Cómo hago una auditoría SEO en Amazon

Sé que cada uno tiene su propio método, incluso sus propias herramientas (la mayoría de agencias grandes tienen software propio), pero yo no tengo esos recursos, así que utilizo una serie de herramientas para las diferentes partes que componen mis auditorías

Así que así este es mi método y así es como lo hago. No es ni mejor, ni peor, es el método de Jordi. Tools que uso: Helium 10, Jungle Scout y Epinium.

Auditoría SEO

En este caso, divido la auditoría en 3 fases, que son las mismas que tiene el proceso de rankeado de Amazon A9 y baso los resultados de la auditoría en los datos que encuentro, en mi experiencia y en el nicho en el que me muevo.

Por ejemplo, no es lo mismo hacer una auditoría SEO para un producto de poca demanda y competencia, que una auditoría para un suplemento dietético que se vende en Amazon US.

Por suerte, tengo experiencia en muchas categorías de producto de Amazon y tengo un background de llevar años trabajando en proyectos SEO para Google, lo cual me da una ventaja competitiva grande al saber cómo funcionan los distintos algoritmos y patentes de Google y su proceso de crawleado, indexado y rankeado, este último, muy similar al de Amazon. Y esas son las 3 fases de mi audit:

  1. Auditoría de crawleado
  2. Auditoría de indexado
  3. Auditoría de rankeado

Auditoría de crawleado

¿Está nuestra ficha de producto preparada para extracción de keywords y de campos que generen filtros en búsquedas?

Auditoría de indexado

¿Se extraen correctamente las keywords y se indexan en A9 asociadas al ASIN?

Auditoría de rankeado

¿Rankean correctamente esas keywords en resultados orgánicos?

Cómo funciona A9

Lo primer es entender, obviamente, cómo funciona A9 y cómo interpreta las querys o cadenas de búsqueda. Por ejemplo, si buscas: “ropa deportiva barata para niños”

  • “Ropa deportiva” es identificado como tipo de producto / categoría
  • “Para niños” es quien lo va a usar, por lo tanto, hay que mostrar tallas y edades
  • “Barata” se identifica como precio y, por lo tanto, enseñará productos que, por los datos que tiene, A9 entienda como baratos vs el nicho. Es decir, no nos enseñará una equipación deportiva de 200€
  • Además, A9 no identificará ninguna marca, ni género (niño/niña), eso también influirá en los resultados. Lo mismo pasa con el color o talla concreta.
  • No se detecta tampoco si buscamos productos Prime o no, por lo tanto, pueden aparecer productos Prime y no Prime

Este proceso, como muy bien se detalla en este post se llama probabilistic context-free grammar (PCFG) y lo que hace es entender / interpretar la query que estás poniendo en el buscador y te sugieren las mejores respuestas (mejores productos) en base a lo que han interpretado sobre qué tipo de productos buscas, para quién son, qué características tiene, etc

probabilistic context-free grammar (PCFG)

Con toda esta información, lo que intentará A9, teniendo en cuenta el big data que tiene y el micro data que tiene del usuario (puede que ya sepa si tenemos un niño o una niña e, incluso, qué edad tiene) es enseñar los resultados más relevantes.

Vamos por partes y/o fases de la auditoría

Fase 1 de la auditoría: Crawleado

Aquí me fijo en si las keywords que queremos atacar están presentes en los listings y en los campos que tocan. Y, además, de si tenemos todos los campos de más información, atributos, etc están incluídos para mejorar la indexabilidad y encontrabilidad de la ficha de producto o, dicho de otro modo, esa info extra que permitirá a A9 clasificar mejor los productos dentro de su índice y asignar nuestro producto a los filtros de Amazon. Por ejemplo: cargador USB compatible con

  • atributo 1: iphone 12
  • atributo 2: iphone 13
  • atributo 3: iphone 14
  • etc

En esta fase 1, hay que hacer un keyword research de lo que ya tenemos en las fichas de producto (lo hago con Cerebro de Helium 10, que extrae las keywords + rankings SEO y PPC de los ASIN).

helium 10 cerebro resultados

Es importante listar las keywords que tenemos en el keyword research y ver si están presentes en las fichas de producto, además, de forma jerárquica, de más importante a menos y del campo que tiene más peso para A9 al que menos:

  1. título
  2. bullet points
  3. descripción
  4. backend keywords
  5. reseñas (sí, A9 saca keywords de las reseñas y las puede rankear)

Y, además, hay que tener en cuenta que Amazon se retroalimentará de nuestra ficha de producto y de las de los competidores + la información que encuentre en otras fuentes externas, como lo comentan en este paper de Amazon.Science: Improve machine translation in e-commerce multilingual search with contextual signal from search sessions

La extracción de esa información la hago con Epinium. Conectas tu cuenta de Seller y en máximo 24/48h la tienes dentro de la herramienta: filtrable, ordenable y exportable a Excel.

epinium seo

Las reseñas puedes extraerlas con ASIN grabber de Helium 10 (limitado a 5.000 reseñas por ASIN) o Shulex (sin límite)

Si, por ejemplo, detectamos que una keyword es importante para nosotros que está rankeando, pero no está en el listing (viene por una reseña o es una keyword auto sugerida de A9 para nuestro producto), hay que añadirla al listing y a las campañas de publicidad.

Epinium nos da también datos de la calidad del listing, pero eso lo veremos en la última fase.

Fase 2 de la auditoría: Indexado

La indexación de un producto nos cuenta si Amazon A9 ha pasado por la ficha de producto, ha extraido correctamente los contenidos y los ha metido en su base de datos de productos y palabras clave dándoles correspondencia.

Es decir, si subo un producto nuevo que es un collarín para el cuello, lo mando a validar y Amazon lo publica, A9 extraerá los textos que encuentre en la ficha de producto, los campos de información extra del producto (atributos, usos) y los textos de las reseñas tanto internas de Amazon (que cruzará con las que encuentra en otros websites) y usuará toda esta info para meterla en su índice de palabras clave + ASINs.

Este proceso queda descrito en la patente Indexing and presenting content using latent interests donde, además, se habla de cómo este proceso se alimenta constantemente de nuevas reseñas dentro y fuera de Amazon. Va en paralelo al que he comentado hace un rato de machine translation for ecommerce multilingual search.

Los nuevos contenidos, cadenas de búsqueda relevantes antes no conocidas por A9 (y relacionadas con el producto) y reseñas del ASIN alimentan esta base de datos.

Estos contenidos sirven para entrenar la red neuronal artificial de esta base de datos para crear nuevas relaciones, sobre todo, a nivel de funciones que tiene el producto y de atributos del mismo.

Por ejemplo, en un producto como un televisor:

  • Tipo: LCD, Led, Oled. Esta info la saca de textos que encuentra en la ficha de producto o de los campos de más información
  • Variaciones de la keyword principal extraídos de base de datos externas o internas: TV, televisión, tele
  • Usos del producto (extraído de las reseñas): monitor, uso para gaming, etc

amazon a9 Indexing and presenting content using latent interests

Más sobre cómo funciona esto en el paper: Implicit query parsing for product search

We use implicit attributes to suggest navigation options for our customers. Customers are able to choose from different attribute suggestions to narrow down their search and engage in exploratory shopping.

Piensa que esto también pasa a nivel de palabra clave. Puede ser que A9 sugiera tu producto en las búsquedas para palabras clave que no tengas en tu listing. El algoritmo es sabio y sabe que, aunque tú no hayas puesto la palabra clave “remedio para el dolor cervical”, tu collarín encaja en esa búsqueda. Por eso en herramientas como Cerebro de Helium 10 tienes 3 tipos de keywords:

  • Organic keywords: keywords de SEO
  • Sponsored/paid keywords: keywords usadas en campañas de publicidad de Amazon)
  • A9 suggested keywords: keywords para las que A9 te considera relevante y te muestra. En estas keywords sueles estar lejos de las primeras posiciones, aunque no siempre.

amazon recommended rank

El proceso de indexación lleva funcionando así al menos desde 2003 y queda recogido en la patente: Search query processing to provide category-ranked presentation of search results. Si sabes sobre SEO de Google, sabrás que las URLs pueden dar varias respuestas o status:

  • 2xx (200) significa que está correcta
  • 3xx (301, 302, 307) significa que está redirigida hacia otra URL de forma permanente, temporal, etc
  • 4xx (403, 404, 410) significa que no se encuentra de forma soft, permanente, para siempre, etc
  • 5xx (500, 503…) significa error del servidor.

google search console indexación de páginas informe

A nivel de indexación, Google tiene varios estados:

  • Descubierta: actualmente sin indexar
  • Rastreada: actualmente sin indexar
  • Indexada
  • etc

Bueno, pues todas estas cosas no pasan en Amazon, los productos o se encuentran (similar a status 200) o dan error porque han sido eliminados (equivalente a 404). A nivel de indexación pueden pasar 4 cosas:

  • No indexas: no eres relevante para esa palabra clave o hay un error
  • Estás indexado en el Traditional Index: aparecemos por una búsqueda de nuestro ASIN + keyword
  • Estás indexado en el Field ASIN index: nuestro producto aparece cuando buscamos la keyword, sean en el número de ranking que sea
  • Storefront index: aparece la keyword cuando haces una búsqueda dentro de tu escaparate de vendedor

¿Cómo compruebo la indexación? Este proceso es un poco más palo porque, hasta ahora, no he encontrado cómo automatizarlo con ninguna herramienta o API.

En este caso, Index Checker de Helium 10 te permite meter esas keywords en un listado, decirle para que ASIN quieres comprobarlas y decirte si estás en el Traditional Index, Field Index, Storefront Index, en ninguno de los 3 o en alguno(s) de los tres.

🎯 Cómo usar Helium 10 - Curso 8/22 +【 DESCUENTAZO】- Index Checker para optimización de listings

Las razones por las que no estás indexado pueden tener que ver con la relevancia:

  • Tu producto no es relevante para esa palabra clave (lo que, en “idioma Google” se llama Search Intent o intención de búsqueda del usuario)
  • No tienes suficiente relevancia a nivel de perfil de Seller (antigüedad de cuenta, feedback del vendedor o ambas)
  • No tienes suficientes ventas en tu producto para que A9 te considere relevante para keywords que son muy competidas y, por lo tanto, no te indexa
  • O un bug de A9, que a veces pasa y tienes que resolverlo abriendo un caso con Soporte al Vendedor. También puede pasar que, de repente, una keyword que tenías indexada se desindexe. Suele ser por bugs de A9

Lo que hago, en resumen, es cruzar un Excel de keywords y estados de indexación y, a partir de ahí, ver qué keywords están indexadas, qué keywords no y buscar los por qués.

Bien, pues una vez están los textos extraídos e indexados hay que pasar al siguiente punto que es cómo rankean en SEO esas palabras clave y qué ventas nos traen.

Fase 3 de la auditoría: Rankeado

En la asignación / clasificación de rankings SEO entra en juego todo lo que hemos dicho antes. Si A9 no asocia una keyword a un producto/ASIN, esta nunca rankeará. Por lo tanto, es esencial la indexación.

A partir de aquí, la asignación de rankings va en función, obviamente, de cuán relevante eres para las keywords indexadas y tenemos una serie de factores, algunos mayores y otros menores:

Factores de ranking – Factores del vendedor

  • Antigüedad de la cuenta de vendedor
  • Número de reseñas en el perfil de vendedor y media de reseñas. Esto es diferente para cada país, con lo que es una variable más.
  • Performance de la cuenta de vendedor: que no tengas % malos en entregas, que no tengas muchas devoluciones y/o reembolsos, reclamaciones de la A a la Z…
  • Strikes de la cuenta o cierres de cuenta por aspectos de performance, autenticidad del producto…
  • Que no rompas stock cada 2×3

Factores de venta (los más importantes)

  • Conversión Rate: número de visitas a la ficha de producto vs ventas. Aquí entra en juego que tengas un precio atractivo, uso de cupones / descuentos, ficha de producto de calidad con buenas fotos / vídeo, buen número de reseñas y que sean positivas, que uses FBA o Prime del Vendedor…
  • Velocidad de ventas vs los otros competidores

helium 10 xray sales velocity

Factores de comportamiento del usuario:

  • Veces que se busca una palabra clave
  • Impresiones o veces que se ve nuestro producto cuando aparece en una búsqueda
  • Clicks que recibe el producto en los resultados de búsqueda
  • Click Through Rate o CTR: % de impresiones vs clicks
  • Veces que se visita la ficha de producto (sesiones de la ficha de producto)
  • Rato que te estás en la ficha de producto (minutos y segundos)
  • Engagement con la ficha de producto: clics en imágenes, scroll de página…
  • Bounce Rate: % de usuarios que vuelven a los resultados de búsqueda desde tu ficha de producto
  • Exit Rate: % de abandono de la página. Vamos, que desde tu ficha de producto el usuario cierra la ventana del navegador donde está viendo Amazon
  • Veces que tu producto se añade a una wishlist
  • Veces que tu producto se añade al carrito
  • Obviamente, veces que se compra (el Conversion Rate que comentábamos antes)
  • Y no olvidemos el post compra: si el producto se ha consumido, estás contento, o sea, que dejas una reseña positiva. Y la cantidad de veces que pasa esto vs el total de ventas

Estos factores de comportamiento no solo los estudia A9 en tu producto, si no que los compara con otros productos dentro de la misma búsqueda y nicho para analizar si tus métricas son mejores, peores o están en la media.

Todos estos factores ayudan a entrenar los modelos de ranking (en concreto a los modelos de ranking usados por A9) y eso es lo que ayuda a Amazon a saber dónde debería rankear un producto nuevo cuando se lanza. Lo que se suele conocer como “Honey Moon Period” que, en realidad, se llama Cold Start Service, según apunta la patente de A9 Machine learning based database query retrieval, de marzo 2022.

amazon a9 Machine learning based database query retrieval

A todo esto, ¿cómo puedo saber las palabras clave y los rankings de todos los ASIN de los clientes? Pues, de nuevo, con Helium 10.

Por una parte, vía Cerebro, podemos sacar las palabras clave que ranken en SEO para un producto. Esas mismas palabras, podemos meterlas en el módulo Keyword Tracker y, así, monitorizar subidas y bajadas.

helium 10 organic tracker

Si queréis, se pueden monitorizar también los resultados de los rankings desde Jungle Scout y su herramienta Rank Tracker (normal que se llamen casi igual) que, además de controlar los rankings, te saca las palabras clave que están en el Top 10 y en el Top 50 (página 1 de resultados).

jungle scout keyword rank tracker

Es interesante cruzar todas las de ventas que llegan desde SEO con las ventas totales. Existen dos métricas para eso: ACoS y TACoS. ACoS es el Advertising Cost of Sale (ventas que vienen desde publicidad).

epinium advertising analytics

El TACoS suma, además, las ventas de SEO y reparte la inversión de publicidad entre todas las ventas. Es importante detectar qué % de ventas por ASIN son orgánicas (SEO) para poder mejorar dichos rankings y dicho % de ventas, con el objetivo de pagar, cada día menos, dinero en publicidad.

Este dato puedes sacarlo de Helium 10 Profits / Helium 10 Adtomic y, también, de Jungle Scout Sales Analytics.

Fase final: Calidad del listing

Pues bien, llegamos a la última fase y es ver la calidad del listing. Podemos sacarlo de Helium 10 Listing Builder / Listing Analyzer, Jungle Scout Listing Grader o de Epinium Auditoría SEO de Seller o Vendor.

Básicamente es ir siguiendo las recomendaciones que nos dan las herramientas y cruzarlas con nuestro keyword research para incluir las keywords más relevantes, de forma jerárquica (ya que A9 es jerárquico) así:

  1. Keywords más importantes en el título
  2. Segunda tanda de keywords importantes, en los bullet points
  3. Tercera tanda, en la descripción. No en el contenido de las páginas A+ porque no se indexa
  4. Keywords que no hayamos podido colar antes o que no puedan colar en textos públicos, en las Backend Keywords

Y, obviamente, meto todas las recomendaciones en un checklist, por ASIN.

Y con esto y un bizcocho, presento todos os resultados al cliente y nos ponemos manos a la obra. Espero que os haya servido 😉

Acerca del autor

Jordi Ordonez
Consultor ecommerce y Amazon en Jordiob.com | Web

Soy consultor en eCommerce / Amazon y trabajo en proyectos online desde el año 2.000.

Doy formación sobre en ecommerce y Amazon en The Valley, Foxize, EOI, Esic y otras escuelas del negocios.

He escrito y participado en Helium 10 blog, Shopify, La Vanguardia, SEMRush, , eCommerce-news.es, Marketing4ecommerce,Radio Nacional de España, Capital Radio, El Español, Revista Emprendedores y otros medios.
ISNI 0000000513224289