MarketLensGoogle ウェブ検索とYouTube 検索では、検索動作が大きく異なります。 Web 検索者はテキストによる簡単な概要と価格表を求めていますが、YouTube ユーザーは視覚的なデモンストレーションや詳細なビデオ チュートリアルを求めています。
pytrends gprop='youtube' を使用して両方のプラットフォームの検索傾向を比較すると、コンテンツ戦略が両方の検索エンジンからのトラフィックを確実に捕捉できます。 Google トレンドの季節性分析 でタイムライン データを分析し、Google AI の概要: 情報の獲得とマルチモーダル RAG でマルチモーダル動画アセットを活用し、[Google トレンド] を通じて統一編集計画を構築します。データを活用したデータドリブンのコンテンツ戦略の構築](/blog/content-roadmap-google-trends/)。
1. Google トレンド検索データ: ウェブ トレンドと YouTube トレンド
「trends-mcp」経由で取得されたデータは、プラットフォーム間の意図の相違を示しています。
| Search Query / Topic Category | Relative Interest Index | 12-Month Query Growth Rate | Platform Intent Focus |
|---|---|---|---|
| Google Web vs YouTube Search | 95 / 100 | +250% Growth | Cross-Platform Intent Split |
| Pytrends Gprop Youtube Research | 91 / 100 | +200% Growth | Programmatic Video Trends |
| Embedded Video Session Duration | 88 / 100 | +175% Growth | Engagement & Dwell Time |
| VideoObject Schema Integration | 93 / 100 | +230% Growth | Video SERP Carousel Capture |
2. Python スクリプト: Web と YouTube の検索インタレストの比較
from pytrends.request import TrendReq
pt = TrendReq(hl='en-US', tz=120)
def compare_web_vs_youtube(keyword):
print(f"=== Comparing Web vs YouTube Search Interest for: {keyword} ===")
# 1. Fetch Web Search Data
pt.build_payload([keyword], timeframe='today 12-m', gprop='')
web_data = pt.interest_over_time()
# 2. Fetch YouTube Search Data
pt.build_payload([keyword], timeframe='today 12-m', gprop='youtube')
yt_data = pt.interest_over_time()
print("Web Avg Interest:", web_data[keyword].mean() if not web_data.empty else 0)
print("YouTube Avg Interest:", yt_data[keyword].mean() if not yt_data.empty else 0)
compare_web_vs_youtube("generative engine optimization")
3. 結論のまとめとアクションステップ
静的なブログ記事と埋め込まれた YouTube ビデオ アセットを調整することで、二重検索の可視性が得られます。 「VideoObject」JSON-LD スキーマを追加すると、Google SERP にビデオ カルーセルが確実に含まれるようになります。
4. 関連戦略リソース
- Google トレンドを使用したデータドリブンのコンテンツ戦略 を構築します。
- 5 年間の Google トレンドの季節性パターン を分析します。
- 注目のスニペットのインタラクティブな比較表 を作成します。