Claude y tu CMS: WordPress, Rank Math y el acceso de escritura

Al terminar esta lección tendrás una revisión ejecutable que decide, con un código de salida, si un plan de escritura generado por Claude puede tocar tu WordPress. No juzga si el texto está bien escrito: busca el fallo ya documentado cuando un modelo recibe permiso de escritura sobre un CMS.

El dato más incómodo es este: Claude clonó una página de inicio en dos URLs cambiando únicamente las etiquetas de título, y las dos recibieron cero impresiones y cero clics (Search Engine Land, Will Scott, 28 de agosto de 2026). No fue una alucinación: fue una escritura ejecutada tal como se había pedido, que ninguna lectura por separado de las dos páginas habría detectado.

Esta lección va de permisos, no de prompts. Rank Math publicó un MCP oficial el 27 de julio de 2026, así que escribir metadatos de SEO desde Claude dejó de ser un montaje artesanal. Distinguir «leer mis datos» de «escribir en mi sitio» ordena todo lo demás, y solo lo segundo deja URLs en el índice de Google.

Un encuadre: este nivel del curso de SEO gratuito de doctor-seo.net trata de usar los modelos como herramienta. Cómo apareces tú en las respuestas de un sistema de IA es otra pregunta, y está en la lección sobre la dependencia de Brave y en el nivel 4.

Lo que vas a aprender

• Separar lectura de escritura, y saber qué se puede deshacer en cada caso.
• Qué hace el MCP oficial de Rank Math, con fecha y limitaciones de plan.
• Ejecutar una revisión del plan antes de que llegue al CMS, con siete comprobaciones y un veredicto.
• Reconocer la clase de fallo del caso de Search Engine Land: páginas que solo cambian el título.
• Saber qué medición no existe en las fuentes, y por qué eso obliga a comprobar en vez de confiar.

Qué es un MCP y qué significa «acceso de escritura»

Un MCP (Model Context Protocol) es un protocolo que permite a un modelo como Claude llamar a herramientas externas: una API, un rastreador local, un plugin de WordPress. Claude no gana capacidades nuevas; gana permiso para invocar las que otro programa ya tenía. La pregunta útil no es qué sabe hacer el modelo, sino qué herramientas tiene a mano y con qué permisos; el reparto general está en la lección sobre qué puede y qué no puede hacer Claude en SEO.

Acceso de lectura significa consultar datos: posiciones, impresiones, enlaces, el resultado de un rastreo (crawling). Acceso de escritura significa cambiar el estado del sitio: crear una página, reescribir un título, publicar datos estructurados. La diferencia es el rastro: una lectura equivocada da un número que puedes contrastar; una escritura equivocada deja una URL que Google ya ha visto.

La encuesta State of AI in SEO 2026 de Keyword.com (1 de enero de 2026, n=97 respuestas útiles) mide cuánta gente se fía de automatizar del todo: el 1% describe su trabajo como completamente automatizado —1 persona de 97— y el 57% señala que «la calidad no es suficientemente buena» como motivo para no automatizar. Con n=97 y muestra autoseleccionada, esas cifras ordenan la conversación pero no describen a la población.

Lo que un conector de lectura no te puede romper

Los conectores de lectura que existen hoy para Claude son de datos de terceros, y su peor fallo es un número mal interpretado: Semrush documenta su MCP en una página actualizada el 5 de agosto de 2026, y el de Ahrefs figura en el catálogo de conectores de Claude con el metadato «Added January 2026» y 61 herramientas, según la ficha comprobada el 20 de septiembre de 2026. Lo que cuesta cargar catálogos así antes de escribir la primera palabra se trata en la lección de Claude Code para SEO técnico.

Con los datos propios el panorama cambia. Passionfruit (Dewang Mishra, 28 de marzo de 2026) clasifica Google Search Console como «comunidad / autoalojado»: no hay conector oficial, así que quien conecta sus datos de búsqueda instala algo de terceros. Sigue siendo lectura, y aun así conviene dar los permisos mínimos.

Las dos primeras filas son reversibles en minutos. La última no: cuando una URL existe y se ha rastreado, deshacerla es una migración en miniatura.

El fallo documentado: dos URLs clonadas y cero impresiones

El caso que ancla esta lección lo publicó Search Engine Land, firmado por Will Scott, el 28 de agosto de 2026. Claude clonó una página de inicio en dos URLs, /seo-grader y /content-grader, cambiando únicamente las etiquetas de título. Las dos recibieron cero impresiones y cero clics, y la página de inicio se quedó en la posición 9 o peor.

La misma duplicación se repitió de forma independiente en un segundo sitio, ScryPrice. Dos veces en dos sitios apunta a un comportamiento sistemático, no a un tropiezo que se arregla con un prompt mejor: eso es lo que pesa al decidir un permiso.

El límite conviene decirlo en voz alta: son dos casos de un autor, sin tamaño de muestra, sin volumen de tráfico, sin periodo y sin relato de cómo se detectó el problema. Sirve para describir un mecanismo, no para estimar con qué frecuencia ocurre.

Aun así, el caso es el más útil aquí por una razón estructural: el fallo no se ve leyendo ninguna de las dos páginas, porque cada una, por separado, responde a lo que su título promete. El defecto solo aparece al compararlas. De ahí el diseño de la comprobación siguiente: el sujeto de la revisión es el lote, no la página.

Hay un segundo relato con un mecanismo parecido. En el experimento publicado por ContextBolt el 23 de junio de 2026, una semana de SEO real con Claude, el autor describe que con instrucciones poco precisas el modelo sobreoptimizó el texto hasta el amontonamiento de palabras clave y trató estimaciones de terceros como datos medidos. Es una persona durante una semana: no hay muestra. Lo que aporta es la dirección del error, la misma que en el caso anterior: el modelo cumple la instrucción literal y no la intención.

El MCP oficial de Rank Math: qué hace y qué permisos pide

Rank Math, el plugin de SEO para WordPress, publicó su propio servidor MCP el 27 de julio de 2026, en un anuncio firmado por Bhanu Ahluwalia y actualizado el 16 de septiembre de 2026: Rank Math MCP: AI-Powered SEO Automation for WordPress. Según ese anuncio, el conector se autoriza por OAuth, ejecuta auditorías, lee y escribe metadatos y datos estructurados y trae datos de palabras clave de Search Console; parte de las funciones requiere la versión PRO. Descrito así es exactamente lo que dice hacer, y es mucho: un modelo puede reescribir el título y la metadescripción de cualquier entrada desde una conversación.

Lo que el anuncio no acompaña —ni lo acompaña ninguna de las fuentes citadas al final— es una medición: no hay tasa de error, ni tamaño de muestra, ni recuento de escrituras revertidas para la escritura automática de metadatos en un CMS. Un anuncio de producto es un género legítimo, pero no es un estudio, y la diferencia importa cuando lo que está en juego es un permiso.

Así que la decisión se toma con datos tuyos: cuántas escrituras revisas y cuántas te devuelven algo que no querías. Un aviso de alcance sobre este mismo MCP: escribir una metadescripción y publicar marcado de FAQ a escala son acciones cuya utilidad está discutida, y las dos discusiones se recogen abajo, sin veredicto.

La lección del rastreador: los ajustes de la interfaz no viajan con el agente

Hay un caso publicado y fechado sobre lo que cambia cuando un agente conduce una herramienta en lugar de una persona, y no es sobre WordPress: es sobre Screaming Frog. Rich Voller lo documentó el 26 de mayo de 2026, con actualización del 12 de junio de 2026, y describe dos fallos distintos que conviene no mezclar.

El primero es de herencia de configuración: los rastreos lanzados por MCP ignoraron los ajustes de velocidad de la interfaz, y con 1 URL por segundo configurado el rastreo hizo 500 URLs en 20 segundos. El segundo es de procesamiento asíncrono en la API: un rastreo que marca el 100% no está listo para exportar. Son dos causas distintas, y presentarlas como un incidente pierde la parte accionable de ambas. La fuente es el relato técnico de un profesional, no un estudio: no publica tamaño de muestra.

La traslación a un CMS es una pregunta, no un número. Nada en las fuentes de esta lección mide si los límites del panel de WordPress —quién publica, qué se queda en borrador— se aplican igual cuando la escritura entra por un conector. Lo que el caso de Voller establece es que la suposición «lo que configuré en la interfaz también rige para el agente» falló una vez, documentadamente, en otra herramienta. Eso no demuestra nada sobre WordPress: convierte la suposición en algo que comprobar.

La comprobación mínima: que el conector escriba un borrador en una página de prueba y mirar después, en el historial de revisiones de WordPress, quién figura como autor y si el estado que pediste es el que quedó. Si alguno no coincide, el permiso es más amplio de lo que creías.

La revisión de escritura: comprobar el plan antes de que toque el CMS

La revisión de escritura se ejecuta sobre el plan, no sobre el sitio: un JSON en el que el agente declara qué páginas va a crear y con qué contenido, antes de que exista ninguna. Da por puesto el protocolo de ensayo, registro y firma de la lección de Claude Code para SEO técnico, y añade lo que ese protocolo no hace: mirar el lote completo buscando páginas que solo se diferencian en el título.

Siete comprobaciones, ninguna con acceso al CMS:

1. CLON-SOLO-TITULO: dos entradas con cuerpos casi idénticos y títulos distintos. Es la clase de fallo del caso de Search Engine Land.
2. CUERPO-DUPLICADO: cuerpos casi idénticos con el mismo título.
3. SIN-PADRE: una entrada que no declara su página padre, y no sabe dónde cae en la jerarquía.
4. SIN-CUERPO: una entrada con el cuerpo vacío.
5. SLUG-REPETIDO: dos o más entradas del lote que pelean por el mismo slug.
6. SIN-REVERSION: una entrada que no declara cómo se deshace. Si no está escrito antes, no está escrito.
7. INVERSION-CORPUS: el lote ocuparía la mitad o más de las páginas del sitio.

Sobre los umbrales, toca decir de dónde salen. El 0,90 de parecido y el 0,50 de cuota de corpus son puntos de partida que elijo yo, no resultados de ningún estudio.

La única banda publicada que conozco para una tarea con coseno es la de Niko Alho (20 de mayo de 2026), entre 0,78 y 0,85, y es para decidir si dos páginas merecen un enlace interno: otra tarea, que no se traslada a detectar duplicados. Los fundamentos del enlace están en qué es un link. Calibra el tuyo con veinte pares de tu lote etiquetados a mano, moviendo el umbral hasta que la etiqueta y el veredicto coincidan.

La última comprobación necesita una precisión, porque es la que más fácilmente se vuelve folclore. No existe cifra publicada de páginas por día que sea segura, y Google nunca ha dicho que el ritmo de publicación sea una señal.

Lo documentado es otra cosa: la guía de Google sobre sus sistemas de clasificación, en la versión registrada el 19 de noviembre de 2024, dice que la clasificación funciona a nivel de página y que además se usan señales y clasificadores de sitio completo, sin que unas buenas señales de sitio garanticen que todo posicione bien ni unas malas que todo posicione mal. La cuota de corpus no protege, por tanto, de un filtro de velocidad que nadie ha demostrado: es una alerta de riesgo de proyecto. Si el lote va a ser la mayoría del sitio, en la revisión se juega el sitio entero.

El script son 97 líneas de Python sin dependencias. Guárdalo como revision-escritura.py.

#!/usr/bin/env python3
# revision-escritura.py - revisa un plan de escritura ANTES de que toque el CMS.
# Uso: python3 revision-escritura.py plan.json --corpus 40
# Salida: 0 sin hallazgos, 1 con hallazgos, 2 si el plan no se puede leer.
# ge(a, b) es "a mayor o igual que b": se usa la funcion y no el simbolo para que
# el script se pueda copiar desde una pagina web sin que se escape ningun caracter.

import json
import re
import sys
import unicodedata
from itertools import combinations
from operator import ge

UMBRAL_PARECIDO = 0.90   # Jaccard sobre el cuerpo tokenizado
UMBRAL_INVERSION = 0.50  # cuota del corpus que ocuparia el lote


def normaliza(texto):
    # Las etiquetas HTML dejan tokens ("strong", "href"). No se limpian: aparecen
    # en los dos lados de cada comparacion, asi que no desplazan el parecido.
    texto = unicodedata.normalize("NFKD", texto.lower())
    return [t for t in re.findall(r"[a-z0-9]+", texto) if len(t) not in (1, 2)]


def parecido(a, b):
    sa, sb = set(normaliza(a)), set(normaliza(b))
    if not sa or not sb:
        return 0.0
    return len(sa.intersection(sb)) / len(sa.union(sb))


def revisa(plan, corpus):
    hallazgos = []

    for p in plan:
        etiqueta = p.get("slug") or "sin-slug"
        if not p.get("padre"):
            hallazgos.append(("SIN-PADRE", etiqueta, "no declara pagina padre"))
        if not (p.get("cuerpo") or "").strip():
            hallazgos.append(("SIN-CUERPO", etiqueta, "cuerpo vacio"))
        if not p.get("reversion"):
            hallazgos.append(("SIN-REVERSION", etiqueta, "no declara como se deshace"))

    cuenta = {}
    for p in plan:
        s = p.get("slug") or "sin-slug"
        cuenta[s] = cuenta.get(s, 0) + 1
    for s, n in sorted(cuenta.items()):
        if n != 1:
            hallazgos.append(("SLUG-REPETIDO", s, "%d entradas con el mismo slug" % n))

    for a, b in combinations(plan, 2):
        j = parecido(a.get("cuerpo", ""), b.get("cuerpo", ""))
        if ge(j, UMBRAL_PARECIDO):
            par = "%s|%s" % (a.get("slug"), b.get("slug"))
            codigo = ("CLON-SOLO-TITULO" if a.get("titulo") != b.get("titulo")
                      else "CUERPO-DUPLICADO")
            hallazgos.append((codigo, par, "parecido del cuerpo %.2f" % j))

    total = corpus + len(plan)
    cuota = len(plan) / total if total else 0.0
    if ge(cuota, UMBRAL_INVERSION):
        hallazgos.append(("INVERSION-CORPUS", "lote",
                          "el lote seria el %.0f%% de las paginas del sitio" % (cuota * 100)))

    return hallazgos


def main():
    if len(sys.argv) == 1:
        print("uso: revision-escritura.py plan.json [--corpus N]")
        return 2
    corpus = 0
    if "--corpus" in sys.argv:
        corpus = int(sys.argv[sys.argv.index("--corpus") + 1])
    try:
        with open(sys.argv[1], encoding="utf-8") as f:
            plan = json.load(f)
    except (OSError, ValueError) as e:
        print("PLAN ILEGIBLE: %s" % e)
        return 2

    hallazgos = revisa(plan, corpus)
    print("revision-escritura: %d entradas, corpus declarado %d" % (len(plan), corpus))
    for codigo, donde, detalle in hallazgos:
        print("  [%s] %s :: %s" % (codigo, donde, detalle))
    if hallazgos:
        print("VEREDICTO: %d %s. No se escribe nada."
              % (len(hallazgos), "hallazgo" if len(hallazgos) == 1 else "hallazgos"))
        return 1
    print("VEREDICTO: sin hallazgos. El plan puede pasar a aprobacion humana.")
    return 0


if __name__ == "__main__":
    sys.exit(main())

El plan de entrada es una lista de objetos. Este plan.json reproduce a propósito el fallo del caso documentado: dos páginas con el mismo cuerpo y títulos distintos.

[
  {
    "slug": "analizador-de-titulos",
    "titulo": "Analizador de titulos",
    "padre": 120,
    "reversion": "borrar la pagina creada si la revision falla",
    "cuerpo": "Sube tu lista de titulos y te decimos cuales pasan de 60 caracteres, cuales repiten la palabra clave y cuales se cortan en el resultado de busqueda. El informe sale en menos de un minuto y se exporta a CSV."
  },
  {
    "slug": "analizador-de-contenido",
    "titulo": "Analizador de contenido",
    "padre": 120,
    "reversion": "borrar la pagina creada si la revision falla",
    "cuerpo": "Sube tu lista de titulos y te decimos cuales pasan de 60 caracteres, cuales repiten la palabra clave y cuales se cortan en el resultado de busqueda. El informe sale en menos de un minuto y se exporta a CSV."
  },
  {
    "slug": "guia-de-rastreo",
    "titulo": "Guia de rastreo",
    "padre": null,
    "reversion": "borrar la pagina creada si la revision falla",
    "cuerpo": "El rastreo es el proceso por el que un buscador descubre y descarga tus paginas. Aqui se explica que consume presupuesto de rastreo en una tienda con facetas, como se mide en los registros del servidor y que ajustes cambian el reparto."
  }
]

Ejecutado sobre ese plan, declarando un sitio de 40 páginas:

$ python3 revision-escritura.py plan.json --corpus 40
revision-escritura: 3 entradas, corpus declarado 40
  [SIN-PADRE] guia-de-rastreo :: no declara pagina padre
  [CLON-SOLO-TITULO] analizador-de-titulos|analizador-de-contenido :: parecido del cuerpo 1.00
VEREDICTO: 2 hallazgos. No se escribe nada.
$ echo $?
1

Guarda una copia como plan-corregido.json con dos cambios: pon 120 en el padre de la tercera entrada y sustituye el cuerpo de la segunda por un texto propio —cualquiera cuyo parecido con el otro cuerpo quede por debajo de 0,90—. El mismo comando devuelve el otro veredicto:

$ python3 revision-escritura.py plan-corregido.json --corpus 40
revision-escritura: 3 entradas, corpus declarado 40
VEREDICTO: sin hallazgos. El plan puede pasar a aprobacion humana.
$ echo $?
0

Ese mismo plan corregido, declarado contra un sitio de 2 páginas, dispara la quinta comprobación: [INVERSION-CORPUS] lote :: el lote seria el 60% de las paginas del sitio, veredicto de 1 hallazgo y salida 1.

Fíjate en los códigos de salida, porque son la parte que se rompe en silencio. El veredicto negativo sale con 1, no con 0.

Un guardián que se niega a escribir y termina con 0 le dice a quien lo llama que todo fue bien, y un flujo de integración continua encadenará el paso siguiente sin enterarse de que nadie aprobó nada. Antes de envolver esto en un pipeline, comprueba que el rechazo se propaga: python3 revision-escritura.py plan.json --corpus 40; echo $? tiene que imprimir 1.

Dónde el sector no se pone de acuerdo, y esta página no lo resuelve

Tres discusiones abiertas cruzan el acceso de escritura, y en las tres la posición honesta es describir el desacuerdo y decir qué no zanja la evidencia.

Dónde empieza el abuso de contenido a escala. Las políticas de spam de Google Search Central, actualizadas el 28 de agosto de 2026, lo definen como generar muchas páginas cuyo propósito principal es manipular las clasificaciones y no ayudar a los usuarios, «no matter how it’s created», y no publican ningún umbral: ni páginas por día, ni proporción respecto al sitio.

Un campo sostiene que el volumen sin intención manipuladora no es infracción; el otro, que en la práctica el volumen es lo único observable desde fuera y que cualquier generación masiva es exposición. Ninguno puede señalar un umbral publicado, porque no existe. Esta página no elige campo: te da una comprobación que mide la cuota de tu lote para que decidas con tu número delante.

Las metadescripciones. Importa porque el MCP de Rank Math las escribe. Las posiciones van desde meter la palabra clave dos veces hasta no escribirlas, dado que Google reescribe la descripción cuando la página ofrece una coincidencia mejor para la consulta.

Sin discusión: no es un factor de posicionamiento, y Google lo ha dicho repetidamente. Con discusión: la tasa de reescritura, porque las cifras que circulan —alrededor del 70%— vienen de estudios de fabricantes que no publican su muestreo. Lo honesto es «se reescriben con frecuencia», sin porcentaje.

El marcado de FAQ. Importa porque un conector que escribe datos estructurados puede publicarlo en cientos de páginas de golpe. Google retiró los resultados enriquecidos de FAQ para la mayoría de sitios en 2023.

Un campo lo retira por peso muerto; el otro lo mantiene porque los modelos de lenguaje parsean preguntas y respuestas estructuradas. La mejor medición disponible es el cuasiexperimento de Ahrefs sobre datos estructurados: 1.885 páginas que añadieron JSON-LD entre agosto de 2025 y marzo de 2026, frente a 4.000 controles, con −4,6% en AI Overviews (significativo), +2,4% en AI Mode y +2,2% en ChatGPT (ninguno significativo).

Sus autores señalan el límite: solo se probó sobre páginas que ya recibían citas, así que el arranque en frío queda sin medir. La discusión sigue abierta.

Errores comunes

• Revisar página a página en lugar de revisar el lote. El fallo documentado por Search Engine Land no se ve en ninguna de las dos páginas por separado. Arreglo: compara todas las parejas del lote antes de escribir, con un umbral calibrado por ti; sin calibrar dará falsos positivos y negativos en una proporción que solo tu etiquetado puede estimar.
• Dar por hecho que los límites del panel rigen para el conector. El único caso publicado de un ajuste de interfaz que no se heredó es el de Rich Voller sobre Screaming Frog (26 de mayo de 2026), y es sobre un rastreador, no sobre WordPress. Arreglo: escribe un borrador de prueba y comprueba autor y estado. No supongas en ningún sentido: compruébalo en tu instalación.
• Un guardián que rechaza y sale con código 0. Es el fallo más caro porque parece funcionar. Arreglo: verifica el código de salida del rechazo antes de encadenar la revisión a nada automático; un mensaje impreso no basta.
• Tratar un anuncio de producto como una medición. Que el MCP de Rank Math documente que escribe metadatos no dice nada sobre con qué frecuencia escribe lo que no querías, y esa cifra no está publicada en ninguna fuente de esta lección. Arreglo: lleva tu recuento de escrituras revisadas y corregidas, y trátalo como una muestra pequeña y tuya. Y no empieces por la escritura: conecta primero una fuente de lectura.

Resumen

• Lectura y escritura son decisiones distintas: una lectura equivocada da un número contrastable; una escritura equivocada deja una URL que Google ya ha rastreado.
• Claude clonó una página de inicio en dos URLs cambiando únicamente las etiquetas de título: cero impresiones y cero clics en las dos, y la duplicación se repitió en un segundo sitio (Search Engine Land, Will Scott, 28 de agosto de 2026). Son dos casos de un autor, sin tamaño de muestra.
• Ese fallo no se detecta leyendo cada página por separado: el sujeto de la revisión es el lote completo.
• Rank Math publicó un MCP oficial el 27 de julio de 2026, actualizado el 16 de septiembre de 2026: OAuth, auditorías, lectura y escritura de metadatos y datos estructurados, y datos de Search Console, con parte de las funciones en PRO.
• Ninguna fuente citada aquí publica una tasa de error ni un tamaño de muestra para la escritura automática de metadatos en un CMS.
• El único caso publicado de un ajuste de interfaz que no se hereda al conducir la herramienta por MCP es de un rastreador: 1 URL por segundo configurado, 500 URLs en 20 segundos (Rich Voller, 26 de mayo de 2026). No se traslada a WordPress: convierte la suposición en algo que comprobar.
• Un guardián de escritura que rechaza y sale con código 0 informa de éxito a quien lo llame: el rechazo sale con 1.
• No hay umbral publicado de páginas por día ni de cuota de corpus; sí está documentado que Google usa señales de sitio completo además de las de página (guía de sistemas de clasificación, versión registrada el 19 de noviembre de 2024).

Preguntas frecuentes

¿Es seguro dar a Claude acceso de escritura a mi WordPress?

No hay respuesta general, porque ninguna fuente de esta lección publica una tasa de error de la escritura automática en un CMS. Lo que sí se puede hacer es reducir el alcance hasta que el peor resultado sea reversible: escritura en borrador y no en publicado, metadatos antes que contenido, un lote pequeño antes que uno grande, y una revisión del plan que salga con código 1 cuando encuentre algo.

¿Qué diferencia hay entre el MCP de Rank Math y conectar Claude a Search Console?

El MCP de Rank Math escribe en tu sitio: metadatos y datos estructurados, según su anuncio del 27 de julio de 2026. Un conector de Search Console lee rendimiento y no cambia nada; además, para Search Console no hay conector oficial, y Passionfruit lo clasificaba como comunidad o autoalojado el 28 de marzo de 2026. Dos permisos de tamaño distinto, que conviene conceder en momentos distintos.

¿Sirve esta revisión si Claude ya escribió en mi sitio?

Sirve con una adaptación: exporta las páginas que el agente creó y pásalas como si fueran el plan. Las comprobaciones de cuerpo duplicado y de clon con título distinto funcionan igual sobre páginas publicadas y dan la lista de candidatas a fusión o redirección. Lo que no dice es qué impacto tuvo el problema mientras estuvo vivo; eso se mira en tus datos.

¿Esta lección trata de cómo hacer que Claude me cite?

No. Este nivel trata de usar los modelos como herramienta; aparecer citado en las respuestas de Claude depende de su vía de recuperación y se explica en la lección sobre la dependencia de Brave. Qué hacen los rastreadores de Anthropic en tu sitio es otra pregunta y está en la lección sobre los tres bots de Claude y tu robots.txt.

Fuentes

• Search Engine Land, Will Scott, 28 de agosto de 2026 — la página de inicio clonada en /seo-grader y /content-grader, cero impresiones y cero clics, inicio en posición 9 o peor, y una repetición en un segundo sitio (ScryPrice). No se pudo verificar en vivo el 26 de septiembre de 2026; se cita por publicación, autor y fecha.
• Rank Math, Bhanu Ahluwalia, «Rank Math MCP: AI-Powered SEO Automation for WordPress» — 27 de julio de 2026, actualizado el 16 de septiembre de 2026.
• Rich Voller, guía de agencia sobre el MCP de Screaming Frog v24 — 26 de mayo de 2026, actualizado el 12 de junio de 2026. Relato técnico, sin tamaño de muestra.
• ContextBolt, David, «Claude SEO Experiment: A Week of Running My Real SEO» — 23 de junio de 2026. Una persona, una semana, sin muestra.
• Keyword.com, «State of AI in SEO 2026» — 1 de enero de 2026, n=97 respuestas útiles.
• Semrush, documentación del MCP de Semrush — actualizada el 5 de agosto de 2026.
• Anthropic, ficha del conector de Ahrefs — metadato «Added January 2026»; 61 herramientas según la comprobación del 20 de septiembre de 2026.
• Dewang Mishra, Passionfruit, «MCP Connectors for Marketing» — 28 de marzo de 2026.
• Google Search Central, políticas de spam — actualizadas el 28 de agosto de 2026; definen el abuso de contenido a escala por propósito, sin umbral de volumen. No verificado en vivo el 26 de septiembre de 2026.
• Google, guía de los sistemas de clasificación de la Búsqueda — versión registrada el 19 de noviembre de 2024; señales de página y clasificadores de sitio completo, sin carácter determinista. No verificado en vivo el 26 de septiembre de 2026.
• Ahrefs, cuasiexperimento sobre datos estructurados — 1.885 páginas que añadieron JSON-LD entre agosto de 2025 y marzo de 2026 frente a 4.000 controles; −4,6% en AI Overviews (significativo), +2,4% en AI Mode y +2,2% en ChatGPT (no significativos); solo páginas que ya recibían citas. No verificado en vivo el 26 de septiembre de 2026.
• Niko Alho, 20 de mayo de 2026 — banda de coseno 0,78–0,85 para enlazado interno automático; citado para decir que no se traslada a la detección de duplicados. No verificado en vivo el 26 de septiembre de 2026.

Sigue el curso

Esta es la lección 7 del nivel SEO con IA: la IA como herramienta de trabajo, dentro del curso de SEO gratuito de doctor-seo.net. La anterior, sobre el servidor MCP de Screaming Frog, está próximamente; la siguiente es Los tres bots de Claude y tu robots.txt. Si te faltan los cimientos, empieza por qué es el SEO en 2026 y cómo funciona Google: una escritura mal revisada se paga en rastreo (crawling) e indexación.