≡En resumen
- Un extractor de entidades identifica y clasifica personas, organizaciones, lugares, productos y conceptos dentro de un texto.
- Los mejores no solo detectan palabras: desambiguan y enlazan cada entidad con una base de conocimiento como Wikipedia o el Knowledge Graph.
- En SEO se usa para comparar las entidades que cubren los primeros resultados con las de tu página y detectar huecos temáticos.
- En España se popularizó con una extensión de Chrome del mismo nombre basada en la API de Dandelion, que en 2026 ya no aparece disponible.
- Añadir entidades no consiste en rellenar términos: se trata de explicar bien el tema y sus relaciones.
01 ¿Qué es un extractor de entidades?
Una entidad es una cosa o concepto único y bien definido, que se puede distinguir de otros aunque se escriba igual. Es la idea que Google resumió en 2012 al presentar su Knowledge Graph de Google con el lema «cosas, no cadenas de texto»: entender que «Jaguar» puede ser un animal, una marca de coches o un sistema operativo según el contexto.
Por eso un buen extractor no solo reconoce palabras con mayúscula: desambigua cada mención y la enlaza con una ficha en una base de conocimiento, como un artículo de Wikipedia o un identificador del Knowledge Graph.
02 Cómo funciona la extracción de entidades
-
1
Análisis del texto
El sistema divide el texto en frases y palabras (tokenización) y analiza su función gramatical.
-
2
Reconocimiento de entidades (NER)
Un modelo entrenado marca los fragmentos que son entidades y les asigna un tipo: persona, organización, lugar, evento, producto, fecha…
-
3
Desambiguación y enlazado
Decide a qué entidad concreta se refiere cada mención y la conecta con una base de conocimiento; la API de Google, por ejemplo, devuelve la URL de Wikipedia y el identificador del Knowledge Graph cuando existen.
-
4
Puntuación de relevancia
Calcula la importancia de cada entidad para el conjunto del texto. En la API de Google se llama salience y va de 0 a 1.
-
5
Salida estructurada
Devuelve una lista, normalmente en JSON o CSV, con la entidad, su tipo, su puntuación y dónde aparece.
| Entidad | Tipo | Relevancia | Enlace a base de conocimiento |
|---|---|---|---|
| Masa madre | Concepto | 0,62 | Wikipedia: Masa madre |
| Harina de fuerza | Producto | 0,14 | Sin enlace |
| Fermentación | Concepto | 0,09 | Wikipedia: Fermentación |
| Levadura | Concepto | 0,04 | Wikipedia: Levadura |
03 Herramientas para extraer entidades
Google Cloud Natural Language API
Su método de análisis de entidades admite español, devuelve tipo, salience, menciones y, si los hay, enlace a Wikipedia e identificador del Knowledge Graph. Se factura por uso según las tarifas de Google Cloud.
Dandelion API
API de análisis semántico de la italiana SpazioDati que extrae lugares, personas, marcas y eventos en seis idiomas, entre ellos el español.
spaCy
Librería de Python de código abierto con modelos de NER, incluidos modelos en español, ideal para procesar miles de textos.
Modelos de lenguaje (LLM)
ChatGPT, Claude o Gemini pueden extraer y agrupar entidades con una buena instrucción, aunque sin puntuaciones estandarizadas.
Herramientas SEO
Algunas suites de optimización de contenidos incluyen análisis de entidades o de términos relacionados de los primeros resultados.
04 Cómo usar un extractor de entidades en SEO paso a paso
Google ya no posiciona páginas por repetir una palabra, sino por lo bien que cubren un tema. El SEO semántico trabaja precisamente eso, y el extractor de entidades es su herramienta de diagnóstico.
-
1
Elige la búsqueda
Parte de la consulta principal de la página que quieres mejorar, por ejemplo «cómo hacer pan de masa madre».
-
2
Extrae las entidades del top 10
Pasa por el extractor el contenido de los primeros resultados y agrupa las entidades que se repiten en varios.
-
3
Extrae las de tu página
Haz lo mismo con tu contenido para compararlo en la misma escala.
-
4
Detecta huecos
Anota las entidades relevantes que la competencia trata y tú no, y las que tú tienes con una relevancia muy baja.
-
5
Reescribe con criterio
Incorpóralas explicando su relación con el tema: definiciones, pasos, comparativas. Nunca como una lista de términos sueltos.
-
6
Refuerza con marcado y enlaces
Usa datos estructurados con la propiedad sameAs para tu marca y enlaza internamente las páginas que tratan cada entidad importante.
05 Entidades, campo semántico y visibilidad en la IA
Las entidades conectan con el campo semántico de un tema: el conjunto de conceptos que un experto mencionaría al explicarlo. Cuanto más completo y claro sea ese campo en tu texto, más fácil es que Google, ChatGPT o Gemini entiendan de qué hablas y te usen como fuente. Por eso el trabajo de entidades es hoy una pieza tanto del posicionamiento web en Google como del posicionamiento en inteligencia artificial.
| Concepto | Qué es | Ejemplo |
|---|---|---|
| Palabra clave | Texto que escribe el usuario | «mejor cafetera superautomática» |
| Entidad | Cosa única e identificable | De'Longhi (marca), cafetera superautomática (producto) |
| Campo semántico | Conjunto de conceptos relacionados con un tema | molinillo, presión en bares, espumador de leche, descalcificación |
Una bodega quiere aparecer cuando alguien pregunta a la IA por vinos de su denominación de origen. Además de trabajar las entidades del tema en sus textos, unifica el nombre de la marca en su web, redes y directorios, añade datos estructurados de organización y consigue menciones en medios. Si te interesa ese paso, lee cómo conseguir un Knowledge Panel para tu marca.
06 Errores frecuentes al trabajar con entidades
- ✓Meter entidades a la fuerza, como antes se hacía con la densidad de palabras clave.
- ✓Copiar las entidades de la competencia sin comprobar si aportan algo al usuario.
- ✓Fiarse de una sola herramienta: cada extractor usa modelos distintos y los resultados varían.
- ✓Analizar solo la página principal y olvidar los resultados que responden a otras intenciones.
- ✓Ignorar la desambiguación: si tu marca se llama como un objeto común, necesitas más contexto y señales externas.
Preguntas frecuentes sobre Extractor de entidades
Es una herramienta de procesamiento del lenguaje natural que detecta en un texto personas, marcas, lugares, productos y conceptos, los clasifica y, a menudo, los enlaza con una base de conocimiento.
Para saber qué conceptos tratan los resultados que posicionan para una búsqueda, compararlos con tu contenido y completar los huecos temáticos.
La palabra clave es el texto que busca el usuario; la entidad es la cosa concreta a la que se refiere, identificable aunque se nombre de formas distintas.
En septiembre de 2026 no aparece disponible: la página de la herramienta en la web de su autor da error y la Chrome Web Store no muestra la extensión.
spaCy es gratuita y de código abierto, con modelos en español. Google Cloud Natural Language y Dandelion son servicios comerciales con sus propias tarifas, y también puedes usar un LLM con una instrucción adecuada.
Es la puntuación de relevancia que asigna la API de Google a cada entidad, entre 0 y 1: cuanto más cerca de 1, más central es la entidad para el texto.
Fuentes consultadas
Sobre el autor
CEO de appyweb, especialista en SEO, IA y desarrollo
Fundador de appyweb. Más de una década posicionando webs y tiendas online en Google y en las respuestas de la IA, y dedicado también al desarrollo de software y las automatizaciones.
Ver perfil y artículos → Ver perfil en LinkedIn ↗