Integrated Marketing SEO/Content Execution Play: 실제 데이터로 구축한 SERP 지배 시스템

2019년, Brevo(이전 Sendinblue)의 Dulé Stojnic과 Axel Lavergne는 통합 마케팅 SEO/content execution play로 SaaS 가시성을 확장했습니다: 하나의 보유 페이지를 #1에 올리는 데만 집중하지 않고, 특정 쿼리에서 상위에 랭크된 여러 페이지에 브랜드가 나타나게 하는 방식입니다. 질문은 단순했습니다: 만약 여러분의 브랜드가 상위 10개 결과의 모든 페이지에 나타난다면 어떨까요?

그들은 이것을 integrated marketing SEO/content execution play라고 불렀고, 600개 이상의 키워드를 6개월간 추적한 결과, 50%의 프로그램 영향 언급을 달성했습니다. 우리는 그들의 프레임워크를 가져와 풀스택 자동화 시스템을 구축하고, 31개 언어의 3,222개 키워드에서 운영했습니다. 추적 시스템은 이 play가 만들어진 대상 브랜드인 Brevo를 점수화하도록 설정되어 있었습니다. Tajo는 2026년 10월 18일에 추가되었으므로, 아래 가시성 및 언급 수치의 대부분은 Brevo의 것이며 각 표에 누구의 수치인지 표시했습니다.

이 글은 아키텍처, 도구, 데이터베이스 설계, 그리고 우리가 보고 있는 실제 데이터에 대한 완전한 기술적 분석입니다. 아래에서 Three.js로 구축된 인터랙티브 3D 시각화를 통해 저장된 가시성 점수, 키워드 환경, outreach 파이프라인을 확인할 수 있습니다.

2026-10-18 갱신

2026년 10월 18일, 두 차례에 걸쳐 저장된 284개 검색어 중 197개를 다시 확인했습니다. 여기에는 217개 타깃 키워드 중 181개가 포함됩니다. 520개의 검색 요청 중 316개가 빈 결과로 돌아왔기 때문에, 나머지 87개 검색어는 10월 3일 결과를 그대로 유지합니다.

• Google이 홈페이지를 다시 색인했습니다. “tajo.io” 검색에서 tajo.io는 미국과 프랑스에서 #1이며, 이제 홈페이지의 새 제목이 표시됩니다. 10월 3일에는 여전히 예전 제목이 표시되었습니다.
• 새로운 브랜드 순위 하나. tajo.io가 “tajo app” 검색에서 상위 20위에 들어갔습니다. 미국 #15, 프랑스 #14입니다.
• “tajo” 검색에서는 여전히 부재합니다. 확인한 7개 시장 모두 마찬가지입니다. 미국, 스페인, 독일, 프랑스에서는 강이 지식 패널을 차지하고, 이탈리아에서는 레스토랑이 1위입니다.
• 비브랜드: 182개 중 0개. 갱신한 182개의 카테고리 및 타겟 검색어 결과 어디에도 tajo.io는 없으며, 10월 3일과 같습니다.
• 가시성. Tajo는 갱신한 197개 키워드 중 4개에서 보이며 평균 점수는 0.13입니다. Brevo는 101개에서 보이며 평균은 11.31입니다.

Tajo를 설명하는 용어의 수요를 처음으로 측정했습니다(미국 월간 검색량과 키워드 난이도, Ahrefs):

10월 3일에는 이 용어들에 측정된 검색량이 없었고, 각각 월 100건으로 가정했습니다.

저장된 검색량 상당수가 틀렸습니다. 451개의 국가와 키워드 조합에 대한 Ahrefs 갱신으로 저장된 검색량과 난이도를 교체했고, 이전 값은 keyword_metric_snapshots에 보존합니다. 가장 많이 틀린 것은 영어 이외의 수치였습니다. “integração shopify”(브라질)의 월간 검색량은 저장된 1,200이 아니라 50입니다. “integraciones zapier”(멕시코)와 “integration zapier”(프랑스)는 측정 가능한 검색량이 전혀 없습니다. 실제 검색량으로 기회 순위를 다시 계산했고, Jev의 답변은 바꾸지 않았습니다. 17개 항목이 0으로 떨어져 빠졌고, 533개가 남았습니다. 새로운 상위 5개:

새 Ahrefs 수치에만 근거한 것은 5위뿐입니다.

핵심 통찰: #1이 아닌, 어디에나 존재하라

여러분이 실제로 어떻게 제품을 발견하는지 생각해 보세요. “best email marketing software”를 검색하면 10개의 결과가 보입니다. 그 중 3-4개를 클릭합니다. 만약 하나의 브랜드가 여러분이 읽는 모든 기사에 나타난다면, 그 브랜드가 이깁니다, 그 브랜드 자체가 #1에 랭크되지 않았더라도.

“누군가가 여러 출처에서 당신의 제품에 대해 더 자주 듣을수록, 당신의 제품을 구매할 가능성이 높아집니다.”

이것이 integrated marketing SEO/content execution 효과입니다. 칵테일 파티에서 모두가 같은 책을 추천하는 것과 같습니다.

그 뒤에 숨은 수학

가시성 점수, 가장 간단한 지표:

가시성 점수 % = (상위 20개 내 언급 수 ÷ 20) × 100

“best CRM software”에 대해 상위 20개 결과 중 8개에 여러분의 브랜드가 나타나면, 가시성 점수는 40%입니다.

위치 가중 가시성, 1위가 20위보다 더 중요하기 때문:

가중 점수 = Σ(언급된 위치의 가중치) / Σ(전체 위치 가중치) × 100

위치 가중치: #1 = 20점, #2 = 19점, ... #20 = 1점 (합계 210)

기회 점수, 노력을 집중할 곳:

기회 점수 = (100% - 가시성 점수) × 월간 검색량

월간 검색량 35,000에 가시성 5%인 키워드 = 기회 점수 33,250. 여기서 먼저 피치합니다.

시스템 아키텍처

다음은 integrated marketing SEO/content execution 워크플로우를 자동화하기 위해 구축한 전체 스택입니다:

기술 스택

파이프라인

┌─────────────────┐     ┌──────────────────┐     ┌───────────────────┐
│  키워드          │────▶│  SERP 분석기      │────▶│  언급 체커        │
│  리서치          │     │  (키워드당 상위 20개) │     │  (스크래핑 + 매칭) │
│  keyword_        │     │  serp_            │     │  mention_         │
│  research.py     │     │  analyzer.py      │     │  checker.py       │
└─────────────────┘     └──────────────────┘     └───────────────────┘
                                                          │
                                                          ▼
┌─────────────────┐     ┌──────────────────┐     ┌───────────────────┐
│  Outreach        │◀────│  기회 점수        │◀────│  가시성           │
│  파이프라인      │     │  산정 (갭 분석)   │     │  계산기           │
│  (3,964개 대상)  │     │                   │     │  visibility_      │
│                  │     │                   │     │  calculator.py    │
└─────────────────┘     └──────────────────┘     └───────────────────┘

데이터베이스 설계

PostgreSQL 데이터베이스에는 원시 키워드부터 outreach 후보 상태까지 모든 것을 추적하는 14개의 테이블이 있습니다. 다음은 우리가 다루는 데이터입니다:

핵심 테이블

스키마 주요 특징

keywords 테이블은 다국가, 다언어 추적을 지원합니다:

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)
);

visibility_scores 테이블은 시간에 따른 키워드별 브랜드 가시성을 추적합니다:

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()
);

키워드 환경: 월간 980만 검색

45개 콘텐츠 silo에 걸쳐 3,222개 키워드를 추적하고 있으며, 월간 약 980만 건의 검색을 나타냅니다. 분포는 다음과 같습니다:

검색량 기준 상위 Silo

Support 행은 키워드 하나, “help desk solutions”뿐이며, Ahrefs는 이를 월 3,010,000건으로 봅니다. 전체의 거의 3분의 1입니다. silo가 아니라 이상치로 읽으세요. 차트에서는 제외했습니다. 평균 검색량은 측정된 검색량이 있는 키워드만 계산합니다.

평균 키워드 난이도: 23.6/100

난이도 점수가 있는 2,499개 키워드의 평균입니다. integrated marketing SEO/content execution의 최적 지점은 난이도 20-50, 검색량 1,000 이상인 키워드입니다. 우리 키워드 중 615개가 여기에 있습니다.

실제 가시성 데이터

여기서 전략이 현실이 됩니다. 추적 시스템은 Brevo를 점수화하기 위해 만들어졌고, Tajo는 2026년 10월 18일에 합류했습니다. 그날 197개 키워드 갱신에서 Tajo의 평균 가시성은 0.13%, Brevo는 11.31%였습니다. Tajo가 등장하는 키워드는 네 개이며, 모두 자사 이름 검색입니다:

Tajo가 보이는 곳 (2026-10-18)

가장 큰 기회가 있는 곳

10월 18일 갱신에서 검색량이 가장 큰 키워드입니다. Tajo는 어디에도 없습니다:

Jev로 기회 점수 매기기

위 표는 우리에 대해 틀렸고, 우리는 2026년 10월 3일에야 그 사실을 알아차렸습니다. (100% − 가시성) × 검색량으로 순위를 매기면, 월 193,000건이 검색되는 “crm”이나 10월 3일 후보 세트에서 69,800건인 “newsletter” 같은 대형 키워드가 한 주를 투자하기에 가장 좋은 곳처럼 보입니다. Tajo는 에이전틱 통합 빌더입니다. reverse ETL, MCP 서버와 도구, 그리고 SaaS 앱 간 동기화를 구축하는 MCP UI를 제공합니다. Shopify와 Brevo가 첫 커넥터입니다. 뉴스레터 팁을 찾는 독자는 두 도구를 연결하려는 사람이 아닙니다. 검색량은 그것을 보지 못합니다. 모델은 봅니다.

그래서 TypeSafe의 타입 판단 모델인 Jev를 키워드 데이터베이스와 할 일 목록 사이에 두었습니다. Jev는 아무것도 쓰지 않습니다. 각 기회에 대해 네 가지 질문에 답하고, 답마다 신뢰도가 붙은 타입 지정 답변을 반환합니다. 나머지는 모두 코드가 처리합니다.

네 가지 질문

모든 요청에는 Tajo를 설명하는 같은 단락과, 해당 항목에 대해 우리가 가진 사실이 함께 들어갑니다. 검색량, 키워드 난이도, 도메인 등급이 알려진 저장된 상위 10개 결과, 그 안의 포럼과 리스티클 수, 그리고 기존 자사 글(단어 수, 마지막 업데이트 이후 일수, 페이지뷰) 또는 제3자 페이지입니다.

공식은 코드에 있습니다

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   (설정 준비 완료 1.0, 비교 0.9,
                                        학습 0.6, 내비게이션 0.3; 자사 브랜드 1.0)

검색량은 로그 스케일로 들어갑니다. 그래서 10배 큰 키워드는 10배의 점수가 아니라 1점을 더 얻습니다. 인접 적합도는 0점입니다. 동기화에 닿을 수 없는 트래픽에는 비용을 들이지 않습니다. 승산은 결코 0이 되지 않으므로, 완벽하게 적합한 키워드는 어렵더라도 목록에 남습니다. 의도는 Jev의 확률 분포 전체로 가중됩니다. 그래서 의도가 불확실하면 추측을 강요하는 대신 점수가 줄어듭니다.

그다음은 게이트입니다. 적합도나 승산 답변의 신뢰도가 0.6 미만이면 순위에 넣지 않고 사람에게 넘깁니다.

무엇이 바뀌었나

첫 번째 패스는 적합도를 3으로 나누고 나머지는 검색량에 맡겼습니다. 포르투갈어 “최고의 뉴스레터” 리스티클이 16위에 올랐습니다. 적합도는 인접, 검색량은 25,000이었고, 순위를 끌어올린 것은 전부 검색량이었습니다. 그 결과는 우리가 파는 것과 모순되었습니다. 그래서 인접 적합도를 0으로 만들도록 공식을 바꾸고, 모든 항목의 점수를 다시 매겼습니다.

최종 실행에서 상위 10개는 모두 연동과 동기화 쿼리였습니다.

“newsletter”는 550개 중 543위로 끝났습니다. 10월 18일 검색량 갱신 후에는 533개 중 526위이며, “integração Shopify”는 실제 검색량 50으로 1위에서 8위로 내려갔습니다.

이번 실행은 어떤 공식으로도 찾지 못했을 사실도 드러냈습니다. 현지화된 글의 97%가 아직도 영어 기본 키워드를 달고 있었습니다. 포르투갈어 Shopify 글은 포르투갈어로 쓰였지만 영어 검색을 겨냥하고 있었습니다.

비용

1,866개 항목의 점수를 매기는 데 입력 토큰 277만 개가 들었습니다. 약 11센트입니다. 같은 19개 항목을 두 번 물었을 때 점수는 평균 0.034 움직였고, 선택형 답변 38개 중 2개가 바뀌었습니다. 따라서 차이가 0.1 이내인 두 우선순위는 동점입니다. 판단의 질은 입력한 사실의 질을 넘지 못합니다. 저장된 검색 결과 대부분은 2026년 2월 것이고(8,921개 중 6,802개), 10월 3일 실행에는 영어가 아닌 키워드의 결과가 하나도 없었습니다. 그래서 그쪽의 승산은 키워드 난이도에만 기대고 있었습니다. 10월 18일 갱신으로 영어가 아닌 37개 키워드에 대해 338개의 결과가 추가되었습니다. 그 이후 Jev는 아무것도 다시 점수화하지 않았습니다.

브랜드 언급 감지

언급 체커는 지금까지 8,898개 페이지를 스캔했습니다. Brevo 또는 예전 이름인 Sendinblue는 그중 1,248개 페이지에 등장하며(언급률 14.0%), 언급은 모두 34,010개입니다. 그 페이지 중 215개만이 링크를 포함합니다. Tajo는 4개 페이지에 등장하며, 모두 tajo.io에 있습니다. 10월 18일에 추가된 페이지는 전체 페이지가 아니라 검색 스니펫으로 확인했기 때문에 실제보다 적게 집계됩니다.

언급 체커의 작동 방식:

1. 페이지 콘텐츠 가져오기, web scraping 스크래핑 API를 통해 (봇 감지 및 CAPTCHA 처리)
2. 정규식 매칭, 브랜드 이름 및 별칭에 대해 (대소문자 구분 없이, 컨텍스트 추출 포함)
3. 링크 감지, 언급에 백링크가 포함되어 있는지 확인
4. 컨텍스트 추출, 각 언급 주변의 문장 캡처

# 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

Outreach 파이프라인: 3,964명의 후보

Outreach 시스템은 타겟 키워드에 랭킹되어 있지만 아직 추적 대상 브랜드를 언급하지 않는 페이지를 식별합니다. 각각이 하나의 후보가 됩니다.

파이프라인 분석

아직 적격 판정을 받거나 연락한 후보는 없습니다. 데이터베이스에는 Go 또는 No-Go 결정이 하나도 없습니다.

후보 유형

397개의 리스트 글, 비교, 포럼, 동영상 페이지는 10월 18일 갱신에서 나왔습니다. 일부는 벤더가 작성한 것이므로 피치 전에 분류가 필요합니다.

콘텐츠 계획 상태

계획에는 585개의 콘텐츠가 있습니다. 525개가 완료되었습니다. 계획된 60개는 새 글 35개와 개편 25개이며, 이것이 integrated marketing SEO/content execution 머신을 가동시키는 콘텐츠 엔진입니다.

도구: MCP 기반 자동화

전체 시스템은 Model Context Protocol (MCP) 서버를 통해 오케스트레이션되며, 모든 워크플로우 단계에서 AI 지원 실행이 가능합니다.

Ahrefs MCP 통합

keywords-explorer-overview    → 키워드 지표 (검색량, 난이도, CPC)
keywords-explorer-matching    → 관련 키워드 발굴
serp-overview                 → 모든 키워드의 SERP 순위 데이터
site-explorer-organic-keywords → 경쟁사 키워드 분석
batch-analysis                → 대량 도메인 지표

web scraping MCP 통합

search_engine       → 라이브 SERP 스크래핑 (Google, Bing, Yandex)
search_engine_batch → 배치 SERP 스크래핑
scrape_as_markdown  → 전체 페이지 콘텐츠 추출
scrape_batch        → 배치 콘텐츠 스크래핑

워크플로우: 키워드에서 Outreach까지

다음은 우리가 정기적으로 실행하는 실제 워크플로우입니다:

1단계: 키워드 리서치

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

2단계: SERP 분석

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

3단계: 언급 확인

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

4단계: 가시성 계산

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

지금까지의 교훈

1. 경쟁사 키워드부터 시작하라

“Competitor” silo에서 Brevo의 최신 가시성은 166개 키워드에서 평균 26.8%로, 점수화된 전체 795개 키워드의 평균 24.1%보다 높습니다. 경쟁사 비교 페이지는 자연스럽게 여러 브랜드를 언급하기 때문입니다. “mailchimp alternatives”나 “hubspot vs brevo” 같은 키워드는 쉽게 따먹을 수 있는 열매입니다.

2. 리뷰 사이트는 금이다

G2, Capterra, PCMag 같은 사이트는 거의 모든 것에 랭킹되며 기준을 충족하면 등록해 줍니다. 도메인 등급이 있는 저장된 결과 173개의 평균 DR은 87.3입니다. 그들을 순위에서 이길 수는 없지만, 그들 위에 올라갈 수 있습니다.

3. 검색량 ≠ 기회

“crm”은 미국에서 월간 193,000건의 검색이 있지만, 그 독자 대부분은 두 도구를 연결하려는 사람이 아닙니다. 실제로 판매하는 것과의 적합도가 검색량을 이깁니다. 그래서 기회 점수는 이제 원시 검색량에 격차를 곱한 값이 아니라, Jev의 판단을 코드에서 곱한 값입니다.

4. 언급 ≠ 링크

Brevo를 언급하는 1,248개 페이지 중 215개만이 링크를 포함합니다. 이는 17.2%의 링크율입니다. 링크 없는 모든 언급은 쉬운 outreach 승리입니다, 이미 여러분을 지지하고 있으므로 정중하게 링크를 요청할 수 있습니다.

5. 다국어는 모든 것을 배가시킨다

키워드 세트는 31개 언어를 다루며, 그중 6개 언어(EN, ES, PT, DE, FR, IT)가 3,222개 키워드 중 2,892개를 차지합니다. 언어 하나하나가 기회의 표면적을 배가시킵니다. 영어로 1,000건의 검색이 있는 키워드가 프랑스어로 500건, 독일어로 300건일 수 있습니다, 하나의 개념에서 1,800건입니다.

다음 단계: 90일 목표

직접 시도해 보세요

integrated marketing SEO/content execution 방법론은 모든 브랜드에 적용 가능합니다. 시작하는 방법은 다음과 같습니다:

1. 20개 키워드 선정, “best X”, “X alternatives”, “X vs Y” 형식에 집중
2. SERP 감사, 각 키워드에 대해 1-20위에 누가 랭킹되는지 확인
3. 언급 확인, 해당 페이지에 여러분의 브랜드가 나타나는가?
4. 가시성 계산, 위의 공식 사용
5. 검색량이 아닌 적합도 기준 우선순위 설정, 각 기회의 적합도, 의도, 승산을 점수화한 뒤 코드에서 곱하세요(공식은 위에 있습니다)
6. 갭 피치, 랭킹은 되지만 여러분을 언급하지 않는 페이지에 연락

integrated marketing SEO/content execution의 아름다움은 복리 효과에 있습니다. 새로운 언급이 가시성 점수를 높이고, 가시성이 높아질수록 다음 언급을 얻기가 더 쉬워집니다.

이 글의 수치는 2026년 10월 18일 integrated marketing SEO/content execution 추적 데이터베이스에 실행한 쿼리에서 나왔습니다. Three.js 시각화도 같은 데이터를 렌더링합니다: 3,222개 키워드, 8,921개 SERP 결과, 3,964명의 outreach 후보.