ozine's book library

主题

第 5 章 关键词发现：从真实问题到可信的数据集 ​

5.1 学习目标：先认识需求，再决定写什么 ​

本章结束后，你应能独立建立一份可追溯的关键词候选库，解释每个词来自哪里、服务谁、数据代表什么，并且不会把工具给出的数字误当成市场事实。这里的关键词研究（Keyword Research），是研究人们如何表达问题、这些问题值得用什么页面解决的过程，不是下载一个大表之后按搜索量排序。

搜索词或查询（Query）是用户实际输入的表达；目标关键词（Target Keyword）是站点规划时选定的研究单位；主题（Topic）是多个相关问题所属的知识或任务领域。三者并不一一对应。例如，用户可能分别搜索“json 转 go”“json to golang struct”“根据接口响应生成结构体”，但都在尝试把数据样本变成可用的类型定义。相反，“go json”可能指解析方法、转换工具、标准库文档或报错排查，不宜因为词短就当成一个清晰需求。

贯穿本章的演示项目叫“轻舟开发工具”，是假设中的个人站点，计划提供浏览器内的数据转换工具，并探索面向团队的付费功能。本章出现的访问次数、比例、工时和业务价值均为教学假设，不是该站的真实运营结果，也不是对当前市场搜索量的估计。这样做的目的，是把方法讲到能够复算，而不是制造一个看似成功的案例。

研究的起点是一句业务边界：“我们帮助使用 Go 的开发者理解和转换接口数据，优先解决无需上传敏感样本的日常任务。”它决定你应该找“空数组类型推断”，而不是仅因搜索量大就去写手机优惠。如果没有业务边界，关键词库越大，偏离目标的速度往往越快。

5.2 五个维度定义一个可研究的需求 ​

只保存一个词串会丢失重要信息。建议把每个候选词放在五个维度中理解：使用者是谁、正在完成什么任务、处于什么场景、受到什么限制、希望得到什么结果。

“JSON 转 Go”可以展开为：后端开发者，需要接入一个外部接口，在已有 Go 项目中工作，不想上传客户数据，希望拿到可编译并可人工调整的结构体。这个描述直接提示页面应有输入输出区、示例、类型推断说明、隐私说明和复制按钮。它比“正文加入十次关键词”更接近实际建设工作。

换成电商站，“轻量防水徒步鞋”中的限制可能是重量、天气、尺码和预算；换成本地服务，“周日修空调”中的核心可能是服务时间、覆盖区域和上门可用性；换成内容站，“新手怎么读资产负债表”可能需要循序渐进的教学，而不是让读者直接下载复杂模型。相同的研究框架可以复用，具体交付形式必须变化。

把需求表达分成产品语言和用户语言很重要。开发者习惯说“结构化日志聚合”，初学者可能说“怎么把服务器上的报错集中看”；商家说“真皮通勤托特包”，顾客可能说“能放电脑不压肩的包”。关键词研究不是消灭专业术语，而是搭起两种语言之间的桥。页面可以先用用户听懂的表达，再引入准确术语及其适用条件。

5.3 建立种子词，避免从单一工具出发 ​

种子词（Seed Keyword）是启动扩展的短语，不要求有搜索量，也不要求最终成为页面标题。先从业务自身列出六类种子：产品与服务、用户任务、故障与障碍、比较与替代、约束条件、结果或收益。轻舟可以得到“JSON 转结构体”“接口响应解析”“字段丢失”“在线工具与本地工具”“不上传数据”“生成可编译代码”等起点。

接着为每类补充不同熟练度的说法。初学者会问“结构体标签是什么”，有经验的工程师会问“可选字段与零值如何区分”。两者都和 JSON 有关，但需要不同层次的解释。只听团队内部讨论，容易只发现专家词；只复制大平台标题，又容易只发现已经拥挤的泛词。

第三步加入真实实体（Entity），例如语言、框架、格式、产品类别、城市或行业，但不要机械地把所有实体相乘。一个输入格式、一个目标格式和一种使用限制构成的组合，只有在现实中有人可能执行这个任务时才有研究价值。“JSON 转 Go 离线”合理，“JSON 转 Go 红色”通常没有意义。实体组合是发现候选的工具，不是自动生成页面的许可。

最后建立排除词与排除主题。若站点不提供招聘服务，Go 工程师工资相关需求应单独留存或排除；若不支持真实文件上传，不能把“上传大型文件转换”作为已满足的卖点。排除规则应有理由和日期，防止后来业务扩展时仍被旧规则误伤。

5.4 用户研究：从原话中提取任务，而不是只采集名词 ​

小站可以从五到八次有目的的访谈开始，但人数只是工作安排，不代表统计学结论。请受访者回忆最近一次真实任务：发生了什么、先做了什么、卡在哪里、搜索了哪些表达、点开页面后为什么留下或离开。不要先问“你会不会用我们的工具”，这种问题容易得到礼貌性赞同。

记录时把原话、解释和推测分开。原话是“我不敢把生产接口返回贴到网上”；解释可以是“用户关注数据离开设备的风险”；推测则是“可能存在对本地转换功能的需求”。只有前两者在该次访谈中被直接支持，第三项还需要其他证据。将推测写成用户已经愿意付费，属于研究越界。

已有产品还可以研究站内搜索、客服问题、公开反馈、文档搜索和产品内失败事件。查看这些数据之前，要确认有权限、符合隐私要求，并去掉令牌、邮箱、客户名称和真实业务载荷。服务器访问日志通常能帮助理解页面请求，却不能保证拿到来自搜索引擎的完整查询词。不要为了补全关键词而记录用户粘贴到工具里的私密内容。

公开社区适合发现语言和困难，不适合直接推断人群比例。一个讨论中出现十次抱怨，可能是同一事件吸引了集中发言；一个很少有人讨论的问题，也可能因为涉及内部系统而不便公开。你可以记录问题类型、出现日期和可访问链接，但不要把发帖人数直接写成市场规模，更不能把社区原文批量改写成自己的所谓原创经验。

5.5 完全不依赖付费订阅的找词路径 ​

第一条路径是自有站点的 Google Search Console。确认当前资源覆盖要研究的网站范围，再进入搜索效果报告，固定搜索类型、时间、国家和设备，从查询表寻找已经有展现但尚未充分回答的问题。要记住：部分查询因隐私匿名化而不显示，表格也存在数据截断，查询筛选还会影响匿名化数据是否进入总计。因此，查询行之和不一定等于图表总数，缺少某个词也不能证明没人搜它。[B03]

要知道某个词对应哪些页面，在“查询”表点击该词，让它成为筛选条件，再切到“网页”表，查看并导出对应 URL 的表现。[B25] 例如先选“JSON 转 Go”，再判断结果主要落在工具页还是旧教程；调查下一个词前，清除上一个查询筛选。分别导出整站的查询表和网页表，只会得到两份各自汇总的数据，不能按行号拼成查询与 URL 的对应关系。保存导出时也保存筛选条件。

具体整理可以从三个列表开始：与业务相符且已有展现的查询、相关但落地页明显不匹配的查询、近期新出现而尚无专门回答的查询。不要仅筛选平均排名靠后的一切词；先看是否真的能提供更好答案。若一个词是偶然触发的歧义词，修正页面表达可能比追着这个词写新文章更合适。

第二条路径是公开搜索结果。输入种子，观察自动补全、相关问题、结果标题与不同内容形式。自动补全受到输入内容、位置、历史及系统过滤影响，不能当作按搜索量排列的排行榜。[B06] 记录“看到了什么建议”时，附上时间、地区、语言及环境；如果某次没有出现相关问题模块，只记未观察到，不补造结果。

第三条路径是 Google Trends。它适合比较相对兴趣与季节形态，数值经过归一化，低数据量可能显示零，不代表真实搜索次数为零。[B02] 你可以比较“开学书包”和“旅行背包”的季节性，但不能说指数八十就等于每月八万次搜索。把时间范围由十二个月改成五年后，刻度基准会变化，因此不要把不同设置导出的曲线绝对值直接拼在一起。

第四条路径是 Bing Webmaster Tools 的关键词研究。其官方说明包括相关词、问题词、趋势和与根词有关的结果网址，可作为另一搜索生态的需求线索。[B07] 使用时记录引擎、国家和语言；不要用 Bing 的数值冒充 Google 的数值。工具的可用入口、权限与展示字段可能变化，以账户当前可见内容为准。

第五条路径是公开的一手材料：产品手册、开源项目的公开问题、标准文档目录、用户常见错误和你有权使用的现场记录。它们未必提供搜索量，却能帮助识别具体问题和事实边界。没有搜索量并不妨碍先把一个真实且反复出现的支持问题写好。这里最有价值的产出，是清楚的问题定义和可验证的答案。

5.6 关键词规划师与商业工具：把门槛和用途讲清楚 ​

Google Ads 关键词规划师可从关键词或网站发现建议，但它首先服务于广告规划。[B04] 截至本书核验时，其帮助页明确提示，使用基础功能可能需要完成包括账单信息在内的账户设置。[B01] 因此不能承诺任何读者都能匿名、免设置、看到精细数据；本书也不要求为了学习 SEO 就创建广告活动或产生消费。

商业工具的价值通常是节省采集、归并和比较时间，扩大可见样本，保留历史结果，提供竞对页面及外链数据库。它们不是搜索引擎内部数据库的完整镜像，也不能直接读取竞争者的分析账户。预算有限时，先用免费路径明确研究问题，再判断是否有一项付费功能能明显降低工时或减少关键不确定性。

购买前列出任务清单：需要哪个国家的数据、要比较多少域名、是否需要历史记录、一次要导出多少行、是否包含子目录分析、是否要调用接口、额度如何计费。功能名相同并不等于覆盖范围相同。一个适合英语大型网站的数据库，不一定能充分覆盖中文垂直行业；没有数据不是该行业不存在。

可以采用“先试一小组已知词”的验收方法。挑选二十个自己确实了解的表达，其中有品牌词、专业词、地区词和新出现的词，查看工具能否返回有用候选、采集日期是否清楚、落地页是否合理。验收重点是对你的决策是否有帮助，而不是谁声称数据库最大。本书不提供当前套餐价格，也不把任何单一厂商作为必需品。

5.7 搜索量究竟测量什么 ​

搜索量（Search Volume）通常表示特定引擎、区域与时间口径下的查询次数估计，而不是独立用户数量，更不是你能获得的访问量。Google Ads 的平均月搜索量会涉及关键词及其近似变体，受所选时间、地区和搜索网络设置影响，统计值经过取整；其“竞争程度”描述广告主竞争，并非自然搜索排名难度。[B01]

商业工具还会使用自己的估计过程。例如，Semrush 官方介绍其搜索量模型结合第三方数据和历史点击流，提供按地区口径组织的估计。[B08] 这说明数字具有模型与样本边界，不能因为表格精确显示为某个整数，就认为它没有误差。两家工具出现差异，首先应核对地区、时间、变体处理、更新日期和模型定义，而不是立刻断定其中一家造假。

假设某个词十二个月分别有一百、一百、一百、一百、一百、一百、一百、一百、一百、一百、一百和一千三百次查询，全年总计为二千四百，月均为二百。但对旺季经营而言，二百掩盖了绝大多数月份的真实差异。此例只是算术演示；实际季节性应检查可获得的逐月数据，并与业务交付周期一起解释。

同样，搜索量不等于总可获得点击。用户可能在结果页得到答案、选择广告、进入地图、观看视频、重复查询或不点击任何结果。一个页面还可能接住许多你没有列出的查询。因此，用“一个主词月搜索量乘排名第一点击率”预测整页流量，往往同时低估了主题宽度，又高估了确定性。预测要给区间和假设，不要给没有依据的承诺。

5.8 难度分数、点击成本与商业价值的边界 ​

关键词难度（Keyword Difficulty，KD）是厂商定义的比较指标，并不是搜索引擎公开的排名门槛。以 Ahrefs 为例，其官方说明将该指标与前十个自然结果页面的引用域名数量联系起来，并明确不包含页面内 SEO 因素。[B05] 所以低难度不意味着一篇薄文就能排名，高难度也不意味着某个特殊场景完全没有机会。

实际难度至少要看四层：当前结果是否与你能做的页面类型一致，领先页面是否准确解决问题，你是否有可信的独特证据或功能，以及你的站点是否有合理的发现和访问路径。一个纯工具需求即便外链少，也可能需要开发复杂功能；一个高外链的通用话题，某个非常具体的故障子问题仍可能缺少好答案。

点击成本（Cost Per Click，CPC）反映广告交易环境的一部分。高 CPC 可以提示某些广告主愿意争取这类点击，却不能直接证明你的产品也能获利。假设一个查询面向企业采购，你的产品却只支持个人使用，商业价值可能很低；反过来，一个少人投放广告的专业排错词，可能帮助现有客户留下来。对自己的价值应由用户任务、产品适配、转化路径和交付成本来判断。

为了防止指标支配判断，候选库应同时保存“数字”和“理由”。数字列可以是搜索量范围、趋势、难度和现有展现；理由列写需求证据、功能匹配、页面缺口、内容维护要求及风险。排序分数低但必须解释的核心产品概念，可以进入基础文档计划，而不必伪装成高流量机会。

5.9 清洗、去重与证据分级 ​

建议保留原始层、标准化层和分析层。原始层保存导出文件与采集日期，不随手覆盖；标准化层统一空格、大小写、国家代码与字段；分析层添加主题、意图、页面建议和优先级。这样当一个词被错误合并时，还能回到原始证据，而不是重新做整轮研究。

英文大小写经常能标准化，但缩写和品牌名要谨慎。中文简繁体、地域词、单位、版本号、型号和技术符号不宜一律抹平。“Go 结构体”“go struct”可能是同任务的不同表达；“JSON 转 Go”和“Go 转 JSON”方向相反。数字也不是天然噪声，“四人帐篷”与“两人帐篷”的约束不同，“二十四小时急修”与常规维修的服务承诺不同。

每条候选建议有证据等级：一级为自有数据中确实出现的查询或经确认的用户任务；二级为公开搜索和多个来源中反复出现的表达；三级为工具扩展或团队推测。等级不是最终价值高低，而是需求存在的证据强弱。新产品词可能价值很高但证据弱，需要小规模验证，不能被直接删除。

不要把大语言模型生成的词表当成实测需求。模型适合补充表达、提出同义词、检查遗漏的用户角色，并可以辅助初步分类；它不应凭空填搜索量、竞对排名或用户比例。一个实用提示是要求它仅输出候选与推测理由，将“尚无证据”保留为空，再由人核对。对私有日志和客户访谈，使用任何外部工具前还要处理授权与数据保护问题。

5.10 完整演示：建立第一版候选库 ​

假设轻舟收集到三十条候选，其中十二条来自合法取得的用户反馈，八条来自自有站点查询导出，六条来自公开搜索观察，四条来自团队推测。这是用于练习的假设分布。去掉六条无关招聘词、两条完全重复表达后，留下二十二条；注意同一任务的近义词暂时只标记关系，不在清洗阶段粗暴删除。

挑出四个代表。甲是“JSON 转 Go 结构体”，需求清楚，适合功能页；乙是“JSON null 和零值区别”，需要语义说明与实验，适合指南或工具内帮助；丙是“某品牌登录”，属于他站导航，通常不适合争取；丁是“批量从接口样本生成团队模型”，与付费方向匹配但证据较弱，应先访谈与原型验证。

现在假设工具给甲的估计月搜索量为一千，乙为一百，丁为零。这里的数字全部是假设，不可引用为真实市场数据。甲值得做，是因为任务明确且产品能交付；乙值得做，是因为能减少误用且有支持价值；丁不应因为零就立即淘汰，而应通过目标用户任务和试用验证。丙即使一万也没有自然成为优先事项的理由。

初版研究报告应包含：业务边界一句话、候选来源说明、保留与排除规则、十个最值得进一步调查的任务、数据缺口和下一步动作。交付一张两万行的词表却没有这些解释，相当于把决策工作转交给读表的人。一个人经营网站时，十个证据充分的方向通常比几千个未经审查的标题更可执行。

5.11 失败诊断、练习与执行清单 ​

若词很多却无法下笔，优先检查是否只收集了名词，没有写出用户任务。若所有词都指向同一篇文章，检查是否忽略了不同的页面形式。若工具完全查不到专业词，检查语言、地区和样本覆盖，再找用户证据。若数据之间相差数倍，先核对统计口径和日期。若内容带来许多不相关展现，检查歧义、品牌混淆和页面承诺。

练习一：某工具显示“甲词竞争高”，团队决定放弃自然搜索。你应问什么？参考答案：先问“竞争”是广告竞争还是自然搜索难度；再确认引擎、地区、采集日期和计算方式；最后查看实际结果与自身交付能力。不能只凭一个高字作决策。

练习二：Trends 中某词为零，但你一周收到三次相关客户询问，是否要写？参考答案：可以先写能帮助现有用户的高质量说明，并记录其业务目的；零可能来自低量门槛，也可能确实没有稳定搜索需求。不要把三次询问外推为整个市场，但不必等待大搜索量才解决真实问题。

练习三：两个词只有“在线”和“离线”的差别，能否去重？参考答案：不能仅按字面相似决定。两者可能反映不同隐私、网络和安装限制，应保留场景标签，进入下一章的意图与页面映射判断。

执行清单：明确目标用户与业务边界；从至少三类来源收集候选；记录引擎、语言、地区、时间与工具；保留原始数据；区分查询次数、用户、展现、点击和转化；将广告竞争与自然难度分开；不给缺失值编数字；保留排除理由；用用户任务解释前十个候选；把所有未验证结论标为待验证。

本章参考来源 ​

保留各书来源与许可 · 示例运行条件以正文为准