Integrated Marketing SEO/Content Execution Play: 我们如何用真实数据构建 SERP 霸占系统

2019 年，Brevo（原 Sendinblue）的 Dulé Stojnic 和 Axel Lavergne 通过 integrated marketing SEO/content execution play 扩展了 SaaS 可见度：让品牌出现在某个查询的多个高排名页面上，而不是只尝试把一个自有页面推到 #1。问题很简单：如果你的品牌出现在前 10 个结果的每一个页面上呢？

他们将其命名为 integrated marketing SEO/content execution play，在追踪 600+ 关键词的 6 个月内，他们实现了 50% 的项目影响提及率。我们采用了他们的框架，围绕它构建了一个全栈自动化系统，并在 31 种语言的 3,222 个关键词上运行。这个追踪系统最初是为给 Brevo 打分而搭建的，也就是这套打法最初服务的品牌。Tajo 在 2026年10月18日才被加入，所以下文大多数可见度和提及数据属于 Brevo，每张表都注明了数据属于谁。

本文是对架构、工具、数据库设计和我们所观察到的真实数据的完整技术分析。下方你将看到使用 Three.js 构建的交互式 3D 可视化图表，展示已存储的可见度分数、关键词格局和外展管道。

2026-10-18 刷新

2026年10月18日，我们分两轮复查了 284 个已存储查询中的 197 个，其中包括 217 个目标关键词中的 181 个。520 次搜索请求中有 316 次返回为空，因此其余 87 个查询保留 10月3日的结果。

• Google 重新索引了首页。 搜索”tajo.io”时，tajo.io 在美国和法国都排名 #1，现在显示的是首页的新标题。10月3日时它显示的仍是旧标题。
• 新增一个品牌排名。 tajo.io 进入了”tajo app”的前 20 名：美国 #15，法国 #14。
• “tajo”仍然缺席，所查的 7 个市场全部如此。在美国、西班牙、德国和法国，知识面板属于那条河流；在意大利，排名第一的是一家餐厅。
• 非品牌词：182 个中 0 个。 在刷新的 182 个品类和目标查询中，tajo.io 一个也没有出现，与 10月3日相同。
• 可见度。 Tajo 在 197 个刷新关键词中的 4 个上可见，平均分 0.13。Brevo 在 101 个上可见，平均分 11.31。

描述 Tajo 的这些词的需求，首次得到测量（美国月搜索量与关键词难度，来源 Ahrefs）：

10月3日时，这些词还没有测量到的搜索量，每个词都按每月 100 次搜索估算。

许多已存储的搜索量是错的。 一次针对 451 个国家与关键词组合的 Ahrefs 刷新替换了已存储的搜索量和难度，旧值保留在 keyword_metric_snapshots 中。非英文数字偏差最大。“integração shopify”（巴西）每月有 50 次搜索，而不是存储的 1,200 次。“integraciones zapier”（墨西哥）和”integration zapier”（法国）根本没有可测量的搜索量。我们用真实搜索量重新计算了机会排名，Jev 的回答保持不变。17 个条目降为零并被移出，剩下 533 个。新的前五名：

只有第五名完全基于新的 Ahrefs 数据。

核心洞察：无处不在，而非仅仅第一

想想你是如何发现产品的。你搜索”best email marketing software”，看到 10 个结果。你点击了其中 3-4 个。如果一个品牌出现在你阅读的每一篇文章中，那个品牌就赢了, , 即使它本身从未排名第一。

“一个人从多个来源越频繁地听到你的产品，他们就越有可能购买你的产品。”

这就是 integrated marketing SEO/content execution 效应。就像一场鸡尾酒会上每个人都推荐同一本书。

背后的数学

可见度分数, , 最简单的指标：

可见度分数 % = (前 20 名中的提及次数 ÷ 20) × 100

如果你的品牌出现在”best CRM software”前 20 个结果中的 8 个上，你的可见度分数就是 40%。

位置加权可见度, , 因为位置 1 比位置 20 更重要：

加权分数 = Σ(提及位置的权重) / Σ(所有位置权重) × 100

位置权重：#1 = 20分，#2 = 19分，⋯⋯ #20 = 1分（合计 210）

机会分数, , 集中精力的方向：

机会分数 = (100% - 可见度分数) × 月搜索量

一个月搜索量 35,000 且可见度 5% 的关键词 = 机会分数 33,250。这就是你首先进行推介的地方。

系统架构

以下是我们为自动化整个 integrated marketing SEO/content execution 工作流程而构建的完整技术栈：

技术栈

Pipeline

┌─────────────────┐     ┌──────────────────┐     ┌───────────────────┐
│  关键词           │────▶│  SERP 分析器       │────▶│  提及检查器         │
│  调研             │     │  （每词前 20 名）  │     │  （抓取 + 匹配）    │
│  keyword_        │     │  serp_            │     │  mention_         │
│  research.py     │     │  analyzer.py      │     │  checker.py       │
└─────────────────┘     └──────────────────┘     └───────────────────┘
                                                          │
                                                          ▼
┌─────────────────┐     ┌──────────────────┐     ┌───────────────────┐
│  外展             │◀────│  机会              │◀────│  可见度            │
│  管道             │     │  评分              │     │  计算器            │
│  （3,964 个目标） │     │  （差距分析）      │     │  visibility_      │
│                  │     │                   │     │  calculator.py    │
└─────────────────┘     └──────────────────┘     └───────────────────┘

数据库设计

我们的 PostgreSQL 数据库有 14 张表，追踪从原始关键词到外展潜客状态的所有内容。以下是我们正在使用的数据：

核心表

Schema 亮点

keywords 表支持多国家、多语言追踪：

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 表按关键词随时间追踪品牌可见度：

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()
);

关键词格局：每月 981 万次搜索

我们正在追踪 45 个内容 silo 中的 3,222 个关键词，代表约 981 万次月搜索量（9,814,910）。以下是分布情况：

按搜索量排名的顶级 Silo

Support 这一行只有一个关键词”help desk solutions”，Ahrefs 给出的月搜索量为 3,010,000，接近总量的三分之一。请把它看作一个异常值，而不是一个 silo。图表中没有包含它。平均搜索量只计算有实测搜索量的关键词。

平均关键词难度：23.6/100

这是 2,499 个有难度分数的关键词的平均值。integrated marketing SEO/content execution 的最佳区间是难度 20-50 且搜索量超过 1,000 的关键词。我们有 615 个关键词落在这个区间。

真实可见度数据

这里是策略变得真实的地方。这个追踪系统是为给 Brevo 打分而建的，Tajo 在 2026年10月18日才加入。在当天对 197 个关键词的刷新中，Tajo 的平均可见度为 0.13%，Brevo 为 11.31%。Tajo 出现在四个关键词上，全部是搜索它自己名字的查询：

Tajo 可见的地方（2026-10-18）

最大机会所在

以下是 10月18日刷新中搜索量最高的关键词。Tajo 一个也没有出现：

用 Jev 为机会打分

上面那张表看错了我们，直到 2026年10月3日我们才意识到。按 (100% − 可见度) × 搜索量 排序，像每月 193,000 次搜索的“crm”，或在 10月3日候选集中有 69,800 次搜索的“newsletter”这类大词，看起来是最值得投入一周的地方。Tajo 是一个智能体式集成构建器：reverse ETL、MCP 服务器和工具，以及用于在 SaaS 应用之间构建同步的 MCP UI。Shopify 和 Brevo 是它的首批连接器。寻找新闻通讯技巧的读者，并不是想连接两个工具。搜索量看不出这一点。模型看得出。

于是我们把 TypeSafe 的类型化判断模型 Jev 放在关键词数据库和待办清单之间。它不写任何内容。它对每个机会回答四个问题，每个答案都以带置信度的类型化结果返回。其余一切交给代码。

四个问题

每个请求都带着同一段描述 Tajo 的文字，再加上我们掌握的该条目事实：搜索量、关键词难度、已存储的前 10 名结果及已知的域名评级、其中有多少论坛和榜单文章，以及我们现有的文章（字数、距上次更新的天数、页面浏览量）或第三方页面。

公式写在代码里

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   (准备配置 1.0，比较 0.9，
                                        学习 0.6，导航 0.3；自有品牌 1.0)

搜索量以对数尺度计入，所以大十倍的关键词只多得一分，而不是十倍的分数。相邻契合度记为零：无法通向同步的流量，我们不为它买单。可赢性永远不会为零，所以完全契合的关键词即使很难，也会留在清单上。意图按 Jev 给出的完整概率分布加权，因此意图不确定时分数会缩小，而不是被迫猜一个。

然后是关卡。任何契合度或可赢性答案的置信度低于 0.6，都交给人来判断，不进入排名。

改了什么

第一轮把契合度除以三，剩下的全交给搜索量。一篇葡萄牙语的“最佳新闻通讯”榜单文章排到了第 16 名。契合度只是相邻，搜索量 25,000，排名全靠搜索量撑起来。那一轮和我们卖的东西相矛盾，所以公式改成把相邻契合度清零，然后所有条目重新评分。

在最终一轮中，前十名全是集成和同步类查询：

“newsletter”最终排在 550 个中的第 543 名。10月18日搜索量刷新后，它排在 533 个中的第 526 名，而“integração Shopify”按其真实搜索量 50 从第 1 名跌到第 8 名。

这一轮还发现了任何公式都找不到的东西：我们 97% 的本地化文章仍然带着英文主关键词。那篇葡萄牙语 Shopify 文章是用葡萄牙语写的，瞄准的却是英文搜索。

成本

为 1,866 个条目打分用了 277 万个输入 token，大约 11 美分。把同样的 19 个条目问两遍，分数平均变动 0.034，38 个选择题答案中有 2 个翻转。所以任何两个相差在 0.1 以内的优先级都算平手。判断的质量取决于输入的事实。我们存储的搜索结果大多来自 2026年2月（8,921 条中的 6,802 条），而 10月3日那一轮的非英文关键词完全没有搜索结果，所以那里的可赢性只能依赖关键词难度。10月18日的刷新为 37 个非英文关键词补充了 338 条结果。此后 Jev 还没有重新评分。

品牌提及检测

我们的提及检查器迄今已扫描 8,898 个页面。Brevo 或其旧名 Sendinblue 出现在其中 1,248 个页面上（14.0% 提及率），共 34,010 次提及。其中只有 215 个页面包含链接。Tajo 出现在 4 个页面上，全部位于 tajo.io。10月18日新增的页面是根据搜索摘要而非完整页面检查的，因此会少算。

提及检查器的工作原理：

1. 通过稳定的网页抓取管道获取页面内容
2. 正则匹配品牌名称和别名（不区分大小写，带上下文提取）
3. 链接检测确定提及是否包含反向链接
4. 上下文提取捕获每次提及周围的句子

# 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

外展管道：3,964 个潜客

外展系统识别排名在我们目标关键词上但尚未提及被追踪品牌的页面。每个页面都成为一个潜客。

管道分布

还没有任何潜客经过资格审查或被联系：数据库中没有任何 Go 或 No-Go 决定。

潜客类型

这 397 个榜单、对比、论坛和视频页面来自 10月18日的刷新。其中一些由厂商撰写，因此在任何推介之前都需要先筛选。

内容计划状态

我们的计划中共有 585 篇内容。525 篇已完成。60 篇已规划的内容包括 35 篇新文章和 25 篇改版，这就是驱动 integrated marketing SEO/content execution 机器的内容引擎。

工具链：MCP 驱动的自动化

整个系统通过 Model Context Protocol (MCP) 服务器进行编排，实现工作流程每个步骤的 AI 辅助执行。

Ahrefs MCP 集成

keywords-explorer-overview    → 关键词指标（搜索量、难度、CPC）
keywords-explorer-matching    → 相关关键词发现
serp-overview                 → 任意关键词的 SERP 位置数据
site-explorer-organic-keywords → 竞争对手关键词分析
batch-analysis                → 批量域名指标

网页抓取 MCP 集成

search_engine       → 实时搜索结果抓取（Google、Bing、Yandex）
search_engine_batch → 批量搜索结果抓取
scrape_as_markdown  → 完整页面内容提取
scrape_batch        → 批量内容抓取

工作流程：从关键词到外展

以下是我们定期运行的实际工作流程：

步骤 1：关键词研究

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

步骤 2：SERP 分析

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

步骤 3：提及检查

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

步骤 4：可见度计算

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

目前的经验教训

1. 从竞争对手关键词开始

在”Competitor” silo 中，Brevo 最新的平均可见度为 26.8%（166 个关键词），而全部 795 个已评分关键词的平均值为 24.1%，因为竞争对手比较页面自然会提及多个品牌。像”mailchimp alternatives”或”hubspot vs brevo”这样的关键词是唾手可得的成果。

2. 评测网站是金矿

G2、Capterra 和 PCMag 等网站几乎在所有关键词上都有排名，如果你满足他们的标准，他们会收录你。173 条带有域名评级的已存储搜索结果平均 DR 为 87.3。你无法在排名上超越它们，但你可以出现在它们的页面上。

3. 搜索量 ≠ 机会

“crm”在美国每月有 193,000 次搜索，但其中大多数读者并不想连接两个工具。与你真正销售的东西相契合，胜过搜索量。这就是为什么机会分数现在是 Jev 的判断在代码中相乘的结果，而不是原始搜索量乘以缺口。

4. 提及 ≠ 链接

在 1,248 个提及 Brevo 的页面中，只有 215 个包含链接。链接率为 17.2%。每个未含链接的提及都是一个简单的外展机会，你可以礼貌地请求添加链接，因为他们已经在支持你了。

5. 多语言成倍增加一切

关键词集覆盖 31 种语言，其中六种（EN、ES、PT、DE、FR、IT）占了 3,222 个关键词中的 2,892 个。每多一种语言，你的机会面就成倍增加。一个在英语中有 1,000 次搜索的关键词可能在法语中有 500 次、德语中有 300 次，一个概念就带来 1,800 次搜索。

接下来：90 天目标

亲自试试

integrated marketing SEO/content execution 方法论适用于任何品牌。以下是入门方法：

1. 选择 20 个关键词, , 聚焦于”best X”、“X alternatives”、“X vs Y”格式
2. 审计 SERP, , 对每个关键词，检查谁排在位置 1-20
3. 检查提及, , 你的品牌是否出现在那些页面上？
4. 计算可见度, , 使用上面的公式
5. 按契合度而非搜索量排序, 为每个机会的契合度、意图和可赢性打分，然后在代码中相乘（公式见上文）
6. 推介空白点, , 联系那些有排名但未提及你的页面

integrated marketing SEO/content execution 的美妙之处在于它会复利累积。每一次新的提及都会提高你的可见度分数，而每一次可见度的提升都会让下一次提及更容易获得。

本文中的数据来自 2026年10月18日对我们 integrated marketing SEO/content execution 追踪数据库的查询。Three.js 可视化图表渲染的是同一批数据：3,222 个关键词、8,921 个搜索结果和 3,964 个外展潜客。