名称: seo-dataforseo
描述: "使用 DataForSEO API 进行 SEO 关键词研究。执行关键词分析、YouTube 关键词研究、竞争对手分析、SERP 分析及趋势追踪。适用于用户需要:研究关键词、分析搜索量/CPC/竞争度、获取关键词建议、检查关键词难度、分析竞争对手、获取热门话题、进行 YouTube SEO 研究或优化落地页关键词的场景。需要一个 DataForSEO API 账户,并将凭证配置在 .env 文件中。"
安装依赖:
pip install -r scripts/requirements.txt
在项目根目录创建 .env 文件并配置凭证:
DATAFORSEO_LOGIN=your_email@example.com
DATAFORSEO_PASSWORD=your_api_password
从以下网址获取凭证:https://app.dataforseo.com/api-access
| 用户指令 | 应调用的函数 |
|---|---|
| "研究 [主题] 的关键词" | keyword_research("主题") |
| "获取 [想法] 的 YouTube 关键词数据" | youtube_keyword_research("想法") |
| "分析竞争对手 [domain.com]" | competitor_analysis("domain.com") |
| "当前有什么趋势?" | trending_topics() |
| "分析关键词列表 [列表]" | full_keyword_analysis(["关键词1", "关键词2"]) |
| "研究 [主题] 的落地页关键词" | landing_page_keyword_research(["关键词1"], "competitor.com") |
通过从 scripts/main.py 导入并执行函数:
import sys
from pathlib import Path
sys.path.insert(0, str(Path("scripts")))
from main import *
result = keyword_research("AI 网站构建工具")
每项研究任务都遵循以下三个阶段:
运行 API 函数。每次函数调用都会请求 DataForSEO API 并返回结构化数据。
所有结果会自动保存为带时间戳的 JSON 文件到 results/{类别}/ 目录。文件命名模式:YYYYMMDD_HHMMSS__操作__关键词__额外信息.json
研究完成后,读取保存的 JSON 文件,并在 results/summary/ 目录下创建一个 Markdown 总结报告,包含数据表格、排序后的机会点以及战略建议。
这些是 scripts/main.py 中的主要函数。每个函数都协调多个 API 调用,以完成一个完整的研究工作流。
| 函数 | 目的 | 收集的数据 |
|---|---|---|
keyword_research(关键词) |
单个关键词深度分析 | 概览、建议、相关关键词、难度 |
youtube_keyword_research(关键词) |
YouTube 内容研究 | 概览、建议、YouTube SERP 排名、YouTube 趋势 |
landing_page_keyword_research(关键词列表, 竞争对手域名) |
落地页 SEO | 概览、搜索意图、难度、SERP 分析、竞争对手关键词 |
full_keyword_analysis(关键词列表) |
战略性内容规划 | 概览、难度、意图、关键词创意、历史搜索量、Google 趋势 |
competitor_analysis(域名, 关键词) |
竞争对手情报 | 域名关键词、Google Ads 关键词、竞争对手域名 |
trending_topics(地点名称) |
当前趋势 | 当前热门搜索 |
所有函数都接受一个可选的 location_name 参数(默认值:"United States")。大多数函数还有布尔标志,用于跳过特定的子分析(例如 include_suggestions=False)。
如需更细粒度的控制,可从 API 模块导入特定函数。完整列表(共 25 个 API 函数,包含参数、限制和示例)请参阅 references/api-reference.md。
结果自动保存到 results/ 目录,结构如下:
results/
├── keywords_data/ # 搜索量、CPC、竞争度
├── labs/ # 建议、难度、意图
├── serp/ # Google/YouTube 排名
├── trends/ # Google 趋势数据
└── summary/ # 人类可读的 Markdown 总结报告
from core.storage import list_results, load_result, get_latest_result
# 列出最近的结果
files = list_results(category="labs", limit=10)
# 加载特定结果
data = load_result(files[0])
# 获取某操作的最新结果
latest = get_latest_result(category="labs", operation="keyword_suggestions")
from main import get_recent_results, load_latest
# 列出所有类别中的最近文件
files = get_recent_results(limit=10)
# 加载某个类别的最新结果
data = load_latest("labs", "keyword_suggestions")
运行研究后,在 results/summary/ 目录下创建一个 Markdown 总结文档。内容应包括:
请为总结文件起一个描述性的名称(例如 results/summary/ai-tools-keyword-research.md)。