---

做Google SEO的人都有一个共同感受：越来越难了。

以前发发外链、堆堆锚文本就能上去，现在不行了。Google的算法从"匹配关键词"进化到了"匹配搜索意图"。外链权重从60%降到30%，内容质量成了核心排名因素。

但问题是：手动写内容太慢，关键词又太多，怎么批量覆盖？

这篇帖子分享我目前在用的四个方法，全部基于Python + 搜索API实现半自动化/全自动内容生产。代码可直接复用。

---

方法一：写之前先搜，做内容去重

很多人写SEO文章的流程是：找关键词 → 写文章 → 发布 → 等排名。

错。

正确的流程是：找关键词 → 搜这个关键词 → 看前10名在写什么 → 找到他们没覆盖的角度 → 写差异化内容 → 发布。

Google现在的排名逻辑是：它会看当前搜索结果的前10名都在写什么，然后判断"用户对这个话题还缺什么信息"。如果你的内容恰好补上了这个缺口，你就能上去。

不需要外链，不需要锚文本，只需要你的内容比现有结果更好、更新、更完整。

代码实现

import requests

API_KEY = "your_serpbase_api_key"
URL = "https://api.serpbase.dev/google/search"

def search_google(query, gl="us", hl="en"):
    """搜索Google，返回前10条结果"""
    payload = {"q": query, "gl": gl, "hl": hl, "page": 1}
    headers = {"Content-Type": "application/json", "X-API-Key": API_KEY}
    
    resp = requests.post(URL, json=payload, headers=headers, timeout=15)
    data = resp.json()
    
    if data.get("status") != 0:
        print(f"Error: {data.get('status')}")
        return []
    
    return data.get("organic", [])

def analyze_top10(query):
    """分析前10名的内容，找缺口"""
    results = search_google(query)
    
    print(f"\n关键词：{query}")
    print(f"前10名标题：\n")
    
    titles = []
    for r in results[:10]:
        title = r.get("title", "")
        snippet = r.get("snippet", "")
        titles.append({"title": title, "snippet": snippet})
        print(f"[{r.get('rank')}] {title}")
        print(f"    摘要：{snippet[:80]}...")
        print()
    
    return titles

# 用法
titles = analyze_top10("python web framework comparison")

拿到前10名的标题和摘要后，手动分析一下：哪些角度没人写？哪些问题没人回答？ 那个"缺口"就是你的切入点。

---

方法二：蹭热点，用实时搜索数据找选题

你说"不知道写什么"，这是大部分SEO人的常态。

解法很简单：不知道写什么，就看别人在写什么。

具体操作：

1. 每天花10分钟搜你的核心关键词，看有没有新出现的结果
2. 搜Google News，看你的行业有没有新闻
3. 看Reddit、Twitter上你的目标用户在讨论什么

如果某个话题突然多了很多新内容，说明这个话题正在"热"。你也写一篇，但角度要比别人深。

代码实现

def search_news(query, gl="us", hl="en"):
    """搜索Google News，找热点话题"""
    payload = {"q": query, "gl": gl, "hl": hl, "page": 1}
    headers = {"Content-Type": "application/json", "X-API-Key": API_KEY}
    
    # SerpBase的news端点
    resp = requests.post(
        "https://api.serpbase.dev/google/news",
        json=payload, headers=headers, timeout=15
    )
    data = resp.json()
    
    if data.get("status") != 0:
        return []
    
    return data.get("news", [])

def find_hot_topics(keywords):
    """批量搜索关键词，找热点话题"""
    hot_topics = []
    
    for kw in keywords:
        news = search_news(kw)
        for item in news[:3]:
            hot_topics.append({
                "keyword": kw,
                "title": item.get("title"),
                "source": item.get("source"),
                "time": item.get("time"),
                "link": item.get("link"),
            })
    
    return hot_topics

# 用法：批量搜索你关注的关键词
keywords = ["python framework", "AI tools", "SEO update"]
hot = find_hot_topics(keywords)

for t in hot:
    print(f"[{t['keyword']}] {t['title']}")
    print(f"  来源：{t['source']} | 时间：{t['time']}")
    print()

---

方法三：程序化覆盖长尾词

你说"有很多关键词"，这个"很多"如果是几百上千个，靠一篇一篇手写不现实。

这时候就需要程序化内容（Programmatic SEO）。

原理很简单：有些关键词的搜索意图是结构化的。比如"best [城市] [服务]“、”[产品] vs [产品]“、”[工具] pricing"——这些词的搜索结果格式是固定的，你可以用模板批量生成。

代码实现

import csv
from datetime import datetime

def generate_content_batch(keywords_file, template):
    """批量生成内容骨架"""
    with open(keywords_file, "r", encoding="utf-8") as f:
        reader = csv.DictReader(f)
        keywords = list(reader)
    
    articles = []
    for kw in keywords:
        # 搜索该关键词的前10名
        top10 = search_google(kw["keyword"])
        top3_titles = [r.get("title", "") for r in top3[:3]] if (top3 := top10[:3]) else []
        
        # 生成文章骨架
        article = {
            "keyword": kw["keyword"],
            "title": template["title_format"].format(keyword=kw["keyword"]),
            "sections": template["sections"],
            "competitor_titles": top3_titles,
            "generated_at": datetime.now().isoformat(),
        }
        articles.append(article)
    
    return articles

# 模板示例
template = {
    "title_format": "Best {keyword} in 2026: Complete Guide",
    "sections": [
        "What is {keyword}?",
        "Top 5 {keyword} compared",
        "How to choose the right {keyword}",
        "Common mistakes to avoid",
        "FAQ",
    ],
}

# 用法
# articles = generate_content_batch("keywords.csv", template)

关键点：程序化内容不等于垃圾内容。 每篇必须有独特的、对用户有价值的信息。Google现在对"AI批量生成的低质内容"打击很狠，但对"结构化、有用、覆盖长尾需求"的内容依然友好。

---

方法四：全自动工作流（n8n + 搜索API）

前三个方法可以手动执行，但如果你想让内容生产在你睡觉的时候也能跑，就需要自动化。

我目前用的是 n8n + SerpBase 的组合：

1. 定时触发：每天早上8点自动执行
2. 搜索热点：调用SerpBase搜索Google News
3. AI分析：让LLM分析热点，生成文章大纲
4. AI写作：基于大纲生成完整文章
5. 人工审核：推送到飞书/Slack，审核后发布

n8n工作流节点

Schedule Trigger (每天8点)
    ↓
HTTP Request (调SerpBase搜索热点)
    ↓
Code (提取标题和摘要)
    ↓
HTTP Request (调LLM生成文章大纲)
    ↓
HTTP Request (调LLM生成完整文章)
    ↓
Slack/飞书 (推送到审核频道)

核心代码节点

// n8n Code节点：提取搜索结果
const items = $input.all();
const results = items[0].json.organic || [];

const signals = results.slice(0, 10).map(r => ({
  title: r.title,
  snippet: r.snippet,
  link: r.link,
  rank: r.rank,
}));

return signals.map(s => ({json: s}));

SerpBase请求配置

{
  "method": "POST",
  "url": "https://api.serpbase.dev/google/search",
  "headers": {
    "Content-Type": "application/json",
    "X-API-Key": "{{$env.SERPBASE_API_KEY}}"
  },
  "body": {
    "q": "{{$json.keyword}}",
    "gl": "us",
    "hl": "en",
    "page": 1
  }
}

注意：

• SerpBase的搜索接口是POST，不是GET
• 认证用X-API-Key头部
• 返回JSON里status为0才是成功
• 有机结果字段名是rank和link，不是position和url

---

成本估算

方法	每月成本	适合场景
方法一：内容去重	$1-3	手动写高质量文章
方法二：蹭热点	$2-5	每天找选题
方法三：程序化	$5-15	批量覆盖长尾词
方法四：全自动	$10-30	全自动内容生产

搜索API成本：$0.30/1000次查询。每月跑10万次也就$30。

---

总结

外链权重从60%降到30%了。SEO现在是内容产品，不是技术活。

四个方法的核心逻辑是一样的：用搜索数据驱动内容决策，用自动化提升效率。

• 方法一：搜了再写，做差异化
• 方法二：搜热点，蹭流量
• 方法三：搜长尾词，批量覆盖
• 方法四：全自动化，睡觉也在跑

工具是杠杆，不是答案。核心还是你对用户需求的理解。但有了这些自动化流程，你可以把更多时间花在"理解需求"上，而不是"手动搜索"上。

---

有其他问题欢迎评论区交流。