Los clasificadores de intent genéricos mapean consultas crypto en 4 buckets SaaS. Web3 en realidad se divide en 6, incluyendo investigación (comercial con overlay de riesgo) y desambiguación (token vs protocolo vs empresa).
Haz clic en las consultas de ejemplo para ver cómo el clasificador mapea cada una a través de los 6 buckets, más lo que recomienda como el tipo de contenido coincidente.
Primary intent
Investigación
InvestigaciónComercial overlayEl usuario quiere comparar opciones de yield pero espera divulgación de riesgo primero. Las páginas puramente comerciales rebotan; las páginas informacionales-primero con una sección "comparar" limpia convierten.
Contenido recomendado
Guía de comparación
Article + Preguntas frecuentesPage schemaLidera con riesgo y metodología, luego tabla de comparación con schema FinancialProduct por protocolo. Añade bloques Q-and-A para "cómo se calcula el yield" y "cuáles son los riesgos".
Haz clic en cualquier consulta arriba para ver cómo el clasificador la mapea. Los outputs son ilustrativos; el módulo en vivo produce la misma forma para cualquier corpus de keywords en tu dominio.
Cada bucket mapea a un tipo de contenido diferente, combinación de schema y patrón de CTA. Los mismatches entre el bucket de keyword y el contenido de página son el problema de ranking único más común en sitios crypto.
El usuario quiere aprender. Sin intent comercial. Los clasificadores genéricos manejan bien este bucket; lo mantenemos por completitud.
Consultas de ejemplo
Recommended: Long-form explainer · Article schema · No CTAs above the fold
El usuario va a algún lugar conocido. Nombres de marca o feature, acciones de app. Quiere aterrizar rápido y actuar rápido.
Consultas de ejemplo
Recommended: Action-first utility page · HowTo schema · No marketing copy
El usuario está evaluando productos a usar. Comercial higher-funnel. Las páginas puramente de producto funcionan aquí.
Consultas de ejemplo
Recommended: Producto comparison · FinancialProduct + Article schema · Visible "Try it" CTA
El usuario está listo para actuar ahora. Ruta de conversión directa. Menos explicación, más acción.
Consultas de ejemplo
Recommended: Action-first product page · CryptoExchange schema · CTA above the fold
Unique to YMYL/crypto. Comercial intent but with risk disclosure expected first. Pure product pages bounce.
Consultas de ejemplo
Recommended: Guía de comparación with risk-first opener · Article + Preguntas frecuentesPage + FinancialProduct schema · Full disclosure
Unique to crypto. Query references a symbol mapping to multiple entities (token, protocol, company, foundation).
Consultas de ejemplo
Recommended: Entity-resolved page · Distinct Organization + FinancialProduct entities with @id · Canonical strategy
Este es el problema único de ranking más común que vemos a través de sitios crypto. Casi siempre arreglable con cambios de copy y estructura, sin migración necesaria.
The /yield page targets "best DeFi yield protocols 2026". Users searching this come to compare and evaluate, then bounce on a transactional pitch.
→ Ruta de fix recomendada
Cuatro fases, todas en paralelo con los otros siete módulos de auditoría. El clasificador en sí es el check de Clasificador de Intent de Keywords Crypto del Gemini AI Analyzer.
Crawlux extrae la keyword primaria por página de cada página en tu dominio parseando tags title, H1s, meta descriptions y structured data. Las keywords secundarias son jaladas de H2s y del contexto que las rodea. El corpus es deduplicado y normalizado antes de la clasificación.
Each keyword is sent through the Gemini AI Analyzer's Crypto Intención de palabras clave Classifier. The model returns a primary bucket, an optional secondary overlay (e.g. Investigación + Comercial), a confidence score and the recommended content type. Low-confidence classifications are flagged for manual review.
En paralelo, el contenido de página en sí es clasificado por el mismo modelo. La colocación de CTA, estructura de headline, profundidad de contenido, schema presente y presencia de divulgación de riesgo todos alimentan el veredicto de intent de página. Los dos veredictos son entonces comparados por página.
Las páginas donde el intent de keyword difiere del intent de página son marcadas. Cada mismatch es calificado por tamaño del gap y esfuerzo para arreglar. El reporte PDF incluye la reestructura de contenido recomendada por página, con secciones de ejemplo de competidores que coinciden con el intent correctamente.
El mismo set de consultas crypto, tres veredictos diferentes. Los modelos de 4 buckets confunden Investigación con Comercial y Desambiguación con Navegacional, lo cual cuesta ranking en las páginas mal clasificadas.
| Query | Ahrefs intent | Semrush intent | Crawlux 6-bucket |
|---|---|---|---|
| "best DeFi yield protocols 2026" | Comercial | Comercial | ✓ Investigación (commercial overlay) |
| "safest stablecoin to hold" | Comercial | Comercial | ✓ Investigación |
| "aave price" | Navegacional | Navegacional | ✓ Desambiguación (token vs protocol) |
| "uni founder" | Informacional | Informacional | ✓ Desambiguación (token vs Uniswap Labs) |
| "connect metamask" | Navegacional | Navegacional | ✓ Navegacional (agreement) |
| "how does liquid staking work" | Informacional | Informacional | ✓ Informacional (agreement) |
| "swap eth to usdc on uniswap" | Transaccional | Transaccional | ✓ Transaccional (agreement) |
| "highest APY crypto savings" | Comercial | Comercial | ✓ Investigación (regulatory risk flag) |
| "buy bitcoin with credit card" | Transaccional | Transaccional | ✓ Transaccional (jurisdiction flag) |
| Crypto-aware regulatory risk flag | ✕ Not measured | ✕ Not measured | ✓ Per query |
Veredictos ilustrativos. Nota: Crawlux concuerda con Ahrefs/Semrush en aproximadamente 70% de las consultas crypto; el 30% de desacuerdo está concentrado en los buckets Investigación y Desambiguación.
Preguntas comunes de equipos corriendo estrategia de keywords en sitios crypto y Web3.
Los clasificadores de intent genéricos (incorporados en Ahrefs, Semrush, Surfer) fueron entrenados en la web abierta. Clasifican consultas en 4 buckets: informacional, navegacional, comercial, transaccional. Eso funciona para SaaS. El comportamiento de búsqueda crypto divide dos de esos buckets más. "Mejor yield DeFi" es comercial pero con un overlay de investigación porque los usuarios esperan divulgación de riesgo primero. "AAVE price" es navegacional pero ambiguo entre token AAVE y protocolo Aave. El modelo de 4 buckets colapsa estos en el bucket incorrecto; el modelo de 6 buckets de Crawlux los mantiene distintos.
Comercial (evaluating products to buy/use), Transaccional (ready to act now), Informacional (learning), Navegacional (looking for a known site), Investigación (commercial but requires risk disclosure first, unique to YMYL/crypto) and Desambiguación (ambiguous query needing entity resolution, e.g. AAVE token vs Aave protocol). Each bucket maps to a different content type and ranking strategy. See the bucket grid above.
El clasificador actualmente corre en inglés con alta confianza y soporta consultas en 9 idiomas adicionales (español, portugués, francés, alemán, ruso, turco, coreano, japonés, chino) en menor confianza. La detección de idioma corre primero; si la confianza está bajo el umbral la consulta es marcada y saltada de la auditoría. El soporte multi-idioma se expande por trimestre mientras recolectamos data de consultas etiquetadas.
Sí. La desambiguación es uno de los 6 buckets específicamente porque es muy común en crypto. Muchas consultas referencian símbolos (BTC, ETH, AAVE, UNI) que mapean a múltiples entidades (el token en sí, el protocolo, la empresa, la fundación). El clasificador marca estas y recomienda que la página implemente schema de desambiguación (entidades distintas Organization vs FinancialProduct con referencias @id) para que los modelos IA puedan resolver sobre qué entidad es la página.
Ahrefs usa un modelo de 4 buckets (informacional, navegacional, comercial, transaccional) entrenado en la web general. El modelo es confiable para consultas SaaS y e-commerce. Para consultas crypto-específicas, tiende a sobre-clasificar en comercial (todo lo que menciona un token o protocolo) lo cual enmascara los patrones de investigación y desambiguación que Crawlux marca por separado. Ambas herramientas concuerdan en aproximadamente 70% de las consultas; el 30% de desacuerdo es donde Crawlux añade valor para sitios crypto.
Los motores de búsqueda y modelos IA recompensan contenido que coincide con el intent del usuario. Rankear contenido comercial para una consulta informacional produce alto rebote y bajo engagement, lo cual retroalimenta al ranking. La auditoría Crawlux marca páginas donde el contenido de página no coincide con el intent primario de la keyword. La mayoría de los equipos encuentran que 15-30% de sus landing pages tienen mismatches de intent que son más fáciles de arreglar que construir páginas nuevas.
Sí, en paralelo. El Gemini AI Analyzer corre tanto el clasificador de intent de keywords como el detector de riesgo regulatorio juntos. Las consultas que implican actividad financiera regulada (lending, derivativos, security tokens) en jurisdicciones con regulación más estricta (US, UK, UE bajo MiCA) son marcadas para que puedas asegurar que la página coincidente tenga las divulgaciones correctas. Esto es más importante para AEO que para ranking en Google, ya que los modelos IA hacen surgir respuestas conscientes de la jurisdicción.
Patrón común: una landing page apunta a "cómo funciona el liquid staking" (informacional) pero la página está construida como una página de producto con un CTA prominente "Stake Now" arriba del fold (transaccional). Los usuarios buscando la consulta informacional rebotan porque vinieron a aprender, no a actuar. El fix es liderar con la explicación, luego introducir el producto a media página una vez que el usuario tiene el contexto. Los mismatches de intent como este son el problema único de ranking más común que vemos a través de sitios crypto.
RUN THIS AUDIT FREE
Sin registro, sin tarjeta de crédito. Reporte completo de 8 módulos en 60 segundos.
Primera auditoría gratis · Sin registro · 60 segundos · Full PDF report