Le problème
Les équipes qui investissent dans l'optimisation pour les moteurs génératifs (GEO) ne peuvent pas déterminer si les moteurs d'IA citent leurs pages en raison du balisage Schema structuré ou de la qualité du contenu. Sans ces données, les budgets d'optimisation sont alloués à l'aveugle.
La solution Scavio
Utilisez Scavio pour suivre quelles pages apparaissent dans les résultats de recherche générés par l'IA, puis recoupez avec votre balisage Schema et vos scores de qualité de contenu. Identifiez si le schéma ou le contenu est le moteur de citation le plus fort pour votre domaine.
Avant
Deviner s'il faut investir dans le balisage Schema ou la réécriture de contenu pour le GEO. Aucune donnée sur le facteur qui génère les citations des moteurs d'IA pour vos pages spécifiques.
Après
Données claires montrant les taux de citation pour les pages riches en schéma vs pages optimisées pour le contenu, permettant un investissement ciblé dans le levier d'optimisation au ROI le plus élevé.
À qui cela s'adresse
Équipes SEO et stratèges de contenu optimisant pour les citations AI Overview.
Avantages clés
- Suit quelles pages obtiennent des citations des moteurs d'IA
- Compare le balisage Schema et la qualité du contenu en tant que moteurs de citation
- Allocation budgétaire GEO basée sur les données
- Identifie les opportunités d'optimisation au ROI le plus élevé
Exemple Python
import requests
def track_geo_citations(domain: str, pages: list) -> list:
citation_data = []
for page in pages:
resp = requests.post(
"https://api.scavio.dev/api/v1/search",
headers={"x-api-key": SCAVIO_API_KEY, "Content-Type": "application/json"},
json={"query": page["target_query"], "platform": "google", "limit": 20}
)
results = resp.json().get("results", [])
cited = any(domain in r.get("link", "") for r in results)
position = next(
(r["position"] for r in results if domain in r.get("link", "")), None
)
citation_data.append({
"page": page["url"],
"has_schema": page["has_schema"],
"content_score": page["content_score"],
"cited": cited,
"position": position
})
return citation_data
pages = [
{"url": "/pricing", "target_query": "scavio pricing", "has_schema": True, "content_score": 85},
{"url": "/blog/serp-api", "target_query": "serp api comparison", "has_schema": False, "content_score": 92}
]
results = track_geo_citations("scavio.dev", pages)
for r in results:
print(f"{r['page']}: cited={r['cited']}, schema={r['has_schema']}, content={r['content_score']}")Exemple JavaScript
const H = {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'};
fetch('https://api.scavio.dev/api/v1/search', {method: 'POST', headers: H, body: JSON.stringify({query: 'example', country_code: 'us'})}).then(r => r.json()).then(d => console.log(d.organic_results?.length + ' results'));Plateformes utilisées
Recherche web avec graphe de connaissances, PAA et aperçus IA