如今，我对SEO研究的看法有些不同。大多数对开发 SEO 友好内容最有价值的数据并非来自 Google、Bing 甚至第三方 SEO 工具。

TikTok、YouTube 和 Reddit 等平台就像搜索引擎一样，它们拥有有关市场、受众及其参与内容的丰富数据。

在创建强大的 SEO 内容意味着创建用户至上内容的世界里，这种类型的数据非常有价值：它是利用现有信息快速获取的消费者情报。 

在这里，我将解释如何使用“非传统”数据源来获得强大的洞察力，从而制定出差异化、有效的 SEO 内容策略。

打破数据孤岛

当我们谈论 SEO 洞察和研究时，很自然地会考虑 SEO 的基本指标：关键字、SERP 和域数据。 

这只是一小部分。在我们更注重市场情报的模型中，SEO 相关数据分为三个不同的类别。 

• 搜索数据。
• 社交数据。
• 论坛数据。

就帮助我们了解目标市场和受众而言，每种方法都有其独特的价值。

需求数据

当有人进行在线搜索时，他们会因为需要产品、服务或信息而采取行动。换句话说：他们表现出“主动需求”。

通过这种视角，我们可以使用搜索数据来衡量整个行业、特定垂直行业、独特主题、个别品牌等的需求。

它比谷歌更大，因为搜索活动发生在任何公共网站上，用户在网站上输入查询以从网站或创建者库中查找相关内容。

相关数据

• 竞争研究将各个品牌的需求进行同类比较，同时确定每个品牌在市场环境中能满足多少需求。
• 标签（#）量衡量整个内容领域（按主题或品牌）的内容饱和度。
• 历史趋势说明了任何主题领域的需求随时间的变化趋势线。
• 关键字意图确定用户在客户旅程中的位置以及不同渠道阶段的常用语言和行为。
• 关键词量量化了人们在特定时间内主动寻找产品、信息或品牌的频率。

需求数据源

• 谷歌广告。
• Google 搜索控制台。
• 谷歌趋势。
• YouTube API。
• 第三方工具，如 Ahrefs 或 Semrush。

参与度数据

点赞或关注很重要。它们告诉我们内容或品牌能够脱颖而出并吸引用户。

通过这个视角，当我们退一步思考时，来自社交媒体平台的数据成为衡量大规模参与度的一种方式。 

通过分析这些数据，可以确定消除噪音的趋势和策略，让品牌更好地了解在哪里“提高音量”。 

相关数据

• 观众根据兴趣和动机提供了有价值的人口统计数据。
• 关注者表明品牌在培养忠诚、自然的追随者方面表现如何。
• 标签量量化了一段时间内围绕某个主题或趋势创建的内容量。
• 点赞和浏览量表明内容吸引用户并激发兴趣或灵感的效果。

参与度数据源

• Facebook 和 Instagram。
• LinkedIn。
• Pinterest 趋势和 API。
• TikTok 趋势和 API。
• X（以前称为 Twitter）。

情绪数据

论坛、评论和意见是公正的定性反馈的巨大库。

我喜欢将这类信息称为“情绪数据”，因为它详细地描绘了人们的感受、他们如何表达这种感受以及他们最热衷的事物。

收集情绪数据是一项收集定性陈述的练习，消费者洞察研究需要几个月的时间才能收集到。但我们只需几天就能收集到它们。 

相关数据

• 问题代表真实的人正在试图解决的真实问题，同时告诉我们这些问题有多么普遍。
• 答案显示哪些类型的信息（以及哪些作者！）最能回答这些问题。
• 评论和评价提供了消费者对产品、趋势和主题的真实、未经审查的看法。
• 句法和语义与观众用来解决问题和表达观点的语言相协调。

情绪数据源

• 第一方数据。
• 像 Reddit 这样的论坛网站。
• 像亚马逊这样的市场。
• 像 Quora 这样的问答网站。
• 评论聚合器。

---

从日常数据到数字市场情报

数字市场情报 (DMI) 涉及需求、参与度和情绪数据的分析，以揭示有关市场和受众的有力见解。

DMI 收集并分析多达数百万个数字数据点（来自公共的、合乎道德的数据），以获得传统上需要定性调查的见解。 

通常，它也更准确，因为：

• 数据基于真实人的真实行为，减去调查偏见或影响。
• 只需几天时间即可收集大量数据集，因此您知道它们是及时且相关的。
• DMI 并不采用小规模的调查样本，而是从大量人口中收集数据。 

为 DMI 寻找数据

我们用来收集 DMI 数据的方法可以归结为四种主要策略：

• API 和平台提供的工具：访问平台提供的 API 或参考特定于平台的报告，我们可以大规模提取匿名兴趣和行为数据。
• 爬行：使用工具大规模爬行公共网络内容，找到有意义的模式并跟踪它们以获得洞察力。
• 第三方工具：使用 Semrush、Apify 或 GummySearch 等第三方工具，它们可以聚合和分析强大的数据集。
• 第一方数据：融入第一方数据，将市场中的点点滴滴与这些数字对您的业务的实际意义联系起来。

利用数字市场情报进行 SEO

了解目标受众和市场是 SEO 的关键。品牌可以通过它来创建合适的内容，让合适的人看到产品。数字市场情报可以阐明这些人是谁、他们想要什么以及什么能吸引他们的注意力。 

它为传统的 SEO 研究增加了一层背景，有助于区分和微调内容策略。

使用需求数据进行 SEO 非常简单，因为在很大程度上，这就是 SEO 人员日复一日所做的事情。

让我们深入探讨参与度和情绪数据产生的洞察类型以及如何获得这些洞察。

我们将重点关注使用来自常见平台的数字数据（始终符合道德规范且匿名！）的简单但功能强大的示例。 

使用 Reddit 来精准定位今日重要话题

谷歌的成功取决于根据用户搜索意图提供有用的结果，这是近年来一直难以解决的一个领域。

随着越来越多的用户放弃谷歌，转而使用其他方式寻找答案，尤其是用户生成内容 (UGC)，谷歌将 UGC 结果放在了最前面——而Reddit 显然是赢家。

这个难题的一大块就是信息增益，这是 Google 用来通过优先考虑 SERP 上的新对话来帮助用户搜寻信息的框架。

尽早发现重要的对话可以让品牌在创造新颖的差异化内容方面占据优势。

Reddit 是这些对话发生的地方，而像 GummySearch 这样的工具可以在竞争对手发表意见之前帮助您找到这些对话。

GummySearch 可让您通过选择对目标用户最重要的子版块来创建受众群体。然后，它会自动跟踪流行趋势，包括主题、问题等。 

以下是基于我使用热门 SEO 子版块创建的受众群体，过去一个月在 Reddit 上的 SEO 中很受欢迎的话题示例。 

点击任何热门主题（如内容）即可查看最受欢迎的帖子。您好，新内容创意！

将亚马逊评论转化为产品用例

用例对于向人们展示产品如何融入他们的生活至关重要。

但通常，品牌并不了解其产品的所有用例——每个用例都可以开辟关键字研究和内容创作的新领域。 

产品的开发是为了帮助用户解决问题，因此用户总是比任何品牌更熟悉这些问题或需求。

向类似产品的用户求助是发现您的产品无法满足的新需求的好方法。亚马逊是实现这一目标的好地方。

例如，厨房用品网站的产品目录中可能会有擀面杖。其营销可能会提到使用擀面杖擀面团或软糖。

但是，这位为了制作陶器而购买擀面杖的用户又该如何呢？任何品牌内容中可能都缺少这种用例。

了解这些信息后，品牌可以更好地定位自己，以赢得“陶器擀面杖”等相关术语的流量。

要大规模搜索用例，请使用 Apify 之类的工具来抓取相关亚马逊产品的评论。

然后，机器学习模型可以完成对评论中的用例进行分类和量化的繁重工作！（提示：也可以考虑对您自己的评论这样做。）

使用 Pinterest 探索趋势和人口统计数据

趋势始于 Pinterest 和 TikTok 等社交媒体平台，然后才进入谷歌。

传统的搜索数据如何帮助突出当今的流行趋势？这就是Pinterest Trends这样的数据来源发挥作用​​的地方。 

假设我经营一个针对千禧一代父母的生活方式博客，万圣节即将来临。如果我正在创建“今年流行的家庭万圣节服装 X”内容，Pinterest 比关键字研究更有帮助。

看看所有这些流行的服装创意。按年度变化栏排序让我对今年的流行趋势有了很好的了解。

该平台还为我们提供了与某些主题互动的用户的人口统计数据。

如果我点击“Soulja Boy Costumes”之类的内容，我就能知道这对我的千禧一代观众来说是否是一个好建议。结果很可能不是。

所有这些参与度数据对于创建能够及时向受众传达相关信息的内容来说都是无价之宝。它为用户优化的内容（而不仅仅是关键字优化的内容）提供信息，通过让人们有理由互动并停留在页面上来提高 SEO 性能。 

DMI 将为您连接哪些点？

使用社交和论坛数据制定 SEO 内容策略只是冰山一角。

当我们使用 DMI 框架打破数据孤岛时，我们将开辟一个不仅仅是 SEO 的洞察世界。

当您开始将此过程应用于 SEO 研究时，请注意数据告诉您有关市场的信息。这对其他渠道甚至整个业务意味着什么？

连接这些点始于视角的根本转变，即认识到我们周围数据的价值。这就是 DMI 的意义所在！