
- Google no publica el cupo de solicitudes manuales. Observado en uso real: se agota con una tanda de unas 10 URL, y al día siguiente solo dejó pedir 2 más tras una tanda hecha por la tarde, lo que apunta a una ventana móvil de 24 h y no a un reinicio a medianoche (hipótesis, no confirmada). No afirmar que cada propiedad tiene su propio cupo.
- Una sola tanda por día, ordenada por prioridad de negocio; lo que sobra pasa a la cola del día siguiente, pedida a una hora posterior a la de la tanda anterior.
- Cada URL de la tanda se valida en vivo antes de entregarla: 200, indexable, canonical propia y todavía sin indexar en URL Inspection (las que Google indexó entremedio salen de la lista).
- No volver a pedir una URL ya solicitada: reinspeccionarla a los 3-4 días.
- En inspecciones largas por API, timeout en cada consulta y salida sin buffer (
python -u) para que un cuelgue no pierda el lote.
Dependencias
- Si el usuario pide el plan de contenido para las queries detectadas →
mineria-de-impresiones - Si el usuario pide comparar contra el período anterior por caída →
seo-gsc-drops - Si el hallazgo de canibalización lleva a decidir consolidar o no un artículo nuevo →
blog-cannibalization(si está instalada) o una revisión manual del solapamiento de intención
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

