Integrated Marketing SEO/Content Execution Play : Comment nous avons construit un système de domination résultats de recherche avec des données réelles

En 2019, Dulé Stojnic et Axel Lavergne chez Brevo, anciennement Sendinblue, ont fait passer la visibilité SaaS à l’échelle grâce à une exécution intégrée marketing, SEO et contenu : faire apparaître la marque sur de nombreuses pages déjà bien classées pour une requête, pas seulement essayer de placer une page propriétaire en #1. La question était simple : et si votre marque apparaissait sur chaque page dans les 10 premiers résultats ?

Ils l’ont appelé la integrated marketing SEO/content execution play, et en 6 mois de suivi de plus de 600 mots-clés, ils ont obtenu 50% de mentions influencées par le programme. Nous avons repris leur framework, construit un système d’automatisation full-stack autour, et l’avons appliqué à 3 222 mots-clés dans 31 langues. Le système de suivi a été configuré pour noter Brevo, la marque pour laquelle la méthode a été conçue. Tajo a été ajouté le 18 octobre 2026 : la plupart des chiffres de visibilité et de mentions ci-dessous sont donc ceux de Brevo, et chaque tableau indique à qui ils appartiennent.

Cet article est une analyse technique complète de l’architecture, des outils, de la conception de la base de données et des données réelles que nous observons. Vous trouverez ci-dessous des visualisations 3D interactives construites avec Three.js qui montrent les scores de visibilité enregistrés, le paysage des mots-clés et le pipeline d’outreach.

Mise à jour du 2026-10-18

Le 18 octobre 2026, nous avons revérifié 197 des 284 requêtes enregistrées en deux passes, dont 181 des 217 mots-clés cibles. 316 des 520 requêtes de recherche sont revenues vides, donc les 87 autres requêtes conservent leurs résultats du 3 octobre.

• Google a réindexé la page d’accueil. Pour « tajo.io », tajo.io est #1 aux États-Unis et en France et affiche désormais le nouveau titre de la page d’accueil. Le 3 octobre, il affichait encore l’ancien titre.
• Un nouveau classement de marque. tajo.io est entré dans le top 20 pour « tajo app » : #15 aux États-Unis et #14 en France.
• Toujours absent pour « tajo » dans les 7 marchés vérifiés. Le fleuve occupe le panneau de connaissances aux États-Unis, en Espagne, en Allemagne et en France, et un restaurant arrive premier en Italie.
• Hors marque : 0 sur 182. tajo.io n’apparaît dans les résultats d’aucune des 182 requêtes de catégorie et cibles revérifiées, comme le 3 octobre.
• Visibilité. Tajo est visible sur 4 des 197 mots-clés revérifiés, avec un score moyen de 0,13. Brevo est visible sur 101, avec une moyenne de 11,31.

Demande pour les termes qui décrivent Tajo, mesurée pour la première fois (volume mensuel aux États-Unis et difficulté du mot-clé, Ahrefs) :

Le 3 octobre, ces termes n’avaient aucun volume mesuré, et 100 recherches par mois étaient supposées pour chacun.

Beaucoup de volumes enregistrés étaient faux. Une mise à jour Ahrefs de 451 paires pays et mot-clé a remplacé le volume et la difficulté enregistrés, et les anciennes valeurs sont conservées dans keyword_metric_snapshots. Ce sont les chiffres hors anglais qui ont le moins bien résisté. « integração shopify » (Brésil) reçoit 50 recherches par mois, et non les 1 200 enregistrées. « integraciones zapier » (Mexique) et « integration zapier » (France) n’ont aucun volume mesurable. Nous avons recalculé le classement des opportunités avec les volumes réels, sans changer les réponses de Jev. 17 éléments sont tombés à zéro et sont sortis du classement, ce qui en laisse 533. Le nouveau top cinq :

Seul le cinquième repose entièrement sur un chiffre Ahrefs récent.

L’idée fondamentale : Être partout, pas seulement #1

Pensez à la façon dont vous découvrez réellement les produits. Vous cherchez « meilleur logiciel d’email marketing » et vous voyez 10 résultats. Vous cliquez sur 3-4 d’entre eux. Si une marque apparaît dans chaque article que vous lisez, cette marque gagne, même si elle n’a jamais été classée #1 elle-même.

« Plus quelqu’un entend parler de votre produit depuis de multiples sources, plus il est probable qu’il achète votre produit. »

C’est l’effet integrated marketing SEO/content execution. Comme une soirée cocktail où tout le monde recommande le même livre.

Les mathématiques derrière

Visibility Score, la métrique la plus simple :

Visibility Score % = (mentions in top 20 ÷ 20) × 100

Si votre marque apparaît sur 8 des 20 premiers résultats pour « meilleur logiciel CRM », votre score de visibilité est de 40%.

Visibilité pondérée par position, parce que la position 1 compte plus que la position 20 :

Weighted Score = Σ(Position Weight where mentioned) / Σ(All Position Weights) × 100

Position Weights: #1 = 20pts, #2 = 19pts, ... #20 = 1pt (total 210)

Opportunity Score, où concentrer vos efforts :

Opportunity = (100% - Visibility Score) × Monthly Search Volume

Un mot-clé avec 35 000 recherches mensuelles et 5% de visibilité = opportunity score de 33 250. C’est là que vous pitchez en premier.

Architecture du système

Voici le stack complet que nous avons construit pour automatiser le workflow integrated marketing SEO/content execution :

Stack technologique

Le pipeline

┌─────────────────┐     ┌──────────────────┐     ┌───────────────────┐
│  Keyword         │────▶│  Search Analyzer  │────▶│  Mention Checker  │
│  Research        │     │  (Top 20 per KW)  │     │  (Scrape + Match) │
│  keyword_        │     │  serp_            │     │  mention_         │
│  research.py     │     │  analyzer.py      │     │  checker.py       │
└─────────────────┘     └──────────────────┘     └───────────────────┘
                                                          │
                                                          ▼
┌─────────────────┐     ┌──────────────────┐     ┌───────────────────┐
│  Outreach        │◀────│  Opportunity      │◀────│  Visibility       │
│  Pipeline        │     │  Scoring          │     │  Calculator       │
│  (3,964 targets) │     │  (Gap Analysis)   │     │  visibility_      │
│                  │     │                   │     │  calculator.py    │
└─────────────────┘     └──────────────────┘     └───────────────────┘

Conception de la base de données

Notre base de données PostgreSQL comprend 14 tables qui suivent tout, des mots-clés bruts au statut des prospects d’outreach. Voici les données avec lesquelles nous travaillons :

Tables principales

Points forts du schéma

La table keywords supporte le suivi multi-pays et multi-langue :

CREATE TABLE keywords (
    id SERIAL PRIMARY KEY,
    keyword VARCHAR(500) NOT NULL,
    silo VARCHAR(100),           -- Content silo grouping
    volume_ahrefs INTEGER,       -- Monthly search volume
    difficulty INTEGER,          -- Keyword difficulty (0-100)
    cpc NUMERIC(10,2),          -- Cost per click
    search_intent VARCHAR(50),   -- informational, commercial, transactional
    country VARCHAR(5),          -- us, de, fr, etc.
    language VARCHAR(5),         -- en, de, fr, etc.
    UNIQUE(keyword, country, language)
);

La table visibility_scores suit la visibilité de la marque par mot-clé au fil du temps :

CREATE TABLE visibility_scores (
    id SERIAL PRIMARY KEY,
    keyword_id INTEGER REFERENCES keywords(id),
    brand_name VARCHAR(100),
    visibility_score NUMERIC(5,2),  -- 0-100%
    mention_count INTEGER,
    pages_with_mentions INTEGER,
    total_pages_checked INTEGER,
    calculated_at TIMESTAMP DEFAULT NOW()
);

Paysage de mots-clés : 9,8M de recherches mensuelles

Nous suivons 3 222 mots-clés répartis dans 45 silos de contenu, soit environ 9,8 millions de recherches mensuelles. Voici la répartition :

Top silos par volume de recherche

La ligne Support correspond à un seul mot-clé, « help desk solutions », qu’Ahrefs estime à 3 010 000 recherches par mois : près d’un tiers du total. Il faut la lire comme une valeur aberrante, pas comme un silo. Le graphique l’exclut. Le volume moyen ne compte que les mots-clés dont le volume est mesuré.

Difficulté moyenne des mots-clés : 23,6/100

C’est la moyenne des 2 499 mots-clés qui ont un score de difficulté. Le point idéal pour l’integrated marketing SEO/content execution, ce sont les mots-clés de difficulté 20-50 avec un volume supérieur à 1 000. 615 de nos mots-clés s’y trouvent.

Données de visibilité réelles

C’est ici que la stratégie devient réelle. Le système de suivi a été construit pour noter Brevo, et Tajo l’a rejoint le 18 octobre 2026. Lors de la mise à jour de ce jour sur 197 mots-clés, la visibilité moyenne de Tajo était de 0,13% et celle de Brevo de 11,31%. Tajo apparaît sur quatre mots-clés, tous des recherches de son propre nom :

Où Tajo est visible (2026-10-18)

Où se trouvent les plus grandes opportunités

Voici les mots-clés au plus fort volume de la mise à jour du 18 octobre. Tajo n’apparaît sur aucun d’eux :

Prioriser les opportunités avec Jev

Le tableau ci-dessus se trompait sur nous, et il a fallu attendre le 3 octobre 2026 pour le voir. Classés selon (100% − visibilité) × volume, des termes génériques comme « crm », avec 193 000 recherches par mois, ou « newsletter », avec 69 800 dans l’ensemble de candidats du 3 octobre, semblent être les meilleurs endroits où passer une semaine. Tajo est un constructeur d’intégrations agentique : reverse ETL, serveurs et outils MCP, et une MCP UI pour construire des synchronisations entre applications SaaS. Shopify et Brevo sont ses premiers connecteurs. Un lecteur qui cherche des conseils de newsletter n’essaie pas de connecter deux outils. Le volume ne le voit pas. Un modèle, si.

Nous avons donc placé Jev, le modèle de jugement typé de TypeSafe, entre la base de mots-clés et la liste de tâches. Il n’écrit rien. Il répond à quatre questions sur chaque opportunité et renvoie une réponse typée, avec un niveau de confiance pour chacune. Le code fait tout le reste.

Les quatre questions

Chaque requête contient le même paragraphe qui décrit Tajo, plus les faits dont nous disposons pour cet élément : volume, difficulté du mot-clé, le top 10 stocké avec les domain ratings connus, le nombre de forums et de listicles qui s’y trouvent, et notre article existant (nombre de mots, jours depuis la dernière mise à jour, pages vues) ou la page tierce.

La formule vit dans le code

priority = log10(1 + volume) × fit_norm × win_norm × intent_weight

fit_norm      = clamp((fit − 1) / 2, 0, 1)
win_norm      = (winnability + 1) / 5
intent_weight = Σ P(intent) × weight   (prêt à configurer 1.0, comparaison 0.9,
                                        apprentissage 0.6, navigationnel 0.3 ; notre propre marque 1.0)

Le volume entre sur une échelle logarithmique : un mot-clé dix fois plus gros gagne un point de plus, pas dix fois plus de points. Une adéquation « voisine » vaut zéro : nous ne payons pas pour du trafic qui ne peut pas mener à une synchronisation. Les chances de gagner ne tombent jamais à zéro, donc un mot-clé parfaitement adapté reste sur la liste même quand il est difficile. L’intention est pondérée par toute la distribution de probabilités de Jev, donc un doute sur l’intention réduit le score au lieu de forcer un pari.

Viennent ensuite les garde-fous. Toute réponse d’adéquation ou de chances de gagner dont la confiance est inférieure à 0,6 part chez une personne, pas dans le classement.

Ce qui a changé

La première passe divisait l’adéquation par trois et laissait le volume porter le reste. Une listicle portugaise « meilleures newsletters » est arrivée en 16e position. Adéquation voisine, 25 000 recherches, et le volume a fait tout le travail. Cette passe contredisait ce que nous vendons : la formule a donc changé pour mettre à zéro l’adéquation voisine, et tout a été réévalué.

Dans la passe finale, les dix premiers sont tous des requêtes d’intégration et de synchronisation :

« newsletter » a fini 543e sur 550. Après la mise à jour des volumes du 18 octobre, il est 526e sur 533, et « integração Shopify » est passé de la 1re à la 8e place avec son volume réel de 50.

La passe a aussi fait apparaître une chose qu’aucune formule n’aurait trouvée : 97% de nos articles localisés portent encore le mot-clé principal anglais. L’article portugais sur Shopify était écrit en portugais et visait une recherche en anglais.

Ce que ça coûte

Évaluer 1 866 éléments a pris 2,77 millions de tokens en entrée : environ onze centimes. Poser les mêmes questions deux fois sur 19 éléments a déplacé les scores de 0,034 en moyenne et inversé 2 des 38 réponses à choix. Deux priorités à moins de 0,1 l’une de l’autre sont donc à égalité. Les jugements ne valent que les faits qu’on leur fournit. La plupart de nos résultats de recherche enregistrés datent de février 2026 (6 802 sur 8 921), et l’exécution du 3 octobre n’en avait aucun pour ses mots-clés non anglais, si bien que la possibilité de gagner y reposait uniquement sur la difficulté du mot-clé. La mise à jour du 18 octobre a ajouté 338 résultats pour 37 mots-clés non anglais. Jev n’a rien renoté depuis.

Détection des mentions de marque

Notre mention checker a scanné 8 898 pages jusqu’à présent. Brevo, ou son ancien nom Sendinblue, apparaît sur 1 248 d’entre elles (taux de mention de 14,0%), soit 34 010 mentions au total. Seules 215 de ces pages incluent un lien. Tajo apparaît sur 4 pages, toutes sur tajo.io. Les pages ajoutées le 18 octobre ont été vérifiées à partir de l’extrait du résultat de recherche, pas de la page complète, ce qui sous-estime les mentions.

Le mention checker fonctionne en :

1. Récupérant le contenu de la page via une API de scraping web (gère la détection de bots et les CAPTCHAs)
2. Matching par regex pour les noms de marque et alias (insensible à la casse, avec extraction de contexte)
3. Détection de liens pour déterminer si les mentions incluent des backlinks
4. Extraction de contexte pour capturer la phrase autour de chaque mention

# Simplified mention detection logic
def find_brand_mentions(content, brand_names):
    mentions = []
    for brand in brand_names:
        pattern = re.compile(
            rf'\b{re.escape(brand)}\b',
            re.IGNORECASE
        )
        for match in pattern.finditer(content):
            # Extract surrounding context (200 chars)
            start = max(0, match.start() - 100)
            end = min(len(content), match.end() + 100)
            context = content[start:end]
            mentions.append({
                'brand': brand,
                'position': match.start(),
                'context': context,
                'has_link': check_for_link(content, match)
            })
    return mentions

Pipeline d’outreach : 3 964 prospects

Le système d’outreach identifie les pages qui se classent pour nos mots-clés cibles et ne mentionnent pas encore la marque suivie. Chacune devient un prospect.

Répartition du pipeline

Aucun prospect n’a encore été qualifié ni contacté : la base de données ne contient aucune décision Go ou No-Go.

Types de prospects

Les 397 pages de listicles, de comparatifs, de forums et de vidéos proviennent de la mise à jour du 18 octobre. Certaines sont rédigées par des éditeurs de logiciels, elles doivent donc être triées avant tout pitch.

Statut du plan de contenu

Nous avons 585 contenus dans le plan. 525 sont terminés. Les 60 contenus planifiés comprennent 35 nouveaux articles et 25 refontes, le moteur de contenu qui alimente la machine integrated marketing SEO/content execution.

Les outils : Automatisation alimentée par MCP

L’ensemble du système est orchestré via des serveurs Model Context Protocol (MCP), permettant l’exécution assistée par IA de chaque étape du workflow.

Intégration Ahrefs MCP

keywords-explorer-overview    → Keyword metrics (volume, difficulty, CPC)
keywords-explorer-matching    → Related keyword discovery
serp-overview                 → Search result position data for any keyword
site-explorer-organic-keywords → Competitor keyword analysis
batch-analysis                → Bulk domain metrics

Intégration scraping web MCP

search_engine       → Live résultats de recherche scraping (Google, Bing, Yandex)
search_engine_batch → Batch résultats de recherche scraping
scrape_as_markdown  → Full page content extraction
scrape_batch        → Batch content scraping

Workflow : Du mot-clé à l’outreach

Voici un workflow réel que nous exécutons régulièrement :

Étape 1 : Recherche de mots-clés

python3 keyword_research.py --stats
# Returns: 3,222 keywords, 45 silos, 9.8M total volume

Étape 2 : Analyse des résultats de recherche

python3 serp_analyzer.py --keyword-id 1 --summary
# Keyword 1 in the database: 7 stored results, 7 unique domains

Étape 3 : Vérification des mentions

python3 mention_checker.py --stats
# Returns: 8,898 pages checked, 1,248 with Brevo, 34,010 mentions

Étape 4 : Calcul de visibilité

python3 visibility_calculator.py --overall --report
# 2026-10-18 refresh: Tajo 0.13%, Brevo 11.31% mean visibility

Leçons apprises (jusqu’à présent)

1. Commencer par les mots-clés des concurrents

Dans le silo « Competitor », la visibilité la plus récente de Brevo atteint en moyenne 26,8% sur 166 mots-clés, contre 24,1% sur l’ensemble des 795 mots-clés notés, car les pages comparatives mentionnent naturellement plusieurs marques. Des mots-clés comme « alternatives à Mailchimp » ou « HubSpot vs Brevo » sont des fruits à portée de main.

2. Les sites d’avis valent de l’or

Des sites comme G2, Capterra et PCMag se classent sur presque tout et vous listeront si vous remplissez leurs critères. Les 173 résultats enregistrés qui ont un domain rating affichent un DR moyen de 87,3. Vous ne pouvez pas les dépasser, mais vous pouvez être dessus.

3. Volume ≠ Opportunité

« crm » compte 193 000 recherches mensuelles aux États-Unis, et la plupart de ces lecteurs ne cherchent pas à connecter deux outils. L’adéquation avec ce que vous vendez réellement compte plus que le volume, c’est pourquoi le score d’opportunité est désormais un jugement de Jev multiplié dans le code, et non le volume brut multiplié par un écart.

4. Mention ≠ Lien

Sur 1 248 pages qui mentionnent Brevo, seules 215 incluent un lien. C’est un taux de liens de 17,2%. Chaque mention sans lien est une victoire facile en outreach : vous pouvez demander poliment un lien puisqu’ils vous recommandent déjà.

5. Le multilingue multiplie tout

L’ensemble de mots-clés couvre 31 langues, et six d’entre elles (EN, ES, PT, DE, FR, IT) regroupent 2 892 des 3 222 mots-clés. Chaque langue multiplie votre surface d’opportunités. Un mot-clé avec 1 000 recherches en anglais pourrait en avoir 500 en français et 300 en allemand, soit 1 800 pour un seul concept.

Prochaines étapes : Objectifs à 90 jours

Essayez-le vous-même

La méthodologie integrated marketing SEO/content execution fonctionne pour toute marque. Voici comment commencer :

1. Choisissez 20 mots-clés, concentrez-vous sur les formats « meilleur X », « alternatives à X », « X vs Y »
2. Auditez les résultats de recherche, pour chaque mot-clé, vérifiez qui se classe aux positions 1-20
3. Vérifiez les mentions, votre marque apparaît-elle sur ces pages ?
4. Calculez la visibilité, utilisez les formules ci-dessus
5. Priorisez par adéquation, pas par volume, évaluez chaque opportunité selon l’adéquation, l’intention et les chances de gagner, puis multipliez dans le code (la formule est plus haut)
6. Pitchez les lacunes, contactez les pages qui se classent mais ne vous mentionnent pas

La beauté du integrated marketing SEO/content execution est qu’il se cumule. Chaque nouvelle mention améliore votre score de visibilité, et chaque amélioration de visibilité rend la mention suivante plus facile à obtenir.

Les chiffres de cet article proviennent de requêtes sur notre base de données de suivi integrated marketing SEO/content execution, le 18 octobre 2026. Les visualisations Three.js affichent les mêmes données : 3 222 mots-clés, 8 921 résultats de recherche et 3 964 prospects d’outreach.