Content-gap-analysen, der betaler sig selv hjem for en kop kaffes værdi i API-kredit

Hele trækket i én sætning

Find de sider, dine konkurrenter rangerer på, og som du ikke engang har i porteføljen — og lav så den liste om til tre gevinster: mere SEO-synlighed, søgekampagner rettet mod landingssider, du manglede, og ikke-kommerciel trafik, du ellers aldrig ville have rørt. Ét kort, tre forskellige udbetalinger, der lander hos tre forskellige teams. Det er hele analysen; alt nedenfor er, hvordan du rent faktisk kommer derhen.

Hvert SEO-deck har den slide, der fortæller dig det her — analysér konkurrencen, find hullerne i dit content og dine kategorier. Næsten ingen følger den, fordi den gamle måde var en møllesten: eksportér en konkurrents søgeord, gæt dig til hvilke landingssider de førte til, stil dem manuelt op mod dit eget sitemap og slås en hel uge i et regneark om matchene. Så sliden forblev en slide.

To ting ændrede sig. At trække dataene holdt op med at være dyrt: DataForSEO gør for et par cent, hvad Semrush gør for et månedsabonnement. Og matchingen holdt op med at være manuel: en LLM parrer en konkurrents sider mod dine på minutter, og det behøver ikke være perfekt for at være brugbart.

Det, der står tilbage, er den del, der altid var den egentlige værdi — og det var aldrig rigtigt en SEO-opgave. Et content-hul er en manglende kategoriside, en produktlinje du ikke fører, en blog der fodrer en remarketing-liste. Det rører ved SEO, paid, sortiment og content-strategi på én gang. Sådan kører jeg den.

Én shop, fire konkurrenter — hvordan det ser ud i virkeligheden

Før mekanikken: formen på det. Lad os sige, at ABC er en mellemstor outdoor-grej-webshop: telte, trailsko, regnjakker, rygsække. Du trækker det reelle konkurrentsæt, og fire navne kommer tilbage — og det interessante er hvorfor hver enkelt slår ABC organisk:

• Konkurrent 1 driver en ægte god blog om, hvordan man vælger en trailløbssko. Den trækker tusindvis af købere i research-fasen — før de overhovedet søger efter et produkt.
• Konkurrent 2 ejer how-to-indholdet om at imprægnere en regnjakke på ny — et emne, ABC aldrig har skrevet en eneste linje om, men som enhver jakkeejer før eller siden søger efter.
• Konkurrent 3 har et dybt kategoritræ: separate landingssider til børneregnjakker, 3-sæsonstelte, ultralette rygsække — granulære sider, som ABC i dag pakker ind i én generisk oversigt.
• Konkurrent 4 byder ganske enkelt alle over på brand-termer. Det er støj, ikke et content-hul — drop den.

Det ene kort giver ABC tre konkrete træk:

1. Content — skriv trailsko- og jakkepleje-guiderne, fang den research-fase-trafik, bloggene æder, og smid de læsere ind i en remarketing-liste.
2. Paid — så snart de granulære landingssider findes, ret søgekampagner mod dem (børneregnjakker → børneregnjakke-siden) i stedet for at smide hvert klik ind på én stump kategoriside.
3. Sortiment & struktur — byg de manglende kategorisider til linjer, ABC allerede fører, men aldrig gav et ordentligt hjem, og markér produktlinjer, en konkurrent fører, og ABC ikke gør.

Samme analyse, tre teams, tre budgetter. (Illustrativt eksempel.) Og sådan producerer du det kort.

Flowet, fra ende til anden

Se det køre: hvad hvert trin faktisk spytter ud

De fem trin ovenfor er kortet; det her er terrænet. Nedenfor står det konkrete artefakt, hvert trin rækker dig — det, du bogstaveligt talt stirrer på, før du går videre. Formerne er præcis det, værktøjerne returnerer; rækkerne er illustrative, ikke en rigtig kunde. (Illustrative eksempler hele vejen igennem.)

Trin 1 → en konkurrent-shortlist, scoret. Du kører de tre signaler og kollapser dem til én tabel. De brands, du ville have nævnt fra maven, er ikke altid dem, der overlever alle tre:

Domain        Paid/Org  Overlap  Shared  Verdict
rival-a.com   yes/yes   71%      4,120   core
niche-c.com   yes/yes   44%      2,300   core
rival-b.com   no /yes   12%      3,880   content-only rival
bigbox.com    yes/yes    9%        910   too broad — drop

Tre ud af fire overlever; megabutikken, der “åbenlyst” konkurrerer, falder fra, fordi overlappet er støj.

Trin 2 → et sidekort med penge på. For hver overlevende konkurrent returnerer ét API-kald rangerede søgeord og den landingsside, hvert enkelt rammer. Aggregér efter side, og du holder op med at kigge på søgeord:

Page                 Keyword             Pos  Vol     Visits/mo
/trail-shoes         trail running shoe   2   18,100  ~8,000
/waterproof-jackets  waterproof jacket    4   12,000  ~3,200
/blog/clean-shoes    clean trail shoes    1    2,400  ~1,500
/gaiters             running gaiters      6      900    ~640

Hver række er en side, der giver en konkurrent reel trafik — et mål, ikke en søgeterm.

Trin 3 → dit eget inventar, og hvor meget sitemap’et oversprang. Spejl det for dit site fra crawl + feed + kategori-eksport. Pointen med at trække fire kilder bliver synlig i det øjeblik, du tæller dem:

Source                 Pages found
XML sitemap                  412
Screaming Frog crawl         938
Product feed               1,205 SKUs
Category export               64
Deduped own-site map       1,010 URLs

Sitemap’et så 412 sider. Det rigtige kort er 1.010. Analysen lever i de ~600, sitemap’et aldrig viste dig.

Trin 4 → NO MATCH-rækkerne, prioriteret. Giv begge inventarer til LLM’en med matching-prompten. Den returnerer én dom pr. konkurrentside; du beholder kun hullerne, sorteret efter trafik:

Competitor page        Closest OURS     Verdict   Visits/mo
/trail-shoes           /running-shoes   MATCH       —
/waterproof-jackets    —                NO MATCH    3,200
/blog/clean-shoes      —                NO MATCH    1,500
/gaiters               —                NO MATCH      640

Ét MATCH falder fra; tre prioriterede huller bliver tilbage. Den fire-rækkers tabel er hele leverancen i sin spæde form.

Trin 5 → hulkortet med en ejer. Tag hvert hul med en spand og det team, det lander hos. Nu er det ikke en SEO-rapport — det er en arbejdsordre:

Gap                   Visits/mo  Bucket              Lands on
/waterproof-jackets   3,200      sell it, no LP      SEO / web
/blog/clean-shoes     1,500      non-commercial      Content + ads
/gaiters                640      don't stock it yet  Assortment

Ét kort, tre teams, hver række dimensioneret efter trafik. Det er det øjeblik, hvor en “content-gap-analyse” holder op med at være en SEO-pligtopgave og bliver en plan på tværs af teams.

Semrush vs. DataForSEO: hvorfor prisforskellen betyder noget

Grunden til, at denne analyse gik fra “det burde vi” til “det gjorde vi”, er omkostningen — og det Semrush-tal, der tæller her, ligger højere end den listepris, folk citerer. Pro-planen til 139,95 $/md. kører et content-gap-tjek i interfacet, i hånden, med eksport-lofter. Men analysen i denne artikel er programmatisk: ét API-kald pr. konkurrent-domæne, ~100 tusind rangerede søgeord og deres landingssider på én gang. Semrush spærrer sit API bag Business-planen til 499,95 $/md. — og selv da starter du med nul API-units. Dem køber du separat (groft 50 $ pr. million units, ~10 units pr. rangeret søgeord-række), oven i abonnementet. DataForSEO er pay-as-you-go: en optankning på 50 $ holder i måneder, der er ingen plads at leje eller niveau at låse op, og du betaler kun for de forespørgsler, du faktisk trækker.

Til et engangsjob af dybt teknisk karakter som et content-gap-træk er det forskellen mellem at låse et API-niveau til 500 $/md. op og at bruge en kop kaffes værdi i kredit. Datakvaliteten er der til dette use case; økonomien er ikke i nærheden af sammenlignelig.

To historier fra tyve år med det her

Mekanikken er ny. De træk, den låser op, er nogle, jeg har set virke i to årtier — de var bare for besværlige at sætte op før.

Børnebloggen, der blev en salgskanal

En kunde i børnesegmentet blev slået på en klasse af forespørgsler, der intet havde med produkter at gøre. Konkurrenten drev en stærk blog — malesider, godnathistorier — med enormt søgevolumen rettet mod præcis målgruppen: forældre. Hul-analysen blottede hele klyngen. Kunden overtog strategien, byggede indholdet, trak trafikken, smed de besøgende ind i remarketing og forvandlede et “ikke-kommercielt” content-hul til køb. (Anonymiseret.)

Opskrifter til en kostform, der sælger måltidskasser

En meal-prep- og coaching-virksomhed sad ved siden af en kategori med to smukke egenskaber: opskrift-forespørgsler har ekstremt søgevolumen og cent-niveau CPC’er. De strategiske konkurrenter havde bygget strukturerede opskriftssektioner — og høstet en strøm af mennesker, der per definition ville spise bedre. Derfra er der et kort skridt til et produkt eller et coaching-tilbud. Hul-analysen var det, der gjorde muligheden synlig og satte tal på den. (Anonymiseret.)

Vinklen, ingen kører: lån fra et stærkere marked

Her er vinklen, der gør det fra et defensivt audit til en uretfærdig fordel.

Lad os sige, du er førende på et lille marked uden seriøs konkurrence at lære af. Hul-analysen derhjemme giver intet brugbart — der er ingen foran dig at kopiere. Så kør den ikke derhjemme. Kør præcis den samme analyse mod det stærkeste, mest konkurrenceprægede udenlandske marked i din kategori.

Sprog er ingen barriere: LLM’en afbilder deres kategorier og indhold på dine, uanset hvilket sprog de er skrevet på. Du importerer de strategier, lederne på et modent marked allerede har bevist — kategoristrukturer, content-vinkler, sortimentsidéer — ind på et marked, hvor bogstaveligt talt ingen endnu gør det. Du bliver first mover derhjemme ved at kopiere fremtiden fra udlandet. Det passer naturligt sammen med en fuld markedsudvidelses-analyse, når du skal afgøre, hvor det stærkere marked ligger.

Hvorfor det lukker cirklen

Bemærk, hvad der lige skete. Vi startede med en pæn SEO-opgave — “find content-huller” — og den skvulpede over i sortimentsbeslutninger, paid-kampagner, remarketing-målgrupper og content-strategi. Det er ikke scope creep. Det er den faktiske form på arbejdet.

Dataene var altid mulige at trække; ingen gad, fordi den manuelle omkostning oversteg udbyttet. Nu er trækket billigt, og matchingen er automatiseret. Det, der bliver tilbage som den knappe ingrediens, er det, der altid var knapt: idéen — senioriteten til at se på et hulkort og vide, at en konkurrents maleside-blog i virkeligheden er en remarketing-kanal, og rækkevidden til at forbinde SEO, paid og sortiment i ét hoved. Udførelsen blev let. Dømmekraften er jobbet.

You are a site-structure analyst. You get two lists of pages:
COMPETITOR (url, top keywords, estimated monthly traffic) and OURS (url, title).
For each COMPETITOR page, return the single closest OURS page, or "NO MATCH".
Then output only the NO MATCH rows, sorted by estimated traffic descending.
Match on intent and topic, not exact wording. Cross-language matches are allowed.
100% precision is not required — never invent a match to avoid "NO MATCH".

curl -s "https://api.dataforseo.com/v3/dataforseo_labs/google/ranked_keywords/live" \
  -u "$LOGIN:$PASSWORD" -H "Content-Type: application/json" \
  -d '[{"target":"competitor.com","location_code":2840,"language_code":"en","limit":1000}]'

FAQ

CTA: Nysgerrig efter, hvad din stærkeste konkurrent rangerer på, og du ikke gør? Lad os trække hulkortet.