keyword-research

keyword-research 技能概览

keyword-research 技能能做什么

keyword-research 技能可以帮助 AI 代理把模糊的 SEO 目标，整理成一套结构化的关键词方案：包括目标词、搜索意图分类、优先级排序，以及 topic cluster 推荐。它适合那些不满足于“给我一些关键词想法”，而是希望建立一套可重复执行的流程，来决定该发布什么、主攻什么、以及哪些方向应当降级处理的用户。

谁最适合使用这个技能

这个 keyword-research 技能非常适合内容营销人员、SEO 负责人、创始人、代理机构，以及需要让内容机会和业务目标挂钩的产品团队。尤其当你已经了解自己的市场，但需要 AI 代理把需求、意图和机会整理成一份可执行清单时，它会特别有价值。

它真正解决的是什么问题

多数用户真正要解决的，并不是单纯“找关键词”，而是回答这些更实际的问题：

• 哪些主题能带来高质量流量
• 哪些关键词是现实可做的
• 如何把词组织成 cluster，而不是一篇篇孤立的博客文章
• 应该先发布什么内容

这也是 keyword-research 比通用 brainstorm prompt 更有用的地方。

这个 keyword-research 技能的差异点

仓库里包含了一些非常实用的支持文件，可以明显提升输出质量：

• references/keyword-intent-taxonomy.md：用于统一意图映射标准
• references/keyword-prioritization-framework.md：用于打分和优先级筛选
• references/topic-cluster-templates.md：用于把关键词转成内容架构
• references/example-report.md：用于明确交付物的结构和细节深度

如果你要的是一套研究工作流，而不只是一个词表，这些内容会让这个技能更值得安装。

什么情况下不建议安装

如果你只是想随手找几个关键词灵感，或者你期待这个技能在没有工具接入的前提下，自己去抓取实时搜索数据，那就不太适合安装这个 keyword-research 技能。它在结构化分析和推理方面表现不错，但真实的搜索量、关键词难度和 SERP 状况，仍然要依赖外部 SEO 数据源，或你自己提供的指标。

如何使用 keyword-research 技能

安装环境与兼容性

仓库声明兼容 Claude Code ≥1.0、skills.sh marketplace、ClawHub marketplace，以及 Vercel Labs skills ecosystem。不需要额外的系统包。如果你希望代理从 SEO 工具中拉取数据，可选的 MCP 网络访问会更有帮助。

如果你使用的是 marketplace 风格的安装器，基础命令是：

npx skills add aaron-he-zhu/seo-geo-claude-skills --skill keyword-research

建议先看这些文件

如果你想快速判断值不值得用，建议按这个顺序阅读：

1. SKILL.md
2. references/example-report.md
3. references/keyword-intent-taxonomy.md
4. references/keyword-prioritization-framework.md
5. references/topic-cluster-templates.md

这个阅读顺序能帮助你快速看清：这个技能是怎么思考的、会产出什么样的结果，以及它的 keyword-research 用法是否适合你的工作流。

这个技能要想发挥好，需要什么输入

keyword-research 的输出质量，很大程度取决于输入信息是否完整。建议提供：

• 网站或公司描述
• 产品或服务分类
• 目标受众
• 地域与语言
• 业务目标，例如 leads、trials、signups 或 affiliate clicks
• 已知竞争对手
• 当前域名强度或现实排名水平
• 你更想要 quick wins、cluster 规划，还是完整 roadmap

如果缺少这些上下文，技能也许仍能生成“看起来合理”的关键词列表，但整体力度通常会偏弱。

如何把一个模糊目标写成更强的 keyword-research 提示词

较弱的 prompt：

• “Find keywords for my SaaS”

更好的 prompt：

• “Run keyword-research for a B2B invoicing SaaS for US freelancers. Prioritize low-to-medium difficulty keywords with commercial or high-intent informational intent. Group results into topic clusters, show quick wins vs longer-term targets, and suggest content formats. Assume our domain is new and we need signup-driven traffic.”

更强的版本之所以更好，是因为它给了代理明确的业务相关性、市场范围和排名约束，从而能做出更靠谱的优先级判断。

第一次使用 keyword-research 的最佳流程

一个比较实用的流程是：

1. 明确业务目标和目标受众。
2. 提供种子主题或产品分类。
3. 要求先做意图分类和 cluster 扩展。
4. 再让代理按难度、相关性和转化潜力做优先级排序。
5. 最后把筛出的关键词转成内容计划。

相比一次性要求输出一大坨关键词，这个顺序更贴合仓库里的支持材料，也更容易得到可执行结果。

把示例报告当作你的输出合同

references/example-report.md 很有参考价值，因为它展示了预期交付物的结构：executive summary、top opportunities、quick wins、growth terms，以及 prioritized recommendations。如果你希望不同项目的输出保持一致，可以明确要求代理按这份报告的结构来生成结果。

如何处理实时指标和工具数据

这个 keyword-research 技能看起来是为可选的 SEO 工具集成做过设计的，但并不保证一定能直接拿到数据。实际使用中，建议采用以下几种模式之一：

• 直接提供从 Ahrefs、Semrush 或 Google Keyword Planner 导出的关键词数据
• 在没有工具数据时，让代理做定性分析
• 如果指标是估算值，要求把假设明确标注出来

如果你是否采用这个技能，取决于指标是否足够准确，那就一定要先验证工具接入链路，再把它用于正式业务流程。

提升聚类效果的实用提示词模板

如果你的核心目标是做内容规划，可以要求输出以下字段：

• primary keyword
• secondary variants
• intent
• pillar vs cluster role
• suggested content format
• business relevance
• priority score

这种要求和仓库里的优先级框架、topic-cluster 模板是高度对齐的。

新站点如何使用 keyword-research

对于新站或权重较低的域名，建议明确告诉代理优先偏向：

• long-tail 词
• 难度更低的机会词
• 更窄的问题表达
• comparison 和 use-case 类型内容
• 围绕一个现实可做的 pillar 搭建 cluster 页面

否则输出很容易过度集中在那些显而易见的 head terms 上，而这些词你短期内大概率并排不上去。

已有内容库时如何使用 keyword-research

如果你已经有一定内容积累，可以让这个技能重点去映射：

• 现有 URL 对应的关键词意图
• cluster 中缺失的子主题
• cannibalization 风险
• 可整合的内容候选
• 值得刷新的页面机会

很多时候，这比从零开始做新关键词发想更有价值，因为它能把建议直接绑定到你马上就能优化的内容资产上。

安装前要知道的常见限制

真正阻碍采用的，通常不是安装问题，而是预期不一致：

• 这个技能不能替代实时 SERP 验证
• 输入太泛，输出的关键词也会很泛
• 优先级评分的质量，取决于你提供的业务上下文
• 虽然触发器支持多语言，但你的 prompt 仍然需要明确市场范围和语言范围

keyword-research 技能常见问题

这个 keyword-research 技能比普通 AI prompt 更好吗

通常是的，前提是你需要结构化输出。普通 prompt 可以帮你 brainstorm 一些词，但这个技能额外提供了意图分类体系、优先级逻辑、cluster 规划，以及示例报告格式。它们能显著减少拍脑袋成分，也让结果更容易直接落地。

keyword-research 自带真实搜索量数据吗

不自带。仓库里有可选的 SEO 工具集成信号，但你应默认实时指标需要外部工具访问，或者由用户自行提供数据。如果你需要能站得住脚的数字，最好把技能和你的关键词导出数据配合使用。

keyword-research 对新手友好吗

友好，但有一个前提：新手也要提供清晰的业务上下文，并尽量按示例报告的格式来使用。底层概念并不难理解，但只有当你明确告诉技能，什么才算你的网站“成功”时，结果才会更好。

什么情况下不该使用 keyword-research

不要把它当成高风险 SEO 决策的唯一依据。它最强的场景是研究框架搭建、优先级排序和内容规划；但 SERP 现实情况、品牌匹配度，以及最终的编辑取舍，仍然需要人工复核。

这个 keyword-research 技能能帮助做 topic cluster 吗

可以，而且这正是它更强的实际用途之一，因为仓库里包含 references/topic-cluster-templates.md。如果你的目标是建立 topical authority，而不是零散地发几篇文章，那它会比简单的关键词 brainstorm 更有价值。

适合代理机构和团队使用吗

适合。示例报告这种输出模式，能让你更容易在不同客户或内部利益相关方之间做标准化。代理机构可以先用它生成第一版研究 brief，再叠加实时工具数据和竞争分析。

如何改进 keyword-research 技能的使用效果

给出更明确的业务约束

想让 keyword-research 输出更快变好，最直接的方法就是把真正重要的约束说清楚：

• lead generation 还是 awareness
• 本地覆盖还是全国覆盖
• 新域名还是成熟域名
• product-led conversion 还是 editorial-led conversion
• 短期见效还是长期 authority

这些约束会直接改变“什么才是好关键词”的判断标准。

提供能反映市场真实需求的种子词

不要只从 “software” 或 “marketing” 这种过宽的名词开始。更好的做法是提供 5 到 15 个种子词，尽量贴近真实痛点、具体 use case、买家语言，以及产品分类。这样技能才能在正确的语义邻域里扩展，而不是越跑越泛。

要求把假设明确标出来

一个很常见的失败模式，是“看起来很有信心，但其实没数据”。要提高结果可信度，可以要求技能把以下几类内容分开：

• 已确认数据
• 推断估算
• 策略性假设
• 需要外部验证的项目

尤其是在没有接入 SEO 工具的情况下使用 keyword-research 时，这一点非常重要。

强制它做优先级判断，而不只是发散想法

很多质量偏弱的输出，根本问题不是词不够多，而是用户只要求“给我 100 个关键词”，却没有要求做决策。更好的方式是让代理按以下维度排序：

• business relevance
• realistic difficulty
• intent quality
• content gap value
• cluster contribution

这样产出的结果，才真正能支持发布决策。

针对意图分类不准进行迭代

如果第一版结果把 educational、commercial 和 navigational 词混在一起，且分类偏松，可以明确要求技能基于 references/keyword-intent-taxonomy.md 重新分类，并剔除不匹配的意图类别。这样通常能同时提升内容 targeting 和转化对齐度。

第一轮之后继续优化 cluster 质量

完成第一轮 keyword-research 后，可以继续追问：

• 哪些 pillar pages 值得扩展成 clusters
• 哪些子主题存在重复
• 哪些页面应该主打 comparison intent
• 哪些 supporting pieces 适合通过内链支持 money pages

这一步能把“关键词列表”真正转成可执行的内容架构。

校验优先级模型是否符合你的业务

仓库里的优先级框架本身已经比较清晰，但不同业务对因素权重的判断并不一样。如果转化比流量更重要，就应明确告诉技能：相比纯 volume，更要提高 business relevance 和 intent match 的权重。

用示例来塑造你想要的输出形式

如果第一版报告太抽象，可以直接让代理参考 references/example-report.md，并要求输出达到类似的具体程度。相比泛泛地说“再详细一点”，引用一个具体样例，通常更能快速提升格式一致性和实用性。

结合真实反馈重新跑 keyword-research

最有效的 keyword-research 流程，本质上是迭代式的：先发布几篇内容，观察排名和转化表现，再让技能基于真实结果去调整 clusters 和优先级。一旦有了实际表现数据，这个技能会明显更有价值，因为它是在基于证据推理，而不只是基于假设。