L'optimisation des moteurs de réponse (AEO) est une ligne de service en pleine croissance pour les agences SEO, mais la plupart des outils de suivi de classement ne suivent pas bien les citations AI Overview ou facturent des prix premium pour cela. Créer un tableau de bord AEO personnalisé avec une API de recherche donne aux agences un contrôle total sur les données, des vues par client, et maintient les coûts prévisibles à 0,005 $ par vérification de mot-clé. Ce tutoriel construit un backend de tableau de bord AEO multi-client qui suit la présence de citations, la part de voix et les données de tendance, puis produit du JSON prêt pour n'importe quel framework front-end.
Prérequis
- Python 3.9+ installé
- bibliothèque requests installée
- Une clé API Scavio depuis scavio.dev
- Listes de mots-clés clients à surveiller
Parcours
Étape 1: Définir la structure de données multi-client
Configurer une cartographie de chaque client avec son domaine et ses mots-clés cibles. C'est l'entrée du tableau de bord.
Python
clients = {
'client_a': {
'domain': 'clienta.com',
'name': 'Client A - SaaS CRM',
'keywords': [
'best crm for small business',
'crm software comparison 2026',
'what is a crm system',
'crm vs spreadsheet'
]
},
'client_b': {
'domain': 'clientb.io',
'name': 'Client B - Project Management',
'keywords': [
'best project management tools 2026',
'how to manage remote teams',
'project management software comparison',
'agile vs waterfall 2026'
]
}
}
total_keywords = sum(len(c['keywords']) for c in clients.values())
print(f'{len(clients)} clients, {total_keywords} total keywords')
print(f'Monthly cost (daily checks): ${total_keywords * 30 * 0.005:.2f}')Étape 2: Construire la fonction de collecte de données AEO
Pour chaque mot-clé, vérifier la présence de AI Overview dans les SERP et extraire les données de citation. Enregistrer si le domaine client est cité.
Python
import requests, os, time
API_KEY = os.environ['SCAVIO_API_KEY']
def collect_aeo_data(keyword: str, client_domain: str) -> dict:
resp = requests.post('https://api.scavio.dev/api/v1/search',
headers={'x-api-key': API_KEY, 'Content-Type': 'application/json'},
json={'query': keyword, 'country_code': 'us'})
data = resp.json()
aio = data.get('ai_overview', {})
has_overview = bool(aio and aio.get('text'))
citations = aio.get('citations', []) if has_overview else []
cited_domains = [c.get('domain', '') for c in citations]
# Also check organic position
organic_position = None
for r in data.get('organic_results', []):
if client_domain in r.get('link', ''):
organic_position = r['position']
break
return {
'keyword': keyword,
'has_ai_overview': has_overview,
'total_citations': len(citations),
'client_cited': any(client_domain in d for d in cited_domains),
'citation_position': next(
(i + 1 for i, d in enumerate(cited_domains) if client_domain in d), None),
'organic_position': organic_position,
'competitor_domains': [d for d in cited_domains if client_domain not in d]
}Étape 3: Générer les données du tableau de bord par client
Agréger les données au niveau des mots-clés en métriques au niveau client : taux de citation, position moyenne de citation, chevauchement organique et domaines concurrents principaux.
Python
from collections import Counter
def generate_client_dashboard(client_id: str, config: dict) -> dict:
domain = config['domain']
results = []
competitor_counter = Counter()
for kw in config['keywords']:
data = collect_aeo_data(kw, domain)
results.append(data)
for d in data['competitor_domains']:
competitor_counter[d] += 1
time.sleep(0.3)
total = len(results)
with_aio = sum(1 for r in results if r['has_ai_overview'])
cited = sum(1 for r in results if r['client_cited'])
avg_cite_pos = 0
cite_positions = [r['citation_position'] for r in results if r['citation_position']]
if cite_positions:
avg_cite_pos = sum(cite_positions) / len(cite_positions)
return {
'client_id': client_id,
'client_name': config['name'],
'domain': domain,
'total_keywords': total,
'keywords_with_aio': with_aio,
'aio_rate': round(with_aio / max(total, 1) * 100, 1),
'citations': cited,
'citation_rate': round(cited / max(with_aio, 1) * 100, 1),
'avg_citation_position': round(avg_cite_pos, 1),
'top_competitors': competitor_counter.most_common(5),
'keyword_details': results
}Étape 4: Construire la sortie complète du tableau de bord de l'agence
Exécuter le tableau de bord pour tous les clients et produire une structure JSON prête pour un front-end. Inclure le suivi des coûts par client.
Python
import json
from datetime import date
def build_agency_dashboard(clients: dict) -> dict:
dashboard = {
'generated': date.today().isoformat(),
'clients': [],
'summary': {}
}
total_credits = 0
for client_id, config in clients.items():
print(f'Processing {config["name"]}...')
client_data = generate_client_dashboard(client_id, config)
dashboard['clients'].append(client_data)
total_credits += len(config['keywords'])
# Agency summary
all_clients = dashboard['clients']
dashboard['summary'] = {
'total_clients': len(all_clients),
'total_keywords': sum(c['total_keywords'] for c in all_clients),
'avg_citation_rate': round(
sum(c['citation_rate'] for c in all_clients) / max(len(all_clients), 1), 1),
'total_credits': total_credits,
'cost': f'${total_credits * 0.005:.2f}'
}
with open(f'aeo_dashboard_{date.today()}.json', 'w') as f:
json.dump(dashboard, f, indent=2)
return dashboard
dashboard = build_agency_dashboard(clients)
for c in dashboard['clients']:
print(f'{c["client_name"]}: {c["citation_rate"]}% citation rate, {c["citations"]}/{c["keywords_with_aio"]} cited')Exemple Python
Python
import os, requests, time, json
from datetime import date
from collections import Counter
API_KEY = os.environ['SCAVIO_API_KEY']
def check_aeo(keyword, domain):
resp = requests.post('https://api.scavio.dev/api/v1/search',
headers={'x-api-key': API_KEY, 'Content-Type': 'application/json'},
json={'query': keyword, 'country_code': 'us'})
aio = resp.json().get('ai_overview', {})
citations = aio.get('citations', []) if aio.get('text') else []
domains = [c.get('domain', '') for c in citations]
return {'keyword': keyword, 'has_aio': bool(aio.get('text')),
'cited': any(domain in d for d in domains), 'domains': domains}
def client_report(name, domain, keywords):
results = [check_aeo(kw, domain) for kw in keywords]
cited = sum(1 for r in results if r['cited'])
with_aio = sum(1 for r in results if r['has_aio'])
print(f'{name}: {cited}/{with_aio} cited ({len(keywords)} keywords, ${len(keywords)*0.005:.3f})')
client_report('Demo Client', 'example.com', ['best crm 2026', 'crm comparison'])Exemple JavaScript
JavaScript
const API_KEY = process.env.SCAVIO_API_KEY;
async function checkAeo(keyword, domain) {
const resp = await fetch('https://api.scavio.dev/api/v1/search', {
method: 'POST',
headers: { 'x-api-key': API_KEY, 'Content-Type': 'application/json' },
body: JSON.stringify({ query: keyword, country_code: 'us' })
});
const data = await resp.json();
const aio = data.ai_overview || {};
const domains = (aio.citations || []).map(c => c.domain || '');
return { keyword, hasAio: Boolean(aio.text), cited: domains.some(d => d.includes(domain)) };
}
async function main() {
const keywords = ['best crm 2026', 'crm comparison'];
let cited = 0;
for (const kw of keywords) {
const r = await checkAeo(kw, 'example.com');
if (r.cited) cited++;
console.log(`${r.hasAio ? '+' : '-'}AIO ${r.cited ? '+CITED' : ''} ${kw}`);
}
console.log(`Citation rate: ${(cited/keywords.length*100).toFixed(0)}%`);
}
main().catch(console.error);Sortie attendue
JSON
2 clients, 8 total keywords
Monthly cost (daily checks): $1.20
Processing Client A - SaaS CRM...
Processing Client B - Project Management...
Client A - SaaS CRM: 50.0% citation rate, 1/2 cited
Client B - Project Management: 33.3% citation rate, 1/3 cited
Agency summary:
Total clients: 2
Total keywords: 8
Avg citation rate: 41.7%
Cost: $0.04