SEO-sisältöputki
LiveMoniagenttinen AI-järjestelmä, joka automatisoi sisällöntuotannon avainsanatutkimuksesta WordPress-julkaisuun
Haaste
Matkailusivustojen — TravelEspain.com (EN) ja LaplandTripPlanner.com (EN/FI) — sisällöntuotanto oli pullonkaula. Avainsanatutkimus, sisältöbriiffit, kirjoittaminen, laadunvarmistus ja WordPress-julkaisu veivät per artikkeli useita tunteja manuaalista työtä. Avainsanatutkimus paljasti satoja hakutermejä, joille sivustolla ei ollut sisältöä, ja kymmeniä olemassaolevia sivuja, joiden sisäiset linkitykset, metatiedot ja sisältörakenne kaipaivat optimointia.
Miksi manuaalinen prosessi ei riittänyt
Manuaalinen prosessi ei skaalautunut. Sivusto kilpailee isojen matkailubrändien kanssa, joten sisältöä pitäisi tuottaa systemaattisesti ja laadukkaasti — ei satunnaisesti silloin kun aikaa sattuu olemaan. Lisäksi SEO-päätökset (mitä kirjoitetaan, mille avainsanoille, missä järjestyksessä) perustuivat mutu-tuntumaan eikä dataan.
Prosessin kartoitus
Kartoitin koko sisällöntuotannon ketjun alusta loppuun: mistä data tulee (Google Search Console, DataForSEO-avainsanatutkimus, sivuston crawl), mitä päätöksiä tehdään missäkin vaiheessa, ja mitkä vaiheet ovat mekaanisia vs. luovaa työtä. Tunnistin, että suurin osa vaiheista on automatisoitavissa, mutta ihmisen pitää silti tehdä lopullinen julkaisupäätös.
Dataohjattu sisältöstrategia
Siirryin reaktiivisesta sisällöntuotannosta dataohjattuun. Avainsanat ryhmitellään klustereihin (esim. "Barcelona", "Kanariansaaret"), joilla on pilari-sivu ja tukisivut. Järjestelmä pisteyttää mahdollisuudet automaattisesti hakuvolyymin, kilpailun ja hakuintention perusteella, joten kirjoitusjärjestys perustuu dataan eikä arvauksiin.
Kolmen agentin pipeline
Valmiit SEO-työkalut (Surfer, Frase) tekevät hyvin yksittäisiä vaiheita mutta eivät kata koko ketjua. Lisäksi niiden AI-kirjoituslaatu on heikko — tuotettu teksti vaatii lähes aina uudelleenkirjoituksen. Rakensin räätälöidyn pipelinen, jossa kolme AI-agenttia (SEO-arkkitehti, kirjoittaja, editori) työskentelevät yhdessä laadunvarmistussilmukan kautta. Editori pisteyttää jokaisen artikkelin ja palauttaa sen kirjoittajalle kunnes laatu ylittää kynnysarvon.
Eri sisältötyypeille (opas, vertailu, ostosivu) on omat erikoistuneet promptit, jotka ohjaavat kirjoittaja-agenttia. Matkaopas kirjoitetaan eri rakenteella ja sävyllä kuin hotellivertailu tai "10 parasta ravintolaa" -lista. Tämä on iso etu geneerisiin AI-kirjoitustyökaluihin verrattuna, joissa kaikki sisältö tulee samasta muotista.
Työkalut ja moduulit
Modulaariset työkalut, jotka kattavat ketjun avainsanatutkimuksesta WordPress-luonnokseen:
- • Datan keruu: GSC-data, sivuston crawl ja avainsanatutkimus (DataForSEO API) päivittyvät tietokantaan
- • Analytiikka: Quick wins, sisäiset linkitysmahdollisuudet, CTR-optimoinnit ja klusterianalyysi
- • Sisällöntuotanto: Avainsanasta briiffin kautta valmiiseen WordPress-luonnokseen
- • Dashboard: Next.js-hallintapaneeli, jossa näkee klusterit, mahdollisuudet, briiffit ja luonnokset
Työkalut ovat itsenäisiä ja modulaarisia — niitä voi käyttää yksittäin tai ketjuttaa tarpeen mukaan. Ihminen tekee edelleen lopullisen tarkistuksen ja julkaisupäätöksen.
Alla näkymä yhden klusterin sisäiseen linkkaukseen (internal linking), joka kertoo miten eri hakuintentiolla olevat sivut on linkitetty keskenään. Sivustolla on tarkoitus ohjata kävijöitä funnelimaisesti kaupallisille sivuille, ja onnistuu parhaiten sekä ohjaamalla sisäistä liikennettä niille, että jakamalla niille enemmän liikennettä saavien sivujen SEO-arvoa. Ja se tapahtuu sisäisen linkkauksen avulla, joka ilman hyvää työkalua on todella haastavaa.
Ihmisen rooli
Järjestelmä ei yritä automatisoida kaikkea. Muutamat vaiheet ovat tarkoituksella manuaalisia, koska niissä ihmisen arvio on parempi tai automaatio ei tuota riittävää laatua:
- • Klusterirakenne: Ihminen määrittää klusterit ja niiden sivurakenteet. Kun rakenne on eksplisiittinen, puuttuva sisältö näkyy heti aukkoina eikä piiloudu algoritmien taakse.
- • Hakuintentio: Sivujen luokittelu hakuaievaiheisiin on pääosin manuaalista mutta nopeaa. Järjestelmä ehdottaa luokitusta, ihminen vahvistaa tai korjaa.
- • Datan tuonti: GSC- ja GA4-data tuodaan CSV-tiedostoina. MCP-integraatiot ovat kehityslistalla.
- • Tekstin viimeistely: Etenkin suomen kielen sujuvoittaminen sekä omien kokemusten ja mielipiteiden lisääminen.
- • Kuvien lisääminen: Matkailuaiheisella sivustolla omien valokuvien käyttäminen tärkeää.
Vaikutus
Yksittäisen artikkelin tuotantoaika tippui useasta tunnista kymmeniin minuutteihin. Sisällön laatu parani, koska jokainen artikkeli käy läpi systemaattisen QA-kierroksen eikä ole yhden kirjoitussession varassa. Sisäiset linkitykset ja metatiedot pysyvät kunnossa automaattisesti. Sivuston sisältöstrategia perustuu nyt dataan: järjestelmä kertoo mitä kannattaa kirjoittaa seuraavaksi ja miksi. Pipeline on tuotantokäytössä ja tuottaa aktiivisesti sisältöä sivustoille TravelEspain.com ja LaplandTripPlanner.com.
Tekninen stack
Next.js (app router) + SQLite + Claude API + DataForSEO. Kolmen agentin pipeline (arkkitehti → kirjoittaja → editori) laadunvarmistussilmukalla. Sisältötyyppikohtaiset promptit ohjaavat kirjoittajaa. ~15 modulaarista työkalua Agent SDK -rajapinnassa. Dashboard hallintapaneelina.
Keskeisin oppi
Automaation suurin arvo ei ole yksittäisen artikkelin nopeus vaan se, että sisältöstrategia perustuu dataan eikä mutu-tuntumaan. Kun järjestelmä kertoo mitä kannattaa kirjoittaa ja miksi, resurssit kohdistuvat oikein.