Prompts de Claude para SEO: 5 que funcionan — y dónde se detienen

Busca «Claude SEO prompts» y obtienes el mismo artefacto cada vez: un desplazamiento de cincuenta prompts, cada uno abriendo con «Act as an expert SEO consultant» y cada uno prometiendo que la incantación correcta convierte una ventana de chat en un equipo de SEO. Aquí está lo que esas listas se equivocan: la redacción es la variable menos importante en todo el intercambio. Claude sin datos produce texto plausible y genérico sobre tu sitio — el mismo consejo que daría a cualquier otro sitio. Claude con tus filas reales de Search Console, tus competidores reales en la primera página y una regla de decisión produce trabajo. Los prompts que vale la pena robar no son frases ingeniosas. Son contratos de datos: qué pegar, qué reglas aplicar, qué forma devolver.

Esta guía te da cinco de esos contratos — auditoría de alcance de golpe (striking-distance), reescritura de títulos y meta, brief de contenido, mapeo de clusters, análisis de competidores — en forma lista para copiar. Y traza la línea que las listas de prompts nunca trazan: todo lo siguiente es asistido por agente, no agéntico. Un prompt devuelve texto. No lee tus datos, decide, envía o verifica. Donde esa distinción comienza a importar, esta guía se entrega a nuestro pilar Claude para SEO, que cubre todo el stack.

Por qué fallan la mayoría de las listas de prompts de Claude para SEO

Un modelo de lenguaje es un motor de razonamiento, no un departamento de registros. No conoce tu ranking, tus búsquedas de Search Console, los títulos actuales de tus competidores en la primera página, o los volúmenes de búsqueda del mes pasado — y cuando un prompt lo implica, complacerá con números y hallazgos que se ven precisos e inventados. Este es el modo de falla detrás de la mayoría de prompts de SEO publicados: «lista las palabras clave principales para mi nicho», «audita mi sitio en [URL]», «cuál es mi autoridad de dominio». Cada uno le pide al modelo que recupere hechos que no tiene. La salida se lee segura porque el texto seguro es lo que el modelo es bueno. Eso es peor que inútil — es incorrecto con convicción.

Los prompts que se ganan su resultado invierten el flujo de información. Tú proporcionas los hechos — una exportación de GSC, una página de competidor pegada, una lista de palabras clave con volúmenes reales — y el modelo proporciona lo que realmente es bueno: reconocimiento de patrones entre cientos de filas, juicio de intención, clasificación contra reglas, síntesis estructurada. Leer una exportación de 900 filas y detectar las doce consultas atrapadas en la posición 6 con clics colapsados es exactamente el tipo de trabajo tedioso y lleno de criterio que un modelo hace bien y un humano hace mal a escala. La demanda de este atajo es real — la consulta que este artículo se propone es buscada alrededor de 1,600 veces al mes con una dificultad de palabra clave de 8 — pero el atajo solo funciona cuando los datos viajan con el prompt.

Un mal prompt le pide a Claude hechos que no tiene. Un buen prompt le entrega a Claude tus hechos y le pide el criterio que no tienes tiempo para aplicar a novecientas filas.

La anatomía de un prompt que se gana su resultado

Cada prompt en esta guía tiene las mismas cuatro partes, y el patrón se transfiere a cualquier trabajo de SEO que inventes más tarde. Datos: la exportación pegada, página o lista que fundamenta la respuesta en tu realidad en lugar de los promedios del modelo. Trabajo: una tarea, declarada estrechamente — diagnosticar, reescribir, esbozar, agrupar, analizar — nunca «mejora mi SEO». Reglas de decisión: la parte opinable, donde codificas cómo se toma la llamada — qué cuenta como alcance de golpe, qué descalifica un título, cuándo dos palabras clave comparten una página. Sin reglas el modelo sustituye la opinión promedio de internet, que es como obtienes salida indistinguible de la de todos los demás. Contrato de salida: la forma exacta de la respuesta, incluido el permiso para decir «datos insuficientes» — la línea única que más confiablemente corta la alucinación.

Cinco prompts de Claude para SEO que vale la pena robar

Cada prompt a continuación es usable tal como está. Los marcadores entre corchetes son tuyos para llenar, y las reglas de decisión son deliberadamente opinables — cámbialas para que coincidan con tu propio estándar, pero no las elimines.

1. La auditoría de alcance de golpe (striking-distance)

El prompt de mayor rendimiento del conjunto, porque se ejecuta en los datos que ya posees. Exporta tu reporte de Search Console a nivel de consulta y deja que el modelo haga la clasificación que un consultor facturaría un día por: encuentra las consultas lo suficientemente cerca de la prominencia de la primera página para que una solución dirigida — no contenido nuevo — las mueva.

A continuación se encuentra una exportación de Search Console: consulta, página, clics,
impresiones, CTR, posición (últimos 90 días).

Una consulta de alcance de golpe (striking-distance) ocupa las posiciones 4-15 con 100+ impresiones.
Excluye consultas de marca (cualquier cosa que contenga: [términos de marca]).

Para cada candidato, diagnostica exactamente UNO de:
- snippet: posición <= 8 pero CTR muy por debajo de la norma de esa posición
- relevancia: posición 9-15 — la página solo coincide parcialmente con la intención
- canibalización: 2+ páginas ganando impresiones para la misma consulta

Devuelve una tabla ordenada por impresiones: consulta, página, posición, CTR,
diagnóstico, una solución de una línea, y la métrica única de GSC que
probaría que la solución funcionó. Nunca sugiera «crear más contenido». Si una
fila no puede diagnosticarse con estos datos, dilo en lugar de adivinar.

[pegar exportación]

2. La reescritura de título y meta

Las reescrituras de títulos fallan cuando se escriben de la imaginación — lo que deseamos que la página fuera — en lugar de hacerlo desde el SERP que las juzgará. Este prompt fuerza ambas entradas a la mesa antes de que se escriba una palabra.

Reescribe el título y la meta descripción para la página a continuación.

Entradas: el título + meta actual, las 5 consultas principales de la página por
impresiones [pega], y los títulos de la primera página actualmente posicionados
para la consulta principal [pega].

Reglas: la intención como la define la primera página vence lo que deseamos que
fuera la página. Título <= 60 caracteres, el sustantivo de la consulta al frente, sin
afirmación que la página no pueda respaldar. La meta descripción es un
argumento de 150-160 caracteres para elegir ESTE resultado — no un resumen.

Salida: 3 opciones de título con una línea de razonamiento cada una, 1 meta
descripción, y la consulta cuyo CTR debe juzgar el cambio.

3. El brief de contenido

El movimiento prohibido aquí es dejar que el modelo adivine qué cubre la primera página. Pega la estructura actual de los resultados principales, y el brief deja de ser un esquema genérico y se convierte en un mapa del vacío que puedes ganar.

Construye un brief de contenido para: [palabra clave]

Entradas: los resultados de la primera página actuales — URL, título, y los
H2 de cada página [pégatelos; no adivines] — además de la lista de slugs
que ya hemos publicado [pega].

Declara la intención de búsqueda en una oración, como la define la primera página.
Luego divide los subtemas de tres maneras: apuestas de mesa (cada resultado principal
lo cubre), el borde (solo uno o dos lo cubren), la ganancia
(ninguno lo cubre y un buscador aún lo querría). Marca la superposición
con nuestros slugs existentes y llámalo: página nueva, o expansión de
una existente.

Salida: la oración de intención, un esquema H2 con un trabajo de una línea
por sección, los enlaces internos que debe llevar la pieza, y la
métrica que lo juzga después de que se envía.

4. Mapeo de clusters

El clustering es juicio de intención a escala — precisamente el trabajo que los modelos vencen a las hojas de cálculo, y la razón por la que las herramientas de agrupación de palabras clave que coinciden en palabras compartidas producen páginas que se canibalizan entre sí. El método completo, incluyendo verificación de superposición SERP, está en nuestra guía de clustering de palabras clave; esta es la versión de tamaño de prompt.

Agrupa la lista de palabras clave a continuación en grupos de nivel de página.

Regla: dos palabras clave comparten una página SOLO si una página podría plausiblemente
posicionar para ambas — juzga por intención, no por palabras compartidas («mejor crm»
y «precios de crm» son páginas diferentes).

Cada cluster obtiene: una palabra clave principal (volumen más alto que coincida
con la intención), un tipo de página (guía / comparación / landing / herramienta),
y una llamada mapeada-o-nueva contra tus URLs existentes [pega].

Pon cualquier cosa ambigua en un cubo «sin agrupar» en lugar de
forzarla a un grupo.

[pega palabras clave + volúmenes]

5. El análisis de competidor (competitor teardown)

El fallo más común del análisis es la conclusión «escribe mejor contenido» — cierto, inútil, y lo que obtienes cuando el prompt lo permite. Este no.

Analiza la página que ocupa el #1 para [palabra clave] — texto completo pegado
a continuación, seguido de nuestra página.

Responde: qué intención satisface en la primera pantalla; qué
cubre su estructura que la nuestra no; qué consultas es
probablemente ganando más allá del término principal (infiere desde sus H2s y
FAQ); qué tendría que AÑADIR una página — no copiar — para vencerla.

Regla: «escribe mejor contenido» no es una respuesta. Cada vacío debe
nombrar una sección, un activo, o un punto de datos.

Salida: una lista de vacíos clasificada con una estimación de esfuerzo e impacto
esperado para cada elemento.

[pega página del competidor]
[pega nuestra página]

Dónde se detiene el prompt: asistido por agente vs agéntico

Ahora viene la parte honesta. Ejecuta bien los cinco prompts y tienes cinco piezas de texto agudo — y un proceso que sigue siendo completamente manual en los bordes. Exportaste los datos. Los pegaste. Aplicarás el cambio de título a mano, o no. Y tres semanas después, nadie re-leerá el CTR de la consulta que la reescritura se suponía debía mover, porque la conversación que contenía el razonamiento se desplazó hacia el historial. Ese es trabajo asistido por agente: el pensamiento se delega, la lectura, el envío y la prueba no. Agéntico es una afirmación diferente — el mismo razonamiento conectado a tus datos de un lado y a la ejecución y verificación del otro.

Dale a Claude manos: de exportaciones pegadas a MCP

El vacío entre las dos columnas no es un mejor prompt — son herramientas. El Model Context Protocol es el estándar abierto que permite que Claude llame a fuentes de datos en vivo y superficies de ejecución en lugar de esperar un pegado: consulta Search Console directamente, extrae composición SERP en vivo, lee el tablero de tareas, reporta la solución. En el momento en que esas herramientas existan, los cinco prompts arriba dejan de ser cosas que ejecutas y se convierten en cosas que ejecuta el agente — la auditoría de alcance de golpe se convierte en una consulta programada en lugar de un ritual de exportación mensual, y el análisis recupera sus propias páginas de competidores. Cómo se monta ese servidor es el tema de nuestra guía para servidores MCP para SEO, y conectar uno a Claude Code es una configuración de un comando.

La segunda mitad de «manos» es la ejecución. Claude Code ejecutándose dentro del propio repositorio del sitio web no describe la solución de título — edita la plantilla, abre una solicitud de extracción, y registra exactamente qué se envió y cuándo. En un sitio que auditamos, el patrón de alcance de golpe era de manual: una consulta comercial estacionada en la primera página con cientos de impresiones y casi ningún clic. La versión de prompt de ese hallazgo es una fila en una tabla que un humano puede o no actuar. La versión agéntica es una tarea con una métrica comprometida, un PR enviado, y un veredicto tres semanas después.

Cierra el bucle: envíalo, luego pruébalo

Observa que cada prompt en esta guía termina de la misma manera: nombra la métrica que juzga el trabajo. Esa línea hace más que ordenar la salida — es la costura donde el prompting se conecta con la disciplina que realmente compone. Un hallazgo archivado con su métrica comprometida por adelantado, una solución enviada con una marca de tiempo, una re-lectura de esa métrica exacta alrededor de tres semanas después, un veredicto anotado: confirmado, regresado, o inconcluso. Ejecuta ese ciclo y cada solución te enseña algo sobre tu sitio; sáltalo y estarás generando sugerencias bien redactadas para siempre. La mecánica completa vive en la guía de SEO de bucle cerrado — los prompts aquí son el paso de buscar de ese bucle, ejecutados a mano.

Roba los prompts — son el genuino ochenta por ciento útil de lo que las listas de prompts prometen. Solo sé honesto contigo mismo sobre en qué lado de la mesa estás operando. Si quieres ver el paso de buscar ejecutarse contra tus datos reales de Search Console en lugar de una exportación pegada, el reporte SEO gratuito conecta tu GSC y muestra las consultas de alcance de golpe, las páginas mostradas pero nunca elegidas, y las consultas compitiendo entre sí — la misma auditoría, con los datos ya adjuntos.