Auditoría

Compara la entidad de tu negocio entre el sitio, el schema, el Perfil de Empresa y los directorios, y enumera cada discrepancia

Compara el nombre, la dirección, el teléfono, los perfiles sociales y los enlaces de identidad de tu negocio entre el texto visible del sitio, el grafo @id de JSON-LD, Google Business Profile, los directorios locales y Wikidata. Entrega un plan de correcciones y un borrador de JSON-LD con solo datos verificables para que los sistemas de IA te reconozcan correctamente, y no cambia nada.

Cuándo usarlo

Cuando los sistemas de IA o los buscadores puedan confundir o describir mal tu negocio porque el nombre, la dirección, el teléfono o la web difieren entre tu sitio, el schema, el Perfil de Empresa y los directorios.

Qué obtienes

Una tabla comparativa de todas las discrepancias, un plan de correcciones priorizado con valores antiguos y nuevos y un borrador JSON-LD solo con datos verificados y un grafo @id enlazado, sin cambiar nada.

¿Cambia algo en mi cuenta?

No. El asistente solo lee tus datos y te informa.

Funciona con

SEO Intelligence, Business Profile

Completa antes de enviar

[business name][site URL][location name or domain, or "none"][profile URLs][city][NEEDS CONFIRMATION]

Audita si la información de entidad de mi negocio [business name] es coherente en toda la web. Mi sitio: [site URL]. Mi ubicación de Google Business Profile: [location name or domain, or "none"]. Mis perfiles sociales oficiales: [profile URLs]. Ciudad: [city]. Este es un trabajo de solo lectura y de planificación, no cambies nada. Los sistemas de IA reconocen un negocio comparando los mismos datos entre distintas fuentes. Si el nombre, la dirección, el teléfono o el sitio web difieren entre fuentes, un sistema puede tratarlos como dos negocios o repetir un dato incorrecto. Por eso, compara cada dato carácter por carácter. 1. Datos visibles en el sitio. Lee la página de inicio, la de contacto y la de «Acerca de» con site_read_url y text=true (si truncated es true, vuelve a leer con max_bytes=1000000). Extrae, página por página, el nombre comercial, la dirección, el teléfono, el correo electrónico y el horario visibles. Indica por separado si alguno de estos datos no es visible sin JavaScript. 2. Schema del sitio. Lee las mismas tres páginas y las dos páginas de servicio más importantes con site_read_url y max_bytes=1000000, y extrae los bloques `application/ld+json` del cuerpo. Para cada bloque, enumera type, @id, name, url, logo, telephone, address, sameAs y parentOrganization. Comprueba lo siguiente: si el nodo Organization o LocalBusiness aparece con el mismo @id en todas las páginas (si no hay ningún @id, los nodos no se pueden vincular); si el mismo negocio aparece escrito con nombres distintos en páginas distintas; si el teléfono y la dirección del schema coinciden con el texto visible; si cada URL de sameAs devuelve 200 con site_read_url y max_bytes=0. 3. Perfil de Empresa. Si tengo una ubicación, lee el nombre, la dirección, el teléfono, el sitio web, las categorías y el horario con gbp_location_details. Anota si el campo de sitio web apunta a la página de inicio o a la página de la sucursal correspondiente. 4. Directorios locales. Consulta seo_history para ver si hay una ejecución anterior con estos argumentos. Si no la hay, ejecuta seo_local_listings con brand=[business name] y city=[city]. La herramienta gasta créditos por directorio, así que dime cuántos directorios se consultarán antes de usar el conjunto predeterminado. Toma el número de registros por directorio, cualquier registro marcado como cerrado y los duplicados. Si un directorio devolvió un error, escribe «no se pudo medir», no «sin ficha». 5. Wikidata. Lee https://www.wikidata.org/w/api.php?action=wbsearchentities&search=[business name]&language=en&format=json con site_read_url. Si existe un elemento, comprueba si su sitio web oficial coincide con el mío. Si no existe, dilo, pero no sugieras crearlo para un negocio pequeño, porque Wikidata tiene reglas de relevancia. Da formato a la salida así. Primero, un resumen de tres frases. Después, una tabla comparativa: dato (nombre, dirección, teléfono, sitio web, horario, perfiles sociales), texto visible del sitio, schema del sitio, Perfil de Empresa, directorios, estado (coherente, distinto, ausente). Luego, una tabla de schema: página, type, @id, problema. Después, un plan de correcciones ordenado por importancia: para cada elemento, dónde se cambia, el valor anterior, el valor nuevo y quién lo hace. Al final, escribe un borrador de JSON-LD con un único grafo @id para usar en todo el sitio: Organization o el subtipo de LocalBusiness adecuado con el id `[site URL]/#org` o `/#business`, WebSite con `/#website` y un enlace publisher, y sameAs con solo perfiles oficiales que devuelvan 200. Usa solo datos que estén en el sitio o que yo te haya dado. Si el horario, las coordenadas, las valoraciones o la fecha de fundación no están disponibles, omite el campo por completo, y marca con [NEEDS CONFIRMATION] cada campo del que no estés seguro. Aplicar este borrador es un trabajo aparte, así que no toques ningún archivo ni perfil ahora.

Los sistemas de IA reconocen un negocio comparando los mismos datos entre distintas fuentes. Si el nombre, la dirección, el teléfono o el sitio web difieren entre fuentes, un sistema puede tratarlos como dos negocios o repetir un dato incorrecto. Por eso, compara cada dato carácter por carácter.

1. Datos visibles en el sitio. Lee la página de inicio, la de contacto y la de «Acerca de» con site_read_url y text=true (si truncated es true, vuelve a leer con max_bytes=1000000). Extrae, página por página, el nombre comercial, la dirección, el teléfono, el correo electrónico y el horario visibles. Indica por separado si alguno de estos datos no es visible sin JavaScript.
2. Schema del sitio. Lee las mismas tres páginas y las dos páginas de servicio más importantes con site_read_url y max_bytes=1000000, y extrae los bloques `application/ld+json` del cuerpo. Para cada bloque, enumera type, @id, name, url, logo, telephone, address, sameAs y parentOrganization. Comprueba lo siguiente: si el nodo Organization o LocalBusiness aparece con el mismo @id en todas las páginas (si no hay ningún @id, los nodos no se pueden vincular); si el mismo negocio aparece escrito con nombres distintos en páginas distintas; si el teléfono y la dirección del schema coinciden con el texto visible; si cada URL de sameAs devuelve 200 con site_read_url y max_bytes=0.
3. Perfil de Empresa. Si tengo una ubicación, lee el nombre, la dirección, el teléfono, el sitio web, las categorías y el horario con gbp_location_details. Anota si el campo de sitio web apunta a la página de inicio o a la página de la sucursal correspondiente.
4. Directorios locales. Consulta seo_history para ver si hay una ejecución anterior con estos argumentos. Si no la hay, ejecuta seo_local_listings con brand=[business name] y city=[city]. La herramienta gasta créditos por directorio, así que dime cuántos directorios se consultarán antes de usar el conjunto predeterminado. Toma el número de registros por directorio, cualquier registro marcado como cerrado y los duplicados. Si un directorio devolvió un error, escribe «no se pudo medir», no «sin ficha».
5. Wikidata. Lee https://www.wikidata.org/w/api.php?action=wbsearchentities&search=[business name]&language=en&format=json con site_read_url. Si existe un elemento, comprueba si su sitio web oficial coincide con el mío. Si no existe, dilo, pero no sugieras crearlo para un negocio pequeño, porque Wikidata tiene reglas de relevancia.

Da formato a la salida así. Primero, un resumen de tres frases. Después, una tabla comparativa: dato (nombre, dirección, teléfono, sitio web, horario, perfiles sociales), texto visible del sitio, schema del sitio, Perfil de Empresa, directorios, estado (coherente, distinto, ausente). Luego, una tabla de schema: página, type, @id, problema. Después, un plan de correcciones ordenado por importancia: para cada elemento, dónde se cambia, el valor anterior, el valor nuevo y quién lo hace.

Al final, escribe un borrador de JSON-LD con un único grafo @id para usar en todo el sitio: Organization o el subtipo de LocalBusiness adecuado con el id `[site URL]/#org` o `/#business`, WebSite con `/#website` y un enlace publisher, y sameAs con solo perfiles oficiales que devuelvan 200. Usa solo datos que estén en el sitio o que yo te haya dado. Si el horario, las coordenadas, las valoraciones o la fecha de fundación no están disponibles, omite el campo por completo, y marca con [NEEDS CONFIRMATION] cada campo del que no estés seguro. Aplicar este borrador es un trabajo aparte, así que no toques ningún archivo ni perfil ahora.

Abrir en Claude Abrir en ChatGPT Debate en el foro

Resultado de ejemplo

Un ejemplo del resultado que da este prompt. La estructura procede de la salida real de las herramientas; cifras y nombres son ficticios.

Ejemplo de resultado (basado en un negocio ficticio, no en datos reales de clientes)

Resumen. Blue Door Vets tiene el mismo nombre y teléfono en el sitio web y en Business Profile, pero la dirección figura como "12 High St" en el sitio y como "12A High Street" en el perfil. Ninguno de los cuatro bloques JSON-LD del sitio tiene un @id, así que los nodos Organization, WebSite y de página no están vinculados entre sí. Un directorio tiene dos registros separados, y uno de ellos muestra el teléfono antiguo.

Dato	Texto visible	Schema	Business Profile	Directorios	Estado
Nombre	Blue Door Veterinary Clinic	Blue Door Vets	Blue Door Veterinary Clinic	2 registros, mismo nombre	Distinto (schema)
Dirección	12 High St	ninguna	12A High Street	Dirección antigua en 1 registro	Distinto
Teléfono	0161 000 0000	0161 000 0000	0161 000 0000	Número antiguo en 1 registro	Distinto (directorio)
Instagram	sí	en sameAs, 200	sí		Coherente

Página	Tipo	@id	Problema
/	Organization	ninguno	El nodo no puede vincularse con otras páginas
/contact/	VeterinaryCare	ninguno	Campo de dirección vacío

Una consulta a un directorio devolvió un error del proveedor, por lo que se registra como "no se pudo medir". No existe un elemento en Wikidata.

Plan de corrección
1. Usar un único formato de dirección en todas partes: "12A High Street" en el sitio y en el schema (tú, tras la aprobación).
2. Pedir al directorio que cierre el registro con el teléfono antiguo (tú).
3. Aplicar el grafo de @id que aparece a continuación en todas las páginas (una tarea aparte).

En el borrador de JSON-LD, el horario de apertura se deja como [NEEDS CONFIRMATION], porque el sitio y el perfil no coinciden.

Búsquedas relacionadas

consistencia de entidad consistencia nap nombre de empresa distinto auditoría json-ld grafo @id schema perfil de empresa de google directorios locales auditoría de citas wikidata enlaces sameas

Estos prompts funcionan mejor cuando tu asistente de IA está conectado a tus cuentas con Opus Growth.

Conecta tus cuentas gratis

Más prompts

AuditoríaSolo lectura

Auditoría completa de la cuenta de Google Ads con las tres correcciones que conviene hacer primero

Revisa toda la cuenta de una sola vez, desde la medición y las pujas hasta la estructura y las páginas de destino. Ordena los hallazgos por impacto y señala las tres primeras correcciones sin modificar nada.

Cuándo usarloCuando heredas una cuenta de Google Ads o dudas de ella y quieres saber qué falla de verdad y por dónde empezar a corregirlo.

Audita de principio a fin mi cuenta de Google Ads [nombre de la cuenta]. Si la cuenta tiene menos de 90 días, usa todos los días disponibles; en caso contrario, usa los últimos 90 días. Es una revisión de solo lectura, no cambies nada.

Empieza con account_snapshot para obtener el estado, el presupuesto, la estrategia de puja, la antigüedad y los resultados de cada campaña desde que empezó. Separa las campañas que traen resultados de las que gastan sin convertir. Después, recorre estas áreas en orden:

1. Medición. Lista las acciones de conversión principales con list_conversion_actions. Señala cualquier acción principal que no haya registrado nada en los últimos 30 días. Busca configuraciones que puedan contar dos veces a la misma persona, por ejemplo un clic en el teléfono y un clic en WhatsApp en el sitio configurados como dos acciones principales distintas, o la etiqueta de Google Ads y un evento de GA4 importado, ambos principales, para el mismo formulario. Comprueba cuántos clics fueron al botón de llamada de los anuncios y si esas llamadas se registraron realmente, usando google_ads_query sobre call_view.
2. Pujas y presupuesto. Usa impression_share_analysis para mostrar, por campaña, la cuota de impresiones perdida por presupuesto y por ranking. Usa keyword_quality_report para encontrar palabras clave por debajo de la puja de primera página o que casi no se muestran por su bajo nivel de calidad. En las campañas con Smart Bidding, indica si los últimos 30 días reúnen conversiones suficientes para el objetivo que utilizan.
3. Estructura. Comprueba si las búsquedas de marca comparten campaña con las genéricas, si cada grupo de anuncios envía a las personas a la página de su propio servicio y si la misma palabra clave aparece en más de un grupo de anuncios.
4. Términos de búsqueda. Usa search_terms_report para separar los términos que gastan sin convertir, las marcas de la competencia y las búsquedas informativas. Nunca cuentes como desperdicio un término que tenga al menos una conversión.
5. Anuncios y recursos. Revisa la efectividad del anuncio, los recursos rechazados y si los enlaces de sitio apuntan a la página correcta. Señala por separado cualquier texto o recurso que describa un servicio que el negocio no ofrece: [servicios que no se ofrecen, o escribe "ninguno"].
6. Páginas de destino. Obtén clics, coste y tasa de conversión por página desde landing_page_view con google_ads_query. En las páginas que concentran más gasto, comprueba que existan un botón de teléfono y uno de WhatsApp y revisa la velocidad móvil con core_web_vitals.
7. Ubicación, horario y dispositivo. Muestra si la opción de ubicación está configurada como "Presencia", cuánto gasto va fuera de la zona objetivo y el gasto y las conversiones fuera de [horario comercial].

Da formato a la salida así: primero un resumen de cinco frases sobre la situación de la cuenta. Después, una tabla de hallazgos ordenada por importancia: problema, evidencia, impacto estimado, recomendación. Al final, las tres correcciones que hay que hacer primero y por qué cada una va antes. Cuando los datos no basten para llegar a una conclusión, no adivines: indica qué falta.

AuditoríaSolo lectura

Auditoría completa de una cuenta de Meta Ads con las tres correcciones prioritarias

Revisa en una sola pasada la medición, los problemas de entrega, la fase de aprendizaje, la segmentación, los emplazamientos y la fatiga de los anuncios. Ordena los hallazgos por importancia y señala las tres primeras correcciones sin modificar nada.

Cuándo usarloCuando los resultados de tus anuncios de Meta han bajado o se han estancado y quieres saber qué falla en la cuenta antes de tocar nada.

Audita de principio a fin mi cuenta publicitaria de Meta [ad account]. Usa los últimos 30 días como periodo principal y los 30 días anteriores como comparación. Es una revisión de solo lectura, no cambies nada.

Empieza con account_snapshot para la plataforma meta y obtén el estado, el presupuesto, el objetivo, la antigüedad y los resultados de cada campaña desde que empezó. Meta no tiene un único recuento de conversiones, así que usa el resultado que cada campaña realmente optimiza (leads, conversaciones de mensajería iniciadas, compras). Después repasa estas áreas en orden:

1. Medición. Comprueba la hora del último evento del píxel con list_meta_pixels. Confirma que el evento que optimiza cada campaña se está registrando de verdad. Señala las configuraciones que puedan contar dos veces el mismo resultado, por ejemplo leads recogidos tanto por el píxel como por un formulario instantáneo.
2. Entrega. Enumera los conjuntos de anuncios que estén rechazados, atascados en revisión, sin ningún anuncio activo o que gasten menos de la mitad de su presupuesto. Indica el motivo que da Meta en cada caso.
3. Fase de aprendizaje. Encuentra los conjuntos de anuncios divididos de forma tan fina que no pueden alcanzar 50 resultados por semana. Usa meta_change_history para mostrar las ediciones de los últimos 14 días que reiniciaron el aprendizaje.
4. Segmentación y audiencias. Señala los conjuntos de anuncios que apuntan a la misma audiencia y aquellos cuya frecuencia supere [maximum frequency].
5. Emplazamientos y dispositivos. Con get_report, compara el coste por resultado por publisher_platform y por dispositivo con la media de la cuenta. No tomes decisiones sobre segmentos con menos de 20 resultados.
6. Creatividades. Considera que un anuncio está fatigado cuando la frecuencia sube mientras el porcentaje de clics baja y el coste por resultado aumenta. Describe brevemente el enfoque que comparten los anuncios ganadores.
7. Destino. Verifica que la página o el enlace de WhatsApp a los que llevan los anuncios funcionan y se corresponden con el objetivo.

Da formato a la salida así: primero un resumen de cinco frases sobre el estado de la cuenta. Después, una tabla de hallazgos ordenados por importancia: problema, evidencia, impacto estimado, recomendación. Al final, las tres correcciones que hay que hacer primero y por qué cada una va antes. Cuando los datos no basten para sacar una conclusión, no adivines: di qué falta.

AuditoríaCambia tras tu aprobación

Unifica las consultas por teléfono y WhatsApp en una sola conversión fiable

Evita que una misma persona cuente dos veces cuando llama y también escribe por mensaje. Vincula los dos botones de la web a una única conversión y comprueba si el botón de llamada de los anuncios se está midiendo.

Cuándo usarloCuando los clientes potenciales llaman y escriben por WhatsApp desde tu web y sospechas que una misma persona cuenta como dos conversiones, haciendo que tu coste por conversión parezca menor del real.

En mi cuenta de Google Ads [nombre de la cuenta], los clientes potenciales nos contactan mediante los botones de teléfono y de WhatsApp de la web. Si una persona que pulsa ambos botones cuenta como dos conversiones, mi coste por conversión parece más barato de lo que es y el algoritmo de puja aprende lo equivocado. Soluciónalo.

1. Mapea la configuración actual. Lista las acciones principales, sus categorías y tipos de recuento con list_conversion_actions. En mi contenedor de Tag Manager [ID del contenedor de GTM], usa list_gtm_tags para mostrar qué etiqueta dispara cada etiqueta de conversión. Estima con números con qué frecuencia un mismo clic en un anuncio pudo generar más de una conversión de contacto en los últimos 30 días.
2. El botón de llamada de los anuncios. Con google_ads_query, comprueba cuántos clics y cuánto gasto se fueron al botón de llamada de los anuncios, y usa call_view para verificar si esas llamadas quedaron registradas. Si hay clics pero no hay registros, dilo claramente y ofrece dos opciones: eliminar el recurso de llamada o aceptar esos clics como tráfico no medido.
3. Muestra el plan. Propón una única acción de conversión llamada "Contact click (Phone + WhatsApp)" con el recuento configurado en uno. Vincúlala a una sola etiqueta que se dispare tanto con el activador de teléfono como con el de WhatsApp. Convierte las dos acciones antiguas en secundarias. Indica si las campañas con Smart Bidding necesitan que se revise su objetivo, porque el número de conversiones bajará.
4. Aplica tras mi aprobación. Crea la acción de conversión, configura el recuento en uno, actualiza la etiqueta en Tag Manager y muéstrame la lista de cambios antes de publicar. Tras la publicación, anota qué versión se puede restaurar.

Termina con un breve plan de pruebas: cómo comprobar en el modo de vista previa que solo se dispara la etiqueta nueva cuando se pulsan ambos botones, y cuántos días tarda la corrección en reflejarse en los datos reales.

AuditoríaSolo lectura

Realiza una auditoría completa de SEO, AEO y GEO y obtén un cuadro de puntuación respaldado por evidencias

Puntúa acceso, salud técnica, datos estructurados, citabilidad del contenido, señales de confianza y visibilidad medida en IA, en seis áreas de cinco comprobaciones concretas cada una. Muestra la evidencia de cada punto y ordena las correcciones por impacto y esfuerzo, sin modificar nada.

Cuándo usarloCuando quieres saber qué tan visible y confiable es tu sitio en la búsqueda clásica, en los motores de respuestas y en la búsqueda con IA, y necesitas una lista priorizada de qué corregir primero.

Audita mi sitio [site URL] de principio a fin para la búsqueda clásica, los motores de respuesta (AEO) y la búsqueda con IA (GEO). Mi propiedad de Search Console: [Search Console property]. Competidor principal: [competitor domain, or "none"]. Mercado: [country], idioma: [language code]. Las 3 búsquedas que más negocio me aportan: [3 commercial queries]. Mis plantillas de página más importantes: [homepage, one service page, one blog post URL]. Esto es solo lectura.

Regla de créditos: antes de empezar, revisa las ejecuciones anteriores con seo_history y vuelve a llamar con los mismos argumentos a las que se puedan reutilizar. Muéstrame una sola vez la lista de llamadas nuevas que consumirán créditos y espera mi aprobación.

Recopilación de datos:
1. Ejecuta el análisis conjunto con seo_full_analysis, pasando domain, competitor, location y language. Su sección de visibilidad en IA mide la única palabra clave por la que el sitio se posiciona mejor, que puede no tener nada que ver con mi negocio; no uses esa sección para puntuar y, en su lugar, mide mis 3 consultas comerciales con seo_ai_overview y target=[domain]. Si references está vacío, cuenta los dominios de los enlaces dentro de ai_answer.
2. Ejecuta seo_site_crawl con max_pages cercano al número de páginas del sitio (como máximo [page limit]). Devuelve un task_id; vuelve a llamar con el mismo task_id pasados de 60 a 90 segundos y espera hasta que llegue el resumen. Obtén la lista completa de URL de una incidencia con el parámetro issue cuando haga falta. Si el límite del rastreo no cubre todo el sitio, indica que los resultados son una muestra.
3. Lee robots.txt, sitemap.xml y llms.txt con site_read_url. Lee mis páginas de plantilla con text=true (si truncated es true, de nuevo con max_bytes=1000000) y con outline=true. Para JSON-LD, lee las mismas páginas con max_bytes=1000000 y extrae los bloques.
4. Mide la página de inicio y la página de servicio con seo_audit y strategy='mobile'. Para Core Web Vitals usa datos de usuarios reales (field) cuando existan; si no, el valor de laboratorio, e indica cuál has usado.
5. Usa get_report con platform='search_console' y los desgloses 'query by impressions' y 'page by impressions' de los últimos 90 días. Inspecciona con gsc_inspect_urls las 10 páginas con más impresiones. Obtén el estado del sitemap con gsc_sitemaps.
6. Recuerda que herramientas distintas pueden ver versiones distintas de la misma página: si seo_technical_audit o seo_site_crawl miden un título en un idioma diferente al que muestra site_read_url, regístralo como hallazgo, porque el sitio podría estar redirigiendo a los visitantes según su país.

Cuadro de puntuación: seis áreas, cinco comprobaciones cada una; cada comprobación es superada (1) o no superada (0). Si una comprobación no tiene datos, escribe "no medido" y quítala del denominador; nunca puntúes por suposición.
1. Acceso y rastreabilidad: robots.txt está abierto a los rastreadores de IA con función de búsqueda; las páginas clave devuelven 200 con como máximo una redirección; no hay noindex en las páginas clave; el sitemap no tiene errores y contiene las páginas clave; el contenido principal es visible sin JavaScript.
2. Salud técnica y velocidad: LCP móvil por debajo de 2,5 segundos; CLS por debajo de 0,1; INP por debajo de 200 ms; no hay páginas rotas ni enlaces internos rotos en el rastreo; no hay títulos ni descripciones duplicados.
3. Datos estructurados y entidad: existe un nodo Organization o LocalBusiness; los nodos están enlazados por @id; el schema se ajusta al tipo de página (Service, Article, Product); los datos del schema coinciden con el texto visible; las URL de sameAs funcionan.
4. Citabilidad del contenido: el primer párrafo de las páginas clave responde directamente a la pregunta; los encabezados nombran con claridad el tema o la pregunta; los datos comparables están en una tabla; existe un FAQ específico de la página; hay cifras y fechas concretas.
5. Señales de confianza: la página "quiénes somos" es concreta (quién, dónde, desde cuándo); los datos de contacto están en el sitio y son coherentes; las publicaciones muestran autor o editor; las fechas de publicación y actualización son visibles; las páginas legales son accesibles desde el pie de página mediante enlaces estáticos.
6. Visibilidad medida en IA: se te cita en la respuesta de IA de Google para al menos una de las 3 consultas comerciales; se te cita en la consulta de marca; llms.txt existe y es correcto; Search Console muestra clics de consultas sin marca; si el competidor principal aparece citado en estas consultas, hay al menos una en la que a mí también se me cita.

Formato de la salida. Primero, un resumen ejecutivo de cinco frases. Después, la tabla de puntuación: área, puntuación (p. ej., 3/5), comprobaciones no superadas. Luego, la tabla de evidencias: área, comprobación, resultado, evidencia (nombre de la herramienta y valor devuelto), URL afectadas. A continuación, la lista de correcciones: para cada elemento, el impacto (alto, medio, bajo), el esfuerzo (horas, días, semanas) y quién lo hace; primero, impacto alto y esfuerzo bajo. Al final, las tres primeras correcciones y por qué van en primer lugar. No emitas juicios sobre nada que no se haya medido.