Visão geral

A função related_queries() na biblioteca pytrends permite que você recupere consultas relacionadas a um termo de pesquisa específico. Analisando esses dados, você pode obter insights sobre as perguntas e tópicos importantes para seu público, ajudando a criar conteúdo mais relevante e envolvente.

Neste tutorial, abordaremos:

  1. Importando as bibliotecas necessárias
  2. Configurando a solicitação pytrends
  3. Recuperando dados de consultas relacionadas
  4. Analisando os resultados

Recuperar dados de consultas relacionadas

Primeiro, precisamos importar as bibliotecas necessárias e configurar nossa solicitação pytrends.

from pytrends.request import TrendReq

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

Em seguida, especificaremos o termo de pesquisa para nossa solicitação usando a função build_payload(), e depois recuperaremos dados de consultas relacionadas usando a função related_queries().

keywords = ['Python']

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

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

Isso retornará um dicionário contendo dados de consultas relacionadas para o termo de pesquisa ‘Python’ nos últimos 7 dias.

Analisando os resultados

Agora, podemos analisar os dados de consultas relacionadas para identificar novas oportunidades de criação e otimização de conteúdo.

# 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))

Isso exibirá as 10 principais consultas relacionadas crescentes para o termo de pesquisa ‘Python’, fornecendo insights valiosos sobre as perguntas e tópicos importantes para seu público.

Conclusão

Neste post, demonstramos como usar a função related_queries() na biblioteca pytrends para descobrir consultas relacionadas a um determinado termo de pesquisa. Analisando esses dados, você pode realizar análises detalhadas de suas palavras-chave de destino e descobrir novas oportunidades para criação e otimização de conteúdo. Este tutorial abrangeu o processo de coleta e análise de dados de consultas relacionadas, desde a configuração da solicitação pytrends até a análise dos resultados. Usando esses insights, você pode criar conteúdo mais relevante e envolvente para seu público.

NOTA : o pytrends usa uma API não oficial. Por favor, use aqui para reportar problemas.

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