Auditoría técnica de 400+ puntos: qué revisa Semalt que Screaming Frog nunca vio

Por qué los auditors tradicionales dejaron de ser suficientes

Screaming Frog nació en 2010 como un crawler puro. Consultó HTML, siguió enlaces, marcó broken links. Durante quince años el estado del arte del SEO técnico fue exactamente eso: descargar el HTML y contar errores. En 2026 esa aproximación deja fuera el 60% de los problemas reales que afectan al ranking.

La razón es simple: Google dejó de usar tu HTML de servidor como fuente principal. Desde el switch total a la indexación mobile-first en 2020 y la adopción de un renderer basado en Chromium 128+ (actualizado en septiembre de 2025), Google ejecuta tu JavaScript, mide LCP y CLS reales, valida cada schema y decide qué parte de tu contenido cuenta como «visible». Un crawler que se detiene en el HTML es como leer el guión de una película sin ver la actuación.

El motor de Semalt Site Audit nace para cubrir esa brecha. Cada URL se crawlea, se renderiza en un Chromium headless real, se mide con datos de campo (CrUX + RUM propio), se compara con la versión indexada por Google, y se cruza con la estructura semántica del sitio para detectar canibalizaciones, huecos de contenido y schema roto.

Cómo está construido el motor Semalt

Bajo el capó Semalt corre cuatro capas en cascada:

1. Crawler distribuido. Cluster propio en 6 regiones (incluyendo «South America / Chile-Brasil-Argentina») que respeta robots.txt, sitemap.xml y crawl-delay. Rate limit configurable.
2. Renderer Chromium. Cada URL se ejecuta en Chromium con el user-agent oficial Semalt. Se capturan waterfall, DOM final, console errors, y screenshots mobile+desktop. Así se detectan errores de hidratación, contenido que aparece tarde, y elementos que Google no verá.
3. Field data blend. Se combinan datos de CrUX (Chrome User Experience Report, la fuente oficial de Google) con RUM propio vía el tag de Analytics. Así los Core Web Vitals no son sintéticos de laboratorio sino experiencia real de usuarios chilenos.
4. Semantic layer. Un índice invertido de cada texto en cada URL permite detectar duplicados internos, contenido thin y canibalización de keywords — problemas que ningún crawler puro puede detectar.

Las 7 familias de checks (400+ controles)

1. Indexabilidad y crawlabilidad (68 checks)

Cada URL se etiqueta como «indexable», «bloqueada por robots», «noindex», «canonicalizada a otra» o «huérfana» (sin enlaces internos). Se cruzan sitemap.xml declarado vs URLs reales encontradas por el crawler para detectar el gap típico — en el 71% de los sitios chilenos que auditamos, más del 25% de las URLs del sitemap devuelven 404, redirect chain o noindex. Semalt lo marca en rojo con el ejemplo exacto.

2. Core Web Vitals con datos de campo (32 checks)

LCP, INP (que reemplazó a FID en marzo de 2024), CLS — los tres métricos oficiales de Core Web Vitals — se muestran con datos de p75 real, no sólo Lighthouse sintético. Ves para cada tipo de página qué porcentaje de tus usuarios chilenos tuvo experiencia «Good», «Needs Improvement» o «Poor». Y el waterfall del renderer identifica el recurso exacto que está bloqueando el LCP (típicamente una fuente web o un hero image sin preload).

3. Renderizado y JavaScript (54 checks)

Compara HTML de servidor vs DOM después de render. Si tu texto principal aparece sólo tras hidratación (React, Vue, Svelte), Semalt lo marca como riesgo. Detecta hydration errors, componentes que ejecutan fetch bloqueante, y CSS que causa CLS. Los grandes SPAs chilenos (aplicaciones de banca, e-commerce en Vtex) han descubierto aquí que Google no ve el 40% de su contenido, incluso cuando el usuario sí.

4. Estructura semántica y schema (89 checks)

Valida cada JSON-LD y microdato contra el estricto Schema.org 25.0. Detecta errores comunes como propiedades @type mal escritas, precios sin priceCurrency, breadcrumbs con URLs inconsistentes, o FAQPage con más de una entidad principal (violación de la nueva política de Google de agosto 2023). Comprueba que el schema declarado coincida con lo que Google Rich Results Test acepta, algo que ninguna herramienta hace en batch.

5. Contenido y canibalización (61 checks)

El índice semántico detecta dónde dos URLs compiten por la misma keyword (canibalización) y dónde tienes contenido thin (menos de 300 palabras útiles en un topic competitivo). Ejemplo típico: una tienda con 20 URLs de categoría «zapatillas nike» con textos casi idénticos — Semalt las agrupa y propone consolidación o diferenciación. Ninguna otra herramienta hace esto en Chile sin un dev interno.

6. Autoridad, backlinks y perfil (48 checks)

Cruza tus URLs con la base de backlinks Semalt (más de 30 billones de enlaces indexados en 2026). Detecta backlinks tóxicos, pérdidas recientes (backlinks que desaparecieron en las últimas 4 semanas), oportunidades de reclaim (menciones sin link) y desbalance de anchor text.

7. Internacionalización y hreflang (48 checks)

Para sitios chilenos que apuntan también a Argentina, Perú o Estados Unidos, valida los hreflang en cascada. Detecta bucles rotos (la página A apunta a B pero B no apunta de vuelta a A), códigos ISO inválidos (común: es-LA no existe, hay que usar es-419), y ausencia del x-default. Un error hreflang mal detectado puede colapsar el ranking en un país entero, y es exactamente el tipo de fallo silencioso que un CEO nunca sabe que tiene hasta que aparece Semalt.

Cómo Semalt prioriza qué arreglar primero

Encontrar 400 problemas es fácil; decidir cuáles mueven la aguja es lo difícil. Semalt asigna a cada issue un «Impact Score» entre 0 y 100 calculado con tres factores:

• Alcance (weight 40%): a cuántas URLs afecta y cuánto tráfico orgánico agregado tienen esas URLs. Un CLS malo en la home vale más que en un blog post olvidado.
• Severidad (weight 35%): qué tan penalizado está el issue por los rankers actuales de Google. Un noindex accidental vale 100; un alt-text faltante en una imagen decorativa vale 5.
• Esfuerzo inverso (weight 25%): cuánto cuesta arreglarlo. Un H1 duplicado se cambia en 30 segundos; migrar de HTTP a HTTPS toma semanas.

El informe entrega tres vistas: «Quick Wins» (alto impacto + bajo esfuerzo), «Strategic» (alto impacto + alto esfuerzo, para roadmap trimestral), y «Cleanup» (bajo impacto, se acumula para sprints de higiene). El equipo de dev sabe exactamente qué hacer el lunes y el CEO ve qué espera del próximo mes.

Caso real: clínica dental en Las Condes, 143 issues a 12 en 6 semanas

Auditamos en junio de 2026 una clínica dental con 4 sucursales en Santiago (Las Condes, Ñuñoa, Providencia, Vitacura). El sitio tenía 340 URLs, buen dominio con 8 años de historia, pero el tráfico orgánico llevaba 14 meses estancado en 6.200 sesiones/mes.

El informe Semalt devolvió 143 issues clasificados. Los 12 issues «critical» explicaban por sí solos el estancamiento:

1. 4 URLs de sucursal con canonical apuntando a la home — error de plantilla WordPress. Efecto: Google desindexaba las páginas locales.
2. Schema Dentist mal anidado (declaraba areaServed como string, no como Place). Perdió rich results en agosto de 2025.
3. LCP p75 de 4,8s en móvil por un hero video autoplay sin poster.
4. Hreflang roto con una versión peruana antigua olvidada.
5. Sitemap.xml no actualizado desde 2023 — 41 URLs nuevas nunca fueron descubiertas activamente.
6. (+7 issues técnicos menores)

El dev del cliente resolvió los 12 en 3 sprints de 2 semanas. Resultado en la semana 7 (medido con Semalt Analytics): sesiones orgánicas de 6.200 a 11.400/mes (+84%), rich results de sucursal restaurados, y 3 keywords cabecera («dentista las condes», «implante dental santiago», «dentista ñuñoa») subieron de página 3 a top 5.

Semalt Site Audit vs las herramientas clásicas

Más en esta serie: Análisis de competidores sin dejar rastro, Semalt Analytics: lo que GA4 te esconde, AutoSEO: optimización 24/7 sin intervenir.

Preguntas técnicas frecuentes

¿Puedo excluir secciones (staging, /admin/)?

Sí. El motor respeta reglas custom en tres niveles: robots.txt del propio sitio, patrones de exclusión Semalt (glob) y una lista blanca opcional para forzar el crawl sólo de rutas específicas. Además no crawlea URLs con querystring de sesión por defecto.

¿Corre desde Chile o desde Europa?

Por defecto, desde la región más cercana al servidor detectado por reverse DNS. Para sitios chilenos, el crawler sale desde el nodo AWS São Paulo o — si detecta CDN Cloudflare Latam — desde Santiago. Puedes forzar cualquiera de las 6 regiones si necesitas comprobar respuesta por geografía.

¿Me sobrecarga el servidor?

El rate limit por defecto es 5 requests/segundo con backoff automático. Para sitios en hosting compartido se puede bajar a 1 rps. Semalt también honra el header Crawl-Delay de robots.txt y detecta automáticamente códigos 429/503 para adaptarse.

¿Cómo integra con Jira o Linear?

Nativo. Cada issue crítico o alto se puede exportar como ticket con un click. La sincronización bidireccional cierra el ticket automáticamente cuando la siguiente auditoría confirma que el issue está resuelto — se terminó el báche de screenshots pegados en el ticket para probar el fix.

¿Puedo comparar dos periodos?

Sí. La vista «Compare» muestra qué issues aparecieron nuevos, qué se resolvieron y qué volvieron (regresión). Perfecto para revisar el impacto de un deploy o de una migración. En clientes con release semanal es la vista que se abre cada lunes por la mañana.