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
- Types de produit. Les données de mots-clés du marché montrent les types de produit que les gens recherchent sous
le sujet, comme
sunscreen sticksoussunscreen. Ce sont lescores[]du résultat. - 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[].questionsdu résultat. Leurs options deviennent des conditions, avec les variantes que les gens recherchent (tinted sunscreen,sunscreen for oily skin). - Prompts. Les conditions se combinent en prompts jusqu’à
depth, chacun avec ses recherches mesurées ou estimées, dans l’ordre recommandé.
Soumettre une tâche de recherche
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
USrédige 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.KRrédige les prompts en coréen. La demande couvre les 30 derniers jours (demandSource.period: "last_30_days"). Leseedest 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 exécutionsunscreen 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
Envoyezbrand 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.
limit. fit fait remonter les prompts auxquels votre marque
répond ; les chiffres de demande restent les mêmes.
fit comme ceci :
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, transmettezprompts[] 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 :
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.
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.volumeReasonen donne la raison :not_searched(personne ne recherche la condition),part_not_searched(l’une de ses conditions n’est pas recherchée) ouestimate_below_floor(l’estimation est inférieure à 10). Les options decores[].questionsrestent dans le résultat même quand personne ne les recherche ; une recherche sur un produit pour les entreprises renvoie donc souvent de nombreux promptsnull. - 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
Tâches en échec
Une tâche en échec astatus: "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.