一家 SEO 代理商的誠實算術：50 個客戶 × 每日排名 × 5 個地區，SERP 資料的真實成本

快速結論： SERP 資料是一門「量」的生意。一家追蹤 50 個客戶、每客戶 100 組關鍵字、每日更新、涵蓋 5 個地區的代理商，每月要消耗 75 萬次 SERP 請求——還沒算臨時的稽核需求。以典型企業級費率計算，這筆資料費可能比分析師的薪資還高。本文用 Thordata 與 Oxylabs 的公開數字實際算一遍，並說明各自適合什麼樣的團隊。

搜尋排名資料看起來很便宜，直到你把它乘上代理商實際承諾的一切。

藏在水面下的乘法問題

問一位 SEO 客戶經理跑多少排名檢查，你會聽到一個小數字：「每個客戶大概一百組關鍵字。」問他的資料管線，你會聽到一個大得多的數字。以下是一家中型代理商的請求量是怎麼複利膨脹的：

對一家 50 客戶的代理商而言，這是每月 225 萬次 SERP 請求——而且代理商不會每組關鍵字只跑一次乾淨的請求。反爬蟲機制迫使重試、驗證碼迫使重新請求、位置準確性要求全新連線。實務上比理論值再膨脹 20% 到 40% 是常態。

不舒服的結論是：SERP 資料成本隨客戶數線性成長，而且吃掉的是你的毛利。

為什麼直接用原始代理反而更糟

有些代理商想逃離 API 定價，改用住宅代理直接爬 Google。前幾個月看起來確實便宜。然後三種成本會浮上檯面：

1. 維護成本。 Google 的 HTML 隨時在改。一月寫的解析器，六月就壞了，而修它的人通常是你最貴的員工。
2. 準確性成本。 沒有精準的地理定位與裝置模擬，排名會出現誤差。當客戶質疑報表時，「我們的爬蟲可能連錯了機房」不是一個站得住腳的回答。
3. 可靠性成本。 驗證碼偏偏出現在高價值、高頻率的關鍵字上。你最需要的資料，正是最容易被封鎖的資料。

這就是 SERP API 這個產品類別存在的原因，而正確的問題不是「代理還是 API」，而是「哪一家 API、什麼單位經濟」。

實際數字：Thordata 對上 Oxylabs

Thordata 與 Oxylabs 都是可信、成熟的 SERP 資料供應商。差異顯現在定價結構，以及兩家公司各自最佳化的方向。以下是公開數字：

把我們那家 50 客戶的代理商放進兩種模式算一遍，故事就很清楚。以每月 225 萬次 SERP 請求計，Thordata 的 SERP API 依量價落在每月約 $1,575 至 $2,700 之間（取決於級距位置）。若透過 Oxylabs 的公開階梯走原始流量——Corporate 方案 1 TB 每月 $2,500——前提是你同時把這些流量用在其他用途上，因為 SERP 原始 HTML 非常肥大。按 GB 計費特別懲罰 SERP 工作：一次 API 回應就能完成的關鍵字檢查，走代理卻要下載一整頁 HTML。

必須公平地說 Oxylabs 贏在哪裡： 如果你的代理商隸屬於需要簽署企業合約、正式 SLA、專屬支援窗口與 SOC 2 文件的較大組織，Oxylabs 的企業級流程正是為此打造的，而它的網路（超過 1.75 億個 IP）是業界最大之一。付企業級價格有其正當理由，Oxylabs 是許多大型團隊信賴的優秀產品。

Thordata 對代理商的優勢在於： 透明的自助式定價、與代理商實際消費 SERP 資料方式吻合的按次計費模式，以及從 1 GB 起跳、不必與業務對話的公開級距滑桿。對 15 到 100 人、有技術能量、不需要企業合約的代理商來說，這樣的單位經濟很難反駁。

一週內就能上線的排名追蹤骨架

Thordata 的 SERP API 回傳結構化結果——自然搜尋列表、精選摘要、廣告、相關問題——你完全不需要解析 HTML：

from thordata import Thordata

client = Thordata(api_key="YOUR_API_KEY")

def check_rank(keyword: str, domain: str, location: str, device: str = "desktop"):
    result = client.serp(
        query=keyword,
        search_engine="google",
        location=location,        # 可指定國家、州或城市層級
        device=device,
        output_format="json",
    )
    for item in result.organic:
        if domain in item.get("url", ""):
            return {"keyword": keyword, "location": location,
                    "device": device, "position": item["position"]}
    return {"keyword": keyword, "location": location,
            "device": device, "position": None}

# 一個客戶、一組關鍵字、五個地區
for loc in ["United States", "New York, NY", "Chicago, IL",
            "Austin, TX", "Seattle, WA"]:
    print(check_rank("crm for law firms", "example-crm.com", loc))

由於 API 內部處理了驗證碼與地理定位，你收到的回應就是你付費買的回應。想把採集層完全外包——排程爬取、歷史快照、排名變動警報——的代理商，可以再進一步使用 SERP 監控解決方案，它把持續 SERP 資料爬取包裝成監控工作流，而不只是一支 API。

代理商真正在用的省錢戰術

除了選供應商，採集結構的設計與單價一樣重要：

• 關鍵字分層。 核心字每日追、中尾字每週、長尾字每月。多數代理商會發現 20% 的關鍵字驅動了 80% 的客戶對話——據此砍掉不必要的資料開支。
• 重新思考地區矩陣。 每組關鍵字五個地區是一種選擇，不是鐵律。客戶只在一個都會區做生意，就不需要每天檢查其他四個城市。
• 積極使用快取。 多數關鍵字的排名不會每小時變動。報表用 24 小時前的排名完全沒問題；只有警報需要即時性。
• 報表與警報分離。 少數賺錢關鍵字的警報可以走即時；月報用快取資料組，成本只要一小部分。

這些戰術能為多數代理商砍掉 40% 到 60% 的請求量——而當剩餘用量是透過成本透明的 SERP 監控服務按結構化筆數計費時，資料這個科目就不再是損益表上最嚇人的數字。

給代理商的結論

SERP 資料成本是一項隨客戶數成長的結構性支出。能夠規模化獲利的代理商把它當基礎設施來經營：他們精確知道每客戶每月的資料成本、對 HTML 密集的工作改用按次計費而非按 GB 計費，並且只有在真正需要時才簽高價企業合約。

從測量開始：把目前的關鍵字數 × 地區數 × 裝置數 × 更新頻率拿出來，用上面兩種模式各自計價。如果你的用量跟本文的代理商差不多，花一個下午用 Thordata 的 SERP 監控方案跑一遍這個計算——先用免費試用額度——也許就能省出下一季的招聘預算。