Searcher personas: una alternativa al zero search volume

Escrito por Fernando Maciá

El concepto de buyer persona siempre ha estado presente en la metodología de trabajo que empleamos en Human Level. En mi presentación Análisis del customer journey y escenarios de búsqueda, que expuse en The Inbounder nada menos que en 2016, ya anticipaba que el proceso de decisión de compra había dejado de ser lineal.

El uso de plataformas IA como herramientas de búsqueda online nos ha llevado a revisitar este concepto, que cobra ahora una enorme importancia. En mi reciente presentación Personas: nuevas oportunidades de encontrabilidad para el Sistrix Digital Marketing Meetup de Madrid exponía una reflexión que invierte por completo el proceso y que nos ha llevado a un cambio metodológico: en lugar de partir de un análisis de keywords, deberíamos comenzar por entender a nuestras searcher personas, es decir, a los clientes que nos buscan. Y la inteligencia artificial se convierte en la aliada perfecta para conseguirlo. Veamos cómo hemos llevado a la práctica esta nueva perspectiva en Human Level.

El problema: la búsqueda se ha fragmentado

Tradicionalmente, trabajábamos bajo la hipótesis de que el SEO era, hasta cierto punto, predecible. Seleccionábamos unos objetivos de posicionamiento a partir de unas palabras clave con un potencial de búsqueda (search volume) medible, sabíamos qué posiciones ocupábamos en Google, y optimizábamos con el fin de mejorarlas. El proceso era lineal: keyword research → agrupación o clusterización por intención de búsqueda → optimización técnica y semántica → creación estratégica de nuevo contenido.

Pero ese escenario ha cambiado drásticamente. Como vemos en la figura 1, los hábitos de búsqueda se han fragmentado entre múltiples plataformas: buscadores tradicionales, agregadores y marketplaces, redes sociales, chatbots IA… Cada una con sus propias dinámicas. Y lo más importante: mientras que solo Google comparte datos de potencial de búsqueda de las distintas consultas, los prompts empleados en plataformas IA son conversacionales y extremadamente específicos (zero search volume). Y sus resultados, altamente personalizados.

Pensemos en un ejemplo concreto. En Google, alguien interesado en iluminación inteligente buscaría algo como “sistema de iluminación inteligente”. Ahora, esa misma persona puede preguntar a ChatGPT: «¿Cuál es el mejor sistema de iluminación inteligente para una sala de cine en casa que no interfiera con los videojuegos y funcione con Alexa?«. Hemos pasado de búsquedas genéricas a una «cola ultra larga» de consultas imposible de medir con las herramientas tradicionales.

Los desafíos del SEO para posicionar en plataformas IA

El uso creciente de chatbots IA como herramientas de búsqueda online abre, pues, nuevos desafíos al SEO:

• No hay métricas tradicionales: no existen datos de volumen de búsqueda para los prompts de IA. No podemos saber cuántas personas están haciendo una búsqueda concreta ni medir su popularidad de la forma en que lo hacíamos con Google.
• Los resultados son impredecibles: las respuestas generadas por la inteligencia artificial son personalizadas y estocásticas, es decir, no deterministas. Una misma pregunta generará respuestas similares, pero distintas cada vez, citando empresas o productos diferentes.
• El fenómeno «query fan-out»: cuando hacemos una búsqueda simple, la IA la descompone internamente en múltiples micro-consultas personalizadas basándose en nuestro contexto, nuestro historial de consultas y preferencias personales. Aunque el usuario escriba una pregunta corta, el chatbot IA está procesando, en realidad, algo mucho más complejo.

Todo esto nos lleva a una situación que podríamos llamar de «ceguera estratégica»: no sabemos qué buscan los usuarios, ni cuántos lo buscan, ni si aparecemos en los resultados, ni para quién aparecemos.

Paradójicamente, esta aparente limitación nos ha llevado a hacer algo que deberíamos haber estado haciendo desde siempre: dejar de obsesionarnos con las palabras clave como punto de partida y centrarnos en comprender realmente a las personas. Y aquí es donde nuestra metodología ha dado un giro.

La solución: invertir el proceso

Ante esta situación de ceguera estratégica donde nuestro objetivo es ser mencionados o enlazados en respuestas generadas por IA para prompts que no podemos anticipar ni medir, el punto de partida no puede ser el keyword research sino entender profundamente el proceso de decisión de compra de nuestro cliente potencial.

Como bien dice siempre mi amigo y profesor Paco Cabrera, uno de los referentes en marketing en España, “marketing es mirar tu negocio desde los zapatos de tu cliente”. Y eso es precisamente lo que necesitamos hacer ahora, pero llevándolo un paso más allá: usar la IA no solo para ponernos en los zapatos del cliente, sino para entender todos los caminos diferentes que cada tipo de cliente recorre al buscar.

Una vez familiarizados con sus perfiles, podemos anticipar sus necesidades y, finalmente, crear el contenido que las plataformas IA necesitarán para ofrecerles como respuesta.

Del buyer persona al searcher persona

Aquí entra en juego un concepto acuñado por Vanessa Fox en su libro Marketing en la era de Google: el de searcher persona. Mientras que el buyer persona tradicional se centra en el cliente ideal para nuestro negocio, el searcher persona se enfoca específicamente en la persona que busca online para resolver una necesidad. Un cliente potencial que ahora, frente a un chatbot IA, puede describirla de forma mucho más extensa, personalizada y específica.

Siguiendo con el ejemplo de los sistemas de iluminación inteligente, este sería nuestro perfil ideal:

Carlos, el optimizador digital: busca eficiencia energética, control desde el móvil, automatizaciones que le ahorren tiempo. Su objeción principal puede ser el precio inicial, pero valora el ahorro a largo plazo.

Y este sería su searcher persona:

Las búsquedas con chatbots IA, sin embargo, introducen una diferencia clave. Ya no basta con crear un único perfil de cliente ideal genérico y estático, sino que debemos ser capaces de imaginar múltiples perfiles hiperespecíficos y relevantes, cada uno de los cuales responderá a sus propias:

• Motivaciones: aquellas razones por las que este perfil querría consultar nuestro contenido, comprar o contratar nuestro producto o servicio. Creamos contenido que reafirma estas motivaciones.
• Objeciones: los puntos de fricción, dudas o miedos que podrían frenar su decisión de compra. Creamos contenido que responde sus dudas o rebate estas objeciones.

En Human Level hemos desarrollado un proceso de tres fases que combina múltiples fuentes de datos y un análisis con inteligencia artificial para crear perfiles de searcher personas precisos y accionables:

Cómo recopilar la información necesaria

En Human Level hemos comprobado que recurrir a un simple prompt para que la IA nos ayude a crear estos searcher personas nos devuelve una información bastante genérica y pobre. Es decir, si no la alimentamos con un contexto relevante y verificable corremos el riesgo de construir nuestros clientes potenciales a partir de meras alucinaciones.

Para construir estos perfiles con rigor, necesitamos datos. Muchos datos. Pero no datos inventados, sino información real que podemos obtener de tres fuentes principales:

Datos propios

Son los más valiosos porque provienen directamente de la propia empresa y de múltiples interacciones con sus clientes reales.

Aquí incluimos, por ejemplo:

Información de soporte y atención al cliente

Las consultas recurrentes, los argumentarios de venta que funcionan, las quejas más frecuentes, las justificaciones de devoluciones de producto o cancelaciones de contratos… Todo esto es oro puro para entender los pain points reales de nuestros clientes.

Google Search Console

Utilizando expresiones regulares podemos extraer búsquedas informacionales reales que los usuarios plantearon en Google. Estas búsquedas nos revelan las dudas y preocupaciones reales de los visitantes del sitio web.

Aplicamos regex como el siguiente en Google Search Console para descubrir estas búsquedas informacionales:

(?i)^(qu(?:e|é|ien|ién|ienes|iénes)|cu(?:al|ál|ales|áles)|donde|dónde|cuando|cuándo|como|cómo|cuanto|por\s?qu(?:e|é)|para\s?qu(?:e|é)|guía|tutorial|curso|aprender|ejemplo(?:s)?|definición|significado|lista(?:s)?|comparación|vs|diferencia|beneficios?|ventajas?|alternativas?|mejores?|top?)\b.*

Por ejemplo, una consulta relacionada con la compatibilidad de nuestro producto con otros sistemas, nos estaría aportando información sobre una duda clave de nuestros clientes antes de tomar su decisión de compra.

Google Analytics

Especialmente las búsquedas realizadas en el buscador interno del sitio web. Cuando alguien busca dentro de una web queda patente una necesidad no satisfecha por su navegación.

Datos públicos

Internet está lleno de información valiosa si sabemos dónde buscar. Por ejemplo:

Estudios publicados online: usando patrones de búsqueda específicos como los de abajo encontramos estudios sobre tendencias de consumo, perfiles de comprador o comportamiento de usuarios en muchísimos sectores. Herramientas como Deep Research en Gemini también nos ayudan a descubrir fuentes relevantes sobre cualquier ámbito.

tendencias de consumo [sector] – tendencias del sector [sector] – perfil del comprador de [sector] – tendencias de compra en [sector] – estudio del comprador de [sector] – estudio del mercado de [sector] – análisis del sector [sector] – evolución del sector [sector] – Etc. Opcional: filetype:pdf

Estos análisis nos aportan información valiosa sobre perfiles de usuario que no habríamos considerado como, por ejemplo, la posibilidad de incluir un sistema de iluminación inteligente como un reclamo para hacer más competitiva una vivienda dentro del mercado de alquiler. Cuando es necesario, acotamos los resultados incluyendo filtros de fecha para que aparezcan solo estudios recientes o especificando el ámbito geográfico que precisamos.

Foros y comunidades: plataformas como Reddit son minas de información sobre cómo hablan realmente los usuarios sobre determinados productos o servicios. Las preguntas que hacen, el vocabulario que usan, las objeciones que plantean…

Reseñas en marketplaces: las opiniones en Amazon o en otros marketplaces, por ejemplo, revelan qué características valoran los usuarios, sus dudas más frecuentes y qué problemas se han encontrado.

Datos comprados o externos

Si necesitamos profundizar todavía más, podemos recurrir a:

• Estudios ad hoc sobre un sector: investigaciones de mercado específicas que podemos encargar o comprar a consultoras especializadas.
• Herramientas especializadas: por ejemplo, contamos con los datos de plataformas como SparkToro (para entender audiencias), SimilarWeb (para analizar comportamientos), Also Asked o Answer the Public (para descubrir preguntas relacionadas).

Por supuesto, tras esta recopilación de documentos habremos acumulado un volumen ingente de información procedente de múltiples fuentes y en diferentes formatos, lo cual complica exponencialmente su análisis para extraer los insights más relevantes para la creación de nuestros searcher personas.

Y aquí es donde la IA entra en juego. Los datos aportados por estos estudios son claves para evitar que las respuestas obtenidas incluyan información inventada. Relacionar nuestras recomendaciones con datos verificables reales les confieren mayor credibilidad y nos ayuda a priorizar su implementación.

Dejemos que la IA haga su magia

De igual forma que la IA es propensa a alucinar y «colar» información inventada en sus respuestas si planteamos prompts simples sin aportar un contexto, también se puede convertir en nuestra mejor aliada para llevar a cabo el abrumador trabajo de combinar, analizar, relacionar y sintetizar la información recopilada a partir de los datos propios, públicos y comprados que acabamos de enumerar.

Ejemplo de prompt:

“Ayúdame a definir el buyer persona del comprador de [producto]. El objetivo es comprender cuáles son las motivaciones, objeciones y dudas principales del comprador de [producto] . Usaremos esta información como base para diseñar una estrategia de encontrabilidad online para [empresa]. Actúa como un analista de mercados experto en [sector] y utiliza la documentación de los archivos adjuntos para justificar tus recomendaciones. Define el buyer persona ideal de este tipo de [producto] y descríbelo de forma que un consultor SEO lo pueda entender.”

Hemos comprobado que este tipo de prompt inicial suele darnos una base sólida, pero el verdadero valor lo obtenemos a partir de la iteración: a continuación le pedimos a la IA que profundice en las motivaciones y objeciones de distintos perfiles, que identifique patrones en las reseñas que hemos recopilado, o que cruce información de distintas fuentes para validar o descartar hipótesis sobre nuestros usuarios.

Con toda esta información sí estamos en condiciones de obtener respuestas veraces y fundamentadas para:

• Generar perfiles de usuario detallados: a partir de todos los datos recopilados, la IA nos ayuda a identificar patrones y crear perfiles coherentes y realistas.
• Descubrir oportunidades: al analizar grandes volúmenes de información, la IA detecta patrones de comportamiento, correlaciones de factores de decisión de compra o segmentos de audiencia que probablemente se nos habrían pasado por alto.
• Anticipar búsquedas: una vez identificados los distintos perfiles de searcher personas, la IA nos ayuda a prever qué tipo de búsquedas haría cada una en cada fase del funnel.
• Traducir características técnicas en ventajas diferenciales para cada persona: uno de los usos más prácticos que hemos encontrado es “traducir” las especificaciones técnicas de un producto en beneficios específicos para cada perfil de usuario.

Ejemplo práctico: sistemas de iluminación inteligente

En mi presentación, tomé como ejemplo de aplicación el tipo de producto que comercializa uno de nuestros clientes. En lugar de crear contenido genérico sobre «iluminación smart», el proceso que acabo de describir nos ayudaría a imaginar searcher personas diferenciados, con sus propios objetivos, necesidades, motivaciones y objeciones. Al perfil genérico de Carlos que vimos antes, añadiríamos otros más específicos:

Marta, la cinéfila curadora: quiere iluminación que recree la experiencia de cine en casa, con escenas predefinidas para distintas películas. Le preocupa la complejidad de configuración.

Alex, el gamer inmersivo: necesita iluminación reactiva a los juegos, sin latencia, que funcione con su plataforma de streaming. Su objeción puede ser la compatibilidad con su hardware actual.

Laura, la orquestadora familiar: busca soluciones que toda la familia pueda usar fácilmente, incluyendo niños y personas mayores. Le preocupa la seguridad y la privacidad de los datos.

Antonio, el audiófilo contemplativo: valora la calidad de la luz, los ciclos circadianos, la capacidad de crear ambientes para escuchar música. Su objeción principal es el diseño y la estética de los dispositivos.

Para cada uno de estos perfiles y a partir de toda la información ya acumulada, resulta sencillo crear fichas detalladas con sus objetivos, puntos de fricción y motivaciones. Después, planteamos la pregunta «¿Y si?» para explorar nuevas combinaciones: ¿Y si alguien es cinéfilo Y gamer? ¿Y si es audiófilo Y optimizador digital? Etc.

Aplicaciones prácticas en una estrategia de encontrabilidad

Esta actualización de nuestra metodología abre múltiples posibilidades de optimización de un sitio web:

• Adaptar las fichas de producto: en lugar de listar características técnicas genéricas, una página de producto puede presentar información específica que responda a las necesidades de cada perfil. Esto no significa crear páginas diferentes, sino asegurarnos de que toda la información relevante está presente para que la IA pueda detectarla y ofrecerla cuando sea pertinente.
• Crear contenido segmentado: para estrategias dirigidas a segmentos muy distintos, o para empresas con estrategias multidominio, podemos ofrecer a cada perfil contenido alineado con sus propias características de searcher persona.
• Alimentar a la IA con contexto: cuando la IA descompone una búsqueda compleja en micro-consultas a través del proceso de query fan-out, tratará de encontrar respuestas específicas en nuestro contenido. Si hemos trabajado estos perfiles en profundidad, es más probable que nuestro contenido responda a esas micro-consultas y aparezcamos citados o enlazados en la respuesta generativa a búsquedas de cola ultra-larga.
• Optimizar la arquitectura de información: entender los patrones de búsqueda de cada perfil nos ayuda a estructurar mejor nuestro sitio web y facilitar que tanto usuarios como IA encuentren lo que buscan.

El futuro: automatización con IA

Esta metodología puede parecer laboriosa al principio. Sin embargo, con herramientas como las gemas de Gemini, el uso de prompts de sistema bien construidos o la estructura de proyectos de Claude, hemos creado flujos de trabajo que:

• Procesan datos de múltiples fuentes.
• Generan perfiles de usuario basándose en patrones reales.
• Sugieren cruces de características para descubrir nuevos perfiles.
• Proponen contenido específico para cada searcher persona.

La adopción de esta nueva perspectiva supone un cambio importante. Con sesiones de formación y procesos de mentoring, nuestros consultores están creando estos perfiles hiperrelevantes en cada uno de nuestros proyectos para ir afinando una metodología que se desarrolla siempre desde las personas, no desde las keywords.

La clave: las personas, en el centro de la estrategia

El marketing siempre ha sido poner al cliente en el centro. El SEO y, de forma más amplia, la encontrabilidad online como parte del marketing, debe seguir ese mismo principio. Y en un mundo donde las búsquedas son cada vez más conversacionales, personalizadas y fragmentadas, y carecemos de los datos que nos habían guiado hasta ahora, entender el proceso de búsqueda de nuestros clientes potenciales se vuelve más crucial que nunca.

La inteligencia artificial no reemplaza la necesidad de conocer a nuestras audiencias. Al contrario: la hace más importante. Pero también nos da las herramientas para hacerlo, a partir del análisis del contexto, de forma más profunda, eficiente y precisa que nunca.

Así que la próxima vez que dudes respecto a los objetivos de visibilidad de tu sitio web en plataformas IA por la falta de datos, pregúntate: ¿estoy empezando por las palabras clave o por las personas? En Human Level ya hemos elegido nuestra respuesta.

¿Quieres ver cómo aplicar esta metodología de searcher personas a tu proyecto específico? En Human Level ya la hemos incorporado a nuestras rutinas de encontrabilidad online. Contáctanos para que podamos ayudarte.