Integrated Marketing SEO/Content Execution Play: Como construímos um sistema de dominação SERP com dados reais

Em 2019, Dulé Stojnic e Axel Lavergne na Brevo, anteriormente Sendinblue, escalaram a visibilidade SaaS com uma execução integrada de marketing, SEO e conteúdo: fazer a marca aparecer em muitas das páginas mais bem posicionadas para uma consulta, não apenas tentar colocar uma página própria no #1. A pergunta era simples: e se a sua marca aparecesse em cada página nos 10 primeiros resultados?

Chamaram-lhe a integrated marketing SEO/content execution play, e em 6 meses de rastreamento de mais de 600 palavras-chave, alcançaram 50% de menções influenciadas pelo programa. Pegámos no framework deles, construímos um sistema de automação full-stack à volta e aplicámo-lo à nossa própria marca em mais de 2.800 palavras-chave em 6 idiomas.

Este artigo é uma análise técnica completa da arquitetura, ferramentas, design de banco de dados e os dados reais que estamos a observar. Abaixo, encontrará visualizações 3D interativas construídas com Three.js que mostram as nossas pontuações de visibilidade reais, panorama de palavras-chave e pipeline de outreach.

A ideia central: Estar em todo o lado, não apenas #1

Pense em como realmente descobre produtos. Pesquisa “melhor software de email marketing” e vê 10 resultados. Clica em 3-4 deles. Se uma marca aparece em cada artigo que lê, essa marca ganha, mesmo que nunca tenha ficado em #1.

“Quanto mais frequentemente alguém ouve sobre o seu produto de múltiplas fontes, mais provável é que compre o seu produto.”

Este é o efeito integrated marketing SEO/content execution. Como uma festa de cocktail onde todos recomendam o mesmo livro.

A matemática por trás

Visibility Score, a métrica mais simples:

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

Se a sua marca aparece em 8 dos 20 primeiros resultados para “melhor software CRM”, a sua pontuação de visibilidade é de 40%.

Visibilidade ponderada por posição, porque a posição 1 importa mais que a posição 20:

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

Position Weights: #1 = 10pts, #2 = 9pts, ... #10 = 1pt

Opportunity Score, onde concentrar o seu esforço:

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

Uma palavra-chave com 35.000 pesquisas mensais e 5% de visibilidade = opportunity score de 33.250. É aí que faz pitch primeiro.

Arquitetura do sistema

Aqui está o stack completo que construímos para automatizar o workflow integrated marketing SEO/content execution:

Stack tecnológico

O pipeline

┌─────────────────┐     ┌──────────────────┐     ┌───────────────────┐
│  Keyword         │────▶│  SERP 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       │
│  (7,322 targets) │     │  (Gap Analysis)   │     │  visibility_      │
│                  │     │                   │     │  calculator.py    │
└─────────────────┘     └──────────────────┘     └───────────────────┘

Design do banco de dados

O nosso banco de dados PostgreSQL tem 13 tabelas que rastreiam tudo, desde palavras-chave brutas até ao estado dos prospects de outreach. Aqui estão os dados com que trabalhamos:

Tabelas principais

Destaques do schema

A tabela keywords suporta rastreamento multi-país e multi-idioma:

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)
);

A tabela visibility_scores rastreia a visibilidade da marca por palavra-chave ao longo do tempo:

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()
);

Panorama de palavras-chave: 7,4M pesquisas mensais

Estamos a rastrear 2.804 palavras-chave em 58 silos de conteúdo, representando mais de 7,4 milhões de pesquisas mensais. Aqui está a distribuição:

Top silos por volume de pesquisa

Dificuldade média das palavras-chave: 38,7/100

A maioria das nossas palavras-chave alvo está na faixa de dificuldade média, alcançáveis com conteúdo de qualidade e menções estratégicas de terceiros. O ponto ideal para integrated marketing SEO/content execution são palavras-chave com dificuldade 20-50 e volume acima de 1.000.

Dados de visibilidade reais

Aqui é onde a estratégia se torna real. A nossa pontuação de visibilidade geral atual é de 0,1%, estamos no início da execução. Mas veja as palavras-chave onde já temos tração:

Onde já somos visíveis

Onde estão as maiores oportunidades

Estas palavras-chave de alto volume têm zero visibilidade, oportunidade massiva:

Deteção de menções de marca

O nosso mention checker já escaneou 739 páginas, encontrando 17.285 menções de marca em 590 páginas (taxa de menção de 79,8%). Apenas 37 páginas incluem um backlink real.

O mention checker funciona através de:

1. Obtenção do conteúdo da página através de uma pipeline robusta de scraping web
2. Matching por regex para nomes de marca e aliases (case-insensitive, com extração de contexto)
3. Deteção de links para determinar se as menções incluem backlinks
4. Extração de contexto para capturar a frase em torno de cada menção

# 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 de outreach: 7.322 prospects

O sistema de outreach identifica páginas que posicionam para as nossas palavras-chave alvo e que ainda não nos mencionam. Cada uma torna-se um prospect.

Decomposição do pipeline

Tipos de prospects (Prospects “Go” qualificados)

Estado do plano de conteúdo

Temos 535 peças de conteúdo planeadas. 23 estão completas. 512 estão em vários estágios de produção, esta é a máquina de conteúdo que alimenta a estratégia integrated marketing SEO/content execution.

As ferramentas: Automação alimentada por MCP

Todo o sistema é orquestrado através de servidores Model Context Protocol (MCP), permitindo execução assistida por IA de cada passo do workflow.

Integração Ahrefs MCP

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

Integração MCP de scraping web

search_engine       → Scraping ao vivo de resultados de pesquisa (Google, Bing, Yandex)
search_engine_batch → Scraping em lote de resultados de pesquisa
scrape_as_markdown  → Extração completa de conteúdo da página
scrape_batch        → Scraping de conteúdo em lote

Workflow: Da palavra-chave ao outreach

Aqui está um workflow real que executamos regularmente:

Passo 1: Pesquisa de palavras-chave

python3 keyword_research.py --stats
# Returns: 2,804 keywords, 58 silos, 7.4M total volume

Passo 2: Análise SERP

python3 serp_analyzer.py --keyword-id 1 --summary
# Returns: top 15 results, avg DR 90.2, 13 unique domains

Passo 3: Verificação de menções

python3 mention_checker.py --stats
# Returns: 739 pages checked, 590 with mentions, 17,285 total

Passo 4: Cálculo de visibilidade

python3 visibility_calculator.py --overall --report
# Returns: 0.1% overall visibility, silo breakdown, opportunities

Lições aprendidas (até agora)

1. Começar com palavras-chave de concorrentes

O silo “Competitor” tem a visibilidade média mais alta (11%) porque as páginas de comparação de concorrentes mencionam naturalmente múltiplas marcas. Palavras-chave como “alternativas ao Mailchimp” ou “HubSpot vs Brevo” são frutos fáceis de colher.

2. Sites de reviews são ouro

Sites como G2, Capterra e PCMag posicionam para quase tudo e listam-no se cumprir os seus critérios. Os nossos dados SERP mostram um DR médio de 90,2 para os resultados principais, não pode superá-los no ranking, mas pode estar neles.

3. Volume ≠ Oportunidade

“CRM” tem 44.000 pesquisas mensais mas as páginas posicionadas são dominadas por marcas enterprise. “ecommerce email marketing” com 500 pesquisas tem alvos de outreach mais acionáveis. Use a fórmula de opportunity score, não o volume bruto.

4. Menção ≠ Link

De 590 páginas que nos mencionam, apenas 37 incluem um link. Isso é uma taxa de links de 6,3%. Cada menção sem link é uma vitória de outreach fácil, pode pedir educadamente um link já que eles já o recomendam.

5. Multilingue multiplica tudo

O rastreamento em 6 idiomas (EN, FR, DE, IT, PT, ES) multiplica a sua superfície de oportunidade. Uma palavra-chave com 1.000 pesquisas em inglês pode ter 500 em francês e 300 em alemão, são 1.800 de um só conceito.

Próximos passos: Metas a 90 dias

Experimente você mesmo

A metodologia integrated marketing SEO/content execution funciona para qualquer marca. Aqui está como começar:

1. Escolha 20 palavras-chave, concentre-se em formatos “melhor X”, “alternativas a X”, “X vs Y”
2. Audite as SERPs, para cada palavra-chave, verifique quem posiciona nas posições 1-20
3. Verifique menções, a sua marca aparece nessas páginas?
4. Calcule a visibilidade, use as fórmulas acima
5. Priorize por oportunidade, (100% - visibilidade) × volume = onde se concentrar
6. Faça pitch nas lacunas, contacte páginas que posicionam mas não o mencionam

A beleza do integrated marketing SEO/content execution é que se acumula. Cada nova menção melhora a sua pontuação de visibilidade, e cada melhoria de visibilidade torna a próxima menção mais fácil de conseguir.

Este artigo usa dados atualizados do nosso sistema de rastreamento integrated marketing SEO/content execution em produção. As visualizações Three.js abaixo renderizam dados reais de 2.804 palavras-chave, 6.900 resultados de pesquisa e 7.322 prospects de outreach.