Añadir fuentes de sitios web permite que tu chatbot aprenda directamente del contenido de tu sitio web. Ya sean detalles de productos, preguntas frecuentes o artículos del blog, escanear tu sitio web añade una instantánea de su contenido para que el chatbot la use como referencia. Vuelve a entrenar cuando ese contenido cambie. Primero crea tu chatbot y comprueba su capacidad de entrenamiento.
¿Gestionas una tienda online? Cuando los productos proceden de AI Search o de la búsqueda en directo de la tienda, excluye las páginas de productos y categorías del escaneo y escanea solo las páginas informativas, como envíos, devoluciones y preguntas frecuentes. Las páginas de producto escaneadas consumen caracteres de entrenamiento, y sus precios y stock se quedan desactualizados entre escaneos. Consulta Cómo configurar ChatLab para tu tienda de e-commerce.
Dónde encontrar el entrenamiento mediante sitios web
Selecciona tu chatbot y, a continuación, dirígete a la pestaña Training (Entrenamiento). En la barra lateral izquierda, elige Links (Enlaces). Aquí es donde gestionas todas las fuentes de entrenamiento basadas en sitios web.
Haz clic en Add New Training: Website (Añadir nuevo entrenamiento: Sitio web) para abrir el formulario de entrenamiento.
Opciones de escaneo
El formulario de entrenamiento te ofrece dos formas de añadir contenido de sitios web, separadas por un divisor OR (O).
Scan website contents (Escanear contenido del sitio web) - Introduce una URL en el campo Address (Dirección) y elige entre:
- Whole website (Todo el sitio web) - Rastrea todas las páginas detectables a partir de la URL que proporciones
- Single address (Dirección única) - Escanea únicamente la página específica que introduzcas
Use sitemap (Usar sitemap) - Introduce la URL de tu sitemap (p. ej. https://www.yourdomain.com/sitemap.xml) en el campo Sitemap. Esto escanea únicamente las páginas que figuran en el archivo de tu sitemap.
Al usar un sitemap, el campo Address se desactiva automáticamente (y viceversa), ya que solo puedes usar un método por cada tarea de entrenamiento.
Entrenar con el sitio web completo
- Introduce la URL raíz de tu sitio web en el campo Address (Dirección) (p. ej.,
https://www.yourdomain.com) - Selecciona Whole website (Sitio web completo) en el menú desplegable situado debajo del campo de dirección
- Haz clic en Start scanning the website (Comenzar a escanear el sitio web)
El sistema sigue los enlaces detectables dentro de los filtros, la profundidad y los límites de tu cuenta para el escaneo; es posible que no llegue a todas las páginas. Puedes supervisar el progreso en la pestaña Trainings (Entrenamientos), donde verás la cantidad de enlaces escaneados y los caracteres de entrenamiento recopilados en tiempo real.
Entrenar en una sola página
- Introduce la URL de la página específica en el campo Address (Dirección) (p. ej.
https://www.yourdomain.com/pricing) - Selecciona Single address (Dirección única) en el menú desplegable
- Haz clic en Start scanning the website (Comenzar a escanear el sitio web)
Esto es útil cuando solo necesitas añadir una página específica a la base de conocimiento de tu chatbot, por ejemplo un artículo recién publicado o una página de preguntas frecuentes actualizada.
Entrenar con el sitemap
- Introduce la URL de tu sitemap en el campo Sitemap (p. ej.,
https://www.yourdomain.com/sitemap.xml) - Haz clic en Start scanning the website (Comenzar a escanear el sitio web)
El análisis del sitemap te ofrece un control preciso sobre qué páginas se incluyen, ya que solo procesa las URL que figuran en tu archivo de sitemap.
Seleccionar páginas individuales para el entrenamiento
Antes de iniciar un escaneo, puedes activar la opción I want to select individual urls for training after scanning the website (Quiero seleccionar URL individuales para el entrenamiento después de escanear el sitio web). Esta opción solo está disponible al escanear un sitio web completo (no en el modo de dirección única).
Cuando está activada:
- El sistema escanea tu sitio web y detecta todas las páginas
- Al terminar el escaneo, verás una vista en árbol de todas las páginas descubiertas junto con su recuento de caracteres
- Marca o desmarca páginas para incluirlas o excluirlas del entrenamiento
- Haz clic en Start the Training (Iniciar el entrenamiento) para comenzar a entrenar con las páginas seleccionadas
Esto resulta útil cuando tu sitio web contiene páginas con las que no quieres que el chatbot aprenda, como pantallas de inicio de sesión, áreas de administración o secciones no pertinentes.
Escaneo de idiomas del sitio web
Si tu sitio web está publicado en más de un idioma, ChatLab detecta los idiomas disponibles durante el escaneo y te permite decidir cuáles incluir en la base de conocimientos de tu chatbot. Encontrarás estos controles en la sección Languages (Idiomas) del formulario de entrenamiento, justo encima de Advanced settings (Ajustes avanzados).
Alcance del idioma
El menú desplegable Language scope (Alcance del idioma) controla qué parte de un sitio multilingüe se escanea:
- Main website language (Idioma principal del sitio web) - recomendado y seleccionado por defecto cuando la función multilingüe no está disponible y el bot no tiene activada la opción multilingüe. Solo se escanea el idioma principal del sitio. Las demás versiones de idioma se omiten. Esto mantiene tus datos de entrenamiento optimizados y concentrados, y consume menos capacidad de entrenamiento.
- All languages (Todos los idiomas) - recomendado y seleccionado por defecto cuando tu cuenta incluye la función multilingüe o el bot tiene activada la opción multilingüe. Escanea las versiones de idioma detectadas del sitio. Esto recopila todas tus páginas localizadas, pero reúne más contenido y utiliza más capacidad de entrenamiento.
- Selected language (Idioma seleccionado) - escanea un único idioma que elijas entre los detectados en el sitio web.
ChatLab detecta el idioma principal del sitio para el escaneo específico de idioma. El alcance predeterminado depende de la disponibilidad de la función multilingüe, no de qué idioma se detecte. Al elegir Selected language, el idioma principal detectado aparece preseleccionado y marcado como "main" (principal) en la lista. Puedes cambiarlo por cualquier otro idioma detectado.
La detección de idiomas está disponible en todos los planes, incluido el plan gratuito. Puedes modificar el alcance antes de escanear. La opción New training with same parameters (Nuevo entrenamiento con los mismos parámetros) reutiliza el alcance de la tarea anterior, que puede diferir del valor predeterminado para un escaneo nuevo.
Método de detección de idioma
Cuando el alcance está configurado en Main website language o Selected language, puedes elegir cómo reconoce ChatLab las versiones de idioma de tu sitio mediante el menú desplegable Language detection method (Método de detección de idioma):
- Hreflang attributes (recommended) (Atributos hreflang [recomendado]) - opción predeterminada. Utiliza el marcado
hreflangylangque la mayoría de los sitios multilingües ya incluyen para vincular sus versiones de idioma entre sí. - URL path prefix (/en/, /de/, ...) (Prefijo de ruta URL [/en/, /de/, ...]) - para sitios que mantienen cada idioma bajo un segmento de ruta como
/en/,/de/o/fr/sin ningún marcadohreflang.
Si ChatLab no puede detectar los idiomas automáticamente, aun así puedes escanear el idioma principal o todos los idiomas. Al elegir Selected language, introduce primero la dirección de tu sitio web en los campos superiores y luego vuelve a seleccionar la opción para que el sitio pueda analizarse.
Para consultar un resumen sobre cómo utiliza tu chatbot estas versiones de idioma al responder, consulta Chatbots multilingües y Configuración del idioma del chatbot. Los modos de idioma de la base de conocimientos descritos allí dependen de fuentes que se escanearon con detección de idioma, por lo que puede ser necesario volver a entrenar las fuentes más antiguas para aprovechar todas sus ventajas.
Configuración avanzada (Advanced settings)
Haz clic en el botón Advanced settings (Configuración avanzada) en el formulario de entrenamiento para acceder a controles detallados de rastreo.
La configuración avanzada está organizada en cuatro secciones:
URL Filtering (Filtrado de URL)
- Include only URLs that contain (Incluir solo URL que contengan) - Rastrea únicamente las URL que coincidan con estos patrones (separados por punto y coma, p. ej.
/en;/help) - Exclude URLs that contain (Excluir URL que contengan) - Omite las URL que coincidan con estos patrones (p. ej.
/news;/pictures). Los patrones comunes como/wp-admin/,/feed/y las páginas de carrito se excluyen de forma predeterminada
Query Parameters (Parámetros de consulta)
- Ignore all query parameters (Ignorar todos los parámetros de consulta) - Trata las URL con diferentes parámetros de consulta como la misma página (p. ej.
/page?id=1y/page?id=2se convierten en/page) - Ignore specific query parameters (Ignorar parámetros de consulta específicos) - Ignora solo ciertos parámetros (los parámetros habituales de seguimiento como
utm_source,fbclid,gclidse ignoran automáticamente)
Content Filtering (Filtrado de contenido)
- Include element IDs (Incluir ID de elementos) - Extrae contenido únicamente de elementos HTML específicos (usa
#idpara ID,.classnamepara clases,[data-id="82874db"]para elementos con un atributo determinado, separados por punto y coma) - Exclude element IDs (Excluir ID de elementos) - Omite el contenido de elementos HTML específicos (p. ej.
footer;header;#navigation;[data-nosnippet]) - Aparecen interruptores condicionales cuando se configuran elementos para incluir/excluir, lo que te permite controlar si el rastreador sigue los enlaces que encuentre dentro de esos elementos
Scraping Behavior (Comportamiento de extracción)
- Scrape documents (Extraer documentos) - Extrae también el contenido de los archivos PDF que se encuentren en el sitio web
- Exclude image links (Excluir enlaces de imágenes) - Omite las URL de imágenes del conjunto de datos de entrenamiento
- Scrape hidden contents (Extraer contenidos ocultos) - Incluye el contenido de los elementos HTML ocultos (habilitado de forma predeterminada)
- Delay between pages (Pausa entre páginas) - Añade una pausa en segundos entre cada solicitud de página para reducir la carga del servidor
- Country code (Código de país) - Enruta la extracción a través de un servidor proxy en un país específico (código de dos letras, p. ej.
us)
Notificaciones por correo electrónico
La opción Email me when training is finished or needs my attention (Enviarme un correo electrónico cuando el entrenamiento termine o requiera mi atención) está activada de forma predeterminada. Cuando está activa, recibes una notificación por correo electrónico cuando:
- El entrenamiento finaliza correctamente
- El sistema necesita tu intervención (p. ej., seleccionar páginas tras un escaneo)
- Surge algún problema durante el entrenamiento
Puedes cambiar la dirección de correo para las notificaciones en el campo situado junto a la opción.
Monitorizar el progreso del entrenamiento
Tras iniciar un escaneo, cambia a la pestaña Trainings para monitorizar el progreso. Cada tarea de entrenamiento muestra:
- La URL de origen
- El estado actual (Scanning links [Escaneando enlaces], Awaiting links selection [A la espera de selección de enlaces], Training [Entrenamiento], Training completed [Entrenamiento completado])
- Una barra de progreso durante el escaneo o entrenamiento activo
- La fecha de la última actualización
Haz clic en More details (Más detalles) para ver todos los parámetros utilizados en una tarea de entrenamiento específica, incluidos los ajustes avanzados que se hayan configurado.
Gestión de enlaces entrenados
Una vez finalizado el entrenamiento, las páginas entrenadas correctamente aparecen en la pestaña Links (Enlaces). No se garantiza que todas las páginas excluidas por tu configuración, no seleccionadas o rechazadas debido a un error o límite se conviertan en fuentes de entrenamiento. Cada enlace muestra:
- Título de la página y URL
- Recuento de caracteres (tamaño de los datos de entrenamiento)
- Estado del entrenamiento
- Fecha de última actualización
Para cada enlace puedes:
- Retrain (Volver a entrenar) - Vuelve a escanear y actualiza el contenido de esta página específica
- View (Ver) - Consulta el contenido exacto extraído de la página
- Delete (Eliminar) - Elimina esta página de la base de conocimientos de tu chatbot
Usa la casilla Select all (Seleccionar todo) y los botones de acciones masivas para volver a entrenar o eliminar varios enlaces a la vez.
Ver contenido escaneado
Haz clic en el botón View junto a cualquier enlace entrenado para ver exactamente qué contenido se extrajo de esa página.
El modal para ver la fuente muestra el título de la página, la URL, el recuento de caracteres, la fecha de última actualización y el texto completo con el que se entrenó tu chatbot. Esto te ayuda a verificar que se haya capturado el contenido correcto y a entender la base de conocimiento de tu chatbot.
Comprueba el chatbot terminado
El escaneo y el entrenamiento se ejecutan en segundo plano y pueden tardar unos minutos o más en sitios web grandes. Mientras tanto, puedes salir de esta página y preparar la inserción en tu sitio web. Si la tarea indica Awaiting links selection (A la espera de selección de enlaces), vuelve para seleccionar las páginas e iniciar el entrenamiento. Una vez finalizado el entrenamiento, inspecciona las páginas importantes con View (Ver), abre Overview (Información general) y prueba preguntas cuyas respuestas se encuentren en esas páginas. Revisa los errores y las páginas que falten antes de confiar en el nuevo contenido.
Artículos relacionados
- Entrenamiento en segundo plano - Descubre cómo funciona el entrenamiento en segundo plano
- Reentrenar tu chatbot - Cómo actualizar tu chatbot con contenido nuevo
- Cómo reducir los caracteres de entrenamiento al escanear un sitio web - Consejos para optimizar el tamaño de tus datos de entrenamiento
- Entrenar tu chatbot: aspectos básicos y límites - Información sobre los límites de los datos de entrenamiento