Palabras Clave LSI: el mito y lo que sí funciona

Si llegaste hasta aquí buscando qué palabras clave LSI meter en tu artículo, vale la pena decirlo de entrada: esa lista no existe. El término describe mal una técnica que los buscadores actuales no usan tal cual, y perseguirla como si fuera un checklist te hace escribir peor, no mejor. Lo que sí existe, y es real, es un método concreto para encontrar las palabras y los conceptos que a tu contenido le faltan — solo que no se llama "LSI" y no lo escupe ninguna herramienta mágica.

Aquí vas a ver de dónde salió el término, qué hacía en realidad la técnica original, por qué el SEO la adoptó mal, qué hace un buscador moderno para entender un texto, y — lo que probablemente viniste a buscar — cómo identificar en la práctica el vocabulario que le da profundidad real a un artículo.

Qué era realmente el Latent Semantic Indexing

El Latent Semantic Indexing (o Latent Semantic Analysis, LSA, su nombre más técnico) es una técnica real de recuperación de información que surgió a finales de los años ochenta, en trabajos de investigación sobre cómo mejorar la búsqueda documental. No nació para el SEO ni para la web: nació para resolver un problema muy concreto de los sistemas de búsqueda de la época — bibliotecas digitales, bases de patentes, colecciones de artículos científicos — donde dos personas podían usar palabras distintas para referirse a lo mismo, y un buscador de texto literal fallaba porque comparaba cadenas de caracteres, no significados.

Técnicamente, LSI aplica una descomposición matemática (descomposición en valores singulares) sobre una matriz de términos y documentos. El resultado es un espacio donde los términos que tienden a aparecer en los mismos documentos quedan "cerca" unos de otros, aunque nunca compartan una frase textual. Es una forma de capturar relaciones de sinonimia y de tema sin que nadie las etiquete a mano.

Escalar esta técnica a un índice del tamaño de la web actual sería costosísimo: implicaría recalcular una matriz gigantesca cada vez que se añade contenido nuevo, algo que ya resultaba pesado para colecciones muchísimo más pequeñas y acotadas. La técnica es real y sigue enseñándose en cursos de recuperación de información, pero se diseñó para un problema distinto al de ordenar una web abierta y en constante cambio.

Tres rasgos de la técnica original importan para entender por qué el mito no encaja con la web actual:

• Se calculaba sobre una colección cerrada y fija de documentos, no sobre un índice que crece y cambia constantemente.
• Servía para mejorar la recuperación dentro de esa colección puntual, no para ordenar páginas al estilo de un ranking de buscador.
• No consideraba enlaces, autoridad de dominio, comportamiento de usuario ni ninguna de las señales que hoy asociamos al posicionamiento web.

Cómo el término se convirtió en folclore SEO

A mediados de la década de 2000, cuando el SEO empezaba a profesionalizarse como disciplina, se popularizó la idea de que los buscadores usaban LSI para entender el contexto de una página, y que por lo tanto existían "palabras LSI" que reforzaban la relevancia de una palabra clave principal. La idea tenía una lógica intuitiva atractiva: si escribes sobre "jaguar" y también aparecen "felino", "selva" y "presa", el lector entiende que hablas del animal y no del auto. Pero de ahí a afirmar que un buscador ejecuta literalmente esa técnica académica de los años ochenta hay un salto que nunca se sostuvo con evidencia técnica.

Representantes de Google han declarado públicamente, en distintas ocasiones, que "palabras clave LSI" no es un concepto que la empresa use ni reconozca en sus sistemas de búsqueda. Aun así, el término ya se había instalado en el vocabulario del SEO en español y en inglés, y con él llegó un negocio entero alrededor: decenas de herramientas que prometían generar "listas de palabras clave LSI" para cualquier tema, cuando en realidad hacían algo mucho más simple —extraer términos relacionados por co-ocurrencia estadística o por sinónimos de un tesauro— y les ponían una etiqueta con más prestigio técnico del que merecían.

El daño no es solo terminológico. Cuando alguien cree que existe una lista fija de palabras que "hay que meter", termina redactando para una casilla de verificación en lugar de para un lector real. El resultado suele ser un texto donde aparecen términos como "búsqueda semántica", "algoritmo" o "resultados orgánicos" uno detrás de otro, no porque el argumento los necesite para explicarse, sino porque una herramienta los sugirió en una lista.

Qué hacen realmente los buscadores hoy

Los sistemas de búsqueda modernos no comparan tu texto contra una lista de sinónimos guardada en algún sitio. Trabajan con procesamiento de lenguaje natural para interpretar la consulta: qué está pidiendo realmente la persona, qué entidades —personas, lugares, marcas, conceptos— están involucradas, y qué tipo de respuesta espera, ya sea una definición, una comparación, una guía paso a paso o directamente un producto. Sobre esa interpretación evalúan si una página cubre el tema con la profundidad y la precisión que esa intención de búsqueda requiere.

Aquí está el punto exacto que la mitología del "LSI" invierte: en un artículo que de verdad cubre bien un tema aparecen ciertos términos y conceptos relacionados porque el tema los exige, no al revés. Si escribes sobre el reemplazo de la batería de un coche eléctrico, vas a mencionar voltaje, ciclos de carga, garantía del fabricante y coste de reemplazo, no porque una herramienta te lo sugiera, sino porque no puedes explicar el tema sin tocar esos puntos. Ese vocabulario es el subproducto natural de saber de qué hablas, no un ingrediente que se añade después de escribir.

Dicho de otra forma: cubrir un tema en profundidad genera el vocabulario correcto; insertar el vocabulario correcto no genera, por sí solo, cobertura en profundidad. Es una relación de una sola dirección, y confundir el sentido de esa flecha es exactamente el error que sostuvo al mito de las "palabras LSI" durante tantos años.

Un ejemplo ayuda a ver la diferencia con claridad. Dos artículos sobre cómo cuidar un bonsái pueden usar exactamente el mismo vocabulario de superficie —riego, poda, sustrato, luz—, pero solo uno de ellos explica cuánta agua exactamente, con qué frecuencia según la especie, y qué señales indican que el sustrato ya no sirve. Ningún buscador premia el vocabulario compartido en sí mismo; premia al artículo que resuelve la duda real con precisión, y ese artículo, casi por definición, es también el que usa el vocabulario del tema con más propiedad.

El método real: qué palabras poner y dónde encontrarlas

Esto es lo que sí puedes hacer, sin ninguna herramienta que prometa magia semántica de por medio. El objetivo no es acumular una lista de palabras sueltas, sino identificar qué subtemas, preguntas y matices espera encontrar alguien que busca tu palabra clave, y para eso la fuente más confiable son los resultados que ya están posicionados.

Este proceso no te entrega una lista para copiar y pegar. Te entrega un mapa de lo que el tema realmente contiene, y ese mapa es lo que conviertes en secciones, subtítulos y ejemplos concretos dentro de tu artículo. Las palabras "correctas" aparecen solas cuando escribes sobre esos subtemas con conocimiento real del asunto.

Un ejemplo rápido de cómo se aplica: si tu palabra clave fuera "cómo migrar un dominio sin perder posiciones", al leer los primeros resultados notarías que casi todos mencionan los registros DNS, el tiempo de propagación, las redirecciones 301 y la Search Console; en las búsquedas relacionadas aparecería algo como "checklist de migración" o "cambio de dominio y caída de tráfico"; y entre las preguntas frecuentes probablemente encontrarías una sobre cuánto tarda un buscador en re-indexar el dominio nuevo. Ese es el mapa real del tema, construido en pocos minutos y sin ninguna herramienta de "palabras LSI" de por medio.

• Lee con atención las páginas que ya ocupan los primeros puestos para tu palabra clave. No las escanees por encima: anota qué subtemas tocan que tú no habías considerado, qué preguntas responden y qué términos técnicos usan con naturalidad. Si varios de los primeros diez resultados mencionan un mismo aspecto del tema, es una señal fuerte de que forma parte de lo que se considera relevante para esa búsqueda.
• Revisa las búsquedas relacionadas que aparecen al final de la página de resultados. Son consultas reales que otras personas hicieron antes, durante o después de la tuya, y suelen apuntar a subtemas o ángulos que tu artículo debería al menos mencionar.
• Abre la caja de preguntas del tipo "la gente también pregunta". Cada pregunta que aparece ahí es, literalmente, una duda real de algún usuario relacionada con tu tema; varias de ellas funcionan como subtítulos gratuitos para tu artículo.
• Escribe tu palabra clave en el buscador y observa las sugerencias de autocompletado, incluyendo lo que aparece al añadir una letra adicional al final. Suele revelar variantes de intención que no siempre son obvias desde el escritorio del redactor.
• Piensa en las entidades que el tema involucra de verdad: personas, herramientas, lugares, normativas, marcas, fechas relevantes. Un artículo sobre un destino turístico que no menciona sus barrios o sus lugares más conocidos se nota incompleto aunque use un vocabulario aparentemente correcto; lo mismo ocurre con cualquier tema técnico si se omiten sus piezas reales.

El error de convertir el método en una lista para rellenar

Es tentador tomar el proceso anterior y convertirlo en exactamente el mismo error que cometía el mito del "LSI": armar una lista de veinte términos sacados de los resultados que rankean y repartirlos por el texto como si fueran ingredientes de una receta. Esa versión no funciona mejor que la de la herramienta mágica, porque el problema nunca estuvo en el origen de las palabras, sino en tratar el vocabulario como un fin en sí mismo en lugar de como el resultado natural de explicar algo bien.

La diferencia está en el orden de las operaciones. Si primero investigas qué subtemas cubre el tema y después escribes explicando cada uno con criterio propio, el vocabulario relevante aparece de forma natural, en el lugar correcto y con el contexto adecuado. Si en cambio primero haces una lista de palabras y después intentas encajarlas en frases, el resultado se lee forzado, y eso suele notarse tanto para un lector humano como para cualquier sistema que evalúe si el contenido responde de verdad a la búsqueda.

Cómo comprobar que tu artículo ya cubre lo necesario

Antes de publicar, vuelve a la investigación que hiciste y compárala contra tu borrador, no palabra por palabra, sino subtema por subtema. ¿Respondiste las preguntas que aparecían en la caja de "la gente también pregunta"? ¿Tocaste los ángulos que compartían varias de las páginas mejor posicionadas? ¿Mencionaste las entidades reales del tema y no solo su nombre genérico?

Ese ejercicio de comparar cobertura de subtemas, y no vocabulario suelto, es en esencia lo que la mitología de las "palabras clave LSI" prometía sin llegar a cumplir. La técnica académica real no tuvo nunca nada que ver con esto; el método descrito aquí sí lo tiene.

• Si un competidor bien posicionado cubre un subtema que tu borrador ignora por completo, esa es una señal más útil que cualquier cálculo de densidad de palabras clave.
• Si tu artículo usa terminología técnica del tema sin explicarla con tus propias palabras, es probable que la hayas copiado de otra fuente sin entenderla del todo, y eso suele notarse en la lectura.
• Relee el artículo pensando solo en el lector, sin mirar ninguna lista de términos: si tú, como persona que entiende el tema, no le cambiarías nada, vas por buen camino.