搜索数据越来越多时,Python适合用来统一字段、检查异常和重复计算。但先要弄清数据从哪里来,不能把一次搜索结果抓取当成整个市场。

下面用自有网站的Search Console查询导出文件做示例。代码只读取本地CSV,不需要第三方库,也不会修改网站。

用Python分析Google搜索数据,从CSV开始就够了,正文内容要点图

先区分两类数据

Search Console反映你的网站在相应查询中的搜索表现;某个地点和时间采集的搜索结果页,则是另一种观察。两者范围不同,不能相互替代。

持续分析自己的网站,可以使用后台导出或授权后的官方API。API也有数据与行数限制,不保证返回所有查询,具体见Search Analytics接口说明。

准备一个范围一致的CSV

导出时记录日期、搜索类型、国家和设备等过滤条件,保留原文件。另存用于练习的文件,将相关列名统一为query、clicks、impressions,数量使用整数。

query,clicks,impressions
example product,12,300
example installation,3,120
example specification,0,0

这些是演示数据,不代表真实搜索表现。不要把不同日期或分组的重复行随意合并,也不要把百分比列当作点击次数。

读取并按展示量排序

将代码保存为analyze_queries.py,与queries.csv放在同一目录。安装Python 3后,在该目录执行python3 analyze_queries.py。

import csv
from pathlib import Path

source = Path("queries.csv")
rows = []
with source.open(encoding="utf-8-sig", newline="") as stream:
    reader = csv.DictReader(stream)
    required = {"query", "clicks", "impressions"}
    if not required.issubset(reader.fieldnames or []):
        raise ValueError("CSV需要query、clicks、impressions三列")
    for line_number, row in enumerate(reader, start=2):
        query = row["query"].strip()
        if not query:
            continue
        clicks = int(row["clicks"].replace(",", "").strip())
        impressions = int(row["impressions"].replace(",", "").strip())
        if clicks < 0 or impressions < 0 or clicks > impressions:
            raise ValueError(f"第{line_number}行数据不合理")
        ctr = clicks / impressions if impressions else 0
        rows.append((query, clicks, impressions, ctr))

rows.sort(key=lambda item: item[2], reverse=True)
for query, clicks, impressions, ctr in rows[:20]:
    print(f"{query}: 展示{impressions},点击{clicks},CTR {ctr:.2%}")

代码检查必要字段与不合理计数,避免零展示除零。遇到非法数字会停止并报错,应该回查原始数据,而不是悄悄把错误改成零。

点击率要按正确方式计算

单行点击率等于点击数除以展示数。汇总多个互不重复的范围时,应先合计点击和展示,再计算比例,不能直接平均各行百分比。

平均排名也不能随意简单平均。需要理解原始聚合口径,无法保持一致时,应保留分组分析。

输出结果只是排查起点

展示多、点击率低的查询值得查看,但不等于标题一定有问题。位置、设备、结果形式和用户任务都可能影响点击。

结合对应页面与实际需求,再检查内容。已有排名页面优化可以帮助把数据变成具体任务。

自动化保留可复查记录

记录原文件、过滤条件、代码版本与运行结果。不要在脚本里存放账号密码,也不要把第三方估计与实际后台记录混成同一列。

Python的价值是让重复分析更稳定,结论仍需要理解业务和数据范围的人来判断。

0.025163s