Google только что представила альфа-версию своего API Trends API в Google Search Central Live, Deep Dive Apac 2025. Это новое предложение приносит данные исследования непосредственно в приложения.

API обеспечит последовательно масштабированные цифры интереса поиска. Эти цифры совпадают более предсказуемо, чем текущие номера веб -сайтов.

Объявленная Даниэлем Вайсбергом и Хадасом Якоби, с сегодняшнего дня Альфа откроется, и они ищут тестеров, которые будут использовать альфа в течение 2025 года.

API не будет включать в себя тенденцию сейчас.

Ключевые функции

Постоянно масштабированный интерес поиска

Выдающейся особенностью в этом альфа -выпуске является последовательное масштабирование.

В отличие от веб -интерфейса, когда значения процентов поиска сдвигаются в зависимости от вашего микса запросов, API возвращает значения, которые остаются стабильными по запросам.

Это не будут полными объемами поиска, но в показанном ответе пример мы можем увидеть индикативный объем поиска, представленную наряду с масштабированным номером для сравнения в интерфейсе веб -сайта Google Trends.

Пятилетнее прокатное окно

API всплывает данные в пятилетнем прокатном окне.

Данные доступны до 48 часов назад, чтобы сохранить временные закономерности, такие как годовые события или еженедельные циклы.

Этот более длинный контекст помогает вам контрастировать с сегодняшними поисковыми списками с предыдущими годами. Это идеально подходит для определения тенденций, связанных с сезонными событиями и повторяющимися новостными циклами.

Гибкие агрегации и географический разрыв

Вы выбираете, как собирать данные: еженедельно, ежемесячно или ежегодно.

Эта гибкость позволяет масштабировать мелкозернистый анализ или шагнуть назад для долгосрочных тенденций.

Региональные и субрегиональные разбивки также выявляются через API. Вы можете определить интерес к странам, штатам или даже городам без дополнительной работы.

Образец запроса API и ответа

HADAS поделился примером запроса при примере запроса с использованием Python, а также образец ответа.

Запрос:

Ответ:

print(time_series)
{
"points": [
{
"time_range": {
"start_time": (2024-01-01),
"end_time": (2024-01-07),
},
"search_interest": 4400.0,
"scaled_search_interest": 62,
},
{
"time_range": {
"start_time": (2024-01-08),
"end_time": (2024-01-14),
},
"search_interest": 7100.0,
"scaled_search_interest": 100,
},
…
]
}