核心用法
keyword-research 是一款面向 SEO 与 GEO（生成式引擎优化）的专业级关键词研究技能，采用 8 阶段结构化工作流程：
1. Scope（范围界定）：明确产品/服务、目标受众、商业目标与地域语言
2. Discover（种子挖掘）：从产品词、问题词、解决方案词、受众词、行业术语五维度启动
3. Variations（扩展变体）：通过修饰词（Best/Top/How to/Year）与长尾模式系统扩展词库
4. Classify（意图分类）：按信息型、导航型、商业型、交易型四象限标注，匹配对应内容类型
5. Score（机会评分）：采用 (Volume × Intent Value) / Difficulty 公式量化优先级，区分 Quick Win/Growth/Long-term/Research 四级策略
6. GEO-Check（AI 触发检测）：识别问答型、定义型、对比型、列表型等易被 AI 引擎直接回答的关键词
7. Cluster（主题聚类）：构建 Pillar-Cluster 内容架构，建立内链体系与内容地图
8. Deliver（交付输出）：生成含执行摘要、机会清单、内容日历、下一步行动的综合报告
显著优点
- 方法论严谨：基于 Ahrefs/SEMrush/Google Keyword Planner 等主流工具的最佳实践抽象，不依赖特定 API
- 双引擎适配：同时覆盖传统搜索引擎 SEO 与大模型 GEO 场景，识别 AI 直接回答风险与机会
- 可验证标准：强制要求每条建议包含具体数据（搜索量、难度值、竞品 DR、更新日期），拒绝空洞建议
- 多语言覆盖：内置中/英/日/韩/西/葡六语言触发词库，支持全球化内容策略
- 生态集成：遵循 Skill Contract 与 State Model，输出可直接写入
memory/research/供下游技能调用
潜在局限
- 数据依赖：无自动 API 时需用户手动提供搜索量、竞品数据，增加使用门槛
- 时效性波动：关键词难度与搜索趋势为动态指标，建议需配合季度复审
- 地域精度：geo-relevance 标记为 medium，本地长尾词需额外人工校验
- 行业差异：B2B 专业领域与 B2C 消费领域的意图权重可能需要手动调整
适合人群
- 内容营销团队与 SEO 专员，需系统化产出关键词策略
- 创业者与 SMB 主理人，缺乏预算购买 Ahrefs/SEMrush 但需专业级研究框架
- GEO 优化先行者，希望预判 AI 引擎对现有内容的冲击与机会
- 多语言出海团队，需统一方法论覆盖不同市场
常规风险
- 过度依赖估算：无工具连接时，难度评分依赖经验法则，可能与实际 SERP 竞争格局偏差
- 意图误判：搜索意图分类存在模糊地带（如 "best software" 既可能导向综述也可能导向购买），需结合 SERP 实测验证
- GEO 快速迭代：AI 引擎的引用偏好与答案生成逻辑变化快于传统 SEO，GEO-Check 标准需持续更新
- 数据隐私：若连接 MCP 网络获取 SEO 工具数据，需注意 API 密钥与站点数据的合规存储