pSEO 实战：30 天用工具页矩阵把月注册做到 +735% 的 4 步法

2026-05-0833 分钟seo · pseo · growth · xmind · handbook

如果你是做出海增长的，你一定听过 pSEO——用同一套模板批量跑出几十、甚至几百个 SEO 落地页。你也一定在某个瞬间想过："听起来很香，但我从哪开始？做哪些词？做出来真的会被 Google 收录吗？"

过去 30 天，我把 Xmind 网站的小工具页从 9 个扩到了 39 个，月注册从 305 涨到了 2548，增长了 +735%。

这篇文章是我的 pSEO 实战复盘——一个主张（批量 > 精雕），四个步骤（种子 → 选词 → 流水线 → 批量），且听我慢慢道来 👇

什么是 pSEO？

pSEO（Programmatic SEO，程序化 SEO）是用同一套页面模板批量生产几十到几千个 SEO 落地页的方法。核心逻辑是规模换流量，用数量覆盖搜索意图的长尾分布，而不是押注单个爆款页。

本文是一个真实案例：30 天内，9 个工具页扩到 39 个，月注册 305 → 2548（+735%）。核心主张：批量 > 精雕。

Step 1：先找到那个"能复制的 pSEO 原型"

在决定把小工具页做成一个矩阵之前，我只有一个页面：Markdown to mind map。

这个小工具页 2025 年 2 月 14 日上线，只满足一个需求：把 Markdown 粘进去，输出思维导图。不需要登录，不需要注册，甚至当时也没想着要什么转化，就只是想验证一个事儿——一个围绕 Xmind 某个小功能衍生的工具页，能不能靠纯自然搜索拿到流量。

两个月之后，答案出来了。我看了三个比较不错的指标：

①「markdown to mindmap」稳定爬到 Google 首页（2025/04/05，上线整 50 天）

② 28 天 CTR 5.6%，站内平均 4.4%，非品牌词平均 1.7%

第三个数字才是关键。Xmind 站点 80% 的点击受益于品牌词，非品牌词的 CTR 只有 0.7%。而这一个工具页，在非品牌词上的点击率做到了 3.3%，高出站点平均 2.6 个百分点。

③ 平均排名 5.2，站内平均 7.1

这三个数字放在一起，我心里有了底——小工具页在细分主题上对 Google 的友好度，比我们任何一篇博客、任何一个对比页都高。

但我还卡了一阵子

拿到这个结果，说实话，是有点兴奋的。但心里冒出来一个很现实的问题 🤔：

要靠单页面累积流量做到 Veed 那个量级，我得做到猴年马月。

所以我没有急着复制模板，而是去拆了四个我觉得"已经跑出来"的站：Veed、Notta、Monica、Canva。

看完之后，发现：

它们的大量流量入口，有一大部分都是工具页，而不是传统内容页。

不是博客。不是对比页。不是 alternative 页。是一个一个长得很像、只干一件事的工具页。

这个拆解给了我两个判断：

pSEO 工具页矩阵是一条被验证过的增长路径，不是我凭空想出来的新玩法，只是我们公司还没做而已。
必须批量做才有意义。单页产能算账根本算不过来，Veed 那个体量背后是几千个模板化落地页。我这边连 10 个都不到，慢慢磨的话一年估计也做不出来几个 😅。

拆解：为什么 "Markdown to Mind Map" 跑得通？

我想拆解一下，目的是让它能被复制。复盘里我当时总结了三个能复用的机制：

1. 品牌 Authority 加速收录 xmind.com 有现成的品牌声量，新页面从上线到被 Google 收录大概一周内完成，比从零起站快太多。

2. 长尾词容易爬首页 像 "markdown to xmind" 这种词本身搜索量不大，容易拿到第 1 名；这种「小词赢」的信号会辐射到主目标词 "markdown to mindmap"，把它一起拉到首页。

3. 结构化数据 + 多元内容形式 Breadcrumb、Review、FAQ 这套 schema 全上，再配流程图、步骤图、视频教程——SERP 富摘要拿下来，CTR 才能突破同排名页面的天花板。

到这一步，原型差不多具有可复制性了 🤔。接下来的问题就变成了：我要复制哪些页？

三种工具的本质形态

我没有一个一个拍脑袋想标题。先把所有候选按工具的本质形态分成三种：

① Maker 生成器 用户直接在页面上做一个东西，输出一份结果就走。例：Mind Map Maker、Flow Chart Maker、Org Chart Maker。扩展维度：不同的图表类型 × 不同的使用场景。

② Converter 转换器（Input × Output） 格式 A 转格式 B。这一类最适合笛卡尔积：

Input × Output

Input：{Markdown, PDF, Word, OPML, Doc, Textbundle, NotebookLM, ChatGPT 对话, ...}
Output：{Mind Map, Xmind, Summary, Outline, ...}

两个维度往表格里一拼，立刻产出几十个合法组合，而且每一个组合都是一个真实存在的用户搜索意图——「我手上有 X 格式的东西，我想变成 Y」。

③ AI Generator 用户给一段 prompt 或一段上下文，AI 生成结果。例：Prompt to Mind Map、Article to Mind Map、YouTube to Mind Map。扩展维度：不同输入源 × 不同生成任务。

然后把所有候选过三个门槛：有搜索量、我们能做、和产品主功能有关。剩下的塞进 Notion 候选池。

有了这三样，我觉得差不多可以从 1 个小工具拓展到 40 个了。

Step 2：pSEO 选词——用竞品 Gap 找词，用 Xmind Fit 过滤

有了三类工具的框架，问题变成了：具体要做哪些词？

我没有自己拍脑袋想，用的是 Semrush 的 Keyword Gap——这个工具专门回答一个问题："我的竞品有排名、但我没有的词，有哪些？"

我挑了四个站当对照组：Mindmeister、Mindmup、Mymap、Miro。

把四个域名丢进 Keyword Gap，筛出「竞品都在排 / 我们没在排」的词。然后用两层漏斗过滤：

第一层：关键词层面

留下带有 maker、convert、to mind map、generator 这类明确工具意图的词。排除纯知识型、纯品牌型、纯对比型的词——那些不属于小工具页的承接范围。

第二层：Xmind Fit（最关键）

不看搜索量、不看 KD。只看一件事：Xmind 产品本身能不能天然承接这个词？

我把每个候选词打一个标签：Strong / Medium / Weak / None。

Strong = Xmind 核心功能原生就能做（markdown to mind map、org chart maker）
Medium = 能做，但需要包一层新工具（notebooklm to mind map）
Weak = 能勉强做，但不是产品核心（venn diagram maker）
None = 做了也是假工具，直接 Reject

只做 Strong 和 Medium。

选词原则：Xmind Fit > 搜索量

很多做 SEO 的人会设 搜索量 > 1000、KD < 40 这种硬门槛。

我只有一条硬门槛，而且反过来：

搜索量为 0 → Reject。其他一律按 Xmind Fit 筛，不看搜索量大小。

哪怕一个词月搜索量只有 30，只要是 mind map 这种 Xmind 核心能力直接能承接的，做了再说。

这不是我一开始就想明白的原则，是被数据打脸打出来的。

mind map maker 这个词搜索量大、和 Xmind 强相关、意图明确。任何做 SEO 的人看到都会拍板"必做"。我开了页，结果：

Google：流量惨淡，排名爬不上去
Bing：反而拿到了不错的点击流量

反过来，一些我心里觉得"这词小众吧"、搜索量只有两位数的 Converter 类型的词，上线后稳稳进了 Top 5。

这件事让我放弃了一个幻觉——用 Semrush 数据预测实际流量。

Semrush 的搜索量只能告诉你"这个词有人在搜"，告诉不了你"Google 这次会不会把流量分给你"。SERP 里有太多你控制不了的变量：AI Overviews、Featured Snippet、站点权威度、老玩家的地位……一个看起来「必爆」的词可能因为 Google 觉得某个老站更权威，就把你按在第二页。

既然预测不了，就别预测。

我把选词原则从「预测哪些词会赢」改成了「覆盖所有 Xmind 天然能承接的词」——只要 Xmind Fit 是 Strong 或 Medium，就做。让上线后的真实数据去告诉我哪些会跑赢。

这个转变之所以关键，是因为它直接决定了下一步——如果你的选词依赖预测，你就不敢批量做；只有放弃预测，才能接受批量的必然代价（有些页必然跑不出来），也才能收到批量的必然红利（那些你没预测到的赢家）。

一个完整的链路：NotebookLM Mind Map Extractor

讲一个 Keyword Gap 没帮上忙、但说明选词原则的例子。

这个机会不是从 Semrush 来的——是我在 Reddit 上刷到的。有人在问：「有没有办法把 NotebookLM 自动生成的思维导图转成可编辑的 mind map？」

这条帖子下面的点赞和评论就说明，这是有需求的。

我立刻判断：

NotebookLM 是 Google 自家产品，本身就在不断带来搜索流量，蹭趋势的红利
用户诉求和 Xmind 核心功能天然契合，Xmind Fit = Strong
竞品那边没人在做——Mindmup、Mymap，连 MindMeister 也没做

三个条件同时满足，直接开做。配合公司内的红人资源分发，结果是：

Chrome 插件累计下载 8,000+
Signup Rate 31.97%（小工具矩阵均值 17%，官网均值 13.76%）
跳出率 9.11%（矩阵其他小工具均值 25%）

一个页面打穿了一整个类别。

这个案例有意思的地方在于，它不是靠关键词工具找到的。它靠的是一个更古老的东西：去用户待的地方蹲一蹲。Reddit、Twitter、Discord、Product Hunt 评论区——这些地方的「+1」比 Semrush 的搜索量更能告诉你「这个需求是不是真的」。

所以我的选词路径最后是两条腿走路：

Keyword Gap 负责规模化生成候选（批量的底座）
社区信号 负责抓那些还没在搜索引擎体现出来的新趋势（爆款的种子）

Step 3：搭一条 pSEO 自动化流水线，从表单到上线

Step 1 和 Step 2 走完，我手上有两样东西：

一张候选词表（100+ 个词，每个都标了 Pattern Type 和 Xmind Fit）
一个三分类的页面模板框架（Converter / Maker / AI Generator）

接下来理论上只剩"把它们变成一个个上线页面"这一步。问题是，这一步在 AI 之前是整个链路的黑洞。

以前做一个工具页要经过多少人？

在没有这条流水线之前，上线一个工具页的完整链路是：

运营写需求文档、整理关键词、起页面结构
产品/运营和开发对齐页面交互、字段、数据模型
设计师产出配图——这一步最花时间，要和站内其他工具页保持视觉一致性，往往反复改稿
文案校对 TDK、页面主文案、FAQ
开发在公司的主站代码仓库里开分支、写组件、配路由、跑 CI
QA 过一遍，运营最终上线

在公司内部协作过的人都知道一条经验法则：每多一个人接手环节，就多一份延时和信息损耗的风险。

这个链路上的人按最保守算也有 5 个角色。单页产出需要运营 + 开发 + 设计师跨角色协作 1-2 天工时，而且这是理想情况。实际是——

配图沟通三轮才统一风格
文案校对一轮，同事觉得"这句可以更 user-friendly"，又一轮
开发那边正在赶另一个需求，排到这个页面又是两天
大家对"什么是一个好的工具页"的理解不完全一样，每次都要重新对齐

更关键的问题是：这种成本下，Step 2 产出的 100+ 个候选词就根本不可能全做。必须砍到 5-10 个"最有把握的"，然后一个一个精雕——这就绕回了 Step 1 结尾那个问题：单页产能算不过账，永远追不上 Veed 那个体量。

流水线要解决的不是效率，是让 pSEO 批量能实际落地

这条流水线的骨架其实很简单：

运营在 Tool Builder 填表单 → n8n 触发工作流 → AI 自动生成配图 + 文案 → 写入 Notion → Framer 自动渲染上线

搭完之后，单页产出从 1-2 天跨角色协作，缩短到运营一个人 20-30 分钟。

但提效不是我做这条流水线的真正动机。真正动机是——让 Step 4 的批量铺 100+ 页变成物理可行的事。

模式	单页耗时	100 页总耗时
老路（多角色协作）	1-2 天	200 工作日（半年）
流水线	30 分钟	50 小时（≈ 一周）

这不是快了一点，这是「能做 vs 不能做」的差别。

其中最值得展开的一环：AI 配图

流水线上每一个节点都值得展开，但配图环节特别能说明哪些事该让 AI 做、哪些事该让人做。

之前找设计师配工具页的图，流程是：

排设计师资源（排期）
沟通视觉风格（对齐）
设计师一张一张画或找素材（苦力）
反复 review（审美）
和其他工具页对比风格一致性（收敛）

每一步都吃时间。但这件事的本质不需要创造力——工具页配图的要求是「风格统一 + 信息清晰」，不是惊艳。让设计师一张一张做 30 张风格统一的工具页插画，是用创造型工种做苦力活，既浪费他们的精力，出图一致性还不一定能保证。

但一开始让 AI 直接生成配图，效果很差。Midjourney 默认风格太花哨、DALL·E 偏可爱插画、Stable Diffusion 一致性控制不住。我尝试过给 Prompt 里塞各种风格约束词，效果都一般。

最后跑通的方法是反向工程：

挑几张我觉得视觉上很"对"的工具站配图（Linear、Stripe、Vercel 那些）
把这些图丢给大模型，让它帮我拆解这套视觉语言是怎么构成的——配色逻辑、构图规则、光影处理、留白比例……
让大模型基于这套拆解，给我反向生成一套 Prompt 模板
拿模板去跑图，人（包括设计师）把关质量

结果：调出一套内部设计师认可的视觉方案，所有工具页配图一键生成、风格统一。

这件事在流水线里的意义不只是省了设计师时间。它定义了人和 AI 在这条链路上的分工原则：

AI 做重复、讲究一致性的苦力活。人做定原则、定审美、把关质量的脑力活。

设计师从「一张一张画」变成「定义视觉规范、审核大模型产出」——这才是 AI 协作本来该有的样子。老实说，我蛮反感一直提「替代」这个词的 😅。

这条流水线最贵的不是技术，是纪律

上面说的都是效率账。但这条流水线最重要的价值，其实是另一件更容易被忽略的事——它让每个页面 100% 按原计划执行。

人执行事情的时候会出岔子。不是能力问题，是物理规律。

举个最小的例子：原计划定的是下周一优化 A 页面的文案，周一上线。结果呢——

可能周五设计师临时有个更紧急的需求
可能周日那个运营心情不好
可能交接的时候漏传了一句"标题要改成 X 而不是 Y"
可能审文案的人那天忙没仔细看，一个错别字挂上去
可能批量改 20 个页面的时候，第 13 个页面改错了，没人发现

任何一个环节的人工都会带来一定概率的执行偏差。偏差单次看不大，但在批量场景下会指数级放大——改 1 个页面可能没事，改 30 个页面的时候，出错率 3% 就意味着平均会有 1 个页面是错的。

这会带来一个比错误本身更糟糕的后果——归因污染。

当一个页面表现不好的时候，你永远不知道：

是选题错了？（Step 2 的问题）
是模板错了？（Step 1 的问题）
是执行错了？（这一步的问题）

如果执行本身有偏差，你就没法回过头来判断决策对不对。你可能把一个「执行没到位」的失败误判成「这个词不行」，然后错过真正的赢家。反过来，你也可能把一个「执行歪打正着」的胜利误判成「这个模板能复用」，然后接下来一堆页面都翻车。

我搞这条流水线，最想要的东西其实是：把执行误差压到接近 0，这样我才能相信自己的数据、相信自己的决策判断。

AI 没有心情、不会忘事、不会跟你争论"这个标题不够 user-friendly"、不会在周日晚上想休息。它能做到的 100% 纪律性，不是人的替代品，是人做不到的一种能力。

这一步的产出

完成这条流水线之后，我得到的其实是三样东西：

一个可以运营独立操作的 Tool Builder 后台——填表单就能上线一个完整页面
一套人和 AI 的分工原则——AI 做苦力 + 一致性，人做原则 + 把关
最重要的：一个「执行层 100% 可信」的底座——这让 Step 4 的批量铺量在数据上是可归因的

最后一点是全文的隐藏锚点。没有这个底座，接下来 Step 4 讲的「一次铺 20+ 页、用量去对抗噪音」就是空话——你得先保证执行层没噪音，才有资格谈策略层有没有噪音。

Step 4：一批起 20+ 页，用量对抗噪音

到 Step 4，流水线已经能让我一天上线 5-10 个页。问题变成了——我一次应该上多少？

直觉会告诉你"先做 3-5 个，跑数据看看，验证没问题再放量"。

我的答案是反的：一次最少 20 个，我自己第三批一次性上了 33 个。

为什么 pSEO 不能"先做 5 个再看"

做过 SEO 的人都知道一个痛苦的事实：单个页面的表现有大量你控制不了的噪音。

举两个我自己亲历的例子：

反例一：我赌必爆的词，Google 给我流量给得很差 mind map maker——搜索量大、意图纯粹、和 Xmind 功能完全对齐。任何人看都会觉得"这词必做"。我开了页，投了资源，结果 Google 给的排名爬不上去。Bing 倒是给了不错的流量，但 Bing 的体量只是 Google 的零头。

反例二：我没抱期待的词，意外进了 Top 5 第三批里有几个 Converter 类型的长尾词（搜索量不到 100），我压根没指望它们跑出来，纯粹是「顺手做了」。结果上线一个月稳稳进了首页，其中两个还出了 Free Trial 付费转化。

这两件事告诉我一个很朴素的道理——我预测不了 Google 会把流量分给哪个页。

如果我只做 5 个页，5 个里有 3 个都因为我控制不了的原因表现不好，我得出的结论会是「这套模板不行」——但实际上可能只是运气不好。单页产出的标准差太大，5 个样本根本不足以分辨信号和噪音。

20+ 是"能分辨信号"的最小样本量

我的经验法则是 20 个起步。不是拍脑袋，是被数据打出来的。

在 20 个以下，任何结论都是在给自己讲故事。但如果你把样本量拉到 20+，就会看到一个稳定得多的分布：

头部 10-15% 的页贡献了大部分流量和转化（这才是真正的赢家，值得重点优化）
中段 50-60% 的页数据平平，但加起来构成矩阵的流量底座
尾部 20-30% 的页几乎没有流量（这些是下一步要下架的对象）

有了这个分布，你才能做真正意义上的决策。你不再是在讨论"这个模板行不行"，而是在讨论"哪类模板产出赢家的概率更高"。这是两个完全不同层次的判断。

我第三批上了 33 个页，跑了 30 天之后，分布出来了：

类型	页面数	Signup Rate	CTR	判断
Maker	9	7.97%	5.51%	CTR 之王，富摘要容易拿
Converter	12	11.16%	3.20%	流量底座，曝光最大
AI Generator	17	31.97%	3.13%	爆款，优先扩展

这张表是 33 个样本喂出来的，5 个样本绝对会有太多偶然性。

批量铺量之后必须做的三件事

铺完 20+ 个只是发牌，真正的还得看在这之后的 30 天：

① 等爬坡 新页至少 30 天才能被 Google 充分收录 + 稳定排名。第一周看数据基本没意义，你会焦虑得想改 title，得忍住。第三批上线后的前两周数据一直是平的，直到第三周突然起飞。

② 分层 30 天后把 20+ 个页按表现分成三档：

赢家（头部 10-15%）——补支柱博文、做内链、做反链，把已有流量放大
观望（中段 50-60%）——再跑 30 天，别急着下结论
尾部（20-30%）——进入下架候选队列

③ 敢删 这是我下一步要做、但还没真正执行的动作。坦白说，到今天为止，我上线的 38 个页一个都还没下架过。

但这是接下来必须做的事。我已经在这上面想了很久，所以想把这个反直觉的判断讲清楚：

大部分人的思维里只有「正数」，没有「负数」。一个页面上线之后，最该执行的动作往往是删除，但很多人在执行时不够果断，好像「拥有」本身就是价值。

这件事的底层逻辑其实是一笔账：

30-40 个精准页做到百万级流量 vs 5 万个页面稀里糊涂堆着——哪种效率更高？
Google 现在的 EEAT 越来越看网站宏观上是不是精准覆盖目标用户。一堆僵尸页稀释整站权威，反而拖累跑得好的那些页。

所以这一步的完整闭环是：批量铺 → 看分布 → 扩大赢家 + 删除死页。

我现在走完了前两步，第三步是接下来 30 天的功课。讲这个是因为我想诚实地告诉你这个方法论的完整形态，而不是假装我已经做到了所有步骤。

回到主结果

做完这些之后，时间快进到文章开头那个结果——

30 天，9 → 39 个页，月注册从 305 涨到 2548（+735%）。

现在你应该能看出来，这个结果不是因为做了一个爆款页（NotebookLM 那个页确实强，但它一个页扛不起 +735%），而是因为：

用三分类的框架把 33 个页分对了类型（Step 1）
用 Xmind Fit 而不是搜索量选对了词（Step 2）
用流水线保证了 33 个页的执行层 100% 可信（Step 3）
用批量的样本量稀释掉单页噪音，让真正的赢家显露出来（Step 4）

四步任何一步少了，数字都出不来。这是 pSEO 批量的复利效应——不是某一步特别神，而是四步叠起来之后，系统的可预测性从「每个页都在赌」变成了「整个矩阵的期望值可控」。

结尾：从 pSEO 矩阵到 Vibe Coding

这套方法论最让我兴奋的地方，其实不是多上了 30 个工具页。

是这件事背后的角色变化。

我是做后端出身的，前端能力一直不强。但这套流水线跑通之后，我开始在其他增长场景里用同样的思路——Vibe Coding 快速起 demo，自己完成整个实验闭环。

以前做增长实验，一个 A/B 测试的页面要走「需求 → 设计 → 前端 → 后端 → QA」的完整链路，单轮实验 2-3 周。现在我自己一个晚上就能起一个 demo，第二天就能挂出去跑数据。快 10 倍。

这不是「会写代码」的胜利。是增长人终于不用把自己卡在「多团队协作」这个瓶颈上。这是我做 programmatic SEO 这半年最反直觉也最关键的认知转变——方法论只是表面，真正的红利是执行权回到了增长人自己手上。

我不懂 React，但我能让 Claude 给我写一个能跑的 React 页面；我不会调 CSS 动画，但我能描述我想要的效果让大模型帮我迭代；我不会配置 CI/CD，但 Vercel + Cursor 能把我拼出来的东西挂到线上。

对增长人来说，这波 AI 浪潮最大的红利不是「AI 帮我写文案」，是 AI 让我能独立跑完整个增长实验的自闭环。

如果你是做增长的，不管你是不是技术背景——去学 Vibe Coding。不是让你转行做工程师，是让你不再被技术协作卡脖子。这是今年我给所有同行的唯一一个建议。

30 天，9 → 39 个页，+735% 的注册——如果你也想试这套 pSEO 玩法，欢迎来交流。

你最想先试哪一步：Step 1 找你的种子页？Step 2 做 Keyword Gap？还是直接开 Step 3 搭流水线？