Keyword Research

核心用法

本技能采用8阶段标准化流程执行关键词研究，适用于SEO与GEO（生成引擎优化）内容策略：

1. 范围界定 — 明确产品、受众、业务目标、域名权重、地域与语言
2. 种子发现 — 从核心词、问题词、解决方案词、受众词、行业词提取种子
3. 变体扩展 — 运用修饰词与长尾模式进行语义扩展
4. 意图分类 — 标记信息型(1)/导航型(1)/商业型(2)/交易型(3)四类意图
5. 机会评分 — 计算 Opportunity = (搜索量 × 意图价值) / 难度系数，难度范围1-100
6. GEO校验 — 标记AI易回答的查询类型（问题型、定义型、对比型、列表型、指南型）
7. 主题聚类 — 构建支柱页面+集群内容的双层架构
8. 交付输出 — 执行摘要、快速见效词/增长机会/GEO机会、内容日历、后续行动

显著优点

• 零API依赖：无需SEO工具授权即可通过用户手动输入数据完整运行
• 量化输出标准：每条建议必须包含具体数值（如"目标词'nonprofit project management'，月搜索量320，KD:22，Top10无DR>40站点"），禁止泛泛建议
• GEO前瞻性：专为AI搜索引擎优化设计，识别可能被大模型直接回答的查询
• 多语言原生支持：内置中/英/日/韩/西/葡六语言触发词库
• 生态集成：与skills.sh、ClawHub、Vercel Labs等平台兼容，支持MCP网络扩展

潜在局限

• 数据时效性：无实时API时依赖用户提供的搜索量/难度数据，可能存在偏差
• 地域覆盖：geo-relevance标记为medium，非全球化本地SEO工具
• 学习曲线：8阶段流程对新手较复杂，需参考详细指令文档
• 竞争情报深度：竞品关键词重叠分析需配合competitor-analysis技能

适合人群

• 内容营销团队：需系统化选题与内容日历规划
• SEO专员/顾问：执行可复现的关键词研究方法论
• GEO优化从业者：识别AI可见性机会
• 中小企业主：零工具成本启动SEO策略

常规风险

| 风险类型 | 说明 | 缓解措施 |

|---------|------|---------|

| 数据质量风险 | 用户自报数据可能不准确 | 输出中明确标注数据来源（工具/估算/用户提供） |

| 过度优化风险 | 纯数据驱动可能忽视品牌调性 | 要求输入业务目标与受众画像作为约束条件 |

| 时效衰减 | 搜索趋势变化快 | 内置季度复核建议，支持结果存档至`memory/research/` |

| 竞争误判 | 难度评分依赖单一维度 | 结合SERP实际站点DR分布综合判断 |

技术架构

• 许可证：Apache-2.0
• 兼容性：Claude Code ≥1.0，支持MCP网络接入Ahrefs/SEMrush/Google Keyword Planner等工具
• 状态管理：遵循Skill Contract与State Model，输出可写入memory/hot-cache.md与memory/decisions.md

核心用法

keyword-research 是一款面向 SEO 和 GEO（生成式引擎优化）的系统性关键词研究技能，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、地理与语言定位
2. Discover（种子发现）：从核心词、问题词、解决方案、受众、行业术语五维度挖掘种子
3. Variations（变体扩展）：通过修饰词组合与长尾模式扩展关键词库
4. Classify（意图分类）：标注信息型/导航型/商业型/交易型四类搜索意图
5. Score（机会评分）：采用公式 Opportunity = (Volume × Intent Value) / Difficulty，其中意图价值权重为 1/1/2/3
6. GEO-Check（GEO 适配检查）：识别易被 AI 回答的查询类型（问题、定义、对比、清单、操作指南）
7. Cluster（主题聚类）：构建支柱-集群（Pillar-Cluster）内容架构
8. Deliver（交付输出）：执行摘要、速赢机会、增长潜力、GEO 机遇、主题集群、内容日历

显著优点

• 方法论系统化：8 阶段流程覆盖从种子挖掘到内容规划的完整链路，避免碎片化分析
• 量化决策支持：强制要求每条建议包含具体数据（如"目标 'project management for nonprofits'，vol: 320，KD: 22"），杜绝模糊建议
• GEO 前瞻性：专门识别 AI 友好型查询，适配 ChatGPT、Perplexity 等生成式引擎的内容优化
• 多语言原生支持：内置中/英/日/韩/西/葡等多语言触发词，适配全球化团队
• 零依赖安全架构：纯 Markdown 文档型设计（T-MD），无可执行代码，通过 S+ 级安全认证

潜在局限

• 数据来源依赖：核心指标（搜索量、KD 值）需用户手动提供或接入第三方 SEO 工具（Ahrefs/SEMrush 等），无内置数据库
• T3 来源可信度：作者为 GitHub 个人开发者（aaron-he-zhu），非企业级产品，长期维护稳定性需关注社区反馈
• 动态数据时效：搜索趋势和竞争度为动态指标，建议季度复评，skill 本身不提供实时追踪

适合人群

| 角色 | 使用场景 |

|:---|:---|

| 内容营销经理 | 制定季度内容日历，识别低竞争高价值选题 |

| SEO 专员 | 为新页面/新市场进行关键词布局与难度评估 |

| 独立站运营者 | 预算有限时，用结构化方法替代昂贵 SEO 工具 |

| GEO 优化师 | 识别 AI 回答触发词，优化可被大模型引用的内容 |

| 多语言团队 | 利用多语言触发词支持，协调全球化关键词策略 |

常规风险

1. 数据输入偏差：用户提供的不准确搜索量或 KD 值将直接影响评分结果，需交叉验证数据来源
2. 过度依赖长尾：虽强调长尾词，但需平衡搜索量与转化价值，避免陷入"零流量陷阱"
3. 意图误判：自动化意图分类可能出错，关键业务词建议人工复核
4. API 集成安全：若启用 MCP 网络接入第三方 SEO 工具，需自行管理 API Key 安全，skill 本身不处理凭证

---

认证信息：S+ 级安全（总分 94），Apache-2.0 开源，纯文档零依赖设计