Cómo obtener intención de búsqueda de palabras clave con IA

Este contenido se genera a partir de la locución del audio por lo que puede contener errores.

(00:00) Muy buenas a todas y a todos. Hoy desde iSocialWeb, queremos compartir un Script de Python   que os va a permitir, a partir de un listado de  keywords, clasificar y obtener su intención de   búsqueda y la etapa del usuario en la que  se encuentra dentro del funnel. Para ello,   aquí tenéis un ejemplo.
(00:22) Podéis ver que tenemos tres columnas: en la primera, tenemos el listado de   keywords, por ejemplo: creatina, creatina grow, mesa  de sinuca. Y a continuación, tenemos su intención   que puede ser informacional, transaccional, etcétera  y la etapa del funnel en la que se encuentran, por ejemplo: descubrimiento, conversión… Entonces,  para realizar esto vamos a utilizar Google Colab.
(00:38) Goole Colab es una herramienta de Google que  nos permite ejecutar código en la nube.   En este caso, código Python, que es un lenguaje  de programación muy sencillo y es básicamente   el estándar dentro del sector para este tipo de  tareas. Por lo que si sois novatos, vais a aprender   algo ya que es muy fácil de utilizar porque  vais a ver que solo es incluir unos datos Y   está todo programado.
(01:04) Y si sois más usuarios más  avanzados, puedes modificarlo a vuestro gusto   Este es un Script generado por Álvaro Peña.  Podéis modificarlo, mejorarlo, compartirlo,   y lo tenéis todo comentado. Lo que veis aquí  en verde son comentarios y van precedidos de   una almohadilla. Esto no es código, simplemente,  es para que lo leáis y para que lo comprendáis.   Como podéis ver, está todo bien detallado.
(01:20)   Si aún así, tenéis dudas podéis contactar   por Twitter o en los propios comentarios de  este vídeo e intentaremos verlas y resolverlas.   Vale, ¿que vais a necesitar para trabajar con esto?  Vais a necesitar una clave de OpenAI y ya que,   vamos a utilizar GPT-3 para hacer la clasificación  y vais a necesitar un listado de keywords.    Aquí tenéis un ejemplo, simplemente necesitáis un  archivo .csv llamado keywords. Esto es importante.
(01:41) El archivo se tiene que llamar keywords.csv, porque luego, es lo que vamos a llamar dentro del   código. Podéis cambiarlo, modificarlo y darle otro  nombre pero tendríais que modificar el código. Aquí tenéis el ejemplo en la línea 14. Aseguraros que  esto es correcto o si no os va a dar errores.   Y luego, dentro del documento keywords.
(02:02) csv, que la  primera fila solo va a tener una columna, que va a ser vuestra lista de keyword. La primera  fila tiene que ser el encabezado, tiene que ser   el header, que se va a llamar keywords. Mismo caso,  tiene que ser este nombre, ya que más abajo vamos   a buscar el campo keyword dentro del .csv.
(02:17) Por lo  que, aseguraros de que coinciden, no os vaya a dar   errores. La mayoría de los errores básicos en este  tipo de Script, son por fallos al nombrar cosas, son fallos tipográficos. Así que no os rompáis la cabeza  y aseguraros de que todo está correcto. Debajo del encabezado keywords, simplemente incluir  todo vuestro listado de keywords. Aquí puedes   hacer un Export de vuestra herramienta  favorita o podéis ir añadiendo las manualmente.
(02:38) A continuación, os voy a explicar el código,  paso a paso. Para los más veteranos, esto  simplemente ejecuta, lee vuestro. csv y va a  ejecutar un prompt optimizado para clasificar   las palabras clave y luego va a hacer una serie  de limpiezas para daros el formato correcto.   Y ahora, para los más novatos, voy a ir explicando,  paso a paso, lo que hace.
(03:00) Todo Colab ejecuta todos   los comandos por celdas. Si veis estos elementos de texto están separados de estos de aquí abajo Todas ellas tienen, arriba en la  esquina superior izquierda, un play en el que   ejecutamos el código y veis que las filas están  numeradas. El código se ejecuta de arriba a abajo.   En esta primera celda, daríamos al Play y aquí,  siempre que accedéis un Colab que no hayáis   creado vosotros, os va a informar de que esto  no ha sido creado por Google.
(03:26) En este caso, ha   sido creado por iSocialWeb y os puede permitir  ejecutarlo, o podéis cancelar y copiarlo a vuestro   Google Drive. Podéis ejercerlo desde este botón,  o yendo a Archivo y guardando en Google Drive.   Esto os permitirá tener vuestro propio Colab y  guardar los cambios que se ejecuten. Aquí lo podéis   ejecutar sin problemas, pero si realizáis algún  cambio, no se guardarán. Por lo que tenlo presente.
(03:49) Una vez ejecutéis la primera celda y está listo,  las dependencias, podéis ir a la segunda celda.   Aquí lo que vamos a hacer es importar el archivo, una librería que nos permite subir archivos y   subir nuestro archivo. Aquí es donde tenéis que  seleccionar archivo keyword.csv que habéis creado.  A continuación, importaremos una serie de librerías,  que también nos permitirán ejecutar el código de continuación,   y luego leeremos nuestro csv a un  Data Frame. Un Data Frame es un tipo de archivo,
(04:22) dentro de un tipo de variable, dentro de Python,  que nos permite utilizar la librería Panda. Esto lo veréis muy habitualmente, ya tenéis que estar  acostumbrados y nos permite manipular .csv y datos   estructurados de forma más cómoda.
(04:39) A continuación,  y este es el único punto que tendréis que cambiar,   tendréis que introducir vuestra API de  OpenAI. Esto es privado no lo compartáis,   y es lo que os permite gastar créditos  dentro de vuestra API y generar contenidos.   A continuación, haremos unas tareas de gestión  y estructuración para que nuestro código   corra perfectamente. Vamos a hacer un contador de  keywords y un índice.
(05:00) Esto nos va a permitir mandar   las peticiones en lotes. En vez de hacer, si  tenemos 100 keywords, hacer 100 peticiones a OpenAI,   hacer un bloque de 100 de 100 keywords, en una  misma petición y ahorrar un montón de créditos.   A continuación, contamos el número de keywords para  no pasarnos en la iteración de las mismas y   vamos a crear tres listas.
(05:22) La primera lista es  de las keywords que tenemos, la segunda es la intención   de búsqueda de las mismas y la tercera es la  fase del funnel o etapa en la que se encuentran.   A continuación vamos, desde las líneas 35 hasta  casi el final, hasta el 75 vamos a iterar por todas   nuestras keywords haciendo lotes y buscando su  intención. Para ello vamos a crear un lote hasta   100 keywords, vamos a separar cada keyword por  este separador.
(05:47) Esto es muy habitual, cuando veáis prompts de OpenAI. Esto os va a permitir un salto de línea y lo que va a permitir   es diferenciar una keywords de las distintas keywords. A continuación tenéis el prompt que   vamos a mandar a OpenAi. Esto es la clave de todo  y aquí os lo he copiado a un documento   para verlo entero, ya que es algo largo.
(06:11) Entonces, vamos a hacer GPT-3, vamos a pedirle para el siguiente listado   de palabras y aquí pegaremos nuestro listado de  palabras. Veis que dejamos dos espacios de saltos   de línea, para diferenciar claramente el listado  y aquí incluiremos nuestro lote de palabras clave   separadas todas por un salto de línea, otros dos  saltos de línea para separar bien el listado   y vamos a decir que nos devuelva para  cada una de las keywords la intención de búsqueda:  informacional, transaccional  o navegacional, y la etapa del embudo de   conversión: descubrimiento, consideración  o conversión. Habrá una palabra por línea
(06:38) con el formato keyword, intención, etapa.  Separados, todos ellos, por una barra vertical   Si volvemos a nuestro código, vemos que  seleccionamos DaVinci 003, aumentamos el   número de tokens a 1500, ya que el listado puede  ser grande y mantenemos una temperatura de 0.7.   Con estos valores, puedes jugar sobre todo con la  temperatura. 0,7 funciona bastante bien.
(07:01) Y al igual que jugar con estos valores podéis jugar con el  prompt. Aún así, el formato no lo cambiaría, ya   que tendréis que modificar el código. Es decir,  este formato, luego es lo que vamos a utilizar   para generar nuestro prompt categorizado, por lo  que no lo cambiéis.
(07:19) Podéis intentar modificar el   número de intenciones de búsqueda o las fases de  conversión, pero en este caso, yo no tocaría mucho,   si no sabemos muy bien lo que hacemos. Si controláis  del tema, sin problema. Esto está, para experimentar.   Una vez hagáis el prompt, vamos a ejecutar el prompt   y luego vamos a formatearlo.
(07:42) Esto, básicamente,  separa las palabras clave de los distintos   elementos que hemos pedido. La keyword y etapa, a partir de su barra vertical,   y la subcadena las vamos a ir limpiando. Y vamos  añadiendo a nuestro listado, el comando append,   lo que hace es: añade al final de la lista, las  que hemos ido pillando. Es decir, tenemos nuestra   lista de keywords, de intención y de etapa que  hemos creado aquí arriba que están vacías.
(08:05) Poco a poco iremos añadiéndolas, de uno en uno,  cada una de las intenciones, keywords y etapas.   Aquí vamos a ir tirando el bloque, vamos a decir  que pille las 100 siguientes y finalmente, vamos   a crear otro Data Frame con todos estos datos. Y  aquí tendríamos la tabla final. Una vez tengáis   hecho esto, podéis descargarlo, pasarlo a  .csv y guardarlo como queráis.
(08:27) Así que, con todo esto, tendríais una clasificación  completa simplemente con dos clics.  Lo que tarda en instalar las dependencias, lo  que tardáis en meter vuestra API de OpenAI   y lo que es darle a clic a este segundo  código. Esto se ejecuta bastante rápido.   Muchas gracias por vuestra atención y  cualquier duda, estamos por aquí. un saludo.