Kimi网页版API免费调用指南与使用技巧
Google Trends 的多功能替代品:探索 DataForSEO Trends API 的强大功能
搜索趋势数据是洞察人们对某些产品、服务和信息兴趣的宝库。这些数据反映了在特定时间段内,各种属性上的搜索查询在搜索引擎中的流行程度。
搜索查询和关键词缺乏个性化,很难发现在 Google 中输入特定查询的用户的详细信息及其实际兴趣。但是,搜索趋势数据可以让人们了解用户的行为和需求。它也可以揭示不同地区、年龄段及性别对特定产品和服务的偏好程度。
对于希望更深入地了解目标受众的 SEO 专家和营销人员来说,这些数据非常宝贵。此外,搜索趋势数据对于关键词研究工具的开发者非常有用,因为它能够帮助他们为客户提供更多功能,从而加强产品的市场竞争力。
了解搜索趋势的另一种方法是通过直接与消费者接触进行市场研究。这可以包括调查、访谈和焦点小组等方法来收集受访者的见解。通过这些渠道监控消费者偏好、行业趋势和市场动态的变化,企业可以尝试预测搜索行为的可能变化。这种方法虽然能够获得深入见解,但耗时较长且估计质量可能不稳定。
此外,您还可以从Google Trends获取搜索趋势。此工具可让您访问与特定位置相关的实际趋势数据、相关主题的见解以及有关搜索查询的信息。例如数据检索不一致和同时请求的限制,然而,由于 Google Trends 在数据检索的一致性和并发请求方面的限制,难以构建一个可靠的自动化系统来获取趋势数据。
通过分析这些现有方法及其优缺点,我们创建了一个全新的解决方案来获取搜索兴趣数据 – DataForSEO Trends API。它以方便的格式从 Google 搜索、Google 购物和 Google 新闻中检索搜索趋势。除了搜索查询的流行度之外,此 API 还可以为您提供以下信息:
搜索特定区域和子区域的趋势数据;
按年龄和性别划分的搜索查询热门程度信息;
合并数据提供了指定时间戳、地区、子区域以及年龄和性别人口统计数据内关键词受欢迎程度的全面概述;
同时比较多个关键词随时间变化的兴趣趋势。
DataForSEO Trends API 最显著的特点是其背后的专有算法。让我们深入了解其背后的专有算法,以便您更好地理解我们的新 API 能够实现什么。
首先,我们非常重视数据收集,以确保我们的算法有效。我们采用一种复杂的方法,利用多个数据源来提供准确而全面的搜索趋势估计。根据您在 API 中输入的查询,这些来源的利用比例不同。
我们的搜索趋势数据的核心来源是我们从互联网上索引的大量内容。我们从搜索引擎结果、购物清单和网页中收集信息,以创建搜索查询流行度的全面概述。此外,我们的流程不仅仅是扫描数十亿个页面并保存文本和内容。我们还收集网站之间的反向链接数据。这个庞大的数据集包含实质性内容和反向链接信息,安全地存储在我们的数据库中。
但这还不是全部。为了使我们的结果更好,我们利用了点击流数据——当人们浏览互联网时收集的信息。通过仔细收集和分析来自搜索引擎的匿名点击流数据,我们可以发现与用户输入查询时真正想要的内容相匹配的内容。为了提高准确性,我们会汇总数据,并剔除一些信息,比如重复的搜索和含有特殊字符的搜索。
然后,我们使用收集到的数据来估算关键字流行度值。这些值表示用户搜索特定关键字或短语的频率以及其流行度随时间的变化。关键字流行度值与关键字搜索量不同。搜索量描述的是某个关键字或短语的确切搜索次数。而关键字流行度则以估算值表示,它提供了一个搜索词相对于其他词的流行度的相对衡量标准。这些值显示了某个关键词或短语被搜索的频繁程度以及其随时间变化的流行度。关键字流行度不同于确切的搜索次数;它是一个估算值,用来衡量一个搜索词相对于其他词的相对流行度。这些值不展示绝对搜索数量,而是根据一段时间内关键字的流行度来进行排名。
以下是我们的算法处理数据和生成关键字流行度值的详细步骤:
当您在 API 中输入关键字查询时,算法会计算用户在搜索引擎中进行的关键字查询的数量,以确定受欢迎程度。
之后,算法在互联网的不同页面上搜索该关键字查询的提及,并对这些提及进行计数。
然后,算法根据这两个源中数据的存在情况以及 API 请求的输入参数合并这两个结果。
受欢迎程度得分被规范化并缩放到标准化范围,从 0 到 100%。
为了确定不同地区和子区域中的关键词流行度,流行度分数与用户的大致位置数据相结合。
按照同样的逻辑,该算法估计用户的年龄和性别。
例如,它是一个用户友好的免费工具,基于 DataForSEO Trends API 构建,让您能够体验我们API的强大功能。
。
如果您指定一个关键字,此部分的流行度值将让您了解该关键字在某些位置之间的流行度。为了计算结果,我们确定所有位置中相关关键字的最高流行度值,并将所有其他值表示为最高关键字流行度值的百分比。
如果您指定多个关键字,关键字流行度值将帮助您了解每个关键字的流行度——与所有给定位置的其他关键字相比。在这种情况下,我们确定所有指定位置的所有关键字中的最高流行度值。然后,我们将每个关键字的流行度表示为最高关键字流行度值的百分比。
您可以试验关键词并尝试自己获取一些搜索兴趣信息,只需在此处试用我们的 DataForSEO 趋势工具即可,它是免费的!
将 DataForSEO Trends API 与 Google Trends API 进行比较
您可能想知道我们的新 DataForSEO Trends API 和 Google Trends API 之间的区别。这些 API 可能看起来相似,但两者之间存在关键性的差异,使得 DataForSEO Trends API 成为了更为通用且高效的解决方案。
首先,与 Google Trends API 相比,DataForSEO Trends API 的可靠性更胜一筹。尽管 Google Trends 提供了高度准确的数据,但其平台偶尔会遇到服务中断或提供不完整数据的情况,这使得频繁调用 API 来获取大量的历史趋势数据变得困难。
另一方面,DataForSEO Trends API 被设计成一个可靠且可扩展的解决方案,用于检索关键字趋势和流行度数据。此外,我们还确保了与 Google Trends API 的参数保持最大兼容性,以便于用户的平稳过渡。
下一个不同之处在于我们的 API 采用的方法。Google Trends API 基于 Google Trends 的“探索”功能,提供关键字随时间变化的流行度、特定地区的流行度以及相关主题和查询的信息。此外,您可以指定搜索类别代码以获取更精确的结果,并检索特定时间点的数据。
另一方面,正如我们之前提到的,DataForSEO Trends API 分析来自多种来源的数据,包括页面内容的流行度和网络性能指标,并处理点击流数据以更好地理解用户行为。
我们的算法的最大优势之一是,它允许您按性别和年龄细分搜索兴趣,并立即比较估计结果。Google Trends API 本身没有这样的机会。为此,我们在 DataForSEO Trends API 中引入了四个独立的端点:
- 端点“探索”提供一定时间范围内关键词流行度的数据;
- 端点“子区域兴趣”用于测量和比较某个位置或所有位置内的关键词受欢迎程度;
- “人口统计”端点按年龄和性别细分了关键词受欢迎程度数据;
- 端点“探索”提供了一定时间范围内关键词的流行度数据;“子区域兴趣”端点用于测量和比较特定地点或所有地点的关键词受欢迎程度;“人口统计”端点按年龄和性别细分关键词受欢迎程度;“合并数据”端点整合上述端点的数据,形成搜索兴趣趋势的全貌。
每个端点都提供了比较关键字流行度并给出相关结果的功能。另外,与 Google Trends API 不同,DataForSEO Trends API 仅支持“实时”数据检索,这意味着每次请求都会获得最新数据。
如果您想了解更多关于 DataForSEO Trends API 的细节,请参阅我们的文档。
总而言之,以下是 DataForSEO Google Trends API 和 DataForSEO Trends API 之间的主要区别。
➤Google Trends API:
- 受欢迎程度数据通常更准确;
- 根据 Google Trends 的“探索”功能提供数据;
- 提供您指定的关键字相关的主题和查询;
- API 支持“标准”和“实时”数据检索方法。
➤DataForSEO Trends API:
- 基于我们遵循特定数据收集和处理步骤的专有算法;
- 与 Google Trends 相比,运行一致且正常;
- 可以提供按年龄和性别划分的人口统计估计细目;
- 即时比较检索到的搜索趋势数据结果;
- 仅支持“实时”数据检索方法;
- 检索搜索趋势数据的较便宜的选项。
请注意,DataForSEO Trends API 提供的是基于算法分析的估计数据,并不提供确切的搜索量数据或其他关键字指标。若需要精确的搜索量数据,建议使用我们的关键字数据 API 的“搜索量”端点。
现在您已经了解到 DataForSEO Trends API 是一个多功能且可扩展的搜索趋势数据检索解决方案。接下来,我们来看看如何通过几个关键的应用案例,将它的功能转化为您项目和工具的实际价值。
如何利用 DataForSEO Trends API 的强大功能?需要考虑的主要用例
- 以实惠的价格获取历史关键字趋势数据如果您需要获取关键字数据来制作信息图表并展示随时间变化的搜索趋势,DataForSEO Trends API 可能是最佳且最具成本效益的选择。您不需要直接从 Google Ads 或 Bing Ads 获取历史搜索量数据,而是可以利用搜索趋势数据来估算。
出于这些目的,DataForSEO Trends API 以其经济实惠和多功能性脱颖而出。为了说明这一点,让我们比较一下在我们的 Trends API、Google Trends API 和 Google & Bing Ads API 中检索 10,000 个关键字数据的成本。在实时模式下通过 Google Ads API 获取 10,000 个关键字的数据将花费 0.75 美元(10 个任务,每个任务 1,000 个关键字)。在 Bing Ads API 中,50 个任务,每个任务 200 个关键字的成本为 3.75 美元。虽然这些价格似乎很实惠,但估算关键字流行度值需要手动计算和比较结果。(在实时模式下通过 Google Ads API 获取 10,000 个关键字的数据将花费 0.75 美元(10 个任务,每个任务 1,000 个关键字)。而在 Bing Ads API 中,50 个任务,每个任务 200 个关键字的成本为 3.75 美元。尽管价格看似合理,但估算关键字流行度值仍需手动计算和比较。)
使用 Google Trends API 在“实时”模式下提供 10,000 个关键字的关键字流行度数据将花费 18 美元(2,000 个任务,每个任务 5 个关键字)。但是,如前所述,Google Trends 并不总是可靠地运行,这在检索大量关键字数据时可能会导致问题。另一方面,对于相同数量的关键字,使用 DataForSEO Trends API“探索”端点只需支付 2 美元。此外,它以实时模式检索数据并立即比较结果。(使用 Google Trends API 在“实时”模式下获取 10,000 个关键字的流行度数据将花费 18 美元(2,000 个任务,每个任务 5 个关键字)。然而,如前所述,Google Trends 在可靠性方面存在问题,尤其是在处理大量关键字数据时。相比之下,使用 DataForSEO Trends API 的“探索”端点只需支付 2 美元,并且它能在实时模式下检索数据并即时比较结果。)
API | 价格 |
---|---|
Google 广告 API | 10,000 个关键词的数据价格为 0.75 美元。 |
Bing 广告 API | 10,000 个关键词的数据价格为 3.75 美元。 |
Google 趋势 API | 10,000 个关键词数据售价 18 美元。 即时关键词流行度值估算和比较。 |
DataForSEO 趋势 API | 10,000 个关键词数据售价 2 美元。 即时关键词流行度值估算和比较。 |
如您所见,DataForSEO Trends API 可让您以最高的成本效益访问关键字趋势数据。要了解有关 DataForSEO Trends API 定价的更多信息,请访问我们的定价页面。
以下是使用 DataForSEO Trends API 检索历史关键字热度数据的示例。假设您想比较过去 90 天内美国对“iPhone”和“Samsung”的搜索兴趣变化情况。图表本身可能如下所示:
在图表上,您可以观察到在 90 天的时间段内搜索查询“iphone”和“samsung”的流行度值如何逐日波动。
为了生成下图,我们需要向DataForSEO Trends API 的“探索”端点发出请求。
POST https://api.dataforseo.com/v3/keywords_data/dataforseo_trends/explore/live
示例请求
[
{
"keywords": [
"iphone",
"samsung"
],
"location_name": "United States",
"date_from": "2024-01-11",
"date_to": "2024-04-06",
"type": "web"
}
]
结果将返回如下
{
"version": "0.1.20240313",
"status_code": 20000,
"status_message": "Ok.",
"time": "0.6720 sec.",
"cost": 0.001,
"tasks_count": 1,
"tasks_error": 0,
"tasks": [
{
"id": "04101608-1535-0570-0000-7037e2c7e5ec",
"status_code": 20000,
"status_message": "Ok.",
"time": "0.6149 sec.",
"cost": 0.001,
"result_count": 1,
"path": [
"v3",
"keywords_data",
"dataforseo_trends",
"explore",
"live"
],
"data": {
"api": "keywords_data",
"function": "explore",
"se": "dataforseo_trends",
"keywords": [
"iphone",
"samsung"
],
"location_name": "United States",
"date_from": "2024-01-11",
"date_to": "2024-04-06",
"type": "web"
},
"result": [
{
"keywords": [
"iphone",
"samsung"
],
"type": "trends",
"location_code": 2840,
"language_code": null,
"datetime": "2024-04-10 13:08:27 +00:00",
"items_count": 1,
"items": [
{
"position": 1,
"type": "dataforseo_trends_graph",
"keywords": [
"iphone",
"samsung"
],
"data": [
{
"date_from": "2024-01-11",
"date_to": "2024-01-11",
"timestamp": 1704931200,
"values": [
88,
63
]
},
{
"date_from": "2024-01-12",
"date_to": "2024-01-12",
"timestamp": 1705017600,
"values": [
88,
54
]
},
{
"date_from": "2024-01-13",
"date_to": "2024-01-13",
"timestamp": 1705104000,
"values": [
90,
53
]
},
{
"date_from": "2024-01-14",
"date_to": "2024-01-14",
"timestamp": 1705190400,
"values": [
86,
60
]
},
{
"date_from": "2024-01-15",
"date_to": "2024-01-15",
"timestamp": 1705276800,
"values": [
82,
58
]
},
{
"date_from": "2024-01-16",
"date_to": "2024-01-16",
"timestamp": 1705363200,
"values": [
92,
52
]
},
{
"date_from": "2024-01-17",
"date_to": "2024-01-17",
"timestamp": 1705449600,
"values": [
87,
93
]
},
{
"date_from": "2024-01-18",
"date_to": "2024-01-18",
"timestamp": 1705536000,
"values": [
80,
100
]
},
{
"date_from": "2024-01-19",
"date_to": "2024-01-19",
"timestamp": 1705622400,
"values": [
86,
84
]
},
{
"date_from": "2024-01-20",
"date_to": "2024-01-20",
"timestamp": 1705708800,
"values": [
91,
72
]
},
{
"date_from": "2024-01-21",
"date_to": "2024-01-21",
"timestamp": 1705795200,
"values": [
75,
79
]
},
{
"date_from": "2024-01-22",
"date_to": "2024-01-22",
"timestamp": 1705881600,
"values": [
89,
73
]
},
{
"date_from": "2024-01-23",
"date_to": "2024-01-23",
"timestamp": 1705968000,
"values": [
75,
56
]
},
{
"date_from": "2024-01-24",
"date_to": "2024-01-24",
"timestamp": 1706054400,
"values": [
74,
54
]
},
{
"date_from": "2024-01-25",
"date_to": "2024-01-25",
"timestamp": 1706140800,
"values": [
79,
58
]
},
{
"date_from": "2024-01-26",
"date_to": "2024-01-26",
"timestamp": 1706227200,
"values": [
76,
53
]
},
{
"date_from": "2024-01-27",
"date_to": "2024-01-27",
"timestamp": 1706313600,
"values": [
79,
74
]
},
{
"date_from": "2024-01-28",
"date_to": "2024-01-28",
"timestamp": 1706400000,
"values": [
83,
58
]
},
{
"date_from": "2024-01-29",
"date_to": "2024-01-29",
"timestamp": 1706486400,
"values": [
79,
62
]
},
{
"date_from": "2024-01-30",
"date_to": "2024-01-30",
"timestamp": 1706572800,
"values": [
70,
56
]
},
{
"date_from": "2024-01-31",
"date_to": "2024-01-31",
"timestamp": 1706659200,
"values": [
60,
54
]
},
{
"date_from": "2024-02-01",
"date_to": "2024-02-01",
"timestamp": 1706745600,
"values": [
60,
48
]
},
{
"date_from": "2024-02-02",
"date_to": "2024-02-02",
"timestamp": 1706832000,
"values": [
62,
49
]
},
{
"date_from": "2024-02-03",
"date_to": "2024-02-03",
"timestamp": 1706918400,
"values": [
68,
58
]
},
{
"date_from": "2024-02-04",
"date_to": "2024-02-04",
"timestamp": 1707004800,
"values": [
62,
42
]
},
{
"date_from": "2024-02-05",
"date_to": "2024-02-05",
"timestamp": 1707091200,
"values": [
66,
63
]
},
{
"date_from": "2024-02-06",
"date_to": "2024-02-06",
"timestamp": 1707177600,
"values": [
61,
60
]
},
{
"date_from": "2024-02-07",
"date_to": "2024-02-07",
"timestamp": 1707264000,
"values": [
73,
47
]
},
{
"date_from": "2024-02-08",
"date_to": "2024-02-08",
"timestamp": 1707350400,
"values": [
68,
50
]
},
{
"date_from": "2024-02-09",
"date_to": "2024-02-09",
"timestamp": 1707436800,
"values": [
68,
44
]
},
{
"date_from": "2024-02-10",
"date_to": "2024-02-10",
"timestamp": 1707523200,
"values": [
67,
55
]
},
{
"date_from": "2024-02-11",
"date_to": "2024-02-11",
"timestamp": 1707609600,
"values": [
67,
43
]
},
{
"date_from": "2024-02-12",
"date_to": "2024-02-12",
"timestamp": 1707696000,
"values": [
69,
59
]
},
{
"date_from": "2024-02-13",
"date_to": "2024-02-13",
"timestamp": 1707782400,
"values": [
57,
43
]
},
{
"date_from": "2024-02-14",
"date_to": "2024-02-14",
"timestamp": 1707868800,
"values": [
65,
43
]
},
{
"date_from": "2024-02-15",
"date_to": "2024-02-15",
"timestamp": 1707955200,
"values": [
67,
49
]
},
{
"date_from": "2024-02-16",
"date_to": "2024-02-16",
"timestamp": 1708041600,
"values": [
70,
49
]
},
{
"date_from": "2024-02-17",
"date_to": "2024-02-17",
"timestamp": 1708128000,
"values": [
85,
55
]
},
{
"date_from": "2024-02-18",
"date_to": "2024-02-18",
"timestamp": 1708214400,
"values": [
68,
50
]
},
{
"date_from": "2024-02-19",
"date_to": "2024-02-19",
"timestamp": 1708300800,
"values": [
79,
56
]
},
{
"date_from": "2024-02-20",
"date_to": "2024-02-20",
"timestamp": 1708387200,
"values": [
71,
47
]
},
{
"date_from": "2024-02-21",
"date_to": "2024-02-21",
"timestamp": 1708473600,
"values": [
75,
54
]
},
{
"date_from": "2024-02-22",
"date_to": "2024-02-22",
"timestamp": 1708560000,
"values": [
92,
45
]
},
{
"date_from": "2024-02-23",
"date_to": "2024-02-23",
"timestamp": 1708646400,
"values": [
81,
44
]
},
{
"date_from": "2024-02-24",
"date_to": "2024-02-24",
"timestamp": 1708732800,
"values": [
79,
47
]
},
{
"date_from": "2024-02-25",
"date_to": "2024-02-25",
"timestamp": 1708819200,
"values": [
83,
40
]
},
{
"date_from": "2024-02-26",
"date_to": "2024-02-26",
"timestamp": 1708905600,
"values": [
78,
51
]
},
{
"date_from": "2024-02-27",
"date_to": "2024-02-27",
"timestamp": 1708992000,
"values": [
68,
45
]
},
{
"date_from": "2024-02-28",
"date_to": "2024-02-28",
"timestamp": 1709078400,
"values": [
79,
53
]
},
{
"date_from": "2024-02-29",
"date_to": "2024-02-29",
"timestamp": 1709164800,
"values": [
60,
35
]
},
{
"date_from": "2024-03-01",
"date_to": "2024-03-01",
"timestamp": 1709251200,
"values": [
68,
45
]
},
{
"date_from": "2024-03-02",
"date_to": "2024-03-02",
"timestamp": 1709337600,
"values": [
62,
52
]
},
{
"date_from": "2024-03-03",
"date_to": "2024-03-03",
"timestamp": 1709424000,
"values": [
74,
58
]
},
{
"date_from": "2024-03-04",
"date_to": "2024-03-04",
"timestamp": 1709510400,
"values": [
78,
47
]
},
{
"date_from": "2024-03-05",
"date_to": "2024-03-05",
"timestamp": 1709596800,
"values": [
66,
48
]
},
{
"date_from": "2024-03-06",
"date_to": "2024-03-06",
"timestamp": 1709683200,
"values": [
76,
53
]
},
{
"date_from": "2024-03-07",
"date_to": "2024-03-07",
"timestamp": 1709769600,
"values": [
79,
45
]
},
{
"date_from": "2024-03-08",
"date_to": "2024-03-08",
"timestamp": 1709856000,
"values": [
63,
52
]
},
{
"date_from": "2024-03-09",
"date_to": "2024-03-09",
"timestamp": 1709942400,
"values": [
69,
46
]
},
{
"date_from": "2024-03-10",
"date_to": "2024-03-10",
"timestamp": 1710028800,
"values": [
71,
43
]
},
{
"date_from": "2024-03-11",
"date_to": "2024-03-11",
"timestamp": 1710115200,
"values": [
61,
35
]
},
{
"date_from": "2024-03-12",
"date_to": "2024-03-12",
"timestamp": 1710201600,
"values": [
58,
40
]
},
{
"date_from": "2024-03-13",
"date_to": "2024-03-13",
"timestamp": 1710288000,
"values": [
76,
48
]
},
{
"date_from": "2024-03-14",
"date_to": "2024-03-14",
"timestamp": 1710374400,
"values": [
72,
39
]
},
{
"date_from": "2024-03-15",
"date_to": "2024-03-15",
"timestamp": 1710460800,
"values": [
71,
47
]
},
{
"date_from": "2024-03-16",
"date_to": "2024-03-16",
"timestamp": 1710547200,
"values": [
73,
51
]
},
{
"date_from": "2024-03-17",
"date_to": "2024-03-17",
"timestamp": 1710633600,
"values": [
63,
49
]
},
{
"date_from": "2024-03-18",
"date_to": "2024-03-18",
"timestamp": 1710720000,
"values": [
63,
43
]
},
{
"date_from": "2024-03-19",
"date_to": "2024-03-19",
"timestamp": 1710806400,
"values": [
75,
49
]
},
{
"date_from": "2024-03-20",
"date_to": "2024-03-20",
"timestamp": 1710892800,
"values": [
58,
38
]
},
{
"date_from": "2024-03-21",
"date_to": "2024-03-21",
"timestamp": 1710979200,
"values": [
65,
46
]
},
{
"date_from": "2024-03-22",
"date_to": "2024-03-22",
"timestamp": 1711065600,
"values": [
79,
56
]
},
{
"date_from": "2024-03-23",
"date_to": "2024-03-23",
"timestamp": 1711152000,
"values": [
73,
51
]
},
{
"date_from": "2024-03-24",
"date_to": "2024-03-24",
"timestamp": 1711238400,
"values": [
74,
57
]
},
{
"date_from": "2024-03-25",
"date_to": "2024-03-25",
"timestamp": 1711324800,
"values": [
83,
52
]
},
{
"date_from": "2024-03-26",
"date_to": "2024-03-26",
"timestamp": 1711411200,
"values": [
73,
49
]
},
{
"date_from": "2024-03-27",
"date_to": "2024-03-27",
"timestamp": 1711497600,
"values": [
22,
21
]
},
{
"date_from": "2024-03-28",
"date_to": "2024-03-28",
"timestamp": 1711584000,
"values": [
1,
7
]
},
{
"date_from": "2024-03-29",
"date_to": "2024-03-29",
"timestamp": 1711670400,
"values": [
5,
12
]
},
{
"date_from": "2024-03-30",
"date_to": "2024-03-30",
"timestamp": 1711756800,
"values": [
null,
null
]
},
{
"date_from": "2024-03-31",
"date_to": "2024-03-31",
"timestamp": 1711843200,
"values": [
9,
9
]
},
{
"date_from": "2024-04-01",
"date_to": "2024-04-01",
"timestamp": 1711929600,
"values": [
2,
7
]
},
{
"date_from": "2024-04-02",
"date_to": "2024-04-02",
"timestamp": 1712016000,
"values": [
2,
2
]
},
{
"date_from": "2024-04-03",
"date_to": "2024-04-03",
"timestamp": 1712102400,
"values": [
0,
9
]
},
{
"date_from": "2024-04-04",
"date_to": "2024-04-04",
"timestamp": 1712188800,
"values": [
4,
10
]
},
{
"date_from": "2024-04-05",
"date_to": "2024-04-06",
"timestamp": 1712275200,
"values": [
0,
15
]
}
],
"averages": [
65,
48
]
}
]
}
]
}
]
}
在items
数组中,您将找到dataforseo_trends_graph element
包含您指定的关键字的 。此元素本身包含数组data
,您可以在其中找到给定时间范围内特定时间戳的相对关键字流行度。此外,在请求的末尾,还有一个averages
数组,提供整个时间范围内平均的估计关键字流行度值。
2利用最新趋势数据丰富您的关键词研究工具
估算的搜索兴趣数据可以成为您现有营销工具和产品的宝贵补充。API 趋势数据可以无缝集成到现有的 SEO 工具、插件和关键字排名跟踪解决方案中。除了提供搜索量和其他关键字指标的数据外,您还可以让客户实时监控搜索趋势,并深入了解区域搜索兴趣和人口统计细分。
例如,您可以根据关键字趋势数据创建预览关键字研究工具。此工具可让您的客户在购买完整产品之前分析某些搜索查询在不同地区、年龄组和性别中的受欢迎程度。
为了说明其如何工作,让我们检查一下从 API 请求生成的图表示例。
第一张图显示了过去 90 天内,美国哪些州对“寿司外卖”这一搜索查询的搜索热度最高。第二张图显示了不同年龄段的男性和女性用户对此查询的搜索兴趣分布。
通过DataForSEO API 的“合并数据”端点可以获取两个图表的值。
POST https://api.dataforseo.com/v3/keywords_data/dataforseo_trends/merged_data/live
示例请求
[
{
"keywords": [
"sushi delivery"
],
"location_name": "United States",
"date_from": "2024-01-11",
"date_to": "2024-04-06",
"type": "web"
}
]
以下是您将获得的响应示例
{
"version": "0.1.20240313",
"status_code": 20000,
"status_message": "Ok.",
"time": "4.8994 sec.",
"cost": 0.005,
"tasks_count": 1,
"tasks_error": 0,
"tasks": [
{
"id": "04101640-1535-0575-0000-a8964098467b",
"status_code": 20000,
"status_message": "Ok.",
"time": "4.8385 sec.",
"cost": 0.005,
"result_count": 1,
"path": [
"v3",
"keywords_data",
"dataforseo_trends",
"merged_data",
"live"
],
"data": {
"api": "keywords_data",
"function": "merged_data",
"se": "dataforseo_trends",
"keywords": [
"sushi delivery"
],
"location_name": "United States",
"date_from": "2024-01-11",
"date_to": "2024-04-06",
"type": "web"
},
"result": [
{
"keywords": [
"sushi delivery"
],
"type": "trends",
"location_code": 2840,
"language_code": null,
"datetime": "2024-04-10 13:40:08 +00:00",
"items_count": 3,
"items": [
{
"position": 1,
"type": "dataforseo_trends_graph",
"keywords": [
"sushi delivery"
],
"data": [
{
"date_from": "2024-01-11",
"date_to": "2024-01-11",
"timestamp": 1704931200,
"values": [
2
]
},
{
"date_from": "2024-01-12",
"date_to": "2024-01-12",
"timestamp": 1705017600,
"values": [
2
]
},
{
"date_from": "2024-01-13",
"date_to": "2024-01-13",
"timestamp": 1705104000,
"values": [
10
]
},
{
"date_from": "2024-01-14",
"date_to": "2024-01-14",
"timestamp": 1705190400,
"values": [
7
]
},
{
"date_from": "2024-01-15",
"date_to": "2024-01-15",
"timestamp": 1705276800,
"values": [
9
]
},
{
"date_from": "2024-01-16",
"date_to": "2024-01-16",
"timestamp": 1705363200,
"values": [
4
]
},
{
"date_from": "2024-01-17",
"date_to": "2024-01-17",
"timestamp": 1705449600,
"values": [
3
]
},
{
"date_from": "2024-01-18",
"date_to": "2024-01-18",
"timestamp": 1705536000,
"values": [
18
]
},
{
"date_from": "2024-01-19",
"date_to": "2024-01-19",
"timestamp": 1705622400,
"values": [
9
]
},
{
"date_from": "2024-01-20",
"date_to": "2024-01-20",
"timestamp": 1705708800,
"values": [
3
]
},
{
"date_from": "2024-01-21",
"date_to": "2024-01-21",
"timestamp": 1705795200,
"values": [
2
]
},
{
"date_from": "2024-01-22",
"date_to": "2024-01-22",
"timestamp": 1705881600,
"values": [
4
]
},
{
"date_from": "2024-01-23",
"date_to": "2024-01-23",
"timestamp": 1705968000,
"values": [
2
]
},
{
"date_from": "2024-01-24",
"date_to": "2024-01-24",
"timestamp": 1706054400,
"values": [
3
]
},
{
"date_from": "2024-01-25",
"date_to": "2024-01-25",
"timestamp": 1706140800,
"values": [
14
]
},
{
"date_from": "2024-01-26",
"date_to": "2024-01-26",
"timestamp": 1706227200,
"values": [
4
]
},
{
"date_from": "2024-01-27",
"date_to": "2024-01-27",
"timestamp": 1706313600,
"values": [
2
]
},
{
"date_from": "2024-01-28",
"date_to": "2024-01-28",
"timestamp": 1706400000,
"values": [
0
]
},
{
"date_from": "2024-01-29",
"date_to": "2024-01-29",
"timestamp": 1706486400,
"values": [
21
]
},
{
"date_from": "2024-01-30",
"date_to": "2024-01-30",
"timestamp": 1706572800,
"values": [
4
]
},
{
"date_from": "2024-01-31",
"date_to": "2024-01-31",
"timestamp": 1706659200,
"values": [
2
]
},
{
"date_from": "2024-02-01",
"date_to": "2024-02-01",
"timestamp": 1706745600,
"values": [
2
]
},
{
"date_from": "2024-02-02",
"date_to": "2024-02-02",
"timestamp": 1706832000,
"values": [
2
]
},
{
"date_from": "2024-02-03",
"date_to": "2024-02-03",
"timestamp": 1706918400,
"values": [
2
]
},
{
"date_from": "2024-02-04",
"date_to": "2024-02-04",
"timestamp": 1707004800,
"values": [
5
]
},
{
"date_from": "2024-02-05",
"date_to": "2024-02-05",
"timestamp": 1707091200,
"values": [
12
]
},
{
"date_from": "2024-02-06",
"date_to": "2024-02-06",
"timestamp": 1707177600,
"values": [
3
]
},
{
"date_from": "2024-02-07",
"date_to": "2024-02-07",
"timestamp": 1707264000,
"values": [
13
]
},
{
"date_from": "2024-02-08",
"date_to": "2024-02-08",
"timestamp": 1707350400,
"values": [
5
]
},
{
"date_from": "2024-02-09",
"date_to": "2024-02-09",
"timestamp": 1707436800,
"values": [
3
]
},
{
"date_from": "2024-02-10",
"date_to": "2024-02-10",
"timestamp": 1707523200,
"values": [
6
]
},
{
"date_from": "2024-02-11",
"date_to": "2024-02-11",
"timestamp": 1707609600,
"values": [
23
]
},
{
"date_from": "2024-02-12",
"date_to": "2024-02-12",
"timestamp": 1707696000,
"values": [
19
]
},
{
"date_from": "2024-02-13",
"date_to": "2024-02-13",
"timestamp": 1707782400,
"values": [
5
]
},
{
"date_from": "2024-02-14",
"date_to": "2024-02-14",
"timestamp": 1707868800,
"values": [
3
]
},
{
"date_from": "2024-02-15",
"date_to": "2024-02-15",
"timestamp": 1707955200,
"values": [
2
]
},
{
"date_from": "2024-02-16",
"date_to": "2024-02-16",
"timestamp": 1708041600,
"values": [
3
]
},
{
"date_from": "2024-02-17",
"date_to": "2024-02-17",
"timestamp": 1708128000,
"values": [
1
]
},
{
"date_from": "2024-02-18",
"date_to": "2024-02-18",
"timestamp": 1708214400,
"values": [
3
]
},
{
"date_from": "2024-02-19",
"date_to": "2024-02-19",
"timestamp": 1708300800,
"values": [
9
]
},
{
"date_from": "2024-02-20",
"date_to": "2024-02-20",
"timestamp": 1708387200,
"values": [
3
]
},
{
"date_from": "2024-02-21",
"date_to": "2024-02-21",
"timestamp": 1708473600,
"values": [
2
]
},
{
"date_from": "2024-02-22",
"date_to": "2024-02-22",
"timestamp": 1708560000,
"values": [
1
]
},
{
"date_from": "2024-02-23",
"date_to": "2024-02-23",
"timestamp": 1708646400,
"values": [
3
]
},
{
"date_from": "2024-02-24",
"date_to": "2024-02-24",
"timestamp": 1708732800,
"values": [
2
]
},
{
"date_from": "2024-02-25",
"date_to": "2024-02-25",
"timestamp": 1708819200,
"values": [
4
]
},
{
"date_from": "2024-02-26",
"date_to": "2024-02-26",
"timestamp": 1708905600,
"values": [
15
]
},
{
"date_from": "2024-02-27",
"date_to": "2024-02-27",
"timestamp": 1708992000,
"values": [
10
]
},
{
"date_from": "2024-02-28",
"date_to": "2024-02-28",
"timestamp": 1709078400,
"values": [
5
]
},
{
"date_from": "2024-02-29",
"date_to": "2024-02-29",
"timestamp": 1709164800,
"values": [
2
]
},
{
"date_from": "2024-03-01",
"date_to": "2024-03-01",
"timestamp": 1709251200,
"values": [
2
]
},
{
"date_from": "2024-03-02",
"date_to": "2024-03-02",
"timestamp": 1709337600,
"values": [
2
]
},
{
"date_from": "2024-03-03",
"date_to": "2024-03-03",
"timestamp": 1709424000,
"values": [
2
]
},
{
"date_from": "2024-03-04",
"date_to": "2024-03-04",
"timestamp": 1709510400,
"values": [
3
]
},
{
"date_from": "2024-03-05",
"date_to": "2024-03-05",
"timestamp": 1709596800,
"values": [
2
]
},
{
"date_from": "2024-03-06",
"date_to": "2024-03-06",
"timestamp": 1709683200,
"values": [
2
]
},
{
"date_from": "2024-03-07",
"date_to": "2024-03-07",
"timestamp": 1709769600,
"values": [
4
]
},
{
"date_from": "2024-03-08",
"date_to": "2024-03-08",
"timestamp": 1709856000,
"values": [
47
]
},
{
"date_from": "2024-03-09",
"date_to": "2024-03-09",
"timestamp": 1709942400,
"values": [
7
]
},
{
"date_from": "2024-03-10",
"date_to": "2024-03-10",
"timestamp": 1710028800,
"values": [
9
]
},
{
"date_from": "2024-03-11",
"date_to": "2024-03-11",
"timestamp": 1710115200,
"values": [
6
]
},
{
"date_from": "2024-03-12",
"date_to": "2024-03-12",
"timestamp": 1710201600,
"values": [
1
]
},
{
"date_from": "2024-03-13",
"date_to": "2024-03-13",
"timestamp": 1710288000,
"values": [
1
]
},
{
"date_from": "2024-03-14",
"date_to": "2024-03-14",
"timestamp": 1710374400,
"values": [
2
]
},
{
"date_from": "2024-03-15",
"date_to": "2024-03-15",
"timestamp": 1710460800,
"values": [
20
]
},
{
"date_from": "2024-03-16",
"date_to": "2024-03-16",
"timestamp": 1710547200,
"values": [
3
]
},
{
"date_from": "2024-03-17",
"date_to": "2024-03-17",
"timestamp": 1710633600,
"values": [
1
]
},
{
"date_from": "2024-03-18",
"date_to": "2024-03-18",
"timestamp": 1710720000,
"values": [
1
]
},
{
"date_from": "2024-03-19",
"date_to": "2024-03-19",
"timestamp": 1710806400,
"values": [
2
]
},
{
"date_from": "2024-03-20",
"date_to": "2024-03-20",
"timestamp": 1710892800,
"values": [
2
]
},
{
"date_from": "2024-03-21",
"date_to": "2024-03-21",
"timestamp": 1710979200,
"values": [
3
]
},
{
"date_from": "2024-03-22",
"date_to": "2024-03-22",
"timestamp": 1711065600,
"values": [
3
]
},
{
"date_from": "2024-03-23",
"date_to": "2024-03-23",
"timestamp": 1711152000,
"values": [
2
]
},
{
"date_from": "2024-03-24",
"date_to": "2024-03-24",
"timestamp": 1711238400,
"values": [
0
]
},
{
"date_from": "2024-03-25",
"date_to": "2024-03-25",
"timestamp": 1711324800,
"values": [
1
]
},
{
"date_from": "2024-03-26",
"date_to": "2024-03-26",
"timestamp": 1711411200,
"values": [
1
]
},
{
"date_from": "2024-03-27",
"date_to": "2024-03-27",
"timestamp": 1711497600,
"values": [
4
]
},
{
"date_from": "2024-03-28",
"date_to": "2024-03-28",
"timestamp": 1711584000,
"values": [
4
]
},
{
"date_from": "2024-03-29",
"date_to": "2024-03-29",
"timestamp": 1711670400,
"values": [
1
]
},
{
"date_from": "2024-03-30",
"date_to": "2024-03-30",
"timestamp": 1711756800,
"values": [
0
]
},
{
"date_from": "2024-03-31",
"date_to": "2024-03-31",
"timestamp": 1711843200,
"values": [
2
]
},
{
"date_from": "2024-04-01",
"date_to": "2024-04-01",
"timestamp": 1711929600,
"values": [
28
]
},
{
"date_from": "2024-04-02",
"date_to": "2024-04-02",
"timestamp": 1712016000,
"values": [
17
]
},
{
"date_from": "2024-04-03",
"date_to": "2024-04-03",
"timestamp": 1712102400,
"values": [
91
]
},
{
"date_from": "2024-04-04",
"date_to": "2024-04-04",
"timestamp": 1712188800,
"values": [
100
]
},
{
"date_from": "2024-04-05",
"date_to": "2024-04-06",
"timestamp": 1712275200,
"values": [
17
]
}
],
"averages": [
8
]
},
{
"position": 2,
"type": "subregion_interests",
"keywords": [
"sushi delivery"
],
"interests": [
{
"keyword": "sushi delivery",
"values": [
{
"geo_id": null,
"geo_name": "California",
"value": 9
},
{
"geo_id": null,
"geo_name": "Florida",
"value": 24
},
{
"geo_id": null,
"geo_name": "Georgia",
"value": 21
},
{
"geo_id": null,
"geo_name": "Illinois",
"value": 22
},
{
"geo_id": null,
"geo_name": "Iowa",
"value": 62
},
{
"geo_id": null,
"geo_name": "Kansas",
"value": 100
},
{
"geo_id": null,
"geo_name": "Louisiana",
"value": 81
},
{
"geo_id": null,
"geo_name": "Maryland",
"value": 36
},
{
"geo_id": null,
"geo_name": "New York",
"value": 26
},
{
"geo_id": null,
"geo_name": "Pennsylvania",
"value": 15
},
{
"geo_id": null,
"geo_name": "Texas",
"value": 11
}
]
}
],
"interests_comparison": null
},
{
"position": 3,
"type": "demography",
"keywords": [
"sushi delivery"
],
"demography": {
"age": [
{
"keyword": "sushi delivery",
"values": [
{
"type": "18-24",
"value": 100
},
{
"type": "25-34",
"value": 80
},
{
"type": "35-44",
"value": 51
},
{
"type": "45-54",
"value": 48
}
]
}
],
"gender": [
{
"keyword": "sushi delivery",
"values": [
{
"type": "female",
"value": 83
},
{
"type": "male",
"value": 100
}
]
}
]
},
"demography_comparison": null
}
]
}
]
}
]
}
在items
响应的数组中,您将找到subregion_interests
元素,其中包含每个指定术语的子区域关键字流行度数据,以及相应子区域的名称。此外,在该demography
元素中,您可以找到提供age
不同年龄组中关键字流行度分布的数组。此外,该gender
数组还按性别细分了关键字流行度值。
正如您所看到的,您只需一个简单的请求即可获得所需的所有基本搜索趋势数据,并以方便且易于访问的格式呈现。
结论
如果您正在寻找超出 Google Trends 能力范围的详细而独特的搜索趋势数据洞察,DataForSEO Trends API 是一个值得考虑的绝佳替代方案。如果您需要以可承受的价格为大型项目获取广泛的关键字流行度数据,那么它尤其有价值。此外,整合搜索趋势洞察可以显著提升您现有关键字研究工具和相关产品的价值主张。
此外,使用 DataForSEO 趋势 API,您可以快速获取大量趋势数据,而不必担心请求限制和系统可用性。您每分钟最多可以进行2000 次 API 调用,如果您想进行更多调用,我们将根据您的需求提高限制。
最后,您可以轻松地将 DataForSEO Trends API 集成到您的网站或应用程序中——它与几乎所有编程语言兼容,并且所有内容都在我们的文档中进行了详细说明。如果您想测试我们 API 的功能,请免费试用并熟悉DataForSEO Trends 工具。
原文链接:A Versatile Alternative to Google Trends: Exploring the Power of DataForSEO Trends API