核心用法
keyword-research 是一套系统化的关键词发现与评估技能，专为SEO和GEO（生成式引擎优化）场景设计。用户通过自然语言指令触发，如"为[主题]研究关键词"或"搜什么词"，系统将自动执行8阶段流程：Scope（明确产品/受众/目标）→ Discover（多维度种子词挖掘）→ Variations（长尾变体扩展）→ Classify（意图分类）→ Score（机会值计算）→ GEO-Check（AI答案友好度评估）→ Cluster（主题聚类）→ Deliver（输出执行方案）。
显著优点
1. 零工具依赖设计：内置Python脚本利用Google Autocomplete（非官方端点）免费获取关键词建议，Firecrawl无Key采样真实SERP结果，Wikipedia Pageviews作为需求代理——大幅降低使用门槛。
2. 严谨的数据标注体系：所有指标强制标注为Measured（实测）/User-provided（用户提供）/Estimated（估算），杜绝虚构数据，建立研究可信度。
3. Impact×Confidence双维评分：在传统"搜索量×意图价值÷难度"基础上，叠加漏斗阶段（BOFU/MOFU/TOFU）与赢率评估，优先推荐"高价值且可赢"而非单纯"量大"的关键词。
4. GEO原生适配：第6阶段专门识别AI引擎易回答的查询类型（问题、定义、对比、列表、教程），帮助内容适应ChatGPT、Perplexity等生成式搜索场景。
潜在局限
- 非官方Autocomplete端点存在稳定性与合规风险
- Firecrawl免费额度有限（约1000次/月），大规模研究需升级
- 无内置搜索量/难度工具时，核心SEO指标仍为估算或需手动输入
- 重度依赖用户提供的种子词质量，冷启动领域可能输出泛泛
适合人群
独立站长、内容运营、SEO专员、小型营销团队——尤其预算有限、无法订阅Ahrefs/SEMrush等昂贵工具，但仍需结构化关键词研究的场景。也适合需要快速验证GEO内容策略的AI原生营销者。
常规风险
| 风险类型 | 说明 |
|---------|------|
| 数据合规 | Google Autocomplete非公开API，频繁调用可能触发速率限制 |
| 决策偏差 | Estimated指标若未正确标注，可能被误读为实测数据 |
| 执行断层 | 输出为研究文档，需配合competitor-analysis、content-gap-analysis等技能完成闭环 |