我用n8n+Scrapeless搭了个「SEO内容引擎」，全自动挖掘高转化选题，解决出海流量难题

如果你正在做出海业务，无论是做跨境电商、独立站，还是SaaS软件，你一定逃不开一个核心问题：如何低成本地获取海外精准流量？

在付费广告成本日益高涨的今天，内容营销（Content Marketing）几乎是所有出海人的必选项。于是，你带着团队，吭哧吭哧写了一堆英文博客、"How-to"教程，希望能拦截Google上的潜在客户。

结果呢？

老板过来一问ROI，你瞬间就汗流浃背了——因为大部分文章要么没人搜，要么被淹没在Google搜索结果的第10页，石沉大海。

这种“无的放矢”的感觉，我太懂了。我们花费大量精力创作的内容，往往因为选题不对、竞争太激烈、内容深度不够，导致投入产出比极低，陷入了“无效内卷”的怪圈。

那么，有没有一种方法，能让我们像开了“上帝视角”一样，精准地找到那些流量大、竞争小、转化潜力高的“神仙选题”，并自动完成竞品分析，直接生成高质量文章呢？

你别说，还真有。

今天，饼干哥哥就手把手带你用 n8n + Scrapeless，从0到1搭建一个全自动的“SEO内容引擎” 。这套工作流，能将一个模糊的业务领域，自动转化为一系列可执行的、具有明确ROI预期的SEO内容任务，最终成果会源源不断地存入你的数据库。

之前我们做过n8n+SEO的工作流：用n8n做AI工作流驱动网站出海赚美金3：搭建「SEO策略优化」AI Agent

下图就是我们最终要搭建的自动化工作流，它分为三大阶段：热点选题 -> 竞品调研 -> SEO文章写作。

怎么样，是不是已经有点小激动了？别急，这套系统不仅看起来酷，更重要的是，它背后有一套严谨的、能落地的商业逻辑。

说干就干，我们马上开始！

一、 一个好的SEO框架是什么样的

在进入n8n的复杂操作前，我们必须先搞清楚这套打法背后的核心逻辑。为什么这套流程是科学的？它解决了传统SEO内容生产的哪些核心痛点？

传统的SEO内容生产方式（手工作坊模式）

通常，一个标准的SEO内容生产流程是这样的：

1. 选题：运营同学打开Google Trends，输入一个核心词（比如电商卖家搜“dropshipping”，SaaS公司搜“Project Management”），看看趋势，然后凭感觉找几个相关的“Rising”词。

2. 调研：把这些词扔到Google里，手动打开排名前10的竞品文章，一篇一篇地读，把要点复制粘贴到文档里。

3. 写作：综合这些要点，自己再重新组织语言，写一篇文章。

4. 发布：发布到博客或独立站上，然后祈祷Google大神能看上。

这个流程最大的痛点是什么？两个字：低效和不确定。

而低效的根源，就是「数据采集」这个巨大的鸿沟。你手动去Google Trends查几个词还行，想大规模分析几百个长尾关键词的趋势？不可能。你想把排名前几的竞品全文扒下来做分析？99%的概率会被目标网站的反爬机制直接干掉，跳出个验证码或者直接403 Forbidden，让你前功尽弃。

AI工作流解决方案

我们的“SEO内容引擎”工作流，就是为了解决这个核心痛点而设计的。它的核心思想，是把重复性的、繁琐的、容易被封锁的数据采集和分析工作，全部交给AI和自动化工具。

我把它总结成了一个三步走的框架：

Generated mermaid

      graph TD
    A[阶段一: 机会发现] --> B[阶段二: 深度分析] --> C[阶段三: 内容生成]

    subgraph A [阶段一: 机会发现]
        A1("输入种子关键词 (如 'Project Management')") --> A2{"利用Google Trends API
挖掘海量'相关问题'"}
        A2 --> A3{"AI分析趋势
自动判断选题优先级 (P0-P3)"}end

    subgraph B [阶段二: 深度分析]
        B1("筛选出高优先级选题 (P0, P1)") --> B2{"利用Google Search API
获取该选题的Top 3竞品"}
        B2 --> B3{"利用网页抓取 (Crawl) API
获取竞品全文内容"}end

    subgraph C [阶段三: 内容生成]
        C1("将选题、趋势、竞品全文
打包喂给AI") --> C2{"AI撰写高度优化的
SEO结构化文章"}
        C2 --> C3[自动存入数据库]end

看到这个框架，你就能明白，这套系统的核心能力在于稳定、大规模地获取数据。而要实现这一点，一个可以“无障碍采集” 的工具就至关重要了。

这里，推荐使用Scrapeless。

Scrapeless 提供面向企业与开发者的一体化数据抓取、自动化解决方案，通过云浏览器和智能反爬机制，帮你高效获取真实、干净的数据内容，开发者也可以使用他们的云浏览器实现自己的自动化、数据爬取脚本。

除了n8n，它还能通过API调用，也在Make等主流平台上有节点。

也可以直接在官方使用：https://www.scrapeless.com/?utm_source=binggan

好了，理论铺垫到此结束。接下来，让我们进入实操环节，看看这个工作流在n8n里是如何一步步搭建起来的。

二、 保姆级教程：从0到1搭建「SEO内容引擎」

为了方便理解，我们以一家做出海项目管理SaaS工具的公司为例，看看他们如何利用这套系统来获客。当然，这套逻辑你可以轻松迁移到任何行业。

阶段一：热点选题 (从大海捞针到精准锁定)

这个阶段的目标是，从一个宽泛的“种子关键词”出发，自动挖掘出一批具有增长潜力的、值得投入资源的长尾关键词，并为它们评定优先级。

1. 节点：设置种子关键词 (Set)

• 作用：这是我们整个工作流的起点。在这里，我们定义一个业务核心词。对于我们的SaaS公司案例，这个词就是“Project Management”。

• 配置：非常简单，新建一个名为 seedKeyword 的变量，值为 Project Management。

在落地场景中，可以通过监控谷歌表格文章，或者封装成Chatbox，用户提交想要写SEO文章的关键词，给到工作流。

2. 节点：Google Trends (Scrapeless)

• 作用：这是第一步关键操作。我们把种子关键词喂给这个节点，让它去Google Trends挖掘所有“相关的查询”(Related Queries)。这是手动操作无法大规模完成的。

• 而Scrapeless节点本身就内置了Google Trends的功能。

• 配置：

• Credentials: 你需要先到Scrapeless官网注册，https://app.scrapeless.com/?utm_source=binggan 获取你的API Key，然后在n8n里新建一个Scrapeless的凭证。

• Operation: 选择 Google Trends。

• Query (q): 填入我们上一步设置的变量 {{ $json.seedKeyword }}。

• Data Type: 选择 Related Queries，这正是我们想要的“相关问题”。

• Date：设置需要查询哪段时间内的流量趋势，近一个月的就填today 1-m

3. 节点：Split Out

• 作用：上一步返回的相关查询是一个列表，这个节点的作用就是把列表拆成一个个独立的条目，方便我们后续逐个处理。

4. 节点：Google Trends(Scrapeless)

• 作用：现在，我们对每一个“相关查询”词，再次调用Google Trends，这次是为了获取它过去一段时间的“热度时间序列数据” (Interest Over Time)。

• 配置：

• Operation: 依然是 Google Trends。

• Query (q): 填入从 Split Out 节点传来的查询词 {{ $json.query }}。

• Data Type: 这次留空，默认就是获取Interest Over Time。

5. 节点：AI Agent (LangChain)

• 作用：AI扮演“SEO内容策略分析师”的角色，基于每个选题的热度数据，根据我们预设的规则，判断这个选题的趋势，并给出P0-P3的优先级。

• 配置：核心在于Prompt。我在这个节点的System Message里内置了一套非常详细的规则，AI会比较热度数据的前后半段均值，来判断趋势是“飙升”、“稳定上升”、“稳定”还是“下降”，并据此映射到“P0-立即抢占”到“P3-暂不考虑”的优先级。Prompt：

### 背景与角色 (Context & Role)

你是一名专业的SEO内容策略分析师。你的核心任务是解读 GoogleTrends 的时间序列数据，以判断一个选题关键词的市场热度趋势，并给出明确的内容创作优先级建议。

### 任务 (Task)

根据下方提供的`输入数据`（一个包含 GoogleTrends`timeline_data` 的 JSON 对象），分析其热度走势，并严格按照指定的 `输出格式` 返回一个包含三个字段的 JSON 对象：`数据解读`, `趋势状态`, 和 `建议优先级`。

### 规则 (Rules)

你必须遵循以下规则来判断 `趋势状态` 和 `建议优先级`：

1.  **分析 `timeline_data` 数组**:
    *   将时间序列数据大致分为前后两半部分。
    *   比较后半部分的平均热度值与前半部分的平均热度值。

2.  **确定 `趋势状态` (TrendStatus)** - **必须从以下选项中选择一个**:
    *   **`飙升 (Breakout)`**: 如果数据显示在最近的时间点出现一个远超平均水平的、剧烈的峰值。
    *   **`稳定上升 (Rising)`**: 如果后半部分的平均热度显著高于前半部分（例如，高出20%以上）。
    *   **`稳定 (Stable)`**: 如果前后两部分的平均热度相差不大，或呈现有规律的周期性波动但无明显长期增长/下降趋势。
    *   **`下降 (Falling)`**: 如果后半部分的平均热度显著低于前半部分。

3.  **确定 `建议优先级` (RecommendedPriority)** - **必须根据你判断出的 `趋势状态` 进行直接映射**:
    *   如果 `趋势状态` 是 **`飙升 (Breakout)`**, 则 `建议优先级` 为 **`P0 - 立即抢占`**。
    *   如果 `趋势状态` 是 **`稳定上升 (Rising)`**, 则 `建议优先级` 为 **`P1 - 优先布局`**。
    *   如果 `趋势状态` 是 **`稳定 (Stable)`**, 则 `建议优先级` 为 **`P2 - 择机发布`**。
    *   如果 `趋势状态` 是 **`下降 (Falling)`**, 则 `建议优先级` 为 **`P3 - 暂不考虑`**。

4.  **撰写 `数据解读` (DataInterpretation)**:
    *   用1-2句简短的中文，概括你对数据趋势的观察。例如：“该关键词热度呈现明显的周期性，周末下降，工作日上升，但整体趋势稳定。” 或 “该关键词在过去一个月内热度持续走高，显示出强劲的增长潜力。”

### 输出格式 (OutputFormat)

你 **必须** 严格按照以下 JSON 结构输出，不要添加任何额外的解释或文字。

```json
{
  "data_interpretation": "你的中文数据解读文本",
  "trend_status": "从['飙升 (Breakout)', '稳定上升 (Rising)', '稳定 (Stable)', '下降 (Falling)']中选择一个",
  "recommended_priority": "从['P0 - 立即抢占', 'P1 - 优先布局', 'P2 - 择机发布', 'P3 - 暂不考虑']中选择一个"
}

记得设置Structured Output Parser，确保输出结果JSON能被下一阶段解析。

6. 节点：新增记录 (Feishu)

• 作用：将AI分析出的结果——包括数据解读、趋势状态和建议优先级，连同选题本身，一起存入飞书多维表格。这样，我们就得到了一张动态更新的、带优先级的“选题库”。

至此，第一阶段完成。我们已经从一个模糊的领域，自动化地收获了一张清晰的、数据驱动的、可行动的选题清单。

从飞书的结果表可以看到：一次性就跑了20个选题，根据Google Trends的热度分析，只有3个值得拿来写SEO文章的。

阶段二：竞品内容调研 (知己知彼，百战不殆)

这个阶段的目标是，自动筛选出第一阶段产出的高优先级选题，并对这些选题在Google上的Top 3竞品进行“扒皮式”的深度分析。

1. 把上一阶段的3个值得写SEO文章的选题筛选出来

这里有两种形式。

1是按以下三个节点联动，从飞书的“选题库”中，Filter筛选出建议优先级不是“P3 - 暂不考虑”的所有选题。

2是直接把过滤条件写到飞书提取记录的节点里。

其实这里我是为了测试方便，大家可以直接从上一阶段加个Filter，就行了，也不需要从飞书获取。

2. 节点：Google search (SerpApi)

• 作用：拿着筛选出来的高价值选题，去Google进行搜索，获取排名前几的竞品URL。

解释一下，正常我们想调用谷歌的搜索接口，会比较麻烦，同时也会有网络问题，于是市面上就有比较多封装好的接口，让用户更方便的获取谷歌搜索结果。Scrapeless的Deep SerpApi就是其中性能强大的一个。

3. 节点：Edit Fields & Split Out2

• 作用：对搜索结果进行处理，我们通常只关心前3名的自然搜索结果（Organic Results），所以这里做了个筛选，并把3个竞品拆分开，逐一处理。

4. 节点：Crawl (Scrapeless)

这步要是自己写爬虫，也不是不行，就需要耐心，毕竟每个网站的结构都不同，而且大概率有反爬。

而Scrapeless的Crawl操作，明面上你给它一个网址，它就能干净地把核心内容给你提炼出来。

这背后用的是他们家设置好的服务器：通过动态 IP 池 + JS 渲染 + 验证码自动解析（如recaptcha、cloudflare、hcaptcha等验证码），对 99.5% 的网站实现‘无感采集’，并且可以设置页面深度和过滤选项，在未来该功能还会加入AI大语言模型，对爬取到的数据进行上下文理解、页面操作、以及结构化输出

• Operation: 选择 Crawl。

• URL: 填入从上一步传来的竞品链接 {{ $json.link }}。

• 配置：

• 作用：这是整个工作流的又一个核心价值点！ 我们把竞品的URL喂给这个节点，它会自动访问这个页面，并把整个页面的正文内容以Markdown格式返回给我们。

5. 节点：Aggregate

• 作用：将3个竞品的全文Markdown内容，合并到一个数据项里，为最后投喂给AI做准备。

阶段三：完成SEO文章写作

1. 节点：AI Agent

# 角色与目标
你是一家专注于“项目管理软件”的出海SaaS公司的资深SEO内容作者。你的核心任务是根据上下文信息，直接撰写一篇完整、可直接发布的、高质量的SEO优化文章。

# 上下文与数据
- **目标关键词**: {{ $('筛选出P2以上优先级的选题').item.json.fields['相关选题'][0].text }}
- **你的SaaS产品名**: SaaS产品
- **最新趋势分析**: "{{ $('筛选出P2以上优先级的选题').item.json.fields['数据解读'][0].text }}"
- **竞品1 (排名靠前) 全文内容**: 
"""
{{ $json.markdown[0] }}
"""
- **竞品2 (排名靠前) 全文内容**: 
"""
{{ $json.markdown[1] }}
"""
- **竞品3 (排名靠前) 全文内容**: 
"""
{{ $json.markdown[2] }}
"""

# 你的任务
请基于以上所有信息，撰写一篇文章。你需要：
1.  **深入分析**竞品，吸取优点，并找到内容突破口。
2.  **融合趋势**：必须将“最新趋势分析”的洞察巧妙地融入文章，使其具有独特性和时效性。
3.  **直接写作**：不要给我写作要点或大纲指令，直接产出完整的段落内容。
4.  **严格遵循格式**：你的最终输出**必须**是一个格式规整的JSON对象，不得包含任何JSON格式之外的文字。

请严格按照以下JSON结构进行输出：

{
"title": "一个引人注目且包含目标关键词的SEO文章标题",
"slug": "a-keyword-rich-and-user-friendly-url-slug",
"meta_description": "一段约150个字符的Meta描述，包含关键词和行动号召。",
"strategy_summary": {
 "key_trend_insight": "概括此文融合的核心趋势洞察。",
 "content_angle": "说明此文采取的独特内容角度。"
  },
"article_body": [
    {
 "type": "H2",
 "title": "这是文章的第一个H2标题",
 "content": "这里是针对第一个H2标题撰写的、内容丰富、流畅的完整段落。段落应该至少有150-200字，提供实质性的信息，而不仅仅是简单的介绍。"
    },
    {
 "type": "H2",
 "title": "这是文章的第二个H2标题",
 "content": "这里是第二个H2部分的完整内容。你需要深入探讨这个子主题，可以引用数据，给出实例，确保内容的深度和价值。"
    },
    {
 "type": "H3",
 "title": "这可以是一个H3子标题，用于细化H2内容",
 "content": "针对H3子标题的详细阐述，保持与上一个H2主题的相关性。"
    },
    {
 "type": "H2",
 "title": "这是文章的第三个H2标题，可能是关于产品如何解决问题的",
 "content": "这里是决策层的内容，详细描述[你的SaaS产品名]如何帮助用户解决前面提到的问题。内容需具有说服力，并自然地引导用户采取下一步行动。"
    }
  ]
}

看这个Prompt的精髓：不仅要吸取竞品优点，找到内容突破口，更要融合我们之前分析出的“趋势洞察”，并最终输出一个结构化的JSON对象，包含标题、slug、meta描述和完整的文章正文。需传入的数据包括：

• 我们要写的目标关键词。

• 我们自己产品的名字（在我们的案例中是某个SaaS产品）。

• 关于这个关键词的最新趋势分析。3篇排名最高的竞品全文。

• 也就是说，这是我们的“AI写手”。它会接收到一份包含（来自前两个阶段的）所有上下文的“SEO简报”，撰写SEO文章。

2. 节点：Code

这一步是把前面AI结果解析成n8n可识别的JSON格式

如果你的内容结构跟我不一样，别担心，直接让AI生成就好了

3. 节点：Create a row (Supabase)

最后一步，将AI生成的JSON格式文章，解析并存入Supabase数据库（你也可以换成MySQL、PostgreSQL等）。

参考以下生成表格的SQL语句

-- 创建一个名为 seo_articles 的表，用于存储AI生成的SEO文章
CREATE TABLE public.seo_articles (
  -- 主键，自动递增
  id BIGINT PRIMARY KEY GENERATED ALWAYS AS IDENTITY,

  -- 文章标题，直接从JSON的 'title' 字段获取
  title TEXT NOT NULL,

  -- 文章的URL slug，必须是唯一的，用于生成页面链接
  slug TEXT NOT NULL UNIQUE,

  -- SEO Meta描述，用于搜索引擎结果页的摘要
  meta_description TEXT,

  -- 文章的发布状态，默认为'draft'（草稿），可以是 'published', 'archived' 等
  status TEXT NOT NULL DEFAULT 'draft',

  -- 存储目标关键词，方便追溯和分析
  target_keyword TEXT,

  -- 存储内容的策略摘要，如趋势洞察和内容角度，使用JSONB格式以获得最佳性能
  strategy_summary JSONB,

  -- 存储文章正文，这是一个包含H2/H3标题和内容的数组，使用JSONB格式
  body JSONB,

  -- 存储来源记录的ID，用于关联到n8n工作流的原始数据
  source_record_id TEXT,

  -- 记录创建时间，默认为当前时间
  created_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),

  -- 记录最后更新时间，默认为当前时间
  updated_at TIMESTAMPTZ NOT NULL DEFAULT NOW()
);

-- 添加注释以解释每个字段的用途
COMMENT ON TABLE public.seo_articles IS '存储由AI工作流生成的SEO优化文章';
COMMENT ON COLUMN public.seo_articles.title IS '文章的SEO标题';
COMMENT ON COLUMN public.seo_articles.slug IS '用于URL的唯一标识符';
COMMENT ON COLUMN public.seo_articles.status IS '文章的发布状态 (e.g., draft, published)';
COMMENT ON COLUMN public.seo_articles.strategy_summary IS '存储文章的策略背景信息，如趋势洞察';
COMMENT ON COLUMN public.seo_articles.body IS '以JSON格式存储的结构化文章正文';
COMMENT ON COLUMN public.seo_articles.source_record_id IS '关联到n8n数据源的记录ID';

这样，你的内容团队就可以直接从数据库里取用这些“弹药”，或者你的网站可以直接通过API调用这些内容进行发布。

番外：进阶SEO补课

有没有发现一个问题，为什么我们不让AI直接生成一整个Markdown内容，而是要拆开多个部分组成json？这样让后端解析到网站上还麻烦。

这就是一个“AI玩具”和“落地内容引擎”的区别。

简单来说，结构化的JSON，有几点好处：

1. 动态内容插入：我们可以在文章任意位置自动插入高转化的CTA按钮、产品视频或相关文章，这是提升转化率的利器，也是静态Markdown无法实现的。

2. 自动生成“富媒体摘要”：可以轻松提取所有H2标题和内容，生成Google青睐的FAQ Schema，从而在搜索结果中获得更高的点击率。

3. 内容资产复用：每个JSON块都是一个独立的知识点，未来可以轻松地用于训练AI客服，或对某个段落进行A/B测试。

文章来自于微信公众号“饼干哥哥AGI”。