去年我在清迈的咖啡馆写代码，收到一个邮件：“帮我们监测 5 个国家的 Google 排名，预算有限。” 我本来想拒的——5 个国家意味着 5 套代理、5 种语言屏蔽、5 倍的维护量。后来用了一个取巧的方案，一个人搞定了传统团队三个人才能干的活。

一、项目背景：一个人管 5 个国家

客户是一家跨境工具 SaaS，主要市场在美、英、德、法、日。需求：

• 1200 个关键词
• 每个关键词查前 50 条结果
• 覆盖 5 个国家
• 每周出一次排名报告
• 预算很低

翻译一下：1200 × 50 × 5 = 30 万条结果/周，大概需要 6000 次 API 请求（一次请求拿 50 条）。预算有限意味着我不能上企业级方案。

二、传统方案的问题

一开始我想的是老路子：

1. 买 5 台 VPS（各国一个节点）
2. 每台搭代理池
3. 部署分布式爬虫
4. 统一汇总数据

算了一笔账：

项目	成本
5 台 VPS	~$150/月
住宅代理 5 国	~$500/月
爬虫维护（人时）	每周至少 10 小时
验证码打码	~$50/月
总计	~$700+/月

客户给的预算是 $300/月。这账算下来根本接不了。

后来朋友说：“你试试 SerpBase 呗，gl 参数直接选国家，一个 API 搞定所有地区。”

三、方案设计：一个 API 撑起全链路

3.1 架构

关键词列表 (1200个)
    |
    ↓
调度器 (Python APScheduler)
    |
    ↓
SerpBase API (gl=us, gl=gb, gl=de, gl=fr, gl=jp)
    |
    ↓
解析器 (提取排名+URL+摘要)
    |
    ↓
CSV/Excel 报告 + Google Sheets 看板

所有区别只有 gl 参数：

COUNTRIES = {
    "us": "美国 (English)",
    "gb": "英国 (English)",
    "de": "德国 (Deutsch)",
    "fr": "法国 (Français)",
    "jp": "日本 (日本語)"
}

3.2 采集核心

import requests
import csv
import time
from datetime import datetime
from concurrent.futures import ThreadPoolExecutor, as_completed

class MultiCountrySEOCollector:
    def __init__(self, api_key: str):
        self.api_key = api_key
        self.base_url = "https://api.serpbase.dev/google/search"
    
    def fetch_country(self, keyword: str, gl: str) -> dict:
        headers = {
            "X-API-Key": self.api_key,
            "Content-Type": "application/json"
        }
        body = {"q": keyword, "gl": gl, "hl": "en" if gl != "jp" else "ja", "page": 1}
        resp = requests.post(self.base_url, headers=headers, json=body, timeout=30)
        return {
            "keyword": keyword,
            "country": gl,
            "data": resp.json(),
            "timestamp": datetime.utcnow().isoformat()
        }
    
    def collect_all(self, keywords: list, countries: list):
        results = []
        tasks = []
        
        with ThreadPoolExecutor(max_workers=3) as executor:
            for kw in keywords:
                for gl in countries:
                    tasks.append(executor.submit(self.fetch_country, kw, gl))
                    time.sleep(0.4)  # 限流
            
            for future in as_completed(tasks):
                results.append(future.result())
        
        return results
    
    def extract_rank(self, result: dict, domain: str) -> dict:
        organic = result["data"].get("organic", [])
        rank = 999
        snippet = ""
        for item in organic:
            if domain in item.get("link", ""):
                rank = item.get("rank", 999)
                snippet = item.get("snippet", "")
                break
        
        return {
            "keyword": result["keyword"],
            "country": result["country"],
            "rank": rank,
            "snippet": snippet,
            "timestamp": result["timestamp"]
        }
    
    def generate_report(self, keywords: list, domain: str):
        raw = self.collect_all(keywords, list(COUNTRIES.keys()))
        rows = []
        for r in raw:
            row = self.extract_rank(r, domain)
            rows.append(row)
        
        with open(f"seo_report_{datetime.now().strftime('%Y%m%d')}.csv", "w", newline="") as f:
            writer = csv.DictWriter(f, fieldnames=["keyword", "country", "rank", "snippet", "timestamp"])
            writer.writeheader()
            writer.writerows(rows)
        
        return rows

# 使用
collector = MultiCountrySEOCollector(api_key="YOUR_KEY")
rows = collector.generate_report(keywords, "client-website.com")

3.3 差异化分析

拿到原始排名还不够，客户要的是洞察。我加了一个对比分析模块：

import pandas as pd

def analyze_position_gaps(df: pd.DataFrame) -> dict:
    """找出各国之间排名差异最大的关键词"""
    pivot = df.pivot_table(index="keyword", columns="country", values="rank", aggfunc="first")
    pivot["max_diff"] = pivot.max(axis=1) - pivot.min(axis=1)
    gaps = pivot.sort_values("max_diff", ascending=False).head(20)
    
    insights = []
    for kw, row in gaps.iterrows():
        best_country = row.drop("max_diff").idxmin()
        worst_country = row.drop("max_diff").idxmax()
        insights.append({
            "keyword": kw,
            "best_country": best_country,
            "best_rank": int(row[best_country]),
            "worst_country": worst_country,
            "worst_rank": int(row[worst_country]),
            "gap": int(row["max_diff"])
        })
    return insights

打一个比方，某个词在美国排第 3 但在德国排第 35，说明德语的 SEO 策略可能需要单独优化。这种"按国别差异"的分析，客户觉得很有价值。

四、最终交付和成本

4.1 交付物

1. 每周 CSV 报告：1200 词 × 5 国 × 当前排名
2. Google Sheets 看板：链接到客户已有的 Google Analytics 看板
3. 差异分析报告：TOP 20 国别差异最大的关键词 + 优化建议

4.2 成本

项目	费用
SerpBase（Business 包 $500，150万次，可用约 3 个月）	~$167/月
轻量服务器（跑定时任务）	¥69/月
总支出	~$177/月
客户预算	$300/月
利润	~$123/月

4.3 跟自建方案对比

维度	自建代理方案	SerpBase API 方案
多国覆盖	每国配代理+节点	一个参数搞定
开发周期	2-3 周	3 天
月成本	~$700+	~$177
维护负担	高	几乎为零
利润率	负	正

坦白说，没有 SerpBase 这个项目我根本接不了——以客户给的预算，自建方案怎么算都是亏的。

五、一些经验分享

5.1 关于限流策略

多国采集最大的挑战是请求量：1200 词 × 5 国 = 6000 次请求。如果一次性跑，妥妥触发限流。

我的做法是分批跑，每批 200 个词，批次间隔 30 分钟。一周分 3 天跑完，每天 2000 次请求，分布到 8 个小时里，QPS 不到 0.1，完全不会触发限流。

5.2 关于结果一致性

不同时间跑同一个词，Google 结果会有差异。为了让同一周内的数据有可比性，我在一周内固定时间窗口跑（比如每周二和周四的下午 2 点 UTC），尽量减少时间差异引入的噪声。

5.3 关于 hl 和 gl 组合

之前踩过一个坑：gl=jp 但 hl=en，返回的结果是日本的搜索结果但界面是英文，有些日文站点的 snippet 被截断或编码异常。后来针对日本市场单独设 hl=ja，问题解决。

六、总结

对独立开发者来说，多国 SEO 数据采集这个需求真实存在，但市场定价已经被拉得很低。靠传统代理+爬虫的路线，成本结构注定做不了低价单。

API 方案让一个人也可以接以前需要一个小团队才能做的活。客户的预算 300 刀，自建要 700 刀是亏的，但用 API 成本 177 刀，净赚 123 刀。这就是信息差和工具差的价值。

如果你也是数字游民或者自由职业者，遇到多国 SEO 项目，别急着搭代理池，先看看 API 方案能不能搞定。说不定三四天写好代码，剩下的时间你已经在下一家咖啡馆写代码了。

---

后来客户又加了巴西和印度两个市场，代码里多写两个 gl 参数就完事了，零额外维护成本。这就是所谓的"躺着赚钱"吧。