AI SEO In Detail

AI SEO In Detail › Module C · Demande et recherche de mots-clés › Épisode 23

Épisode 23 · 5:42 · gratuit

Idées de mots-clés et termes associés avec l'API DataForSEO

Trouvez des idées de mots-clés avec trois endpoints DataForSEO Labs : choix des seeds, coût par ligne, dédoublonnage, fusion, nettoyage des dérives et volumes.

La lecture de la vidéo la charge depuis YouTube (mode privacy-enhanced). La vidéo est en anglais, avec des sous-titres dans votre langue.

Script gratuit

Script de découverte de mots-clés

keyword_discovery.py interroge trois endpoints DataForSEO Labs avec une limite sur chaque appel, met en cache le JSON brut, normalise et dédoublonne en conservant la source, signale les dérives dans une colonne de statut et exporte vers SQLite et CSV. Simulation par défaut ; environ 0,13 $ pour 1 000 lignes.

  • Testez vos seeds à moindre coût — Cinq à dix seeds courts, un par besoin client. Lancez un petit appel par seed, lisez les premières lignes, et n'augmentez la limite que pour les seeds qui renvoient ce que vous attendiez.
  • Récupérez avec une limite, mettez tout en cache — Suggestions pour la profondeur, related pour les formulations différentes, ideas uniquement pour les sujets voisins. Chaque réponse brute est écrite sur disque avant l'analyse, vous ne payez donc jamais deux fois les mêmes données.
  • Fusionnez, marquez, gardez une seule source de volume — Une ligne par mot-clé avec chaque endpoint et chaque seed qui l'ont trouvé. Les lignes hors sujet et de marque sont marquées, pas supprimées. Singulier et pluriel restent séparés. Récupérez les volumes Google Ads après la fusion si le reste de votre analyse les utilise.
Télécharger le script + README (zip)

Python 3.9+ · aucune clé incluse · sans inscription

Les fichiers sont en anglais.

Transcription complète (traduite)

891 mots · traduction de la narration de l’épisode.

Introduction

Toute analyse de mots-clés commence par une liste. Et la plupart des listes commencent pareil : on tape quelques mots dans un outil et on exporte ce qui sort.

Cette liste décide tout ce qui suit. S'il manque tout un groupe de recherches, aucune analyse astucieuse ne les trouvera après. Et si elle est pleine de bruit et doublons, vous paierez pour analyser ça.

Dans cet épisode on construit la liste proprement, avec trois endpoints DataForSEO qui trouvent des mots-clés différemment. Je montre à quoi sert chacun, comment choisir les seeds, comment enlever les doublons, et ce que ça coûte par ligne.

Trois endpoints, trois façons de trouver des mots-clés

DataForSEO Labs a trois endpoints pour découvrir des mots-clés. Ils se ressemblent, mais fonctionnent très différemment.

Keyword suggestions trouve des phrases contenant votre seed. Prenons notre boutique café fictive, avec exemples inventés. Seed "espresso grinder" donne "espresso grinder for home", "espresso grinder parts", "espresso grinder under three hundred". C'est la longue traîne d'une phrase. Précis, mais ça ne quitte jamais les mots donnés.

Related keywords part de la page de résultats. Google montre recherches associées en bas de page. Cet endpoint suit ces liens, puis les recherches associées de ceux-là, quelques niveaux de profondeur. Donc il trouve d'autres façons de dire le même besoin, comme "single dose grinder". C'est celui qui surprend le plus.

Keyword ideas part des catégories. Il regarde à quelles catégories produits vos seeds appartiennent, et retourne des mots-clés des mêmes catégories. Il prend plusieurs seeds à la fois et va le plus large. Il dérive aussi le plus loin du sujet.

Mon ordre : suggestions pour profondeur, related pour variantes, et ideas seulement quand je veux trouver sujets adjacents.

Choisir ses seeds

Les seeds décident ce qu'on trouve. Trois règles.

Court et central. "Espresso grinder" est un bon seed. "Best cheap espresso grinder for beginners" ne l'est pas, car suggestions ne retourne que phrases contenant tous ces mots.

Couvrez besoins différents, pas formulations différentes. Un seed par chose que le client veut faire : moudre, infuser, entretenir, acheter pièces. Les formulations, c'est l'endpoint related qui les trouve.

Utilisez vos propres données. Vos top requêtes Search Console sont seeds testés. Elles apportent déjà impressions, donc vraies personnes utilisent ces mots.

Cinq à dix bons seeds battent souvent cinquante médiocres. Et testez-les avant de dépenser de l'argent réel. Lancez un petit appel par seed avec limite basse, lisez premières lignes, et montez limite seulement pour seeds retournant ce qu'attendu.

Coût par ligne et comment le maîtriser

Maintenant l'argent. Les endpoints Labs coûtent environ un cent par tâche plus petit montant par ligne retournée. Mille lignes coûtent environ treize cents. Dix mille lignes, un peu plus d'un dollar.

C'est pas cher. Mais facile à multiplier. Dix seeds, trois endpoints, recherches related profondes, plusieurs pays, et soudain vous payez cent mille lignes, plupart doublons.

Donc contrôlez dans la requête. Fixez limite à chaque appel. Utilisez filtres, par exemple nombre mots minimum ou exclusion phrases contenant mots non voulus. Et cachez chaque réponse brute sur disque avant parsing, comme configuré en épisode six. Si besoin données à nouveau, vous lisez fichier au lieu payer deux fois.

Un filtre que je n'utilise pas est "volume supérieur à zéro". Comme vu en épisode dix-neuf, zéro signifie sous seuil mesure, pas aucune demande. Filtrez sur pertinence, pas volume.

Dédoublonnage et fusion

Les trois endpoints se chevauchent beaucoup. Donc prochaine étape est fusion.

Normalisez chaque mot-clé d'abord : minuscules, trim espaces, collapse doubles espaces. Puis dédupliquez sur forme normalisée. Gardez une ligne par mot-clé, mais enregistrez chaque endpoint et seed qui l'a trouvé. Un mot-clé trouvé par trois endpoints depuis deux seeds différents est probablement central au sujet. C'est information utile. Ne la jetez pas.

Quoi ne pas fusionner : singulier et pluriel. Ils semblent doublons, mais comme vu en épisode vingt, ce sont peut-être mots-clés différents avec volumes différents. Gardez les deux, et laissez étape validation décider.

Nettoyer les dérives

Après fusion, la liste contient toujours dérive. Surtout de l'endpoint ideas, et recherches related profondes. Un seed sur espresso grinders peut ramener spice grinders, emplois barista, ou marque avec laquelle vous ne concurrencerez jamais.

Je nettoie en trois passes.

Liste mots négatifs. Mots signalant besoin différent : emplois, salaire, téléchargement gratuit, ou catégorie non couverte. Tout mot-clé en contenant un est marqué.

Liste marques. Noms marques concurrents et grands distributeurs. Ces recherches sont navigationnelles, vous ne les gagnerez pas.

Et scan manuel rapide, trié par volume. Les quelques centaines lignes du haut sont où un mot-clé hors-sujet fausserait l'analyse le plus, donc là où vos yeux valent le coup.

Notez que j'ai dit marqué, pas supprimé. Gardez lignes avec colonne statut. Un mot hors-sujet aujourd'hui peut être nouvelle catégorie l'an prochain. Et si vous supprimez lignes, vous paierez pour les tirer à nouveau.

Volumes : le chiffre de qui ?

Labs retourne volume recherche pour chaque ligne. C'est utile pour premier tri. Mais rappelez-vous épisode dix-huit : une source volume par dataset. Si reste analyse utilise volumes Google Ads, tirez ceux-là pour liste finale, après déduplication, mille mots-clés par tâche. Les tirer après fusion signifie payer chaque mot-clé une fois.

La sortie de cet épisode est liste maître propre. Une ligne par mot-clé, avec sources, seed, et volume d'une source cohérente. Cette liste est l'entrée pour tout dans prochains modules.

Pour conclure

Trois endpoints, poignée bons seeds, limite à chaque appel, et fusion soigneuse. Le script découverte mots-clés est lié en description. Prochain épisode : grouper ces mots-clés en clusters par chevauchement résultats recherche. On se retrouve là-bas.