UniRankDex

Por qué existe: elegir universidad con datos, no con marketing

Los rankings universitarios clásicos miden prestigio. UniRankDex, uno de los productos de mi propia red de webs, ataca la decisión desde otro ángulo: ¿dónde están más satisfechos los estudiantes?, ¿qué graduados encuentran empleo antes?, ¿qué universidades pagan mejor al empezar? Todo con indicadores públicos oficiales australianos, no con opiniones.

La plataforma está estructurada alrededor de las preguntas que un estudiante escribe de verdad en el buscador — mejor universidad por satisfacción, por salario, por campo de estudio, por estado o el cara a cara entre dos opciones concretas — y lo lleva de una intención vaga a una lista corta real en pocos clics.

Además de ser un producto en sí mismo, es mi laboratorio de SEO programático: las técnicas de generación de páginas a escala que pruebo aquí son las mismas que luego aplico en proyectos de clientes.

Qué permite hacer

• Rankings por resultados. Clasificaciones nacionales de satisfacción estudiantil, empleo de graduados, salarios iniciales y valoración de los empleadores.
• Fichas por universidad. Cada institución tiene su página de detalle con contexto de benchmark, FAQs y sus métricas frente a la media nacional.
• 820 comparativas uno contra uno. Páginas de comparación directa para cuando dos universidades sobreviven a la preselección y hace falta ver el trade-off limpio.
• Hubs por estado y por campo. 8 hubs estatales y páginas por área de estudio para búsquedas long-tail regionales.
• Filtros de decisión. Experiencia del estudiante, empleo, salario, fortaleza por campo, ciudad y pertenencia a grupos como el Group of Eight.
• Guías editoriales. Artículos que conectan la intención informativa con las páginas de datos, para que la investigación no muera en un callejón sin salida.

Cómo está construido

1. Arquitectura Laravel

• Backend Laravel + PHP con MySQL. Cada tipo de página — ficha, ranking, comparativa, hub estatal, campo de estudio — es una vista Blade propia alimentada por el mismo dataset. Nada de plantillas prefabricadas ni plugins.
• Rutas limpias por entidad (/university/{slug}, /ranking/{métrica}…) que mapean una a una con las intenciones de búsqueda que atacan.
• Assets compilados con Vite y JavaScript mínimo — Alpine.js solo donde hace falta interactividad, como la navegación.

2. Pipeline de datos

• Dataset normalizado en MySQL: cinco indicadores de resultado por universidad más metadatos de contexto (estado, ciudad, año de fundación, número de estudiantes, grupo universitario).
• Rankings calculados desde el dataset, no escritos a mano: cuando se actualizan los datos públicos de origen, posiciones y comparativas se recalculan en cadena.
• Benchmarks por ficha: cada universidad muestra sus métricas contra la media, para que un 89 % de empleo signifique algo sin salir de la página.

3. SEO programático

• 820 comparativas únicas que deben leerse como redacción natural, no como una tabla clonada — el reto técnico específico del proyecto.
• Hubs por estado y por campo que capturan el long-tail regional («mejores universidades de Victoria», «grados de salud en Australia»).
• Datos estructurados por página: Organization, WebSite con SearchAction y FAQPage generados automáticamente desde el dataset.
• Blog editorial que enlaza la intención informativa con las páginas de datos y reparte autoridad interna.

4. Rendimiento

• HTML renderizado en servidor: las páginas de datos no dependen de JavaScript para pintarse ni para indexarse.
• Preload y modulepreload de CSS y JS críticos para acortar el render inicial.
• Cloudflare delante como CDN y capa anti-bots, protegiendo el servidor del scraping agresivo que sufre cualquier directorio de datos.

Cobertura y origen de los datos

La cobertura es completa: las 41 universidades registradas de Australia, organizadas en 8 hubs estatales y páginas por campo de estudio. Por cada institución se siguen cinco métricas de resultado con origen en datos públicos oficiales: satisfacción estudiantil, empleo de los graduados, salario inicial, percepción de los empleadores y volumen de matrícula.

El líder actual ilustra el nivel de detalle: The University of Melbourne, puesto 1, con un 91,80 % de satisfacción, un 89,40 % de empleo, 78.200 AUD de salario inicial medio y 61.200 estudiantes. UniRankDex no sustituye a los canales oficiales de admisión — es la herramienta de preselección que faltaba antes de llegar a ellos.

El resultado

De un único dataset bien modelado salen más de 870 páginas útiles: 41 fichas, 820 comparativas, 8 hubs estatales, rankings nacionales y páginas por campo — cada una respondiendo a una búsqueda concreta con datos verificables. Sin CMS, sin redactores clonando tablas y sin tocar una página a mano cuando cambian los datos.

Es el escaparate de lo que defiendo como desarrollador: modelar bien los datos, escribir buenas plantillas y dejar que la arquitectura escale el contenido. Lo que aquí son universidades, en un proyecto de cliente son clínicas, aseguradoras, inmuebles o productos.

Algunas capturas

Stack

Web del proyecto: Visitar unirankdex.com — producto propio en producción.

Dudas habituales sobre UniRankDex