Sistema de verificación de presencia web
Una herramienta interna que comprueba, con varias señales independientes, si un negocio ya tiene una web que funciona, y que no adivina cuando las pruebas son débiles.
Objetivo técnico
Responder de forma fiable a una pregunta —¿este negocio ya tiene una web que funciona?—, porque una respuesta equivocada en cualquier sentido hace perder tiempo y parece descuidada.
Restricciones
- Algunos buscadores bloquean las peticiones automáticas desde servidores o devuelven resultados de baja calidad.
- Las webs fallan temporalmente: los timeouts, la protección antibots y las redirecciones no son lo mismo que «rota».
- Ningún dato personal debe salir de la herramienta interna; la web pública solo muestra la arquitectura.
Arquitectura
- 01
Ficha del negocio
Nombre, zona y cualquier URL conocida de la lista interna.
- 02
Señal de búsqueda
Fuente de búsqueda en el servidor consultada con el nombre y la zona.
- 03
Dominios candidatos
Dominios probables generados a partir del nombre y comprobados directamente.
- 04
Análisis de la web
Varias variantes de URL (www, sin www, http, https) solicitadas con timeouts.
- 05
Clasificador
Reglas que convierten las pruebas en: tiene web, web floja, rota o desconocido.
- 06
Revisión humana
Lo desconocido sigue siendo desconocido hasta que lo confirma una fuente fiable.
El flujo va de izquierda a derecha y de arriba abajo.
Decisiones clave
«Desconocido» es una respuesta válida
La primera versión marcaba como «sin web» todo lo que no encontraba. La mayoría de esos negocios tenían web. Ahora la falta de un resultado de búsqueda nunca demuestra la ausencia; solo una ficha de mapas fiable o un alta nueva confirmada pueden hacerlo.
Solo los fallos definitivos cuentan como rota
Una web solo se marca como rota por fallo de DNS o un 404/410 definitivo en todas las variantes de URL. Los timeouts y las páginas antibots cuentan como online.
Las pruebas se guardan con el veredicto
Cada comprobación guarda lo que encontró —dominio coincidente, códigos de estado, fotos descubiertas— para que una persona pueda auditar cualquier decisión en segundos.
Retos
Búsquedas bloqueadas y con ruido
Un proveedor de búsqueda bloqueaba por completo el tráfico de servidores y otro devolvía resultados irrelevantes. Adivinar dominios y comprobarlos directamente acabó siendo la señal gratuita más fiable.
Falsas etiquetas de «rota»
Las webs que bloqueaban peticiones automáticas parecían rotas. Probar varias variantes de URL y tratar las páginas de protección como «online» eliminó casi todos los falsos positivos.
Lecciones aprendidas
- La ausencia de pruebas no es prueba de ausencia: diseña el modelo de datos para poder decir «desconocido».
- Guarda las pruebas junto al veredicto; así el sistema se puede depurar sin ser ingeniero.
- Paga por una señal fiable antes de acumular muchas débiles.