核心用法
该技能提供一套完整的关键词研究方法论，通过8个结构化阶段完成从需求澄清到策略输出的全流程：
1. Scope（范围界定） — 明确产品、受众、业务目标、域名权重、地域和语言
2. Discover（发现） — 从核心词、问题词、解决方案词、受众词、行业词五个维度收集种子词
3. Variations（变体扩展） — 使用修饰词和长尾模式扩展关键词库
4. Classify（意图分类） — 按信息型、导航型、商业型、交易型四种搜索意图打标签
5. Score（评分排序） — 计算机会分数：(搜索量 × 意图价值) / 难度，并标注漏斗阶段（TOFU/MOFU/BOFU）
6. GEO-Check（GEO检查） — 识别AI答案友好的查询类型（问题、定义、对比、列表、操作指南）
7. Cluster（聚类分组） — 构建支柱页面+集群页面的主题中心结构
8. Deliver（交付输出） — 生成执行摘要、三类机会（Quick Win/Growth/GEO）、内容日历和下一步行动
显著优点
- 方法论成熟：基于经典SEO研究框架，融合Impact×Confidence二次筛选机制，避免只看搜索量的片面决策
- 数据标注严谨：强制要求所有指标标注来源（Measured/User-provided/Estimated），杜绝捏造数据
- 零依赖启动：内置Google Autocomplete抓取脚本（非官方接口，需谨慎使用）和Wikipedia话题热度代理，无需付费工具即可开始研究
- GEO前瞻性：专门针对生成式引擎优化（GEO）设计检查环节，识别AI摘要机会
- 漏斗导向：明确区分流量获取型（TOFU）与收入转化型（BOFU）关键词，支持业务目标对齐
潜在局限
- 数据依赖性：搜索量和关键词难度仍需付费SEO工具或Search Console连接，免费替代方案（Wikipedia浏览量）仅为关注度代理，不能直接等同搜索量
- 地域泛化：GEO相关性标记为medium，非多语言市场深度适配
- Firecrawl限制：免费额度仅约1000次/月，大规模研究需升级
- 非官方API风险：Google Autocomplete抓取脚本依赖非官方端点，存在不稳定性和合规隐患
- 作者单一来源：由aaron-he-zhu个人维护，非机构级产品
适合人群
- 内容营销人员启动新主题或 campaign 前的关键词规划
- SEO专员进行网站架构设计和内容集群规划
- 独立站长资源有限但需要系统化研究框架
- 需兼顾传统SEO与GEO（AI搜索优化）的策略制定者
常规风险
- 数据幻觉风险：模型可能生成看似合理的估算值，需严格遵循"标注来源"规则
- 工具连接风险：Firecrawl免费额度耗尽后研究中断；非官方Google接口可能失效
- 竞争误判：缺乏工具时难度评分为估算，可能导致资源分配失误
- 季节性盲区：Wikipedia代理数据无法反映搜索需求的季节波动
安全评估
- 代码执行：包含Python脚本执行（Google Autocomplete抓取、Firecrawl调用、Wikipedia数据获取），存在网络请求和文件系统访问
- 外部依赖：调用第三方非官方API（Google Autocomplete）和Firecrawl服务
- 数据隐私：可能传输用户搜索话题至外部服务
建议安全等级：A — 核心逻辑为研究方法论框架，但涉及外部脚本执行和网络调用，需在受控环境中使用并审查连接器脚本。