Analiza luk w treści, która zwraca się za równowartość kawy w kredycie API

Cała zagrywka w jednym zdaniu

Znajdź strony, na które rankują twoi konkurenci, a których nie masz nawet w portfolio — a potem zamień tę listę w trzy wygrane: większą widoczność SEO, kampanie w sieci wyszukiwania celowane w strony docelowe, których ci brakowało, i niekomercyjny ruch, którego inaczej nigdy byś nie dotknął. Jedna mapa, trzy różne korzyści, lądujące w trzech różnych zespołach. To cała analiza; wszystko poniżej to sposób, w jaki faktycznie tam dojdziesz.

Każda prezentacja SEO ma ten slajd, który mówi, żeby to zrobić — przeanalizuj konkurencję, znajdź luki w swojej treści i kategoriach. Prawie nikt go nie realizuje, bo stary sposób był harówką: wyeksportuj słowa kluczowe konkurenta, przejrzyj okiem, do jakich stron docelowych prowadziły, zestaw je ręcznie z własną mapą witryny i kłóć się o dopasowania w arkuszu przez tydzień. Więc slajd pozostawał slajdem.

Zmieniły się dwie rzeczy. Pociąganie danych przestało być drogie: DataForSEO robi za centy to, co Semrush robi za miesięczną subskrypcję. A dopasowywanie przestało być ręczne: LLM paruje strony konkurenta z twoimi w kilka minut i nie musi być idealne, by było użyteczne.

To, co zostaje, to część, która zawsze była prawdziwą wartością — i nigdy naprawdę nie była zadaniem SEO. Luka w treści to brakująca strona kategorii, linia produktowa, której nie masz w ofercie, blog, który zasila listę remarketingową. Dotyka SEO, płatnych, asortymentu i strategii treści naraz. Oto jak ją przeprowadzam.

Jeden sklep, czterech konkurentów — jak to wygląda w realnym życiu

Przed mechaniką — jego kształt. Powiedzmy, że ABC to średniej wielkości e-sklep ze sprzętem outdoorowym: namioty, buty trailowe, kurtki przeciwdeszczowe, plecaki. Pociągasz jego prawdziwy zestaw konkurentów i wraca cztery nazwy — a ciekawa część to dlaczego każda z nich bije ABC organicznie:

• Konkurent 1 prowadzi naprawdę dobrego bloga o tym, jak wybrać but do biegania w terenie. Przyciąga tysiące kupujących na etapie researchu — zanim w ogóle szukają produktu.
• Konkurent 2 posiada poradnikową treść o ponownym impregnowaniu kurtki przeciwdeszczowej — temat, o którym ABC nie napisało ani jednej linijki, a którego prędzej czy później szuka każdy posiadacz kurtki.
• Konkurent 3 ma głębokie drzewo kategorii: osobne strony docelowe dla dziecięcych kurtek przeciwdeszczowych, namiotów 3-sezonowych, ultralekkich plecaków — drobnoziarniste strony, które ABC obecnie wrzuca w jedną generyczną listę.
• Konkurent 4 po prostu przelicytowuje wszystkich na frazach brandowych. To szum, nie luka w treści — wyrzuć go.

Ta jedna mapa daje ABC trzy konkretne ruchy:

1. Treść — napisz poradniki o butach trailowych i pielęgnacji kurtek, przechwyć ruch z etapu researchu, który zjadają blogi, i zrzuć tych czytelników na listę remarketingową.
2. Płatne — gdy drobnoziarniste strony docelowe już istnieją, kieruj kampanie w sieci wyszukiwania na nie (dziecięce kurtki przeciwdeszczowe → strona dziecięcych kurtek przeciwdeszczowych) zamiast zrzucać każde kliknięcie na jedną tępą stronę kategorii.
3. Asortyment i struktura — zbuduj brakujące strony kategorii dla linii, które ABC już ma w ofercie, ale którym nigdy nie dało porządnego domu, i oznacz linie produktowe, które ma konkurent, a ABC nie.

Ta sama analiza, trzy zespoły, trzy budżety. (Przykład ilustracyjny.) A teraz jak produkujesz tę mapę.

Przepływ, od początku do końca

Patrz, jak działa: co każdy krok faktycznie wypluwa

Pięć kroków powyżej to mapa; to tutaj jest teren. Poniżej konkretny artefakt, który podaje ci każdy krok — to, na co dosłownie patrzysz, zanim ruszysz dalej. Kształty są dokładnie tym, co zwracają narzędzia; wiersze są ilustracyjne, nie to prawdziwy klient. (Wszędzie przykłady ilustracyjne.)

Krok 1 → krótka lista konkurentów, oceniona. Uruchamiasz trzy sygnały i zwijasz je w jedną tabelę. Marki, które wymieniłbyś z przeczucia, nie zawsze są tymi, które przetrwają wszystkie trzy:

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

Trzech z czterech przetrwa; megastore, który „oczywiście” konkuruje, wypada, bo nakładanie się to szum.

Krok 2 → mapa stron z dopiętymi pieniędzmi. Dla każdego ocalałego konkurenta jedno wywołanie API zwraca uszeregowane słowa kluczowe oraz stronę docelową, na którą trafia każde z nich. Zagreguj według strony i przestajesz patrzeć na słowa kluczowe:

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

Każdy wiersz to strona przynosząca konkurentowi realny ruch — cel, nie wyszukiwane hasło.

Krok 3 → twoje własne zestawienie i ile pominęła mapa witryny. Odbij je dla swojej strony z crawlu + feedu + eksportu kategorii. Sens pociągania czterech źródeł staje się widoczny w chwili, gdy je policzysz:

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

Mapa witryny zobaczyła 412 stron. Prawdziwa mapa to 1010. Analiza żyje w tych ~600, których mapa witryny nigdy ci nie pokazała.

Krok 4 → wiersze NO MATCH, uszeregowane. Przekaż oba zestawienia LLM-owi z promptem dopasowującym. Zwraca jeden werdykt na stronę konkurenta; zachowujesz tylko luki, posortowane według ruchu:

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

Jeden MATCH odpada; zostają trzy uszeregowane luki. Ta czterowierszowa tabela to cały efekt końcowy w zalążku.

Krok 5 → mapa luk z właścicielem. Otaguj każdą lukę koszem i zespołem, w którym ląduje. Teraz to nie raport SEO — to zlecenie pracy:

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

Jedna mapa, trzy zespoły, każdy wiersz wymiarowany ruchem. To moment, w którym „analiza luk w treści” przestaje być obowiązkowym zadaniem SEO i staje się planem międzyzespołowym.

Semrush kontra DataForSEO: dlaczego luka cenowa ma znaczenie

Powodem, dla którego ta analiza przeszła z „powinniśmy” do „zrobiliśmy”, jest koszt — a liczba Semrush, która tu się liczy, jest wyższa niż cena z metki, którą ludzie cytują. Plan Pro za 139,95 $/mies. uruchamia sprawdzenie luk w treści w interfejsie, ręcznie, z limitami eksportu. Ale analiza w tym artykule jest programatyczna: jedno wywołanie API na domenę konkurenta, ~100 tys. uszeregowanych słów kluczowych i ich stron docelowych naraz. Semrush zamyka swoje API za planem Business za 499,95 $/mies. — a i wtedy startujesz z zerem jednostek API. Kupujesz je osobno (z grubsza 50 $ za milion jednostek, ~10 jednostek na wiersz uszeregowanego słowa kluczowego), z wierzchu subskrypcji. DataForSEO działa pay-as-you-go: doładowanie 50 $ starcza na miesiące, nie ma miejsca do wynajęcia ani poziomu do odblokowania, a płacisz tylko za zapytania, które faktycznie pociągasz.

Przy jednorazowym, głęboko technicznym zadaniu jak pobranie luk w treści to różnica między odblokowaniem poziomu API za 500 $/mies. a wydaniem równowartości kawy w kredycie. Jakość danych jest na poziomie dla tego przypadku użycia; ekonomia nie jest nawet blisko.

Dwie historie z dwudziestu lat tej pracy

Mechanika jest nowa. Zagrywki, które odblokowuje, to te, które widzę w działaniu od dwóch dekad — były po prostu zbyt pracochłonne do złożenia wcześniej.

Dziecięcy blog, który stał się kanałem sprzedaży

Klient z segmentu dziecięcego przegrywał na klasie zapytań, które nie miały nic wspólnego z produktami. Konkurent prowadził mocnego bloga — kolorowanki, bajki na dobranoc — z ogromnym wolumenem wyszukiwań celowanym dokładnie w grupę docelową: rodziców. Analiza luk wydobyła cały klaster. Klient przyjął strategię, zbudował treść, przyciągnął ruch, zrzucił tych odwiedzających do remarketingu i zamienił „niekomercyjną” lukę w treści w zakupy. (Zanonimizowane.)

Przepisy na dietę, która sprzedaje pudełka z posiłkami

Firma od meal prep i coachingu siedziała obok kategorii o dwóch pięknych właściwościach: zapytania o przepisy mają ekstremalny wolumen wyszukiwań i CPC na poziomie centów. Strategiczni konkurenci zbudowali ustrukturyzowane sekcje przepisów — i zbierali strumień ludzi, którzy z definicji chcieli jeść lepiej. Stamtąd to krótki krok do produktu lub oferty coachingowej. To analiza luk uczyniła tę szansę widoczną i ją wymiarowała. (Zanonimizowane.)

Sztuczka, której nikt nie stosuje: pożycz z silniejszego rynku

Oto kąt, który zamienia to z defensywnego audytu w nieuczciwą przewagę.

Powiedzmy, że jesteś liderem na małym rynku bez poważnej konkurencji, od której można się uczyć. Analiza luk u siebie nie zwraca nic użytecznego — nie ma nikogo przed Tobą, kogo można skopiować. Więc nie uruchamiaj jej u siebie. Uruchom dokładnie tę samą analizę przeciwko najsilniejszemu, najbardziej konkurencyjnemu rynkowi zagranicznemu w twojej kategorii.

Język nie jest barierą: LLM mapuje ich kategorie i treść na twoje, niezależnie od języka, w jakim są napisane. Importujesz strategie, które liderzy na dojrzałym rynku już udowodnili — struktury kategorii, kąty treściowe, pomysły asortymentowe — na rynek, gdzie dosłownie nikt jeszcze ich nie robi. Stajesz się pionierem u siebie, kopiując przyszłość z zagranicy. Naturalnie łączy się to z pełną analizą ekspansji rynkowej, gdy decydujesz, gdzie leży ten silniejszy rynek.

Dlaczego to zamyka pętlę

Zauważ, co się przed chwilą stało. Zaczęliśmy od porządnego zadania SEO — „znajdź luki w treści” — a rozlało się ono na decyzje asortymentowe, płatne kampanie, grupy remarketingowe i strategię treści. To nie pełzanie zakresu. To faktyczny kształt tej pracy.

Dane zawsze były do pociągnięcia; nikt się nie wysilał, bo ręczny koszt przeważał nad zyskiem. Teraz pobranie jest tanie, a dopasowanie zautomatyzowane. To, co zostaje jako rzadki składnik, to rzecz, która zawsze była rzadka: pomysł — seniority, by spojrzeć na mapę luk i wiedzieć, że blog z kolorowankami konkurenta to w rzeczywistości kanał remarketingowy, oraz rozpiętość, by połączyć SEO, płatne i asortyment w jednej głowie. Wykonanie zrobiło się łatwe. Osąd to robota.

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: Ciekawi cię, na co rankuje twój najsilniejszy konkurent, a ty nie? Pociągnijmy mapę luk.