如何使用 TalorData 抓取 Google 飯店評論搜​​尋結果

Hotel search data 很適合用來理解飯店在 Google Hotels 中如何展示：排名、價格、評分、評論數、地點、設施、可訂狀態和 booking options。

對旅遊平台、SEO 團隊、飯店集團、OTA 和市場研究團隊來說，這些資料可以回答：

問題是，Google Hotels 不是簡單的靜態頁面。結果會因 location、check-in date、check-out date、guest count、language、device 和 availability 變化。手動複製資料，很快就會失控。

Google Hotels API workflow 可以把這些資料變成結構化 JSON。

TalorData 的 Google Hotels API 可用於收集 structured hotel search results，包括 hotel names、prices、ratings、reviews、locations、amenities、availability、booking options 和 ranking positions。TalorData Google Hotels 頁面也展示了 q、location、google_domain、check_in_date、check_out_date、adults、no_cache 等主要請求參數。

這裡的 “hotel review search results” 是什麼？

這篇指南中的 hotel review search results，不是指抓取每個 booking website 上的完整評論文字。

更常見的做法，是收集 Google Hotels 搜尋結果中可見的 review-related signals，例如：

TalorData 的 Google Hotels data 頁面列出 rating、review count、review score、guest rating 和 visible review signals 等 rating & review data，也包含 price、location、amenities、availability 和 booking options。

對多數 SEO 和 travel intelligence workflow 來說，這些可見 review signals 已經足以做 reputation monitoring 和競品比較。

使用場景

TalorData 也將 hotel price monitoring、travel competitor analysis、destination market research、booking channel monitoring、reputation tracking 和 regional price comparison 作為 Google Hotels data 的常見 workflow。

核心 Google Hotels 參數

先從定義搜尋上下文的參數開始。

Hotel search 沒有日期，資料價值會很低。價格和可訂狀態都高度依賴入住與離店日期，所以 check_in_date 和 check_out_date 應該被當成核心輸入。

基本請求結構

實際 endpoint 和 authentication format，請以你的 TalorData dashboard 或 API docs 為準。

典型 JSON request：

{
  "engine": "google_hotels",
  "q": "hotels in Tokyo",
  "location": "Tokyo, Japan",
  "google_domain": "google.com",
  "check_in_date": "2026-07-15",
  "check_out_date": "2026-07-18",
  "adults": 2,
  "no_cache": true
}

Response 會返回可以解析成表格、dashboard、alerts 或 AI workflows 的 structured hotel search data。

Step 1：設定 API key

將 TalorData API key 和 endpoint 存成環境變數。

export TALORDATA_API_KEY="your_api_key_here"
export TALORDATA_SERP_ENDPOINT="your_talordata_serp_endpoint_here"

Windows PowerShell：

setx TALORDATA_API_KEY "your_api_key_here"
setx TALORDATA_SERP_ENDPOINT "your_talordata_serp_endpoint_here"

安裝 Python dependencies：

pip install requests pandas

Step 2：建立可重用 Python client

這個 function 會發送 Google Hotels request 並返回 JSON。

如果你的 TalorData dashboard 使用不同 request style，請調整 endpoint、request body 或 headers。

import os
import requests
from typing import Any, Dict, Optional


TALORDATA_API_KEY = os.getenv("TALORDATA_API_KEY")
TALORDATA_SERP_ENDPOINT = os.getenv("TALORDATA_SERP_ENDPOINT")


def fetch_google_hotels(
    query: str,
    location: str,
    check_in_date: str,
    check_out_date: str,
    adults: int = 2,
    google_domain: str = "google.com",
    no_cache: bool = True,
    extra_params: Optional[Dict[str, Any]] = None
) -> Dict[str, Any]:
    """
    Fetch Google Hotels search results with TalorData SERP API.
    """
    if not TALORDATA_API_KEY:
        raise RuntimeError("Missing TALORDATA_API_KEY environment variable.")

    if not TALORDATA_SERP_ENDPOINT:
        raise RuntimeError("Missing TALORDATA_SERP_ENDPOINT environment variable.")

    payload: Dict[str, Any] = {
        "engine": "google_hotels",
        "q": query,
        "location": location,
        "google_domain": google_domain,
        "check_in_date": check_in_date,
        "check_out_date": check_out_date,
        "adults": adults,
        "no_cache": no_cache
    }

    if extra_params:
        payload.update(extra_params)

    headers = {
        "Authorization": f"Bearer {TALORDATA_API_KEY}",
        "Content-Type": "application/json"
    }

    response = requests.post(
        TALORDATA_SERP_ENDPOINT,
        json=payload,
        headers=headers,
        timeout=30
    )

    response.raise_for_status()
    return response.json()

執行基本搜尋：

if __name__ == "__main__":
    data = fetch_google_hotels(
        query="hotels in Tokyo",
        location="Tokyo, Japan",
        check_in_date="2026-07-15",
        check_out_date="2026-07-18",
        adults=2
    )

    print(data)

Step 3：檢查 raw response

寫 parser 前，先檢查 raw JSON。

import json

print(json.dumps(data, indent=2, ensure_ascii=False)[:5000])

這很重要，因為 response fields 可能會因 result type、destination、availability 和返回資料不同而變。

可以找這類 array：

hotel_results
properties
hotels
organic_results
results

不要過早猜欄位。先看 JSON 洞穴牆上的紋路，再畫地圖。

Step 4：解析 hotel results

下面是一個較保守的 parser，會檢查幾個常見結果容器。

from typing import Any, Dict, List


def get_first_available_list(data: Dict[str, Any], keys: List[str]) -> List[Dict[str, Any]]:
    for key in keys:
        value = data.get(key)
        if isinstance(value, list):
            return value

    return []


def parse_hotel_results(data: Dict[str, Any]) -> List[Dict[str, Any]]:
    hotel_items = get_first_available_list(
        data,
        keys=[
            "hotel_results",
            "properties",
            "hotels",
            "organic_results",
            "results"
        ]
    )

    parsed = []

    for index, item in enumerate(hotel_items, start=1):
        parsed.append({
            "position": item.get("position", index),
            "hotel_name": item.get("name") or item.get("title"),
            "hotel_id": item.get("hotel_id") or item.get("property_token") or item.get("id"),
            "link": item.get("link") or item.get("hotel_link"),
            "thumbnail": item.get("thumbnail"),
            "rating": item.get("rating"),
            "review_count": item.get("review_count") or item.get("reviews"),
            "review_score": item.get("review_score"),
            "guest_rating": item.get("guest_rating"),
            "price": item.get("price"),
            "extracted_price": item.get("extracted_price"),
            "currency": item.get("currency"),
            "address": item.get("address"),
            "latitude": item.get("latitude"),
            "longitude": item.get("longitude"),
            "hotel_class": item.get("hotel_class"),
            "amenities": item.get("amenities"),
        })

    return parsed

使用方式：

data = fetch_google_hotels(
    query="hotels in Tokyo",
    location="Tokyo, Japan",
    check_in_date="2026-07-15",
    check_out_date="2026-07-18",
    adults=2
)

hotels = parse_hotel_results(data)

for hotel in hotels[:5]:
    print(hotel["position"], hotel["hotel_name"], hotel["rating"], hotel["review_count"])

Step 5：提取 review signals

如果重點是飯店評價監控，可以整理成更小的表。

def parse_hotel_review_signals(data: Dict[str, Any]) -> List[Dict[str, Any]]:
    hotels = parse_hotel_results(data)
    rows = []

    for hotel in hotels:
        rows.append({
            "position": hotel.get("position"),
            "hotel_name": hotel.get("hotel_name"),
            "rating": hotel.get("rating"),
            "review_count": hotel.get("review_count"),
            "review_score": hotel.get("review_score"),
            "guest_rating": hotel.get("guest_rating"),
            "price": hotel.get("price"),
            "currency": hotel.get("currency"),
            "address": hotel.get("address"),
            "link": hotel.get("link")
        })

    return rows

這張表適合看：

Step 6：保存成 CSV

import pandas as pd


data = fetch_google_hotels(
    query="hotels in Tokyo",
    location="Tokyo, Japan",
    check_in_date="2026-07-15",
    check_out_date="2026-07-18",
    adults=2
)

review_rows = parse_hotel_review_signals(data)

df = pd.DataFrame(review_rows)
df.to_csv("google_hotel_review_signals.csv", index=False)

print(df.head())

CSV 可能長這樣：

Step 7：按 rating 和 review count 比較飯店

Review count 和 rating 應該一起看。

4.8 分但只有 12 則評論，和 4.6 分但有 3,000 則評論，不是同一件事。

df["rating_num"] = pd.to_numeric(df["rating"], errors="coerce")
df["review_count_num"] = pd.to_numeric(df["review_count"], errors="coerce")

top_reviewed = df.sort_values(
    by=["review_count_num", "rating_num"],
    ascending=[False, False]
)

top_reviewed.to_csv("top_reviewed_hotels.csv", index=False)

print(top_reviewed[[
    "position",
    "hotel_name",
    "rating",
    "review_count",
    "price"
]].head(10))

常見分組：

Step 8：追蹤 hotel review signals 變化

抓一次有用，但定期抓更有價值。

每次保存 search context：

為每列加上 metadata：

from datetime import datetime, timezone


def add_search_context(
    rows: List[Dict[str, Any]],
    query: str,
    location: str,
    check_in_date: str,
    check_out_date: str,
    adults: int
) -> List[Dict[str, Any]]:
    collected_at = datetime.now(timezone.utc).isoformat()

    for row in rows:
        row["query"] = query
        row["location"] = location
        row["check_in_date"] = check_in_date
        row["check_out_date"] = check_out_date
        row["adults"] = adults
        row["collected_at"] = collected_at

    return rows

使用：

query = "hotels in Tokyo"
location = "Tokyo, Japan"
check_in_date = "2026-07-15"
check_out_date = "2026-07-18"
adults = 2

data = fetch_google_hotels(
    query=query,
    location=location,
    check_in_date=check_in_date,
    check_out_date=check_out_date,
    adults=adults
)

rows = parse_hotel_review_signals(data)
rows = add_search_context(
    rows,
    query=query,
    location=location,
    check_in_date=check_in_date,
    check_out_date=check_out_date,
    adults=adults
)

pd.DataFrame(rows).to_csv("hotel_review_snapshot.csv", index=False)

可以比較：

Step 9：監控多個目的地

同一套 workflow 可以用於多個城市。

destinations = [
    {"query": "hotels in Tokyo", "location": "Tokyo, Japan"},
    {"query": "hotels in Seoul", "location": "Seoul, South Korea"},
    {"query": "hotels in Singapore", "location": "Singapore"},
]

all_rows = []

for destination in destinations:
    data = fetch_google_hotels(
        query=destination["query"],
        location=destination["location"],
        check_in_date="2026-07-15",
        check_out_date="2026-07-18",
        adults=2
    )

    rows = parse_hotel_review_signals(data)
    rows = add_search_context(
        rows,
        query=destination["query"],
        location=destination["location"],
        check_in_date="2026-07-15",
        check_out_date="2026-07-18",
        adults=2
    )

    all_rows.extend(rows)

pd.DataFrame(all_rows).to_csv("multi_destination_hotel_reviews.csv", index=False)

適合：

Step 10：處理錯誤與重試

Travel data 會受日期、可訂狀態和 query context 影響。正式使用時應加入 retry logic。

import time
from requests import RequestException


def fetch_with_retries(
    query: str,
    location: str,
    check_in_date: str,
    check_out_date: str,
    adults: int = 2,
    retries: int = 3,
    delay_seconds: int = 2
) -> Dict[str, Any]:
    last_error = None

    for attempt in range(1, retries + 1):
        try:
            return fetch_google_hotels(
                query=query,
                location=location,
                check_in_date=check_in_date,
                check_out_date=check_out_date,
                adults=adults
            )
        except RequestException as error:
            last_error = error
            print(f"Attempt {attempt} failed: {error}")
            time.sleep(delay_seconds)

    raise RuntimeError(f"Failed after {retries} attempts: {last_error}")

正式環境也建議記錄：

建議保存哪些欄位？

Hotel review search monitoring 可以先用這個 schema：

{
  "query": "hotels in Tokyo",
  "location": "Tokyo, Japan",
  "check_in_date": "2026-07-15",
  "check_out_date": "2026-07-18",
  "adults": 2,
  "collected_at": "2026-06-30T09:00:00Z",
  "hotel": {
    "position": 1,
    "hotel_name": "Example Hotel Tokyo",
    "hotel_id": "example_hotel_id",
    "rating": 4.6,
    "review_count": 1820,
    "review_score": 9.1,
    "guest_rating": "Excellent",
    "price": "$210",
    "currency": "USD",
    "address": "Example address, Tokyo",
    "latitude": 35.6762,
    "longitude": 139.6503,
    "amenities": ["Free Wi-Fi", "Breakfast"],
    "link": "https://..."
  }
}

進階 workflow 可以加：

TalorData 列出的 price fields 包括 price、extracted price、currency、nightly rate、total price、taxes 和 fees，也列出 provider、booking link、offer price、booking source、hotel website 和 deal details 等 booking option fields。

常見錯誤

沒有設定 check-in 和 check-out dates

Hotel search data 高度依賴日期。一定要控制並保存日期。

比較不同 guest count

一位成人和兩位成人的搜尋，價格與可訂狀態都可能不同。

只看 rating

Rating 沒有 review count，容易誤判。兩者要一起追蹤。

忽略 position

飯店評分高但可見度低，仍然可能輸給排名更靠前的競品。

不保存 raw responses

建立 parser 時，請保存 raw JSON。不同目的地或結果類型可能欄位不同。

忘記 localization

Hotel results 可能因 market、language、domain 和 search location 變化。請保存完整 search context。

結語

使用 TalorData 抓取 Google Hotel review search results，本質上是把 Google Hotels 變成結構化監控流程。開始免費測試Google Hotel API

先從核心 request fields 開始：

接著解析真正重要的欄位：hotel name、position、rating、review count、price、address、amenities、availability 和 booking options。

資料變成 JSON 或 CSV 後，就可以支撐 reputation tracking、hotel price monitoring、OTA analysis、destination research、AI travel tools 和 local SEO dashboards。

Google Hotels data 像一個擁擠大廳；好的 API workflow 會把它整理成乾淨的住客名單。