Keyword Research

核心用法

keyword-research 是一款专业的 SEO 关键词研究技能，采用 8 阶段结构化工作流：

1. Scope（范围界定）：明确产品、受众、业务目标、域名权重（DR）、地理区域与语言
2. Discover（种子挖掘）：从产品核心词、问题词、解决方案词、受众词、行业词五维度发散
3. Variations（变体扩展）：通过修饰词与长尾模式扩充词库
4. Classify（意图分类）：按信息型/导航型/商业型/交易型（1/1/2/3 权重）打标签
5. Score（机会评分）：计算 Opportunity = (Volume × Intent Value) / Difficulty，难度 1-100 分
6. GEO-Check（生成式引擎优化检查）：标记 AI 答案友好型查询（问题、定义、对比、清单、教程）
7. Cluster（主题聚类）：构建支柱页（Pillar）+ 聚类页（Cluster）的内容枢纽
8. Deliver（交付产出）：执行摘要、快速赢单/增长机会/GEO 机会、主题集群、内容日历、下一步行动

显著优点

• 数据驱动决策：强制要求每条推荐包含具体数字（关键词+搜索量+难度+理由），杜绝模糊建议
• GEO-Aware：前瞻性整合生成式搜索优化，识别 AI 摘要触发词
• 开源免费：Apache-2.0 协议，兼容 Claude Code、Cursor、Windsurf 等 11+ 主流 AI 编程工具
• 多语言原生支持：内置中文、日文、韩文、西班牙文等多语言触发词与标签
• 生态协同：与 competitor-analysis、content-gap-analysis、serp-analysis 形成研究技能闭环

潜在局限

• 无实时 API：依赖用户提供的种子词或模拟数据，非 Ahrefs/Semrush 等工具的实时数据库直连
• 估算性质：搜索量与难度评分为 LLM 推断或历史基准，非搜索引擎官方数据
• 区域精度：geo-relevance 标记为 "medium"，本地化长尾词需人工校验
• 季节性盲区：高级季节性分析需手动触发，非默认流程

适合人群

• 内容营销团队与 SEO 专员，需快速产出选题规划与内容日历
• 独立开发者与初创公司，寻求 Ahrefs/Semrush/Google Keyword Planner 的免费替代方案
• 多语言市场运营者，覆盖中/日/韩/西语等新兴市场
• AI 搜索时代的内容策略师，需同步优化传统 SEO 与 GEO（Generative Engine Optimization）

常规风险

• 数据准确性风险：推断数据可能与真实搜索量存在偏差，建议关键决策前用官方工具二次验证
• 意图误判风险：搜索意图分类基于关键词形态推断，用户实际意图可能混合或多变
• 竞争动态风险：关键词难度为静态评分，未实时反映竞争对手的内容更新与外链变化
• 过度优化风险：高频使用可能生成机械化的关键词堆砌内容，需人工审核内容质量与自然度

核心用法

keyword-research 是一款纯文档型SEO关键词研究技能，遵循8阶段结构化工作流：

1. Scope（范围界定） — 明确产品、受众、业务目标、域名权重、地理区域和语言
2. Discover（关键词发现） — 从核心词、问题词、解决方案词、受众词和行业词中提取种子关键词
3. Variations（变体扩展） — 运用修饰词和长尾模式扩展关键词库
4. Classify（意图分类） — 标注搜索意图：信息型(1)、导航型(1)、商业型(2)、交易型(3)
5. Score（评分排序） — 计算关键词难度(1-100)和机会值：Opportunity = (Volume × Intent Value) / Difficulty
6. GEO-Check（生成引擎优化检查） — 标记AI答案友好型查询（问题、定义、对比、列表、教程）
7. Cluster（主题聚类） — 构建支柱页面+聚类内容的话题中心
8. Deliver（交付输出） — 生成执行摘要、快速取胜/增长机会/GEO机会、话题聚类、内容日历和后续步骤

显著优点

• 方法论完整性：提供从种子词到内容日历的全流程框架，优于碎片化SEO建议
• 多语言原生支持：内置中文(关键词研究/长尾关键词)、日文(キーワード調査)、韩文(키워드분석)、西班牙文(palabras-clave)等触发词
• GEO-Aware设计：前瞻性整合生成式引擎优化(GEO)维度，识别AI搜索时代的高价值查询类型
• 质量门槛机制：强制要求每条推荐包含具体数字（关键词+搜索量+难度+理由），杜绝空洞建议
• 零依赖架构：纯Markdown文档型设计，无需API密钥即可运行基础研究流程

潜在缺点与局限性

• T3来源可信度：作者aaron-he-zhu为GitHub个人账号，无企业/组织背书，长期维护承诺不确定
• 无实时数据接入：默认模式依赖用户提供的种子词和已知指标，需手动集成Ahrefs/SEMrush等工具获取真实搜索量
• 评分公式简化：意图价值权重(1/1/2/3)为固定值，未考虑行业差异和季节性波动
• 地域化深度有限：GEO相关性标记为"medium"，非核心市场本地化能力较弱

适合人群

• 内容营销团队：需要系统性选题规划和话题聚类架构
• 独立站SEO从业者：缺乏昂贵工具订阅，需要结构化研究框架指导手工分析
• 多语言市场运营者：覆盖中/日/韩/西等市场的国际化SEO需求
• AI搜索优化先行者：希望提前布局GEO(生成引擎优化)的内容策略师

常规风险

• 数据准确性依赖用户输入：若用户提供错误的搜索量预估，整个优先级排序将产生偏差
• 竞争对手情报缺失：单独使用此技能无法自动抓取竞品关键词，需配合competitor-analysis技能
• 搜索引擎算法变更风险：难度评分公式和意图分类法需随Google算法更新而人工校准
• 过度优化风险：纯量化评分可能忽视品牌建设和用户真实需求的平衡

安全评估结论

经CLS-Certify v2.1.0六维扫描（静态代码分析、动态行为分析、依赖审计、网络流量分析、隐私合规检查、威胁情报），本技能获得S+顶级安全评级（98分）。确认为纯T-MD(Tier-Markdown)文档型技能，无可执行代码、无网络请求、无敏感信息泄露，14处URL均为GitHub文档引用链接，无实际API调用。尽管来源为T3个人开发者，但内容完全开源透明，功能与声明严格一致。