为什么 Google Search Console 有 16 个月的数据限制?
很多 SEO 在想为客户梳理一份更长周期的表现报告时,都撞过这堵墙。你登录 Search Console,打开 Performance 报告,选择最近 16 个月,然后……

很多试图为客户构建长期表现报告的 SEO 从业者都撞过这堵墙。你登录 Search Console,打开"效果"报告,选择最近 16 个月——然后就没了。
想要更早的数据?除非你一直在用 BigQuery 做备份,否则数据已经没了。我知道很多 SEO 从业者通常会在这个时候转向 SEMRUSH、AHREFS 或 Sistrix。
不少 SEO 从业者问过这件事,所以我想把实际情况写下来:Google 对此说过什么(说得不多),以及哪些变通方案是真正有效的。这些年我几乎把所有方案都试过一遍,也眼看着其中几个失败了。这是实话版本,不是厂商推销。
这个限制到底是什么

Google Search Console 的效果数据采用 16 个月的滚动窗口。这涵盖点击次数、展示次数、CTR、平均排名、查询词、页面、国家/地区、设备和搜索外观。每过一天,窗口一端新增一天,另一端就丢掉一天。这个窗口永远不会超出这个范围。一旦某个日期从尾部掉出去,它就被从 Google 的数据库中永久删除,没有任何办法把那部分数据找回来。唯一的机会是使用数据仓库方案,比如 Google 的 BigQuery(可以在 Search Console 中启用),或者使用 SEO Stack、SEO Gets 这类工具。
值得知道的是:16 个月的时间范围是针对效果数据的,Google Search Console 的其他部分(例如网页索引编制)只显示最近 3 个月。

16 个月这个数字已经存在很久了。实际上,Google 没有理由延长它——这要花他们的钱,而且在他们看来,16 个月已经给网站管理员提供了"足够"的数据。
Google 实际上说过什么
这部分内容很少。Google 从未公开解释过为什么保留期是 16 个月。不是 12,不是 18,也不是 24。你会在帮助文档里看到这个数字被当作事实陈述,但背后并没有给出任何理由。
最明确的公开表态来自 John Mueller,2023 年 5 月,当时有人问新的 BigQuery 批量导出功能能否拉取历史数据。Mueller 在 Twitter 上确认"没有计划"支持历史数据导出。BigQuery 只会从你开启的那天起向前采集数据。已经在 16 个月窗口内的数据仍然留在那里,等它过期后,两边都没了。
所以我们只能从 Google 更广泛的运作方式去推断。
可能的原因
我自己也构建并运营过一个 SEO 分析平台,所以我可以对背后的驱动因素做出合理推测。
存储和查询成本。
Search Console 是免费的。Google 在全球范围内为数亿个资源提供数十亿行数据,而界面中的每一份报告实质上都是一次实时查询。为每个已验证的资源保留多年的按查询词、按页面、按国家/地区、按设备的数据,对一个不产生直接收入的产品来说会是一笔巨大的基础设施账单。16 个月是一个折中:既能让你做同比对比,又不会让 Google 承诺无限期保留。
我们在构建 SEO Stack 时亲身体会到,实际存储的数据量之大令人咋舌,整体有 16 个维度——你可以想象,每一天,你网站上被展示的每一个 URL 都会有查询词数据,然后还有展示次数、CTR、排名、设备、搜索外观、国家/地区等各种指标。
所以——对 Google 来说,取消这个上限在经济上并不可行;这也是为什么任何筛选条件下你只能访问前 1000 行数据的原因之一,因为处理这些数据对 Google 来说是有成本的。
在 SEO Stack 里,你能看到单个网站的数据集能有多庞大!这正是 Google Search Console 不提供超过 16 个月和 1000 行数据的原因。
看看这张截图:在 SEO Stack 中,一个网站的 Search Console 仓储数据就有 656,917,649 行文本数据,总计 67 GB!这还只是一个网站!当你在 SEO Stack 中打开这个网站时,我们必须处理每一条记录,才能在整个数据集上提供批量排序和查询筛选,而不像 GSC 那样只给你抽样数据。

我们是吃过苦头才学到这些的,也正因如此,我们理解 Google 为什么要对时间范围和查询行数施加严格限制。
速度。
如果你曾经在一个大型 GSC 资源上按较长的日期范围做筛选,你会注意到界面变得很迟钝。在不重构存储层的前提下把窗口延长到好几年,会让这个工具用起来很痛苦。Google 宁愿推出一个快速的免费工具,也不愿推出一个历史更长但很慢的工具。
别忘了,Google 仍然只提取前 1000 行数据,而且是抽样数据;尽管 Google Search Console 很强大,但就它给出的那点有限数据而言,性能通常还是很慢。
SEO Stack 每秒处理超过 10,000,000 行数据,远远超过 Google Search Console。GSC 处理完 1000 个查询词的时间里,SEO Stack 已经处理了超过 100 万个。
数据最小化。
这是推测,但有可信度。欧盟及其他地区的监管机构一直在对涉及查询词级别数据的保留期施加压力。聚合后的搜索效果数据比单个用户日志敏感度低,但 Google 的总体方向是:保留更少、保留更短。16 个月符合这个模式。
生态系统。
客气的说法是:Google 提供原始数据窗口,让第三方工具在此基础上构建更长期的分析。刻薄的说法是:如果 GSC 免费存储五年的干净第一方数据,Ahrefs、Semrush 等工具的商业逻辑就更难成立了。我不认为保护生态系统是这里的主要驱动因素,但如果它完全不在考虑清单上,我会很意外。
以上都没有得到确认。Google 的正式立场基本上就是"16 个月,就这么多"。其余都是有依据的猜测。
他们的态度是——我们给你足够用的数据,如果你想要更多,就得用他们的 API 或者用 Google BigQuery。但把数据存进 BigQuery 是一回事,把数据取出来则需要你懂 SQL,或者自己搭一套界面(又或者接入 Data Studio)。
为什么 BigQuery 并没有真正解决我的问题
2023 年 2 月 Google 宣布支持批量导出到 BigQuery 时,我在同一周就在自己代理机构的网站和几个客户资源上设置好了。这个功能本身确实有用。你每天都会在自己的 BigQuery 项目中得到未抽样、完整行数的数据,包括界面因 1000 行限制而隐藏的长尾查询词。对我自己的分析工作来说,它很有价值。
但它不会回填数据。一天都不会。
我有个客户想要一份展示 2020 年以来流量走势的演示文稿(是的,有 GA4,但它缺失了大量数据)。我早就知道历史数据拿不到,而且我也不太愿意给客户提供来自 AHREFS 或 SEMRUSH 的第三方数据,主要是因为第一方数据(GSC)和第三方数据(SEMRUSH/AHREFS 等)之间的差距实在太大。你开启 BigQuery 导出的那天就是第 0 天。从那天起你才开始积累历史。在那之前,什么都没有。
在 Google 宣布 GSC 的 BigQuery 集成之前,我们就已经开始构建 SEO Stack 了,因为在那之前你只能通过 API 拉取 GSC 数据,然后得围绕它自建一套架构来存储和处理数据(以我的经验告诉你,这一点都不容易)——GSC 比看上去要复杂得多,我们是把它重建了一遍才搞明白这一点。
实际结果是,BigQuery 只能为你解决未来的问题。如果你今天设置好导出,16 个月后你才会第一次摆脱这个滚动窗口:GSC 的 16 个月,加上你在 BigQuery 里额外积累的部分。运行导出三年后,你就会有三年的历史数据。这行得通,但积累很慢,代价是你必须在真正需要这些数据的十八个月之前就做出这个决定。
我从中学到的教训,也是我现在对每个新客户都强调的:在合作的第一天就开启 BigQuery 导出,而不是等到有人要五年趋势图的那天。等他们开口时,你没导出的那几个月已经永远丢了。我们也鼓励客户使用 SEO Stack,主要是因为我们在数据仓储和处理方面提供了好得多的架构。
还有一点。BigQuery 导出在首批数据到达前大约有 48 小时的延迟,而且并不包含所有报告类型。比如覆盖率数据就不在导出范围内。如果你也需要归档这些技术类数据,就得单独搭一套流程。
为什么 Ahrefs 和 Semrush 不能替代
当你没法从 Google 拿到历史数据时,最直接的退路就是从第三方工具里抓。Ahrefs 和 Semrush 都能显示往前数年的自然流量估算。如果你只是要给提案做张图表、对精度要求不高,这是最可行的办法。
我在一个拥有完整 GSC 权限的项目上认真试过,想交叉核对一下数字。结果偏差大到让我直接弃用了。
下面我展示了某客户网站在 SEO Stack(即无限制存储的 GSC 数据仓库)中的查询数量,与 AHREFS 和 SEMRUSH 之间的巨大差距——数字本身已经说明问题。

就我对比的那些域名而言,Ahrefs 和 Semrush 的流量估算偏差之大,已经无法用于任何关键决策。这与独立研究的结论一致:Collaborator 对 184 个网站做的一项研究显示,Ahrefs、Semrush 和 Similarweb 相对于 GSC 实际数据的平均误差约为 50%,其中 Ahrefs 表现最好,误差约 48%。Serpple 的另一篇文章则在其样本中给出 Ahrefs 平均偏差约 22%。不管怎么算,你面对的都是一个方向上有参考价值、数值上不可靠的工具。
原因是结构性的,与其一概否定,不如理解它:
它们的关键词库是抽样,不是穷尽。它们跟踪的是一个既定的关键词集合,而不是曾经给你网站带来点击的每一个查询。第三方工具在面对海量 ZSV(零搜索量)查询时非常吃力。
它们的排名数据是快照,不是连续记录。你在波动窗口期获得过排名的关键词会被漏掉。
它们的搜索量数字本身就是估算,常常滞后,有时偏差极大,在较小市场和长尾词上尤其明显。
点击率是建模出来的,不是观测到的。
把四个估算值相乘,得出的结果跟 Google 日志里真实发生的情况几乎没什么关系。用于竞争对手分析、市场规模估算或者识别趋势方向,Ahrefs 和 Semrush 依然够用。但用来补全你自己网站缺失的 GSC 历史,它们的准确度不足以拿去给任何会核对数字的人看。
我自己在用 AHREFS,过去也用过 SEMRUSH——做竞品对比时它们作为"参考"很好用,但现实是,数字偏得很离谱。
该怎么做
三件事,按重要性排序。
今天就为每一个重要的资源开启 BigQuery 批量导出。对一个正常规模的网站来说,存储成本极低,而这是 Google 自己提供的唯一一种把数据保留超过 16 个月的机制。"早知道一年前就做了"的代价,远高于 BigQuery 的账单。
或者使用 SEO Stack 或 SEO Gets 来做数据存储 + 界面展示。同时保留一份每月的 CSV 导出作为双保险归档。如果 BigQuery 断开连接、项目被重新调整,或者某个所有者离职导致权限失效,你手上至少还有月度快照。我见过太多次 BigQuery 配置出岔子,所以不会只依赖它一个。
把第三方工具用在它们真正擅长的地方:竞品可见度、外链发现、关键词库扩展、粗略的市场规模估算。不要把它们当作你自己 GSC 历史数据的替代品,因为它们不是。
16 个月的窗口不会改变。Google 在推出 BigQuery 导出时有明显的机会去延长它,但他们选择了不这么做。合理的假设是这个限制会保持原样,更长期的数据保留责任落在网站所有者身上。这很烦人,但这就是现实的工作条件,你越早行动,丢失的历史就越少。

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4月19日

