跳到主要内容

SEO 们都疯了吗?你为什么不把 Search Console 数据做数据仓库存储?以及你为什么应该这么做……

我知道,这些年很多人都看到我一遍又一遍地重复同一句话——SEO 们,备份你们的数据,其实不只是 SEO,所有企业都应该把自己的 google

Daniel Foley Carter17 分钟阅读
SEO 们都疯了吗?你为什么不把 Search Console 数据做数据仓库存储?以及你为什么应该这么做……

我知道,这些年很多人都见过我反复说同一件事——SEO 从业者,备份你们的数据,其实不只是 SEO 从业者,所有企业都应该把自己的 Google Search Console 数据存进数据仓库——这根本不用多想。

所以,与其写一篇又长又绕的文章,我打算简短、有力、甚至有点生硬地说完!

这就是为什么你/你的企业/你的代理商——任何拥有网站的人——都应该备份自己的 Google Search Console 数据。

  1. 对 SEO 来说,它是一座可用数据的金矿——关键词、表现、排名、搜索呈现方式——所有这些数据都有价值。

  2. 你所有的查询「关键词」背后都有数据,那些展示量是判断哪些有需求、哪些没有需求的绝佳指标,这些数据对 SEO、PPC 和 AI 可见度追踪都很有用!

  3. 备份关键词数据意味着你备份的是完整的关键词数据集,而不只是 Google Search Console 显示给你的那 1000 行——所以如果你的网站曾在 10,000 个或 100,000 个关键词上有过展示,你就拥有全部这些数据可用。

  4. 你可以访问所有长尾关键词和 ZSV 查询(零搜索量)——基本上就是那些外部工具没有搜索量数据、但实际上存在搜索量的关键词。

  5. 从 SEO 的角度,你能获得更完整的长期表现图景——16 个月的数据看起来可能够用,但其实远远不够。如果你能回看 2 年、3 年、5 年、10 年的 GSC 数据,想想你对网站长期表现的认识会完整多少。

  6. 你可以看到哪些内容有效、哪些无效——同样是绕开 1000 行限制,长期存储网站每一个页面的数据,能让你更清楚地了解什么在长期有效。

  7. 完整备份数据也让它更容易配合 AI 使用——你不再依赖 Google Search Console 那套有诸多限制的 API,而这些限制会因为数据缺失造成各种审计问题/错误建议。

  8. 你能更清楚地看到网站在不同时期受到了哪些更新的影响,以及整体走势是什么样——我见过很多这种情况,尤其是被 helpful content 更新打击的站点,它们往往要花 2 年以上才能慢慢恢复,如果你有更长周期的 GSC 数据,就更容易理解到底发生了什么。

  9. 你可以从备份的 search console 数据中提取对话式搜索和查询,用于 AI 可见度和 prompt 追踪——至少就 Google Search Console 数据而言,有展示量的查询更有可能也在 LLM 中被搜索。

  10. 如果你有更广的数据集用于相关性分析,你能做出更好的 SEO。比如你可以回看历史上 SEO 表现较好的时期,寻找它与内容类型、SEO 工作或外链建设之间的相关性。

  11. 如果你备份了 Google Search Console 数据,你就可以用一个前端界面按自己想要的方式访问它(这正是 SEO Stack 在做的事——它在你访问当前数据和仓库数据时,提供一致的 GSC 使用体验,而 Google 的 BigQuery 做不到这一点)。

  12. 你可以发现数据中的趋势,比如不同设备、搜索呈现方式、国家/地区之间表现的变化。

好,那备份 Google Search Console 数据具体是什么样?

这取决于你用什么方式备份,最常见的备份方式是:

Google Search Console 到 BigQuery >

你可以把 Google Search Console 数据备份到 Google BigQuery >https://search.google.com/u/5/search-console/settings/bulk-data-export

而且没错,这是免费的,也相对简单,但这里有一个巨大的前提!

你可以把数据备份下来,但你没法通过 Google Search Console 的界面访问它——所以虽然数据备份在 BigQuery 里,你却无法在 Google Search Console 内部访问这些数据,只能通过 Google BigQuery 访问 >

虽然从技术上讲里面确实有你所有的数据,但你接着就得学习并理解 BigQuery/SQL/Python 才能与之交互。你可以通过 LLM 连接它,但同样,还记得你在这里失去的关键东西是什么吗?

界面的一致性,以及像在 GSC 里那样使用数据的能力!

这只是我们打造 SEO Stack 的众多原因之一:给用户一个带有集成数据仓储的 GSC 界面,同时我们还修复了 GSC 存在、而 SEO Stack 没有的大量问题。

从实用性角度讲——我们把设置做得极其简单,哪怕是一个完全没有经验的初级 SEO 也能搞定。你只需从 GSC 把一个网站导入 SEO Stack(耗时 10 秒),数据仓储立刻开始,我们会回填过去 16 个月的数据,之后每天追加一天的新数据。

SEO Stack 能做到以下这些>

  • 立即开始数据仓储,并回填过去 16 个月的数据

  • 每天追加一天的新数据,支持 10 年以上的 GSC 数据仓储

  • 允许访问其中的每一条数据,每一行查询、每一行页面,全部数据

  • 消除 GSC 的所有限制

  • 提供无限制筛选、可保存的筛选条件库、内置标注与核心更新叠加层

  • 内置 AI Assistant

  • 在 GSC 之上集成 GA4

  • 页面索引情况,包括 HTTP 状态、索引状态

  • URL 检查

现在——从备份数据这件事来看,它的好处在于我们能获得关于一个网站更多的背景信息:它经历了什么,以及长期表现如何。

我们以这个站点为例 >

查看长期表现(前端界面)

在 Google Search Console 里,最近 16 个月是这样的 >

上图中,GSC 的数据只能回溯到 2025 年 6 月 28 日。

但在 SEO Stack 里,同一个网站我们看到的是 >

我们的数据可以回溯到 2023 年 2 月 1 日,比 GSC 多得多。而如果你从长期表现的背景来看,就会发现网站的长期表现其实大幅上升,只是最近 16 个月显示出一段下滑——单看这段并不能呈现全貌。

但是,如果你把 GSC 数据备份在 BigQuery 里,你就没有一个前端界面来处理这些数据,除非你自己 vibe code 一个,再折腾集成 AI、管理多个资源、表配置等一堆麻烦事。

因为 SEO Stack 备份的是每一条数据/每一个维度,这意味着你可以在一个统一的界面里,同时与你全部的当前数据和历史 GSC 数据进行交互。

所以,只要选中任意 QUERY(查询词)或页面,我们就能看到所有数据的全貌!

我们不受任何限制。

如果你想从数据中挖掘出有用的东西,比如做关键词分析,那就更有价值了!

看看这个:凭借 SEO Stack 中多年积累的额外 GSC 数据,我们可以访问到相当可观的数据量 >

在 SEO Stack 里我们能访问 730,986 个关键词,而在 GSC 里我们一如既往地被困在区区 1000 行上 >

所以这根本不用想——730,000+ 个带数据的关键词就是一座金矿,不只对 SEO 有用,对 AI 可见度追踪、甚至 PPC 或其他付费投放也一样有用——我们都想知道需求在哪里!

这就引出了我的下一个观点:

大规模访问你的数据

Google Search Console 有两个非常掣肘的限制:1000 行上限和筛选限制。两者都让 GSC 用起来更麻烦,虽然它确实能用,但局限性很大。

关于 1000 行上限,是的,你可以用第三方工具或连接器绕开,但那样你就得跳出 UI,去做一件本来就应该能在 UI 里完成的事。

比如说,我想追踪我们品牌出现在哪些提示词中,我可能会用 Google Search Console 的查询词数据,因为说实话,它是搜索量数据最好的来源之一。

于是在 GSC 里,我天然就被 FILTER LIMITS(筛选限制)和 QUERY ROW LIMITS(查询行数上限)卡住 >

假设我想拿到所有的 HOW 类问题查询词,我会加一个包含 HOW 的查询词筛选条件。

不出所料,我们不仅受 1000 行上限的约束,还被限制在 16 个月的数据范围内,而且也无法再叠加一个筛选条件来排除其他查询词或进一步细化筛选。

而在 SEO Stack 里,我们不受 16 个月时间范围、1000 行上限或筛选条件的限制,同样搜索 “how 类查询词” 的结果是 >

输出结果是 >

我们有 41,805 个问题类查询词。

可以想象,用这些数据我们能做的事情要多得多。我个人会尽可能把它们用在 AI Visibility 追踪上(这在 SEO Stack 里同样可以做)。

在 GSC 里,如果我想再加一个查询词筛选条件来排除某些查询词,是做不到的,因为 GSC 不支持筛选条件叠加:

所以基本上我没辙了,除非把数据导出再手动筛选,但那样我就没法在 UI 里查看数据,意义不大。

GSC 一次只允许一个筛选条件,而 SEO Stack 允许无限多个筛选条件(而且可选条件也更多)

得到 >

如果这还不够,我们还让你能看到所应用的筛选条件对应的点击/展示占比:

而且,如果你愿意,还可以保存自定义筛选条件,以便日后一键调用。在已应用筛选的状态下点击 PRESET FILTERS,把它们保存在那里,或者存进你自选的筛选文件夹!

这让数据的存储、访问和筛选都轻松得多。

把 Google Search Console 数据与 AI 结合使用 > API

还有一个话题,我前几天刚写过,讲的是用 Google Search Console 的 API 访问数据时的问题,尤其是当你想用 Claude、ChatGPT、Gemini 或其他大模型做审计的时候。

我在这里写过:Claude & Google Search Console vs SEO Stack & Claude

简单说,如果你让 Claude、ChatGPT 或其他大模型直接对接 Google Search Console 的 API,你就有拿到糟糕的分析、洞察和建议的风险——因为 GSC 的 API 有请求限制,而大模型未必能妥善处理。

我们都知道,大模型只会基于它拿到的数据工作,但它并不知道自己拿到的数据是否完整。所以,如果你让 Claude 去找 SEO 机会、识别关键词自相残杀或者做一次审计,而大模型并没有拿到全部数据,它怎么可能给你一个准确的判断?

这里有一点我必须重点强调:

网站往往拥有海量数据

想想看,每一个关键词“查询词”都有逐日的数据,涵盖每一次点击、展示、排名位置、CTR、设备、国家、搜索结果呈现形式。

接下来是页面,每个页面都关联着查询词、排名、展示量、点击量、CTR、设备、国家、搜索外观。

所以,设想一下如果有数千个页面和数万个查询词呢?

明白我要说什么了吗?

这是 SEO Stack 里一个"中等"规模的网站,大约 1000 个页面,看看单个站点有多少文本数据,854MB 的文本数据!

所以,当你面对数百万行数据时,调用 Google Search Console 的 API 可能导致请求超时,或者不得不进行多次分页请求,而在这个过程中 LLM 可能会超时,或者因为需要处理的数据实在太多而丢失上下文/无法维持上下文。

用一张图来说明 >

你可以看到,Claude 或你选用的其他 LLM 可能只拿到了部分数据,因此输出结果可能是错的。

所以设想一下

  • 你让 Claude 做一次关键词自相残杀审计

  • 你让 ChatGPT 找出内容缺口或内容衰退

  • 你让 Gemini 识别排名下滑趋势

如果数据集不完整,可能会导致:

  • 糟糕或错误的建议

  • 数据不完整

  • 给出并不需要的建议

  • 数据层面的幻觉

如果我们看看 Google 对 API 请求上限的说明 >

至于 QPM/QPD,我们看到 >

虽然这些额度确实相当宽裕,但对于中大型网站来说,数据量很快就会超出每日限额的范围。

这正是为什么把数据仓库化、再用 AI 来分析是一个好得多的方案。

那么有哪些数据仓库方案?它们难搭建吗?

有几个选择,但首先要确认的是它们是否真的存储你的 Search Console 数据,还是只在你打开报告时从 Google 拉取。(市面上有不少 GSC 工具是实时调用 API 的,它们一般并不是数据仓库。)

这一点很重要,因为一个更好看的 GSC 仪表盘并不一定能给你更多的历史数据。比如 SEO Gets + SEOTesting 这类工具就明确说明自己不是 Search Console 的归档工具,其大部分报告都是在你使用时才向 API 请求数据。

另一个要考虑的是:数据存下来之后呢?你能通过一个可用的界面真正去分析它,还是现在手上只有一个需要写 SQL 查询和自建仪表盘的数据库?

以下是几条主要的路径。

下方价格为美元,基于 2026 年 10 月 29 日查询到的公开定价。搭建难度是我个人对所需工作量的评估。

还有一个数据上限的区别,你需要搞清楚。

Google 在文档中说明 Search Analytics API 的上限是每个资源、每种搜索类型、每天 50,000 行。把这些结果存进数据仓库并不能解除源头的这项限制。Google 原生的 BigQuery 批量导出可以绕开这个每日行数限制,不过它依然不会展示被匿名化的查询词文本。

所以当某个供应商说"无限数据"时,要问清楚它到底指什么。无限存储?界面中无限行数?还是一种能绕开标准 API 限制的采集方式?

对大多数 SEO 来说,托管平台这条路最省事,因为存储和分析已经打通了。而当你希望掌控底层数据、并且有相应的技术资源去处理时,BigQuery 就有意义了。

用 AI 搭配仓库化的 GSC 数据更好,还是搭配 GSC MCP 更好?

答案其实取决于你的使用场景。

如果你在审计大型网站或处理大量数据,那么用 AI 搭配仓库化数据,要比试图使用 GSC API 好得多,因为后者有行数限制。

不过,某些 MCP 确实能规模化地提供数据,但除非你使用 GSC + BigQuery 或 SEO Stack,否则在数据时间跨度上你依然会有缺失。

MCP 接入和数据仓库是两回事,一个 MCP 可以让 Claude 查询 Search Console,但本身并不存储任何历史/存量数据。关键在于这个连接背后是什么:Google 的实时 API,还是一个此前采集好的数据库。

市面上有各种各样针对 Google Search Console 的 MCP 连接器,但在选择之前,我会先问这些问题:

  • 它查询的是什么?直接查 Google 的 API、查已存储的数据,还是两者都有?

  • 每个工具返回多少数据?它是分页返回还是聚合返回结果?

  • 它是否保留超过 16 个月的历史数据?

  • 它能否在完整的存储数据集上做计算,还是只把有限的若干行发给 AI?

  • 你付费买的是什么?调用次数、返回行数、资源数量、存储空间,还是它们的组合?

记住一点——如果你在用 Claude、ChatGPT、Gemini 或其他 LLM 做审计,那么在数据采集、聚合和查询这几个环节上,你必须把一切都安排妥当。

举个例子,我测试了 Claude 连接 GSC,并与 Claude 连接 SEO Stack 做了对比,同一个网站,但数据输出不同:

通过 SEO Stack MCP 询问 Claude 查询词数量,我得到的回复是:

然后让 Claude 直接连接 GSC,我得到的是 >

可以立刻看出,GSC 连接少报了数千个查询词,如果我是在为自己的网站或客户的网站做审计,这会是我特别担心的问题。

那么,有哪些 MCP 可选?

图片可能不太好辨认,以下是这些选项:

1. SEO Stack MCP

SEO Stack 在提供 Search Console 分析平台和数据仓库的同时,也提供 MCP 接入。你可以直接使用该平台,也可以把兼容的 AI 客户端连接到它存储的数据上。

https://www.seo-stack.io/

费用

  • Basic:每月 $129.99。

  • Pro:每月 $349.99。

  • Agency:每月 $679.99。

  • 额外添加网站资源的费用为每个每月 $10。

  • 三个套餐均包含 MCP 访问权限。

限制

  • Basic:10 个网站资源,60 个月的数据存储。

  • Pro:30 个网站资源,60 个月的数据存储。

  • Agency:200 个网站资源,120 个月以上的数据存储。

  • Pro 套餐明确标明为自定义智能体和自动化流程提供不限次数的 MCP 调用。

  • 存储额度并不意味着你能立刻拿到五年或十年的历史数据。SEO Stack 会导入 Google 目前仍提供的历史数据,然后持续采集。

设置难度如何?

官方文档中的流程很简单:连接你的 Search Console 资源,生成 MCP 密钥,再把配置添加到兼容的 AI 客户端中。无需单独配置 BigQuery 项目或数据库。

是否提供 GSC 界面?

提供。除了对 GSC、GA4 和 AI 可见性数据的 MCP 访问之外,你还能获得一个专门的分析界面。你可以在平台中操作,也可以通过已连接的 AI 助手操作。

2. GSC Wizard

GSC Wizard 将 Search Console 分析界面与 MCP 访问以及针对所选资源的长期存储结合在一起。其套餐区分了通过 API 访问的资源和分配了完整存储的资源。

费用

  • Starter:每月 €17。

  • Pro:每月 €39。

  • Business:每月 €249。

  • 定制套餐起价为每月 €349。

限制

  • Starter:10 个 API 资源,其中 5 个带完整存储。

  • Pro:50 个 API 资源,其中 25 个带完整存储。

  • Business:500 个 API 资源,其中 150 个带完整存储。

  • 已存储的资源享有官方标称的10 年保留额度。

  • 初始回填涵盖可获取的历史数据,通常为过去 16 个月。更长的历史数据会随着持续采集而积累。

设置难度如何?

这是一个托管平台,因此你无需自行安装和维护 MCP 服务器。已公布的各个套餐均包含 MCP 和 API 访问权限。

是否提供 GSC 界面?

提供。它包含分析界面、报告、导出和共享功能。注意确认哪些资源启用了完整存储,因为 API 资源额度大于存储资源额度。

3. Search Console MCP — mcpsearchconsole.com

Search Console MCP 提供低成本的托管连接,让你通过 AI 客户端访问 Search Console。其定价分为免费使用、个人订阅和公司团队订阅。

费用

  • Free:€0。

  • Solo:每月 €4.99。

  • Team:每月 €29.99。

  • 价格不含增值税。

限制

  • 免费套餐包含 3 个 Search Console 资源。

  • 免费使用限制为每天 15 次数据拉取,每月最多 40 次。

  • Solo 套餐标称为一个 Google 账号提供不限次数的数据拉取和不限数量的资源。

  • 以上是服务商的额度。通过 Google API 获取数据时,Google 底层的 API 限制依然适用。

设置难度如何?

这是托管连接,无需在本地安装服务器。服务商提供免费连接供你上手使用。

是否提供 GSC 界面?

其公开的产品重点在于让 Search Console 工具可以通过你的 AI 客户端调用。定价页面并未表明其中包含完整的 GSC 报告界面或长期历史数据仓库。

4. Supermetrics MCP

Supermetrics 提供覆盖多个营销数据源(包括 Google Search Console)的 MCP 访问。对于需要把搜索表现与其他营销数据结合起来的工作流来说,它是一个选择。

费用

  • Starter:每月 $55 起,按年付费为每月 $44。

  • Growth:每月 $222 起,按年付费为每月 $177。

  • Enterprise:定制定价。

  • 包含 Data API 访问权限的套餐均包含 MCP。

限制

  • Starter 公布的 Data API/MCP 额度为每月 50,000 行。

  • Growth 公布的额度为每月 250,000 行。

  • 各套餐对数据源、账号和用户数量也有额度限制。

  • BigQuery 等数据仓库目标属于 Enterprise 产品范畴,因此如果历史数据存储是你的需求之一,请仔细核对套餐内容。

设置难度如何?

标准连接流程包括登录、把服务器端点添加到你的 MCP 客户端并授权访问。Supermetrics 称基础设置无需开发人员参与。定制集成和工作流可能需要工程支持。

是否提供 GSC 界面?

Supermetrics 提供报告产品和模板,具体功能取决于你所选的套餐。其 MCP 可以向你的 AI 客户端提供数据,但存储和报告方面的需求需要单独确认。

5. AminForou 的 mcp-gsc

AminForou 的 mcp-gsc 是一个开源服务器,用于把 Search Console 连接到兼容的 AI 客户端。它包含用于表现分析、周期对比、URL 检查和站点地图管理的工具。

费用

  • 软件本身免费且开源。

  • 你的 AI 订阅或模型使用费用另算。

  • 如果你选择远程部署,相关托管成本也另算。

限制

  • 它通过 Google 的 API 运行,因此 Google 的配额和数据限制同样适用。

  • 各个工具也有自身的实现限制。例如,文档中的批量 URL 检查工具一次最多接受 10 个 URL。

  • 它不包含 Search Console 历史数据仓库。

设置难度如何?

相比托管服务,这需要更多配置工作。你需要:

  • 创建或选择一个 Google Cloud 项目。

  • 启用 Search Console API。

  • 配置 OAuth 凭据或服务账号。

  • 安装该服务器,并把其配置添加到你的 AI 客户端。

  • 授权访问并测试连接。

是否提供 GSC 界面?

不含专门的报告仪表板。你通过已连接的 AI 客户端进行交互,由它调用可用工具来获取数据并生成分析。

选择 GSC MCP 之前应该核查什么?

连接的价格只是考量因素之一。你还需要弄清楚 AI 实际能访问到哪些数据。

  • 数据来源:它是直接查询 Google、查询存储的数据库,还是两者都有?

  • 历史数据:它保留的数据是否超出 Google 的标准报告窗口?

  • 返回限制:每个工具最多能返回多少行数据,是否支持分页?

  • 分析能力:它能否在返回答案前对整个存储数据集进行计算,还是只向 AI 发送有限的若干行数据?

  • 计费方式:你是按调用次数、返回行数、已连接资源数、存储量还是它们的组合付费?

Google 记录的 Search Analytics API 限制为每天、每个资源、每种搜索类型 50,000 行。接入 MCP 并不会自动解除这一限制。


Daniel Foley Carter
Daniel Foley Carter

SEO Stack 创始人

Daniel 是 SEO Stack 的创始人。他在技术 SEO 和搜索数据领域深耕二十余年,在客户项目中一次又一次撞上 Search Console 的同样限制后,他着手打造了 SEO Stack。

Daniel 拥有丰富的 SEO 经验,创办过 SEO 代理机构、审计业务以及一家发展良好的咨询公司。业余时间里,Daniel 喜欢做 SEO 实验并分享实验结果。

发布于 2026年10月29日

继续阅读

全部文章

用 AI 技能与工作流实现 SEO 工作流自动化

你肯定在社交媒体上刷到过这些吧?它们简直无处不在!但是,拿到一套 agent kit 固然不错,可要真正做好 AI SEO,你需要的是一整套完整的基础设施

Daniel Foley Carter34 分钟阅读
如何查看已不再被 Google 索引的页面的流量——GSC 中的页面未编入索引原因

如何查看已不再被 Google 索引的页面的流量——GSC 中的页面未编入索引原因

Google Search Console 会告诉你哪些页面没有被收录,但当你在排查流量下滑时,每个收录状态下的 URL 数量能说明的问题有限。那些

Daniel Foley Carter12 分钟阅读
全新 GA4 仪表板与自定义报告工具

全新 GA4 仪表板与自定义报告工具

SEO Stack 即将为用户推出一整套全新工具,我们很高兴能发布新的 GA4 分析报告功能,让你可以快速、轻松地

Daniel Foley Carter2 分钟阅读

连接一个资源,看着数据开始累积。

连接 Search Console 资源的那一刻,入库就开始了:不用配置 Google Cloud 项目,不用 BigQuery,也不用设计表结构。你只要连接资源,SEO Stack 就会从那天起存下你的每一行数据。

  • 需要信用卡
  • 在试用期内取消不会扣款
  • 无合约