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：出海赚美金3：n8n 搭建「SEO策略优化」AI Agent，今天算是进阶版本。
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：
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。
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。
写作：综合这些要点，自己再重新组织语言，写一篇文章。
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：
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<br>挖掘海量'相关问题'"} A2 --> A3{"AI分析趋势<br>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<br>获取该选题的Top 3竞品"} B2 --> B3{"利用网页抓取 (Crawl) API<br>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<br>打包喂给AI") --> C2{"AI撰写高度优化的<br>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/
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。
- 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。
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，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
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。
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。
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 Google Trends 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 Google Trends `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` (Trend Status)** - **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` (Recommended Priority)** - **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` (Data Interpretation)**: * 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 (Output Format)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。
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。
- 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。
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就是其中一个，甚至是更强大的Deep Serpapi
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。
节点：Crawl (Scrapeless)
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。
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
配置：
Operation: 选择 Crawl。
URL: 填入从上一步传来的竞品链接 {{ $json.link }}。
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
节点：AI Agent
作用：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”，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。
提示词：
# 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。
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
- 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：
- 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。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。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。
本文由稀土掘金作者【饼干哥哥】，微信公众号：【饼干哥哥AGI】，原创/授权 发布于稀土掘金，未经许可，禁止转载。
