本文是「跨境电商选品工具链」系列第一篇，介绍如何用 pytrends 库批量获取 Google Trends 周度搜索指数，并系统解决两个高频翻车场景：timeframe 格式报错和多词批量查询的归一化失真。

---

一、为什么要用 Google Trends 做选品？

跨境电商选品的核心问题是：这个品类的市场需求，是在涨还是在跌？

Google Trends 提供的搜索指数，是目前公开可得的、最接近真实消费需求的领先指标。对比 Amazon Best Seller 榜单（滞后），它能让你在一个品类爆发之前就发现信号。

但 Google Trends 本身只能在网页上手动查询，想要批量处理几十、几百个候选关键词，就必须借助 pytrends —— 一个非官方的 Python 封装库。

---

二、环境安装

pip install pytrends pandas scipy numpy

pytrends 本身没有 API Key 要求，它直接模拟浏览器请求 Google Trends 的内部 API。这也意味着它会受到 Google 的频控限制，后面会详细讲解如何处理。

---

三、最简用法

from pytrends.request import TrendReq

pt = TrendReq(hl='en-US', tz=360)  # tz=360 对应美国中部时区
pt.build_payload(
    kw_list=["ergonomic lumbar support cushion"],
    timeframe="today 12-m",   # 过去12个月
    geo="US"
)
df = pt.interest_over_time()
print(df.head())

---

四、高频翻车一：timeframe 格式

错误示范：

timeframe = "today 1-y"   # ❌ Google 不认识，直接返回 HTTP 400

Google Trends 内部 API 只接受以下几种格式：

格式	含义
today 12-m	过去 12 个月（推荐，取代"1年"）
today 3-y	过去 3 年
today 5-y	过去 5 年
today 3-m	过去 3 个月
now 7-d	过去 7 天

正确写法：

def build_timeframe(years: int) -> str:
    return "today 12-m" if years == 1 else f"today {years}-y"

---

五、高频翻车二：批量查询的归一化失真

pytrends 支持单次查询最多 5 个关键词，但有一个致命陷阱：

Google Trends 对批次内所有词做归一化，以搜索量最大的词为基准（=100），其他词按比例压缩。

举个例子：假设你把 "yoga mat" 和 "portable air purifier desk" 放在同一批次：

• "yoga mat" 搜索量 = 100（基准）
• "portable air purifier desk" 真实搜索量很小，被压缩到 2-3

如果你用这个数据分析 air purifier 的增长趋势，会得到一个非常"平"的近乎水平线，斜率为 0，被误判为停滞词而剔除。

解决方案：每个词单独查询（BATCH_SIZE=1）

BATCH_SIZE = 1   # 单词独立查询，避免归一化压制

for kw in keywords:
    pt = TrendReq(hl='en-US', tz=360)
    pt.build_payload([kw], timeframe="today 12-m", geo="US")
    df = pt.interest_over_time()
    # 此时 df[kw] 的最大值 = 100，完整保留该词自身的趋势形态

代价是请求次数增加 5 倍，所以必须配合合理的休眠策略。

---

六、代理池与随机休眠

Google 对 pytrends 的限流策略是返回 HTTP 429 Too Many Requests。应对方案分两层：

第一层：随机休眠，让每次请求间隔看起来更像人类操作：

import random, time

SLEEP_MIN = 8.0
SLEEP_MAX = 20.0

# 每次请求后休眠随机时间
time.sleep(random.uniform(SLEEP_MIN, SLEEP_MAX))

第二层：代理池轮换

from pytrends.request import TrendReq
from typing import Optional

PROXY_LIST = [
    "http://user:pass@proxy1.example.com:8080",
    "http://user:pass@proxy2.example.com:8080",
]

class ProxyPool:
    def __init__(self, proxies):
        self._pool = proxies.copy()
        self._idx = 0

    def next(self) -> Optional[str]:
        if not self._pool:
            return None
        proxy = self._pool[self._idx % len(self._pool)]
        self._idx += 1
        return proxy

pool = ProxyPool(PROXY_LIST)

def build_pytrend() -> TrendReq:
    proxy = pool.next()
    kwargs = dict(hl='en-US', tz=360, timeout=(10, 30), retries=2)
    if proxy:
        kwargs["proxies"] = [proxy]
    return TrendReq(**kwargs)

429 时退避重试：

RETRY_MAX   = 3
RETRY_SLEEP = 60.0   # 遭遇 429 后等待秒数（按次递增）

for attempt in range(1, RETRY_MAX + 1):
    try:
        pt = build_pytrend()
        pt.build_payload([kw], timeframe="today 12-m", geo="US")
        df = pt.interest_over_time()
        break
    except Exception as e:
        if "429" in str(e):
            wait = RETRY_SLEEP * attempt
            print(f"Rate-limited，等待 {wait:.0f}s（第{attempt}次）…")
            time.sleep(wait)
        else:
            raise

---

七、完整可复用脚本

将以上所有内容封装成 CLI 工具，支持直接传参或读取关键词文件：

# 用法示例：
# python3 trends_filter.py "lumbar cushion" "air purifier desk"
# python3 trends_filter.py --file keywords.txt --geo US --years 1

关键词文件格式（keywords.txt）：

# 候选词（# 开头为注释）
portable air purifier desk
ergonomic lumbar support cushion
bamboo cutting board with juice groove
# 季节性对照组
christmas tree stand heavy duty

运行后输出：

14:22:01  INFO     共 5 个关键词，分 5 批处理（geo=US，今12月）
14:22:01  INFO     批次 [1-1]: ['portable air purifier desk']
14:22:14  INFO       portable air purifier desk          slope=+0.0821  seas=0.112  avg=12.3  ✅ PASS
14:22:28  INFO     批次 [2-2]: ['ergonomic lumbar support cushion']
14:22:41  INFO       ergonomic lumbar support cushion    slope=+0.1034  seas=0.089  avg=18.7  ✅ PASS

结果保存为 CSV + JSON，方便后续分析。

---

八、小结

问题	原因	解决
HTTP 400	today 1-y 格式不合法	改用 today 12-m
趋势曲线异常压低	批量查询归一化	BATCH_SIZE=1 单独查询
HTTP 429	Google 频控	随机休眠 8-20s + 代理池 + 退避重试

下一篇将介绍如何对抓到的时间序列做特征提取：用线性回归计算增长斜率，用功率谱密度计算季节性指数，从而自动筛掉衰退词和季节性词。

---

本文代码来源于开源项目，完整脚本见文末。