解读

面试官想验证三件事：

1. 你是否真正用过两款工具，而不是“听说过”；
2. 能否把“看热度”升级为“做预测”，即把历史曲线翻译成未来可落地的SEO动作；
3. 是否具备中国本土意识——Google Trends在中国大陆样本偏少，必须和百度指数互补，并考虑春节、618、暑假等中国特有节点。
   回答时要体现“数据清洗→建模→验证→落地”四步闭环，同时给出可复现的量化标准，让面试官相信你不是拍脑袋。

知识点

1. 季节性分解：理解“长期趋势+周期波动+随机噪声”三要素，用同比周均值削弱随机干扰。
2. 样本偏差修正：Google Trends用“港深广+华东五市”代理全国；百度指数需剔除品牌词、负面舆情 spikes。
3. 领先指标：把去年峰值周前4周的斜率作为“启动阈值”，今年斜率一旦触及即预判峰值提前或延后。
4. 置信区间：用过去三年峰值周的移动标准差，给出±1σ 的搜索量区间，方便后续做“最佳/最差”流量预案。
5. SEO落地接口：预测结果要直接输出到“内容上线窗口、库存URL数量、外链预算、活动提报排期”四个OKR维度，否则数据就是自嗨。

答案

步骤一 数据抽取与清洗
Google Trends：选取核心品类词+5个长尾修饰词（如“粽子 礼盒”“粽子 真空”），地域锁定“广东、浙江、江苏、北京、上海”，时间范围设“过去5年”，下载周级CSV。
百度指数：同样关键词，需求图谱里剔除品牌词（如“五芳斋”），并人工过滤因食品安全新闻导致的异常尖峰，保留自然需求曲线。

步骤二 季节性建模

1. 计算“第N周同比指数”=今年第N周搜索指数/去年第N周搜索指数，消除春节错位影响。
2. 用三年数据做移动平均，得到“基准曲线”；今年曲线一旦连续两周斜率≥基准曲线峰值前4周平均斜率的80%，即触发“旺季启动”信号。
3. 峰值预测：取过去三年峰值周的实际搜索指数，计算均值μ和标准差σ，给出区间预测μ±σ。

步骤三 验证与校准
把去年预测值和实际值做MAPE（平均绝对百分比误差），若>15%，则把领先阈值从“前4周”调至“前5周”，并增加百度知道、小红书笔记量作为辅助变量，二次回归。

步骤四 SEO落地

1. 内容：峰值前3周完成80%长尾落地页，标题带年份+场景（如“2025端午节送礼”），防止URL重复。
2. 内链：提前两周在已有高权页面插入“季节性专题”锚文本，提升新页抓取频率。
3. 外链：峰值前4周向垂直美食、母婴、礼品类KOL推送测评稿，确保峰值当周外链增长率≥30%。
4. 技术：用IndexNow+百度站长平台主动推送新URL，峰值前一周每日监控爬虫频次，低于均值20%立即提交sitemap增量。

步骤五 风险备案
若预测峰值与实际峰值周错位>7天，启动“快速换量”方案：临时投放品牌专区+SEM，把付费流量占比控制在15%以内，保证整体ROI不跌破3。

拓展思考

1. 多变量模型：把抖音、小红书的“内容分”纳入自回归模型，可提前6周发现“视觉种草”对搜索的领先效应，误差可再降3–5个百分点。
2. 地域颗粒度：百度指数可下沉到“市级”，对冷链、生鲜类客户，可把“上海、广州”峰值作为前置仓补货信号，实现“搜索预测→库存周转”闭环。
3. 长期资产：将每年预测模型、实际峰值、误差记录沉淀为Notion知识库，下一年直接调用Python脚本，实现“一键出报告”，把个人经验转团队资产，面试时可直接展示GitHub仓库，加分显著。