API Google Search Console stało się nieodzownym narzędziem dla analityków SEO, marketerów i deweloperów, którzy chcą głębiej zrozumieć zachowanie użytkowników w wyszukiwarce Google. Dzięki dostępowi programistycznemu do danych o wyświetleniach, kliknięciach i zapytaniach, możliwe jest budowanie własnych raportów, automatyzacja raportowania i łączenie informacji z innymi źródłami. Poniżej znajdziesz praktyczne przykłady użycia API do analizy danych w kontekście Google Search Console.
Podstawy pracy z API Google Search Console
Rodzaje dostępnych danych i ich ograniczenia
API Google Search Console pozwala pobierać przede wszystkim dane z raportu Skuteczność (Search Analytics). Oznacza to dostęp do informacji o:
- kliknięciach wyników w wyszukiwarce,
- wyświetleniach strony w SERP,
- CTR (click-through rate),
- średniej pozycji dla zapytań i adresów URL.
Kluczowe jest zrozumienie ograniczeń:
- maksymalnie 50 000 wierszy na jedno zapytanie,
- agregacja danych w ujęciu dziennym,
- próbkowanie dla bardzo dużych zbiorów zapytań,
- ograniczenia czasowe: domyślnie 16 miesięcy historii danych w standardowym widoku.
Znając te limity, możesz właściwie zaplanować sposób pobierania informacji i podział zapytań tak, aby uzyskać możliwie najpełniejszy obraz widoczności witryny.
Autoryzacja i konfiguracja dostępu
Aby rozpocząć pracę z API, trzeba utworzyć projekt w Google Cloud, włączyć usługę Google Search Console API oraz skonfigurować dane uwierzytelniające (OAuth 2.0 lub konto serwisowe). Najczęściej w przypadku raportów wewnętrznych stosuje się konto serwisowe powiązane z właściwością w Search Console.
Podstawowe kroki:
- utworzenie projektu w Google Cloud Console,
- aktywacja Google Search Console API,
- generowanie danych logowania,
- dodanie konta serwisowego jako użytkownika Search Console.
Dopiero po poprawnej autoryzacji możesz programistycznie wywoływać metody API, np. searchanalytics.query, i pobierać surowe dane do dalszej analizy.
Struktura odpowiedzi API i kluczowe pola
Najważniejsze elementy odpowiedzi z punktu widzenia analityka to:
- dimensions: wymiary raportu, np. query, page, country, device, date,
- rows: tablica wierszy danych,
- keys: kombinacja wartości wymiarów, np. konkretne zapytanie i adres URL,
- clicks, impressions, ctr, position: metryki wydajności.
Rozumiejąc te pola, można projektować bardziej złożone zapytania filtrujące wyniki, np. tylko dla konkretnego kraju, typu urządzenia czy sekcji serwisu.
Planowanie zakresu danych do pobrania
Przed napisaniem pierwszego skryptu warto przemyśleć, jakie dane faktycznie są potrzebne. Przykładowe strategie:
- pobieranie danych dziennych dla wszystkich zapytań i adresów URL w określonym przedziale,
- skupienie się na konkretnych sekcjach witryny (filtr po page),
- analiza tylko najważniejszych fraz: lista słów kluczowych z innego systemu, przepuszczona przez API,
- ciągłe, codzienne pobieranie i dopisywanie nowych rekordów do hurtowni danych.
Taka świadoma selekcja pozwala uniknąć zbędnego obciążenia oraz nadmiarowego przechowywania informacji, które nie będą w praktyce wykorzystywane.
Automatyzacja raportowania SEO z użyciem API
Codzienne pobieranie danych i tworzenie historii
Jednym z najpopularniejszych zastosowań API Google Search Console jest budowanie własnej bazy historycznej. Ponieważ interfejs Search Console ma ograniczony zakres danych i bywa niewygodny dla dużych serwisów, wiele firm tworzy autonomiczne magazyny w postaci baz SQL, arkuszy, a nawet pełnych hurtowni danych.
Typowy proces automatyzacji wygląda następująco:
- skrypt (np. w Pythonie) uruchamiany raz dziennie,
- zapytanie do API o dane z dnia poprzedniego, rozbite na zakresy dat lub adresy URL,
- zapis wyników do bazy (np. BigQuery, PostgreSQL) lub do plików CSV,
- oznaczenie rekordów datą pobrania dla łatwiejszego wersjonowania.
Dzięki temu powstaje pełna historia, którą można zachować również po przekroczeniu limitu 16 miesięcy w panelu Search Console.
Łączenie danych Search Console z Google Analytics i innymi źródłami
API daje możliwość złączenia metryk widoczności (impressions, clicks) z danymi o zachowaniu użytkowników na stronie (sesje, współczynnik konwersji, przychód). Przykładowy scenariusz:
- pobierasz z API Search Console dane o zapytaniach i adresach URL,
- z Google Analytics eksportujesz metryki za ten sam okres, zgrupowane po landing page,
- w narzędziu typu BigQuery lub innym systemie BI łączysz tabele po adresie docelowym,
- tworzysz raporty, które pokazują nie tylko liczbę kliknięć z organicznego SEO, ale także realny wpływ na konwersje.
Takie połączenie umożliwia priorytetyzowanie działań: widzisz, które frazy generują nie tylko ruch, ale też wartościowe wizyty, np. w sklepie internetowym.
Budowa niestandardowych dashboardów w narzędziach BI
Po zebraniu danych z API możesz wykorzystać narzędzia takie jak Looker Studio, Power BI czy Tableau do tworzenia interaktywnych dashboardów. Przykłady widoków:
- trendy widoczności z podziałem na urządzenia i kraje,
- ranking stron z największym wzrostem i spadkiem kliknięć,
- analiza pozycji słów kluczowych w czasie,
- mapy ciepła dnia tygodnia i godziny (po agregacji i wzbogaceniu danych).
Jednym z zastosowań jest stworzenie raportu dla zespołu contentowego, który codziennie widzi efekty opublikowanych artykułów i może na tej podstawie planować aktualizacje treści.
Alerty i monitorowanie anomalii
Po stronie API da się także zbudować system wczesnego ostrzegania. Skrypt codziennie porównuje dane z ostatnich dni do średnich z poprzednich tygodni i wykrywa:
- nagłe spadki kliknięć lub wyświetleń,
- znaczne pogorszenie CTR dla wybranych stron,
- nietypowe zmiany pozycji w wynikach wyszukiwania.
Jeśli wartości odbiegają od progów, system wysyła mail, powiadomienie w Slacku lub wpisuje raport do osobnej tabeli. Takie rozwiązanie pomaga szybko zareagować na problemy techniczne, kary algorytmiczne czy nieudane wdrożenia zmian w serwisie.
Zaawansowana analiza słów kluczowych i treści
Analiza wzrostów i spadków dla konkretnych zapytań
API daje możliwość precyzyjnego porównywania okresów. Możesz np. pobierać dane miesiąc do miesiąca lub rok do roku dla tych samych zapytań. Kluczowe wskaźniki to:
- zmiana liczby kliknięć,
- zmiana liczby wyświetleń,
- różnica CTR,
- zmiana średniej pozycji.
Na podstawie tych informacji tworzysz listę fraz:
- z największym potencjałem: wysokie wyświetlenia, niski CTR i odpowiednia pozycja,
- tracących widoczność: duże spadki kliknięć i pogorszenie pozycji,
- nowych zapytań: pojawiły się w ostatnim okresie, ale jeszcze bez stabilnego ruchu.
Tak przygotowana analiza pomaga wybrać priorytety do optymalizacji treści i meta tagów.
Wykrywanie luk treściowych na podstawie zapytań
Dzięki wymiarowi query można zidentyfikować słowa kluczowe, dla których:
- strona wyświetla się daleko w wynikach,
- brakuje dedykowanej podstrony,
- content odpowiada tylko częściowo na intencję użytkownika.
Przykładowa procedura:
- pobranie wszystkich zapytań z API dla dłuższego okresu (np. 6 miesięcy),
- odfiltrowanie fraz z pozycją powyżej określonego progu (np. >20),
- sprawdzenie, czy w serwisie istnieją dedykowane artykuły na dany temat,
- grupowanie podobnych zapytań w klastry tematyczne.
Na tej podstawie łatwo przygotować listę nowych treści do stworzenia oraz istniejących podstron do rozbudowy. Dane z API pełnią wtedy funkcję precyzyjnego radaru popytu informacyjnego użytkowników.
Segmentacja zapytań według intencji użytkownika
Po wyeksportowaniu zapytań do bazy danych lub arkusza kalkulacyjnego możesz przypisać im etykiety intencji, np. informacyjna, transakcyjna, nawigacyjna. Da się to robić:
- ręcznie, w przypadku mniejszych zbiorów,
- półautomatycznie, za pomocą reguł słownikowych (np. frazy zawierające kup, cena, zamów),
- wspierając się algorytmami NLP lub modelami klasyfikacji.
Następnie można przeanalizować:
- udział każdej intencji w całości ruchu organicznego,
- jak zmienia się udział zapytań transakcyjnych w czasie,
- które treści najlepiej zaspokajają określone potrzeby użytkowników.
Dla sklepów internetowych szczególnie wartościowa jest analiza konwersji w podziale na intencje, co ułatwia podejmowanie decyzji budżetowych i contentowych.
Optymalizacja CTR na podstawie danych z API
API pozwala precyzyjnie mierzyć CTR dla kombinacji query + page. Dzięki temu można tworzyć zestawienia:
- frazy z pozycją 1–5 i niskim CTR: kandydaci do poprawy tytułów i opisów,
- adresy URL, dla których CTR mocno odbiega od średniej w danej pozycji,
- strony, gdzie zmiana meta title przyniosła wzrost CTR: analiza skuteczności testów.
W praktyce często tworzy się proces cykliczny:
- identyfikacja grupy stron z potencjałem do poprawy CTR,
- wdrożenie nowych tytułów, meta description lub elementów strukturalnych,
- pomiar wyników po kilku tygodniach na danych z API,
- utrzymanie zwycięskich wariantów lub dalsza iteracja testów.
Analiza techniczna i międzynarodowa z użyciem wymiarów
Porównanie wyników na różnych urządzeniach
Wymiar device w API umożliwia oddzielenie danych dla mobile, desktop i tablet. Dzięki temu można:
- porównać CTR i pozycje pomiędzy urządzeniami,
- zidentyfikować podstrony, które radzą sobie słabo na mobile,
- powiązać spadki widoczności z problemami wydajności lub UX.
Przykładowe zastosowanie: pobranie danych tylko dla urządzeń mobilnych i analiza, które strony mają najgorszy CTR przy dobrych pozycjach. Takie strony są dobrymi kandydatami do optymalizacji mobilnego doświadczenia użytkownika, poprawy szybkości ładowania czy reorganizacji treści.
Analiza widoczności w wielu krajach i językach
Wymiar country pozwala obserwować, jak witryna radzi sobie na różnych rynkach. Jeśli posiadasz wersje językowe lub domeny krajowe, możesz:
- porównać sumaryczne wyświetlenia i kliknięcia w poszczególnych krajach,
- zidentyfikować lokalne frazy, które generują najwięcej ruchu,
- wyłapać regiony z dużym potencjałem, ale niską widocznością.
Połączenie wymiarów country i page umożliwia z kolei sprawdzenie, czy odpowiednie wersje językowe stron wyświetlają się użytkownikom w danym kraju. W razie anomalii można zweryfikować konfigurację hreflang i przekierowań.
Wykorzystanie wymiaru page do analizy struktury serwisu
Page w API to adres URL, który pojawił się w wynikach wyszukiwania. Można go pogrupować według:
- kategorii w sklepie,
- typów treści (blog, poradniki, strony produktowe),
- sekcji serwisu (np. katalogi tematyczne).
W praktyce często stosuje się reguły oparte na regułach adresowych (pattern matching), aby przypisać każdy URL do określonego segmentu. Następnie analizuje się, które sekcje:
- odpowiadają za największą część ruchu,
- rosną najszybciej w ujęciu miesiąc do miesiąca,
- mają najniższy CTR lub pozycję.
Taka analiza może być podstawą decyzji o przebudowie struktury, zmianie priorytetów linkowania wewnętrznego czy inwestycji w rozwój konkretnych obszarów serwisu.
Wczesne wykrywanie problemów technicznych
Zmiany w danych z API często są pierwszym sygnałem problemów technicznych. Przykładowe symptomy:
- nagły spadek liczby wyświetleń dla całej domeny,
- zniknięcie z wyników określonej sekcji URL,
- gwałtowne pogorszenie pozycji dla dużej grupy słów kluczowych.
Automatyczne skrypty analizujące trendy mogą wykryć takie anomalie szybciej niż ręczne przeglądanie panelu Search Console. Po zauważeniu problemu można przejść do weryfikacji logów serwera, raportów indeksowania, pliku robots.txt czy ostatnich wdrożeń w CMS. Dzięki temu API pełni funkcję czujnika zdrowia widoczności witryny w wyszukiwarce.
Hubert Zieniewicz
Hubert Zieniewicz specjalizuje się w technicznych i analitycznych aspektach SEO, pomagając lepiej rozumieć, jak strony internetowe są indeksowane, oceniane i rozwijane w wynikach wyszukiwania. W swoich publikacjach łączy wiedzę z zakresu pozycjonowania, Google Search Console, hostingu, bezpieczeństwa serwerów, systemów CMS oraz marketingu opartego na danych.…
