Passer au contenu principal
Prompt Research trouve les meilleurs prompts que les acheteurs envoient aux assistants IA à propos d’un sujet. Envoyez un sujet : le résultat liste d’abord la demande de base de chaque type de produit, puis la même demande avec les conditions que les acheteurs ajoutent, comme un budget, un type de peau ou un secteur. Chaque prompt porte les recherches mensuelles qui se trouvent derrière lui, prompts[] est dans l’ordre recommandé, et brands[] montre quelles marques captent la demande de recherche dans le même domaine. Utilisez les prompts pour planifier du contenu, les envoyer aux moteurs de réponse ou suivre les réponses dans un moniteur GEO.

Comment les prompts sont trouvés

  1. Types de produit. Les données de mots-clés du marché montrent les types de produit que les gens recherchent sous le sujet, comme sunscreen stick sous sunscreen. Ce sont les cores[] du résultat.
  2. Conditions. Pour chaque type, la recherche trouve les questions qui affinent le choix de l’acheteur, comme le type de peau, le budget ou la taille de l’équipe. Ce sont les cores[].questions du résultat. Leurs options deviennent des conditions, avec les variantes que les gens recherchent (tinted sunscreen, sunscreen for oily skin).
  3. Prompts. Les conditions se combinent en prompts jusqu’à depth, chacun avec ses recherches mesurées ou estimées, dans l’ordre recommandé.
Une recherche prend environ 1 à 3 minutes.

Soumettre une tâche de recherche

La tâche est acceptée et mise en file d’attente :
Lisez le résultat avec GET /v1/async/task/{id}, ou ajoutez webhook.url à la requête pour le recevoir quand la tâche se termine. La tâche fonctionne comme toute autre tâche asynchrone, et le résultat se trouve dans response. Le schéma de la requête figure dans la référence API.
Soumettez Prompt Research uniquement via POST /v1/prompt-research. POST /v1/async/task rejette taskType: "PROMPT_RESEARCH".

Champs de la requête

Le corps est plat : les champs de recherche et les options de la tâche sont au premier niveau.

Marchés

  • US rédige les prompts en anglais. La demande est la moyenne mensuelle des 12 derniers mois (demandSource.period: "monthly_average_last_12_months"), si bien qu’un terme saisonnier apparaît plus bas à son pic que les recherches de ce mois-là.
  • KR rédige les prompts en coréen. La demande couvre les 30 derniers jours (demandSource.period: "last_30_days"). Le seed est comparé aux données de recherche coréennes ; envoyez-le donc tel que l’écrivent les internautes coréens.
language vaut en pour US et ko pour KR dans le résultat.

Profondeur

depth fixe le nombre de conditions qu’un prompt combine, et chaque profondeur jusqu’à cette valeur apparaît dans prompts : Les options d’une même question sont des alternatives : un prompt associe la peau grasse à un budget, jamais à la peau sèche. Chaque profondeur a besoin d’au moins un prompt, donc limit doit valoir au moins depth + 1. depth: 0 renvoie la demande de base de chaque type et les questions que les gens recherchent sur le sujet.

Lire le résultat

Par exemple, une exécution sunscreen aux États-Unis renvoie un résultat comme celui-ci, réduit à quelques entrées :

prompts[]

Les prompts dans l’ordre recommandé, jusqu’à limit entrées. Les prompts de chaque core commencent par sa demande de base et ses deux niveaux de prix, puis suivent par demande, toutes profondeurs confondues. Les cores alternent en proportion de leurs recherches, toutes les demandes de base en premier, si bien que n’importe quel début de liste est réparti comme la liste entière. Les questions que les gens posent pour s’informer sur le sujet (intent: "informational") occupent environ un cinquième de la liste quand la recherche en trouve, car les acheteurs les posent avant de choisir. Pour classer par demande seule, triez par monthlySearchVolume.

cores[]

Les types de produit étudiés, celui du seed en premier. Envoyez cores dans la requête pour étudier les types de votre choix.

brands[] et autres champs

brands[] liste les marques, fabricants et gammes de produits que les gens recherchent dans cet espace, avec leur monthlySearchVolume. Leur demande reste hors de prompts, car les prompts ne nomment pas de marque. Utilisez-les comme concurrents auxquels comparer votre marque.

Évaluer les prompts par rapport à votre marque

Envoyez brand avec brandDescription et chaque prompt reçoit un fit :
  • core : la description indique que votre marque propose ce que demande le prompt.
  • related : tout ce que la description ne mentionne pas.
Un type de produit ou une condition que la description exclut, comme un autre public ou un autre produit, est écarté ; un résultat peut donc contenir moins de prompts que limit. fit fait remonter les prompts auxquels votre marque répond ; les chiffres de demande restent les mêmes.
Par exemple, les prompts d’un tel résultat portent un fit comme ceci :
La description est jugée telle qu’elle est écrite : avec une seule ligne, la plupart des prompts restent related. Pour écarter entièrement un sous-thème du résultat, utilisez exclude.

De la recherche au moniteur

Pour suivre la fréquence à laquelle les réponses IA mentionnent votre marque sur ces prompts, transmettez prompts[] à POST /v1/monitors. L’exemple ci-dessous prend la tâche de recherche terminée, utilise ses prompts comme prompts du moniteur et les dix premières entrées de brands[] comme concurrents (un moniteur de marque en accepte jusqu’à 10), puis crée un moniteur de marque quotidien :
La liste est dans l’ordre recommandé : les N premiers prompts forment un moniteur équilibré de N prompts. Une exécution de moniteur peut mettre en file au plus la limite tasksPerRun de votre compte (200 pour un compte en libre-service ; GET /v1/monitors/capabilities indique la vôtre), comptée pour chaque moteur comme prompts × points de localisation × samples. Quarante prompts sur cinq moteurs, avec un point et un échantillon chacun, font 200 tâches.
La création d’un moniteur lance immédiatement sa première exécution, et chaque exécution est facturée comme les tâches qu’elle met en file. Vérifiez le nombre de prompts et de moteurs avant de le créer.
Pour un moniteur de catégorie, envoyez "mode": "CATEGORY" avec une category et, quand la recherche a plus d’un core, associez chaque prompt à son core dans promptTopics. Voir Moniteurs pour les deux types et la requête complète.

Lire les chiffres

  • Les profondeurs 0 et 1 sont mesurées. Une demande de base porte les recherches de son type, et un prompt à une condition celles de son mot-clé (conditions[0].keyword).
  • Les profondeurs 2 et plus sont estimées. Un prompt à deux conditions ou plus est rarement recherché tel quel, son chiffre est donc une estimation (volumeBasis: "estimated"). Utilisez les estimations pour classer les prompts.
  • Les prompts larges incluent les plus précis. Les recherches de sunscreen incluent celles de mineral sunscreen : n’additionnez donc pas les chiffres de différents prompts.
  • Moins de 10 recherches par mois donne null. volumeReason en donne la raison : not_searched (personne ne recherche la condition), part_not_searched (l’une de ses conditions n’est pas recherchée) ou estimate_below_floor (l’estimation est inférieure à 10). Les options de cores[].questions restent dans le résultat même quand personne ne les recherche ; une recherche sur un produit pour les entreprises renvoie donc souvent de nombreux prompts null.
  • Les chiffres sont une demande de recherche. Ils comptent les recherches pour le besoin derrière chaque prompt sur le marché, sur la période demandSource.period.

Erreurs et facturation

Une tâche terminée coûte 14 crédits. Une tâche en échec n’est pas facturée. Voir Crédits et limites.

Rejets à la soumission

Les erreurs d’authentification, de crédits et de concurrence sont les mêmes que pour toute tâche. Voir Erreurs.

Tâches en échec

Une tâche en échec a status: "FAILED" et une chaîne error qui commence par son code :

Étapes suivantes

Moniteurs GEO

Suivez les prompts trouvés sur les moteurs IA selon une planification.