跳到主要内容

面向电商与企业

你的目录有 40,000 个 URL。Google 只给你看其中 1,000 个。

基于你自己数据的电商 SEO 工具。每一个查询词、每一个页面都入库保存,没有行数限制,也没有 16 个月的数据断层;GA4 的收入和交易数据并排呈现;还有一位 AI 分析师,随时按需为你生成销售报告、转化审计或品类拆解。

适用于

  • Shopify
  • WooCommerce
  • Magento
  • BigCommerce
  • 以及任何拥有 Search Console 资源的网站

14 天试用 · 随时取消 · 无合同 · 无需 BigQuery,无需配置

获领先企业信赖

实际情况

大目录会给你的数据带来什么

这些都不是能力问题。它们都是同一件事的结果:你的商品目录大过 Google 给它配的那套报表,而这门生意又是按年、而不是按月来考核的。

01

长尾就是收入,而它被挡在墙后面

商品级查询词的转化率高于其他任何类型,而它们远在前一千行之外,所以在大目录站点上,行数上限恰好遮住了最能带来成交的那一段需求曲线。

Search Console 数据
02

你没法把这一季和上上一季做对比

零售业的考核以同比为准,而 16 个月的滚动窗口意味着,旺季只能和前一年同期比较,而那一年很可能本身就是个异常值。

日期对比
03

分类页逐渐偏向信息型

你在列表页加了一篇选购指南,Google 便开始把它用于调研型查询而不是购买型查询,于是排名看着依然健康,收入却不是。

URL 查询意图
04

产品衰退在季度结束前都看不出来

单个产品页一个接一个地掉下去,站点总量却能持平好几个月,而底下已经有几百个产品在死。

URL 月度表现
05

自然流量被拿去和付费比,用的还是付费那套标准

Shopping 和 PPC 汇报的是每花出 1 英镑带来的收入,而自然流量的点击在一个工具里、收入在另一个工具里,靠表格手工拼起来的数据撑不起一份董事会材料。

SEO 表现
06

你忙着别的事时,分面导航把索引撑爆了

筛选项、变体、排序参数和已下架的产品线,几千个不带来任何收益的 URL,再加上每天 2000 条的检查上限,根本没法把它们查清楚。

弱势与失效 URL

每一个 URL

没有行数上限——而对大目录来说,这正是问题的全部

每一条查询、页面、国家/地区、设备和搜索外观都完整返回,不做截断;对大型商品目录来说,这就是只看见爆款和看见整条需求曲线的区别。

需求究竟在哪里

40,000 个 URL 的目录中共 184,000 个查询,按点击量排序

  • 1 – 100

    品牌词与一级类目词

    41,200

  • 101 – 1,000

    类目词与产品系列词

    63,800

  • 1,001 – 5,000

    子类目词与属性词

    78,500

  • 5,001 – 20,000

    产品词与型号词

    96,200

  • 20,001 – 60,000

    规格、尺寸与参数词

    84,600

  • 60,001 – 184,000

    长尾词,每个只有一两次会话

    61,300

前 1,000 行之内

25%

105,000 共 425,600。这就是 Google 的导出能给你的全部。

上限之下

75%

320,600,完整入仓,可按子目录筛选,导出不受行数限制。

这是示意性的分布,不是某个客户的真实数据。重点在形态:在大型商品库里,头部很小,收入分散在长尾,而截断线恰好落在了错误的位置。

为目录结构而打造的筛选

最多可叠加一千条筛选条件,支持 MUST 和 SHOULD 逻辑、正则、排除以及开头或结尾匹配,因此单独筛出 /collections/ 同时排除 ?variant= 只需一个视图,而不是在电子表格里耗掉一个下午。

  • 带文件夹的筛选器收藏库,让你的分类结构变成全团队复用的一组一键视图
  • 每个子目录一条点击曲线,把 /products/ 和 /collections/ 的 24 个月数据画在同一张图上——这是 Search Console 结构上画不出来的
  • 不限行数的导出,按月拆分,页面和查询可一次性同时导出,用于商品企划分析
  • 批量筛选和大小写逻辑,按商品目录的真实规模逐段处理
SEO Stack 中带 MUST 和 SHOULD 逻辑、正则及排除条件的叠加式 Search Console 数据筛选
层层叠加的条件,目录需要多深就能叠多深。
SEO Stack 中的已保存筛选器库,筛选器按文件夹整理,可在团队内复用
存进文件夹后,调出一个类目视图只需点一下,不用重新搭一遍。

每一季

把今年的黑五和过去三年做对比

零售的决策都是同比决策,而 Google 只给你 16 个月。9 月做 Q4 规划时,你能和去年 Q4 比,但没法和前年的 Q4 比,于是每个旺季都只能用一个可能并不具代表性的历史数据点来衡量。

SEO Stack 中的日期范围,远超 Google Search Console 的 16 个月保留窗口
仓储历史可达 60 个月 ,适用于 Basic 和 Pro,以及 120+ 个月 ,适用于 代理商,而 Google 只有滚动的 16 个月。
  • 用过去好几年来衡量旺季表现

    而不是只用一年。在制定下一季的采购和内容计划时,这就是趋势和巧合的区别。

  • 区分真正的下滑和淡季

    一个你考虑下架的产品系列,要么是连续三季都在衰退,要么只是周期性波动——在 16 个月的范围里,这两者看起来一模一样。

  • 保留更换平台前的基线

    迁移和更换平台的效果要和之前那段时期比,而那段时期通常是 Google 最先删掉的数据。

  • 对比双方都有完整的查询深度

    日期对比可在任意两个时间段之间以完整深度运行,你的标注和 Google 核心更新会同时叠加在两边,这样每一处差异都能对上一个原因。

每一英镑

GA4 收入,就放在带来这些收入的查询词旁边

把 GA4 和 Search Console 一起接入,指标就会呈现在一起,而不是分散在不同工具里。在页面数据中,会话数、跳出率、互动率、交易数和收入会和点击、展示、CTR、排名并排显示,GA4 指标也会画进同一张效果图表里。

SEO Stack 中并排展示的 Search Console 与 GA4 指标,每项都标注了数据来源,会话数、总收入和交易数与点击量、展示量画在同一张图表上
每个数字都标注了 GSC 或 GA4,开会时没人需要再问某个数字是哪个工具出来的。

在一个地方就能回答的问题

  • 哪些分类排名很好但转化很差——这是电商 SEO 里价值最高的缺口,也是没人能在一个视图里看全的那个
  • 哪些产品只拿到展示、完全没有收入
  • 流量上涨带来的是有购买意图的买家,还是泛泛的调研者
  • 自然流量相对付费、购物广告、引荐、直接访问和 LLM 流量的贡献
  • 按分类统计的每次自然访问收入,按季追踪而不是按月

这个视图让自然流量和付费流量能在同一标准下比较,也让 SEO 路线图变成一个商品运营层面的论证:一个排名很好但转化很差的类目,问题出在选品上,而不是排名上。

按需分析

让它出一份销售报告。让它做一次转化审计。

AI Assistant 默认已连接你入仓的 Search Console 和 GA4 数据,不需要 Cloud 项目,不用折腾 OAuth,也不用服务账号;对零售商来说,它能做的远不止 SEO 报表。

销售与收入

  • 产品销售表现,按产品或按月查看
  • 按渠道的销售,含单次获客成本和转化
  • 按需生成的月度、季度或年度销售报告
  • 按流量来源的收入,包括归因到 LLM 引荐的收入

转化与行为

  • 跨落地页和分类的转化分析
  • 互动率、跳出率和退出率分析,找出点击之后流失买家的页面
  • 会话媒介拆分与放弃行为模式
  • 混合审计,即排名好、转化差的页面,以及原因

商品目录规模下的 SEO

  • 全量查询集上的关键词自相蚕食和 canonical 冲突——这在产品页和列表页之间普遍存在
  • 不再被展示的页面,以及新被展示的页面
  • 查询数据中的垃圾流量和负面 SEO 模式
  • 基于你自己历史 CTR 曲线的点击预测
  • 哪些标注对应的改动有效,哪些起了反作用
SEO Stack 的 AI Assistant 基于已仓储的 Search Console 与 GA4 数据回答问题,并返回一张图表

随要随画的图表,包括 Google 画不出来的那些

饼图、柱状图和多折线对比,可交互、可导出,按你描述的内容生成。最典型的是子目录对比,因为 Search Console 永远只能画一条点击曲线,而零售商需要好几条。

有必要说清楚它是什么。它不是 SEO 聊天机器人,而是一位已经读完你每一行搜索数据和商业数据的分析师,回答商品运营问题和回答排名问题一样顺手。

分类页与产品页 SEO

在偏移拖累一整个销售季之前发现它

这些诊断真正针对的是运营商品目录的场景,因为分类页和产品页的失效方式和博客文章完全不同,而且这种失效会先体现在 Google 给这个 URL 匹配的查询上,很久之后才体现在销售数字里。

URL 查询意图

一个 URL 被展示时所对应查询的意图构成。当一个交易型分类页开始因信息型查询被展示,那就是列表页内容堆砌过度的典型症状,而且它出现在意图分布里的时间,远早于出现在收入里的时间。

URL 查询意图
SEO Stack 中的 URL Query Intent 工具,展示某个 URL 所覆盖查询的意图构成

关键词云

Google 实际认为这个页面讲的是什么,按展现率加权。在分类页上,如果你的目标词没有进入靠前的那几个,说明 Google 没有理解这个页面;在产品页上,它会直接暴露出那些你原本只能靠争论来判断的主题稀释。

关键词云
SEO Stack 中的 Keyword Cloud,按展现率对一个 URL 所覆盖的词进行加权

URL 查询数量

在点击曲线上看起来一模一样的三种下滑原因:覆盖的查询变少、排名下滑,或者 AI Overviews 吃掉了点击。在产品页上这一点尤其重要,因为 AI Overviews 吃掉的正是过去为这些页面带来流量的调研阶段查询。

URL 查询数量
SEO Stack 中的 URL Query Count 工具,展示一个 URL 随时间覆盖了多少个不同的查询

查询走势

一次性比较多个 URL 的查询总数,专为每个商品运营最终都会问的那个问题而做:这四十个新分类页里,哪些起量了,哪些还没动静。

查询走势
SEO Stack 中的 Query Trajectory,在同一张图表上比较多个 URL 的查询总数

Query Discovery 与这些功能并行,按意图和类型对整个域名的查询词集合做画像,这样你找到的是完全没有覆盖的需求,而不只是覆盖得不好的需求。

查询发现

电商 SEO 审计

成千上万个 URL 毫无产出

大型商品目录天然会堆积冗余:停产的产品线、缺货商品、筛选参数 URL、变体页和内容单薄的分类页。审计要做的与其说是找出问题,不如说是按它们造成的损失排序。

实时内容审计

把整个索引划分为若干表现等级,从 performance、good 到 fair、weak,再到 dead 和 opportunity,并跟踪各等级占比随时间的变化,这样你在裁剪和合并内容时就能看到它逐步改善。

了解更多

弱势与失效 URL 发现

会把页面索引条目的时间长短计算在内,所以三周前上架的产品不会和三年前上架的放在一起评判——在更新频繁的商品目录里,这正是这类分析最常出错的地方。

了解更多

页面收录与 URL 检查

突破 Google 每天两千条的检查上限,提供检查结论、覆盖状态、robots 状态、Google 选定与用户声明的规范网址对比,以及富媒体搜索结果数据——最后一项在这里比在任何地方都重要,因为产品富媒体结果直接带来点击。

了解更多

URL 月度表现

每个 URL 的逐月变化集中在一个视图里,几百个产品同时衰退就不会再被一条平稳的站点总量曲线掩盖。

了解更多

网站审计与建议

一份排好序并附有说明的修复清单,每一项都标注影响程度、受影响页面和预计耗时——在商品目录上,这也正是你原本要花一周手动做的优先级排序。

了解更多

标题改写

批量、理解意图的标题改写,旁边对照当前标题,并提供 SERP 截断预览——面对几千个产品页,这件事没人会手动做,但人人都需要它做完。

了解更多
SEO Stack 中的索引表现分级,把整个索引划分为高效、良好、一般、较弱、无效和机会几个等级
整个索引按等级划分,这样内容精简计划背后是一个数字,而不是一种看法。

测试与归因

在整个商品目录上测试一次模板改动,然后证明它有效

商品目录的工作就是模板的工作。你改一次商品页布局、标题规则或类目简介,它会一次性作用到成千上万个 URL 上——这既是它值得做的原因,也是没人做测量时它让人害怕的原因。

AI Experiments 会设定一个分界日期、一个假设,以及需要关注的 Search Console 和 GA4 指标,然后读取改动前后的数据并给出结论。Annotations 会记录每一次改动的日期、负责人、URL 范围和改动类型,并与 Google 自己的算法更新标记一起画在每张图表上,这样模板上线和核心更新不会再被混为一谈。

SEO Stack 中正在进行的 SEO 实验,包含改动前后的指标,以及 AI 对改动是否有效给出的结论
一个分界日期、真正重要的指标,以及一个结论,而不是一种感觉。

AI 搜索

产品调研正在转向哪里

产品调研正在转向 AI 回答,对零售来说,利害关系很具体:消费者向助手询问推荐时,得到的要么是你的品牌,要么是竞争对手的,而无论哪种情况都没有点击来告诉你这件事发生过。

SEO Stack 中的 AI visibility 追踪,包含 ChatGPT、Gemini 和 Claude 上的可见度得分、引用、声量份额和情感倾向
  • 对标你指定的竞争对手

    在 ChatGPT、Gemini 和 Claude 上的可见度得分、引用、声量份额和情感倾向,并与真正抢走你订单的零售商做对比。

  • 瞄准购买类问题,而不是品牌词

    提示词研究会显示哪些说法能触发提及,这样你就能把目标对准你的品类本该赢下的推荐类问题,而不是你自己的品牌名。

  • 以及这些引用到底值多少

    AI Assistant 还会单独从 GA4 中按 AI 来源报告 LLM 引荐流量和收入,这样你既能看到自己是否被引用,也能看到它是否带来了成交。

工具集

你会在什么时候打开哪一块

按要做的事来组织,而不是按产品品类,因为真实的一周就是这么过的。每一行都可以点进对应的工具,查看背后的细节。

看到完整的需求曲线
Search Console 数据
所有查询和页面,多层筛选,无条数上限
对比销售高峰年份
日期对比
超过 16 个月的完整深度数据,两个时间段都带标注
把自然流量和收入关联起来
GA4 数据与 SEO 表现
会话、交易和收入与点击、排名并排呈现
制作销售或转化报告
AI Assistant
按产品和渠道划分的销售额、CPA、转化审计、自定义图表
诊断品类下滑
查询意图与查询数量
意图漂移、查询收缩、排名下滑、AI Overview 侵蚀
确认 Google 是否理解某个页面
关键词云
按展现率加权呈现一个 URL 实际覆盖的查询
对比新建的分类页
查询走势
在一张图表上呈现多个 URL 的查询总数
找出正在衰退的产品
URL 月度表现
在一个视图里查看每个 URL 的逐月变化
审计索引膨胀
实时内容审计
按表现等级划分的索引构成,并跟踪随时间的变化
大规模检查收录情况
页面收录与 URL 检查
突破每天 2,000 条的上限,包含规范网址和富媒体结果
批量修正整个商品目录的标题
标题改写
批量、理解意图的改写,并带截断预览
改进分类页文案
内容 NLP 与 AI 内容审计
主题缺口、E-E-A-T 信号、意图匹配度,每项都有评分
为技术工作排优先级
网站审计与建议
排好序并附说明的修复项,标注影响程度和受影响页面
预测增长空间
点击量预测
基于你自己的数据,预测不同 CTR 下的点击量
跟踪排名
排名跟踪
基于 Search Console,不受抓取工具失效影响
证明某项改动有效
标注与 AI 实验
把变更记录叠加在数据上,并给出 AI 因果判断
报告 AI 搜索表现
AI Visibility 与提示词研究
引用、声量占比、情感倾向,以及提示词级数据
接入你的 BI 体系
MCP & API
23 个工具,单次调用最多 1000 万行,接入 Claude、n8n 或你的数据仓库
协调团队
项目与团队权限
任务与标注关联,按站点分配权限

少数功能的起步版本更高,比如关键词云和项目管理在 Pro,白标报告和批量内容生成在 代理商。这份清单上的其他功能每个套餐都有,所以你要选的是能连接多少个资源、每项额度有多大,而不是哪些有用的部分你能用。

企业级电商 SEO

多个店铺,多个市场

代理商 覆盖 200 个网站 与 120+ 个月数据存储,对多品牌集团,或者按市场分别设立资源的零售商来说已经够用。团队与权限分配可以按资源逐个控制读取或写入权限,而不用动你原来的 Search Console 账号,这样市场团队、翻译公司和媒体代理商各自只能看到自己的资源,别的看不到。

MCP 在数据仓库之上提供 23 个工具,没有行数限制,可以把数据接入你现有的 BI 体系,单次最多返回一千万行;而 Google 自己的 API 单次响应上限是 50,000 行,且只能回溯十六个月。

按月付费,没有合同,也没有采购流程,所以它能被批下来,而不用附带一个六个月的企业销售流程。

它不做什么

它不是外链数据库,也不是以爬虫为核心的技术套件。做大规模爬取或竞品外链分析的团队仍然要继续用那些工具,而 SEO Stack 负责第一方的表现和收入这一层——这一半数据目前分散在 Google 的两个界面里,其中一个还有行数上限。

把这点直说,比给你一个用到第二周就站不住脚的说法更有用。

常见异议

开始之前

它支持 Shopify、WooCommerce、Magento 和 BigCommerce 吗?

支持,只要有 Search Console 资源,其他平台同样适用,因为数据来自 Google,而不是你的店铺。不需要安装应用、改主题或加跟踪代码,所以店面跑在哪个平台上,对你能分析什么没有影响。与平台相关的分析大多通过子目录筛选完成,例如在 Shopify 店铺上把 /products/ 和 /collections/ 放在一起对比。

GA4 的收入数据如何接入?需要什么条件?

按授权 Search Console 的方式授权 GA4 资源,之后各项指标就会一起呈现。会话、互动、跳出、交易和收入会与点击、展示、CTR 和排名一起显示在页面数据旁,并绘制在同一张效果图表中。你这边需要满足的条件是:GA4 里已经在上报电商事件,而大多数店铺默认就是如此。

我们有 100,000 个 URL,商品目录规模有上限吗?

入库的数据没有上限。每一个查询词、每一个页面都完整入库,不做截断,这正是这款产品存在的原因,导出同样没有行数限制。站点审计确实有随套餐递增的每月页面额度,所以目录非常大的站点通常会用 Pro 或 Agency,原因是抓取量,而不是仓库容量。

我们需要 BigQuery 或投入工程资源吗?

都不需要。不用创建 Cloud 项目,不用结算账号,没有数据集 schema,也没有需要专人维护的导出任务。你授权资源,入库就开始了。对多数电商团队来说,这就是这件事这个月能做成,和它排在重做平台后面等着的区别。

可以接入多个店铺、品牌或国家域名吗?

是的,零售行业通常就是这种结构。Basic 覆盖 10 个网站,Pro 覆盖 30 个网站,Agency 覆盖 200 个网站,额外资源每个每月 $10。为每个市场单独设置一个资源的集团,可以把它们全部放在同一个账户里,同时仍按团队隔离访问权限。

历史数据能回溯多久?接入之前的数据会怎么处理?

回填会导入 Google 仍保留的全部数据,也就是它自己滚动的 16 个月窗口,而从你接入那天起的数据会永久累积。Basic 和 Pro 提供 60 个月的数据仓储,Agency 提供 120 个月以上。对零售商来说,实际意义是:现在接入,明年的旺季才有可比数据,而拖延是唯一昂贵的选择。

它能取代 Screaming Frog、Ahrefs 或 Semrush 吗?

不完全能,这一点有必要说清楚。我们没有外链索引,也没有第三方关键词搜索量数据库,所以竞品外链分析还是得用 Ahrefs 或 Semrush。对于以抓取为主的大规模技术工作,团队仍会另配一个专门的爬虫。SEO Stack 负责的是第一方效果和收入这一层,而这一半的数据目前没有人把它入库。

能把数据接入我们自己的 BI 或报表体系吗?

可以,通过 MCP 服务器和不限量导出。MCP 在仓库之上提供 23 个工具,单次调用最多返回一千万行;相比之下,Google 自家 API 单次响应上限为 50,000 行,且只到 16 个月。所以 Claude、ChatGPT、n8n、Make 或你自己的脚本都能直接查询。界面上的所有内容也都能导出为 Sheets、CSV 或 PDF,没有行数上限。

可以跟踪商品词和类目词的 AI visibility 吗?

可以。AI visibility 针对你自定义的提示词运行,所以你可以把它对准你的类目本该被推荐的那些购买类问题,而不只是品牌词,并会针对指定竞争对手给出可见度得分、引用、声量占比和情感倾向。提示词研究则会显示哪些表述真正能触发提及。

我们的商业数据如何保障安全和隔离?

访问权限按资源和工作区分别授予,未获授权的资源不会出现在对方账号的任何地方,所以只拿到一个品牌权限的商品运营外包方看不到其他品牌。在 SEO Stack 内授予访问权限,也不会改动你原始 Search Console 或 GA4 账号上的用户。

在下一个旺季之前接入你的店铺。

你一接入资源,数据仓储就开始了。现在接入,等你规划明年 Q4 的时候,就已经有了 Google 本来会删掉的同比深度数据,而且每个带来收入的查询词旁边都有对应的 GA4 收入。

14 天试用 · 随时取消 · 无需合约 · 无需配置