local-seo-pattern-aggregator

name

local-seo-pattern-aggregator

description

Toma los outputs de local-pack-multi-city, gbp-deep-profile y web-pattern-extractor y detecta qué tienen en común los negocios que dominan el Local Pack frente al resto. Devuelve un "patrón ganador" con hipótesis priorizadas. Úsala SIEMPRE que el usuario pida "qué patrones detectas en el top 3", "qué tienen en común los que rankean", "qué premia Google en este nicho", "agrupa los datos y dime patrones" o tras correr las 3 skills anteriores. Es la skill que convierte datos brutos en hipótesis accionables.

📚 Itinerario YinyangSEO Academy · Clase 1 — Webs agénticas y SEO eficiente. Esta skill forma parte del repo de la Clase 1. Clona o descarga el repo entero y dáselo a tu agente como contexto antes de ejecutarla. El repo se actualiza durante el curso.

Local SEO · Pattern Aggregator

Es la pieza clave del flujo. Cierra el ciclo de investigación: combina señales de Local Pack + GBP + Web y detecta qué hace ganar en este vertical/ciudad.

Inputs

• data/local-pack/{kw}/{date}/consolidated.json ← de local-pack-multi-city
• data/gbp-profiles/_matrix.csv ← de gbp-deep-profile
• data/web-patterns/{kw}/{date}/matrix.csv ← de web-pattern-extractor
• Umbral de "top" · qué consideramos top (default: aparición en pack en ≥ 60 % de las ciudades capturadas).

Proceso

1. Joinear los tres datasets por place_id (Local Pack ↔ GBP) y por domain (GBP web ↔ Web Patterns).
2. Segmentar:
   • Grupo A · Ganadores: negocios que aparecen en pack en ≥ X ciudades.
   • Grupo B · Resto: los demás detectados.
3. Sobre-representación de features (Grupo A vs B):
   • Test estadístico simple (chi-cuadrado / diferencia de proporciones) para cada feature booleana.
   • Para numéricas: medianas y percentiles.
4. Detectar patrones consistentes:
   • GBP: ¿categoría primaria concreta? ¿N atributos mínimos? ¿reviews/mes? ¿posts recientes?
   • Web: ¿LocalBusiness schema completo? ¿FAQ con N preguntas? ¿hero con CTA telefónico? ¿<h1> con keyword + ciudad? ¿servicios listados ≥ N? ¿LCP < 2.5s?
   • Cruce: ¿hay correlación entre total_reviews y pack_appearances?
5. Priorizar por impacto + facilidad:
   • Impacto: diferencia de proporción × tamaño del Grupo A.
   • Facilidad: ¿es algo replicable en una landing nueva? (las reviews no, el schema sí).
6. Generar hipótesis ranqueadas.

Herramientas

• Python con pandas + scipy.stats (en sandbox).
• LLM para etiquetar "categoría de hipótesis" y redactar la hipótesis en lenguaje claro.
• Opcional: data:statistical-analysis skill para tests de significación.

Salida

data/patterns/{kw}/{date}/
├── group-A-winners.csv          ← negocios ganadores
├── group-B-rest.csv
├── feature-comparison.csv       ← cada feature, % en A, % en B, diff, p-value
├── hypotheses.md                ← hipótesis priorizadas en lenguaje natural
└── summary-card.md              ← resumen ejecutivo de 1 página

hypotheses.md ejemplo:

## Hipótesis priorizadas — cerrajero 24h × 5 ciudades

1. [HIGH · easy] El 90 % del top 3 tiene LocalBusiness schema con `openingHoursSpecification`
   completo (24/7). Solo el 35 % del resto. → ACCIONABLE en blueprint.
2. [HIGH · medium] El 80 % del top 3 lista ≥ 8 servicios estructurados. El resto: 3.
3. [MEDIUM · hard] El top 3 tiene rating ≥ 4.7 con > 200 reviews. → no replicable a corto.
4. [MEDIUM · easy] El 70 % del top 3 tiene FAQ on-page con `FAQPage` schema y ≥ 6 preguntas.
5. ...

Calidad / QA

• Si len(Grupo A) < 5 → muestra demasiado pequeña, advertir al usuario.
• Marcar features con p-value > 0.1 como "no significativas".
• Excluir features con coverage < 50 % (no extraídas en suficientes negocios).
• Pedir confirmación al usuario antes de pasar a web-blueprint-generator — el blueprint depende de las hipótesis HIGH.

Para qué se usa después

→ Las hipótesis HIGH + easy alimentan directamente web-blueprint-generator, que las traduce a estructura de URLs, schema y secciones.