Søgeordsanalyse med offentlige kilder: sådan finder du efterspørgsel

Hvad søgeefterspørgsel er – og hvor offentlige data kommer ind

Søgeefterspørgsel er interessen for et emne over tid, på tværs af geografiske områder og i forhold til andre emner. Google Trends har blandt andet søgevolumen over tid, sammenligning af søgeord og geografisk indsigt – fx hvor i landet en søgning er mest populær. Det viser befolkningens interesser og deres udvikling uden adgang til lukkede søgevolumendata.

Offentlige kilder udgør rammen om interessen. Danmarks Statistik er central myndighed for dansk statistik og indsamler, bearbejder og offentliggør statistik om det danske samfund; ifølge myndigheden kan Statistikbankens åbne data bruges direkte i egne applikationer via API'et. Arbejdsdelingen er: Trends svarer på, om interessen bevæger sig, hvornår og hvor; Danmarks Statistik leverer danske tal at holde interessen op imod – antal aktive internetabonnementer og udviklingen i annonceomsætningen på internettet.

Google Trends: læs søgeinteresse, sammenlign termer og se geografiske forskelle

Google Trends' forside viser, hvad der søges efter lige nu, med søgeinteresse for de seneste 24 timer. Vinduet fanger aktuelle begivenheder, men er for kort til sæsonplanlægning. Historikken ligger i søgefunktionen: Kursusfabrikken kalder værktøjet gratis og beskriver, at det viser udviklingen af en søgning, hvor man kan indstille søgningen efter land og region og sammenligne søgeord i mere avancerede analyser. Har man ikke brugt værktøjet før, henviser Googles egen Trends-side til en introduktion til Trends-data, en trinvis vejledning og avancerede tips.

Sådan læses en kurve: Ifølge Kursusfabrikken steg interessen for "Stanley Cup" i Danmark kraftigt ved årsskiftet til 2024, toppede i slutningen af januar og aftog derefter gradvist – men lå fortsat væsentligt over året før. Termers relative niveauer ses ved sammenligning: I en sammenligning af WordPress, Webflow og Magento havde WordPress konstant høj søgevolumen, mens de to andre lå væsentligt lavere, og udsvingene fulgtes nogenlunde ad. Ifølge Keyword.com bruges Google Trends typisk til markedsanalyse, søgeordsanalyse, konkurrentanalyse, indholdsproduktion og nyhedsovervågning. OECD bruger også Trends-data som økonomisk indikator: Organets ugentlige sporing af økonomisk aktivitet er et estimat for ugentlig BNP baseret på søgedata fra Google Trends og maskinlæring.

Danmarks Statistik: digital adfærd og forbrug som ramme om efterspørgslen

"Digital adfærd" er den mest nærliggende danske rammestatistik. Den belyser befolkningens tilslutning til internettet og annonceomsætningen på internettet, og man kan fx se antallet af aktive internetabonnementer. Statistikken ligger under Kultur og fritid → Digital adfærd og kulturvaner.

Tallene hentes via Statistikbankens API. Praktisk opsætning: træk de relevante tabeller ind i samme regneark eller dashboard som din trends-graf, og stil to spørgsmål til dem – bevæger annonceomsætningen på internettet sig i samme retning som søgeinteressen i perioden, og hvordan udvikler antallet af aktive internetabonnementer sig? Det siger ikke noget om enkelte søgeord, men placerer søgetrenden i et dansk marked, hvor annonceaktivitet og tilslutning kan slås op i stedet for at blive gættet.

Digital adfærd i Danmark – nøgletal fra Danmarks Statistik

BigQuery-datasæt: når Trends-data skal ind i en større analyse

Via BigQuery giver Googles eget datasæt adgang til anonymiserede, indekserede, normaliserede og aggregerede Google Trends-data. Datasættene ligger på Google Cloud Marketplace og dækker de 25 mest populære forespørgsler og top 25 over forespørgsler med stigende popularitet fra de seneste 30 dage, fordelt på to geografiske omfang: USA og internationalt.

USA-data viser de 25 mest populære og top 25 over stigende forespørgsler på tværs af 210 Designated Market Areas. Ifølge Google er de optimeret til analyse af hjemmemarkedet, så søgetrends kan kobles til regionale grænser og bruges i lokale marketingkampagner og produktprognoser. USA-data findes med daglig granularitet for en rullende periode på 5 år og med timebaseret granularitet (6 timer fire gange dagligt) for en rullende periode på 1 år. Internationale data dækker ca. 50 ekstra lande og viser de 25 mest populære søgninger og top 25 over forespørgsler med stigende popularitet fordelt på ISO-landekoder og underregioner, med daglig granularitet for en rullende periode på 5 år. Danmark nævnes ikke særskilt, så verificér dækningen, før en dansk analyse bygges på datasættet.

Adgang og omkostning: BigQuerys gratisniveau giver op til 1 TB SQL-forespørgsler om måneden og op til 10 GB lagerplads om måneden uden beregning; forespørgsler over grænserne følger den almindelige BigQuery-prissætning. Har du ikke en Google Cloud-konto eller betalingskortoplysninger, kan du bruge BigQuery-sandboxen. Begræns scanningen med et opdelingsfilter, fx: SELECT * FROM bigquery-public-data.google_trends.top_terms WHERE refresh_date = DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY). Dataene kan også udforskes i BI-værktøjer som Looker, Data Studio eller partnerløsninger.

Validér efterspørgslen med spørgeskemaer og offentlig statistik

Trends viser interesse, ikke køb. Test derfor interessen mod faktisk adfærd i målgruppen. Danmarks Statistik beskriver, at interviewdata i en undersøgelse kan indsamles med webspørgeskemaer, computerstøttede telefoninterviews (CATI), besøgsinterviews (CAPI), postale spørgeskemaer eller andre metoder. Metodevalget følger målgruppen: webspørgeskemaer, når målgruppen er digital; telefon eller besøg, når frafaldet ellers bliver for stort.

Fremgangsmåde: (1) tag de termer, der stiger i Trends, med i et kort spørgeskema; (2) spørg til konkret adfærd – hvad respondenten sidst har købt, eller planlægger at købe inden for emnet – frem for til interesse; (3) sammenlign rækkefølgen af termer i Trends med rækkefølgen i besvarelserne; (4) hold resultatet op mod Danmarks Statistiks oplysninger om annonceomsætning på internettet og aktive internetabonnementer. Stiger interessen i Trends, uden at nogen i målgruppen har købt eller planlægger at købe, er der tale om opmærksomhed snarere end efterspørgsel. En flad trendkurve kan omvendt dække over en stabil, købedygtig efterspørgsel, som Trends ikke fanger, fordi interessen har ligget konstant i årevis.

Fremgangsmåde til validering af efterspørgsel med spørgeskema og statistik

Fra nicheanalyse til indhold, kampagner og lager

Nichevalg: Keyword.com anbefaler at gå efter emner i fremdrift frem for dem, alle andre går efter – mange søgeord, der er nemme at rangere på, og billige produkter, man kan private-labele – og bruger Google Trends til at finde søgeord med stigende interesse. Logikken er at følge søgeordskurver over tid og vælge emner, hvor interessen stiger snarere end topper – og dermed gå den vej, færrest går.

Sæson og kampagnetiming: Ved at analysere søgetrends over tid kan man finde sæsonbestemte spidsbelastninger i interessen for bestemte produkter eller services og bruge dem til at time kampagner, lægge varer på lager og planlægge marketingindsatsen. Samme logik gælder den modsatte vej: Kursusfabrikkens gennemgang af "Stanley Cup" peger på, at webshops, der sælger produkter relateret til termen, skal undgå en stor lagerbeholdning, når interessen er ved at aftage, fordi det kan ende i reduceret indtjening, færre tilbud og øget spild.

Indhold og konkurrenter: Skabere kan bruge Google Trends til at finde emner i fremdrift og optimere blogindlæg, artikler eller indhold til sociale medier, så det matcher det, folk faktisk søger; man kan også sammenligne sit eget brands popularitet med konkurrenternes for at vurdere deres synlighed online. Konkret arbejdsgang: lav en termliste, kør den gennem Trends med land og region sat til Danmark, markér de periodiske toppe, træk top-25-stigningerne via BigQuery-datasættet, validér med spørgeskema og Danmarks Statistiks tal – og omsæt først derefter listen til indholdskalender, kampagnedatoer og lagerbudgetter.

Faldgruber: normalisering, geografi og begrænsede datasæt

Normaliserede data: Googles BigQuery-datasæt beskrives som anonymiserede, indekserede, normaliserede og aggregerede data, og data normaliseres og aggregeres, før de offentliggøres. Du kan derfor læse retning og indbyrdes placering mellem termer, men ikke oversætte kurven til antal søgninger eller kroner. En Trends-kurve normaliseres i forhold til den valgte periode og opsætning, så grafer fra forskellige kørsler ikke kan læses på samme skala.

Dækning i BigQuery: Datasættene indeholder kun de mest populære og stigende forespørgsler for en kort, rullende periode. Nichetermer og long-tail-søgninger kan derfor mangle helt. De enkelte datasæt har desuden forskellig geografisk og tidsmæssig opløsning – se detaljerne i afsnittet om BigQuery-datasættet.

Tolkning: Offentlig statistik som Danmarks Statistiks "Digital adfærd" kan validere den overordnede markedskontekst, men ikke erstatte søgedataene – ligesom søgedataene ikke kan erstatte en undersøgelse af, om målgruppen faktisk køber.