用搜索数据做监控，最容易犯的一个错是：把模块的有无当成布尔值。
昨天这个词有 AI 概览，今天没有——是数据出问题了，还是谷歌本来就这样？答案是后者居多。ai_overview、local_results、top_stories 这些模块都是条件渲染的，同一批词在不同日期、不同设备、不同位置下，出现情况本来就会变。
正确做法不是问「有没有」，而是算「出现率」。
为什么会「空窗」
四个原因叠在一起：
- 谷歌的渲染与实验分组（同一时间不同用户看到的模块可能不同）
- 设备、位置、语言不同（device、location、gl/hl）
- 页面内容本身在变（新闻性话题、季节性话题）
- 解析器版本变化（升级后字段识别可能不同）
前三个是上游行为，第四个是你自己的变量。统计时要把它们固定住，否则算出来的出现率没有意义。
采集设计
同一批词、每天固定时间、固定设备与市场，连续采 7 天：
import os
import requests
MODULES = ["ai_overview", "local_results", "featured_snippet",
"top_stories", "discussions", "inline_videos"]
def snapshot(q: str) –> dict:
data = requests.post(
"https://api.serpbase.dev/google/search",
headers={"Content-Type": "application/json",
"X-API-Key": os.environ["SERP_BASE_API_KEY"]},
json={"q": q, "gl": "cn", "hl": "zh-cn", "device": "mobile"},
timeout=(5, 30),
).json()
if data.get("status") != 0:
return {}
return {m: bool(data.get(m)) for m in MODULES}
# rows: keyword, day, module, present
20 个词 × 7 天 = 140 次请求，140 credits。免费额度就能跑一轮。
算出现率
from collections import defaultdict
def presence_rate(rows: list[dict]) –> dict:
total = defaultdict(int)
hit = defaultdict(int)
for r in rows:
key = (r["keyword"], r["module"])
total[key] += 1
hit[key] += int(r["present"])
return {f"{k[0]}|{k[1]}": round(hit[k] / total[k], 2)
for k in total if total[k] >= 5}
输出形如：
露营装备|ai_overview: 0.57
露营装备|local_results: 0.0
露营装备|people_also_ask: 1.0
怎么解读
- 出现率 ≥ 0.8：稳定模块，可以当作「这个意图下基本都有」
- 0.2 到 0.8：波动模块，报告里要写「7 天里出现了 4 天」，不能写「有」
- ≤ 0.2：偶发模块，别围绕它做产品假设
people_also_ask 通常是 1.0（几乎每次都有），ai_overview 在不同词之间差异很大——这正是它值得单独统计的原因。
报告里怎么写
错误的写法：「这个词有 AI 概览。」
正确的写法：「近 7 天中，该词有 4 天出现 AI 概览（出现率 57%），出现在 mobile、中国大陆市场。」
带上样本窗口、设备、市场，结论才可复核。
五个坑
坑 1：单次判断。 今天没有就断定「这个模块没了」，明天可能又回来。
坑 2：混采。 手机和 PC 混在一起算出现率，波动会被设备差异放大。
坑 3：忽略解析器变更。 你自己升级了解析器，出现率突然下降，别赖谷歌。
坑 4：把出现率当排名。 模块出现不代表你占位；占位要另看 sources、link 等字段。
坑 5：样本太小。 3 天、5 个词的结论不可靠，至少 7 天、20 个词起步。
小结
模块监控的正确姿势：固定设备/市场/时间 → 连续采样 → 算出现率 → 报告写概率，不写布尔值。它看起来只是把「有/没有」换成「57%」，但这一个改动，能避免大量「数据怎么又没了」的误判。
模块字段与可选性见 SerpBase 文档。你统计过模块出现率吗？评论区聊聊。
