Surround Sound SEO stratégia: Hogyan építettünk SERP dominancia rendszert valós adatokkal

2019-ben Alex Birkett és Irina Nica a HubSpot-nál úttörő munkát végeztek, amely megváltoztatta az SEO-ról való gondolkodásunkat. Ahelyett, hogy egyetlen #1 helyezésre koncentráltak volna, feltették a kérdést: mi lenne, ha a márkád megjelenne a top 10 találat minden oldalán?

Ezt Surround Sound Strategy-nek nevezték el — és 600+ kulcsszó követésének 6 hónapja alatt 50%-os programbefolyásolt említési arányt értek el. Mi átvettük a keretrendszerüket, egy teljes full-stack automatizálási rendszert építettünk köré, és alkalmaztuk saját márkánkra 2800+ kulcsszón, 6 nyelven.

Ez a bejegyzés a rendszerarchitektúra, az eszközök, az adatbázis-tervezés és a valós adataink teljes technikai lebontása. Az alábbiakban Three.js-sel készült interaktív 3D vizualizációkat találsz, amelyek a tényleges láthatósági pontszámainkat, kulcsszó-tájképünket és outreach pipeline-unkat mutatják.

Az alapvető felismerés: Légy mindenhol, ne csak az #1

Gondolj bele, hogyan fedezel fel valójában termékeket. Rákereselsz a „legjobb email marketing szoftver” kifejezésre, és 10 találatot látsz. Rákattintasz 3-4-re. Ha egy márka megjelenik minden egyes cikkben, amit elolvasol, az a márka nyer — még akkor is, ha soha nem volt maga az #1.

„Minél gyakrabban hall valaki a termékedről több forrásból, annál valószínűbb, hogy megvásárolja a termékedet.”

Ez a surround sound hatás. Mint egy koktélparti, ahol mindenki ugyanazt a könyvet ajánlja.

A mögöttes matematika

Visibility Score — a legegyszerűbb mérőszám:

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

Ha a márkád a top 20 találat közül 8-ban jelenik meg a „legjobb CRM szoftver” kulcsszóra, a láthatósági pontszámod 40%.

Position-Weighted Visibility — mert az 1. pozíció többet számít, mint a 20.:

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

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

Opportunity Score — hova érdemes koncentrálni az erőfeszítéseidet:

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

Egy 35 000 havi kereséssel és 5% láthatósággal rendelkező kulcsszó = 33 250-es opportunity score. Ide érdemes először pitch-elni.

Rendszerarchitektúra

Íme a teljes stack, amelyet a surround sound munkafolyamat automatizálására építettünk:

Technológiai stack

A 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    │
└─────────────────┘     └──────────────────┘     └───────────────────┘

Adatbázis-tervezés

A PostgreSQL adatbázisunk 13 táblával rendelkezik, amely a nyers kulcsszavaktól az outreach prospect státuszig mindent nyomon követ. Íme az adatok, amelyekkel dolgozunk:

Alapvető táblák

Séma kiemelések

A keywords tábla támogatja a több országos, többnyelvű követést:

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 visibility_scores tábla a márka láthatóságát követi kulcsszavanként időben:

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()
);

Kulcsszó-tájkép: 7,4M havi keresés

2 804 kulcsszót követünk 58 tartalom silóban, amelyek több mint 7,4 millió havi keresést képviselnek. Íme az eloszlás:

Top silók keresési volumen szerint

Átlagos kulcsszó nehézség: 38,7/100

A célkulcsszavaink többsége a közepes nehézségi tartományba esik — elérhető minőségi tartalommal és stratégiai harmadik féltől származó említésekkel. A surround sound számára az ideális pont a 20-50 nehézségű és 1000 feletti volumenű kulcsszavaknál van.

Valós láthatósági adatok

Itt válik a stratégia valóságossá. Jelenlegi összes láthatósági pontszámunk 0,1% — a végrehajtás elején vagyunk. De nézd meg azokat a kulcsszavakat, ahol már van vonzerőnk:

Ahol már láthatóak vagyunk

Ahol a legnagyobb lehetőségek vannak

Ezek a nagy volumenű kulcsszavak nulla láthatósággal rendelkeznek — hatalmas lehetőség:

Márkaemítés-detektálás

Az említésellenőrzőnk eddig 739 oldalt vizsgált meg, és 17 285 márkaemítést talált 590 oldalon (79,8%-os említési arány). Csak 37 oldal tartalmaz tényleges visszahivatkozást.

Az említésellenőrző működése:

1. Oldaltartalom lekérése a BrightData scraping API-ján keresztül (kezeli a botdetektálást és a CAPTCHA-kat)
2. Regex illesztés márkanevekre és aliasokra (kis- és nagybetű érzéketlen, kontextus kinyeréssel)
3. Link detektálás annak meghatározására, hogy az említések tartalmaznak-e visszahivatkozásokat
4. Kontextus kinyerés az egyes említések körüli mondat rögzítéséhez

# 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 pipeline: 7 322 prospect

Az outreach rendszer azonosítja azokat az oldalakat, amelyek a célkulcsszavainkra rangsorolnak, de még nem említenek minket. Mindegyik prospectté válik.

Pipeline lebontás

Prospect típusok (minősített „Go” prospectek)

Tartalomterv státusz

535 tartalom van tervben. 23 kész. 512 a gyártás különböző fázisaiban van — ez a tartalommotor, amely a surround sound gépezetet táplálja.

Az eszközök: MCP-alapú automatizálás

A teljes rendszert Model Context Protocol (MCP) szervereken keresztül orchestráljuk, amely lehetővé teszi az AI-támogatott végrehajtást minden munkafolyamat-lépésnél.

Ahrefs MCP integráció

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

BrightData MCP integráció

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

Munkafolyamat: Kulcsszótól az outreach-ig

Íme egy valós munkafolyamat, amelyet rendszeresen futtatunk:

1. lépés: Kulcsszókutatás

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

2. lépés: SERP elemzés

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

3. lépés: Említésellenőrzés

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

4. lépés: Láthatóság számítás

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

Tanulságok (eddig)

1. Kezdd a versenytárs kulcsszavakkal

A „Versenytárs” silónak van a legmagasabb átlagos láthatósága (11%), mert a versenytárs-összehasonlító oldalak természetesen több márkát említenek. Az olyan kulcsszavak, mint a „mailchimp alternatívák” vagy a „hubspot vs brevo”, könnyen elérhető gyümölcsök.

2. Az értékelő oldalak aranyat érnek

Az olyan oldalak, mint a G2, Capterra és PCMag, szinte mindenre rangsorolnak, és felsorolnak téged, ha megfelelsz a kritériumaiknak. A SERP adataink átlagosan 90,2-es DR-t mutatnak a top találatoknál — nem tudod felülmúlni őket, de rajta lehetsz.

3. Volumen ≠ Lehetőség

A „CRM” kulcsszónak 44 000 havi keresése van, de a rangsoroló oldalakat nagyvállalati márkák dominálják. Az „ecommerce email marketing” 500 kereséssel több akcionálható outreach célponttal rendelkezik. Használd az opportunity score képletet, ne a nyers volument.

4. Említés ≠ Link

A 590 minket említő oldalból csak 37 tartalmaz linket. Ez 6,3%-os link arány. Minden linkeletlen említés egy könnyű outreach győzelem — udvariasan kérhetsz linket, mivel már ajánlanak téged.

5. A többnyelvűség mindent megsokszoroz

A 6 nyelven (EN, FR, DE, IT, PT, ES) történő követés megsokszorozza a lehetőségi felületedet. Egy 1000 keresésű angol kulcsszónak lehet 500 francia és 300 német keresése — ez 1800 egyetlen koncepcióból.

Mi következik: 90 napos célok

Próbáld ki magad

A surround sound módszertan bármely márkára működik. Így kezdj hozzá:

1. Válassz ki 20 kulcsszót — fókuszálj a „legjobb X”, „X alternatívák”, „X vs Y” formátumokra
2. Auditáld a SERP-eket — minden kulcsszónál nézd meg, ki rangsorol az 1-20 pozíciókban
3. Ellenőrizd az említéseket — megjelenik a márkád ezeken az oldalakon?
4. Számítsd ki a láthatóságot — használd a fenti képleteket
5. Prioritizálj lehetőség szerint — (100% - láthatóság) × volumen = hova fókuszálj
6. Pitch-elj a résekbe — keress meg olyan oldalakat, amelyek rangsorolnak, de nem említenek téged

A surround sound szépsége az, hogy halmozódik. Minden új említés javítja a láthatósági pontszámodat, és minden láthatósági javulás könnyebbé teszi a következő említés megszerzését.

Ez a bejegyzés élő adatbázis-lekérdezésekből készült, amelyek a produkciós surround sound követőrendszerünk ellen futnak. Az alábbi Three.js vizualizációk valós adatokat jelenítenek meg 2804 kulcsszóból, 6900 SERP eredményből és 7322 outreach prospectből.