Aperçu

La fonction related_queries() de la bibliothèque pytrends permet de récupérer les requêtes connexes pour un terme de recherche spécifique. En analysant ces données, vous pouvez obtenir des informations sur les questions et les sujets importants pour votre public, vous aidant ainsi à créer du contenu plus pertinent et captivant.

Dans ce tutoriel, nous allons couvrir :

  1. L’importation des bibliothèques nécessaires
  2. La mise en place de la requête pytrends
  3. La récupération des données des requêtes connexes
  4. L’analyse des résultats

Récupération des données des requêtes connexes

Tout d’abord, nous devons importer les bibliothèques nécessaires et mettre en place notre requête pytrends.

from pytrends.request import TrendReq

# Set up pytrends request
pytrends = TrendReq(hl='en-US', tz=360)

Ensuite, nous spécifions le terme de recherche pour notre requête à l’aide de la fonction build_payload(), puis nous récupérons les données des requêtes connexes à l’aide de la fonction related_queries().

keywords = ['Python']

# Build payload
pytrends.build_payload(keywords, timeframe='now 7-d', geo='')

# Retrieve related queries data
related_queries = pytrends.related_queries()

Cela renverra un dictionnaire contenant les données des requêtes connexes pour le terme de recherche ‘Python’ au cours des 7 derniers jours.

Analyse des résultats

Maintenant, nous pouvons analyser les données des requêtes connexes pour identifier de nouvelles opportunités de création et d’optimisation de contenu.

# Extract the related queries for the keyword 'Python'
python_related_queries = related_queries[keywords[0]]['rising']

# Display the top 10 rising related queries
print(python_related_queries.head(10))

Cela affichera les 10 requêtes connexes les plus populaires pour le terme de recherche ‘Python’, fournissant des informations précieuses sur les questions et les sujets importants pour votre public.

Conclusion

Dans cet article, nous avons montré comment utiliser la fonction related_queries() de la bibliothèque pytrends pour découvrir les requêtes connexes pour un terme de recherche donné. En analysant ces données, vous pouvez effectuer une analyse approfondie de vos mots-clés cibles et découvrir de nouvelles opportunités pour la création et l’optimisation de contenu. Ce tutoriel a couvert le processus de collecte et d’analyse des données des requêtes connexes, de la mise en place de la requête pytrends à l’analyse des résultats. En utilisant ces informations, vous pouvez créer du contenu plus pertinent et captivant pour votre public.

REMARQUE : Pytrends utilise une API non officielle. Veuillez utiliser ici pour les problèmes.

SAMPLE CODE : https://github.com/hobbyworker/google-trend-for-python