Content Audit (Site-Crawl)

Content Audit rastrea un dominio completo (o un set de URLs definido) y evalúa cada página por calidad de contenido, SEO on-page, idoneidad GEO e higiene técnica. En lugar de optimización de URL individual (Content Optimizer), obtienes la visión global del sitio: qué páginas son thin, cuáles canibalizan, cuáles carecen de structured data, cuáles son candidatas a refresh, merge o delete. El resultado es un report navegable con drilldown a nivel de página, además de exportación JSON para herramientas externas o pipelines de reporting.

Qué puede hacer

• Crawl a nivel de site — dominio completo o subset por sitemap, según type (full = hasta 1.000 páginas, quick = hasta 50, sitemap/single para los flujos de UI).
• Hallazgo por página — cada URL encontrada recibe su propia ContentAuditPage con problemas, scores (SEO 0–100, calidad 0–100), word count y bucket de prioridad.
• Clasificación de issues — thin content, duplicate, missing meta, broken internal links, falta de H1, gaps de citación (GEO), mala legibilidad. Los issues viven como JSON-array {type:error|warning|info, category, message} por página.
• Toggle solved + bulk mark — marcas páginas como solved una a una, o con un PATCH bulk filtrado (p.ej. «todas las low-priority con errores → solved»).
• Filtros en pages-listing — listado filtrable por status, priority, min/max_seo_score, issue_type, ordenable por 7 columnas.
• Exportación — JSON, CSV o XLSX para tus dashboards / sheets / Looker.
• Crawl async — background job, puedes salir de la página y volver más tarde.

Cuándo usarlo

• Te haces cargo de un sitio existente y quieres conocer primero el status quo.
• Planeas un relaunch y necesitas un inventario de contenido.
• Quieres identificar candidatos para merge / delete / refresh.
• Quieres un health-report mensual para stakeholders.

Workflow

1. Inicia el audit — POST /content-audits con {source_url, type:"full"|"quick"}. Respuesta 202 + audit_id.
2. El crawl corre en background — haz polling de GET /content-audits/{id} hasta status=completed. Puedes salir de la página.
3. Pages listing — GET /content-audits/{id}/pages?status=open&priority=high&issue_type=error muestra solo las páginas que aún requieren trabajo.
4. Drilldown — GET /content-audit-pages/{id} para el detalle de una página (issues + recommendations + page-data).
5. Toggle individual — PATCH /content-audit-pages/{id}/solved marca una página como resuelta (body opcional — sin body se invierte).
6. Bulk mark — PATCH /content-audits/{id}/pages/bulk con filtro y is_solved cierra un lote completo en una sola llamada (ver patrón abajo).
7. Exporta — GET /content-audits/{id}/export?format=json|csv|xlsx para procesamiento externo.
8. Sigue — envía URLs críticas a Content Optimizer o revísalas más a fondo como Page-Deep-Audit (Vision + Render IA).

API

Ejemplo de body PATCH /content-audits/{id}/pages/bulk — cerrar todas las páginas low-priority abiertas con error:

{
  "filter": {
    "priority": "low",
    "status": "open",
    "issue_type": "error"
  },
  "is_solved": true
}

Respuesta: {data:{affected:int, is_solved:bool}, meta:{applied_filter:{...}}}. filter.status es el estado FROM (solo se invierten filas que actualmente están en ese estado). issue_type matchea contra issues[].type (error / warning / info).

Ejemplo de body POST /content-audits:

{
  "source_url": "https://meinedomain.de",
  "type": "full"
}

Créditos y límites

• Inicio: 10 créditos por audit run, independientemente de la profundidad del crawl.
• Async — la página puede cerrarse, el crawl sigue corriendo en el servidor.
• Límite de crawl por run según el plan; sites muy grandes se traen en chunks de sitemap.
• Las áreas protegidas (login, bloqueo de robots) se omiten y se marcan en el report.

Módulos relacionados

• Content Optimizer — optimiza URLs problemáticas individualmente.
• Page-Deep-Audit — auditoría profunda visual + Lighthouse + IA en páginas críticas.
• Content Freshness — monitoriza adicionalmente páginas desactualizadas.
• Competitor Analysis — benchmark contra la competencia.
• Content Audit ≠ Site Audit. Content Audit (/audit) es el escáner de calidad de contenido (SEO score, quality score, recomendaciones por página). Site Audit (/site-audit) es el crawler con detección de crawl-issues más bridge automático de grounding — dos módulos distintos con foco complementario.