mcpField
K
keyword-research

keyword-research

github.com/aaron-he-zhuマーケティング・グロース3.0k1.9k 回インストール1 日前に更新
リポジトリ

keyword-research について

keyword-researchは、SEOとGEOの計画に向けてキーワードを発見、評価、分類するスキルです。検索コンテンツ戦略を立てるチーム向けに、指標の根拠と出典を示し、トピッククラスターと優先機会を整理します。

主な機能

  1. 01キーワードの発見と拡張
  2. 02検索意図による分類
  3. 03機会の評価と優先順位付け
  4. 04AI回答に適したクエリの特定
  5. 05トピッククラスターとコンテンツ計画の作成

活用シーン

  1. 01SEOテーマと公開カレンダーの計画
  2. 02競合のランキング語から候補を抽出
  3. 03既存の検索データから短期機会を特定

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/aaron-he-zhu/aaron-marketing-skills --skill keyword-research

インストール後、Claude Code で/keyword-researchを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

references/
example-report.md
instructions-detail.md
keyword-intent-taxonomy.md
keyword-prioritization-framework.md
topic-cluster-templates.md

詳細

キーワード調査

SEO と GEO の計画に向けて、キーワードを発見し、スコア付けし、クラスタリングします。

クイックスタート

Research keywords for [topic/product/service]

What keywords is [competitor URL] ranking for that I should target?

スキルの契約

期待される出力：優先順位を付けたキーワード概要と、memory/research/ 用の標準引き継ぎサマリーです。

  • 読み取るもの：トピックまたはシードキーワード、ターゲット市場／言語、ビジネス目標、サイトの DR、ユーザー提供またはツールによる指標。
  • 書き込むもの：ユーザー向けの調査成果物と再利用可能なサマリー。
  • 引き継ぐもの：長期的に有効なキーワードの優先順位、競合に関する事実、保留中の戦略上の決定を memory/hot-cache.md、memory/open-loops.md、memory/research/ に記録します。
  • 完了条件：候補に選ばれたすべてのキーワードに、検索ボリューム、難易度、検索意図が記載され、それぞれに参照元、観測時刻／期間、市場／言語、エビデンスラベルが付いていること。該当する値が欠けている場合は、N/A ではなく、欠落理由を添えて Unknown とすること。キーワードはピラーとクラスターのハブにまとめられ、成果物には優先順位を付けた Quick Win／Growth／GEO の機会が少なくとも 3 つ記載されていること。
  • 主な次のスキル：キーワードセットの市場比較を行う準備ができたら、competitor-analysis を使用します。
引き継ぎサマリー

skill-contract.md §Handoff Summary Format に記載されている標準形式で出力します。

データソース

オプションの連携：~~SEO tool、~~search console。ツールがない場合は、シードキーワード、オーディエンス、目標、既知の指標があればそれを確認します。CONNECTORS.md を参照してください。

依存関係のないローカルヘルパー（ツール不要）：python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/suggest.py" "<seed>" --expand で Google Autocomplete から無料のキーワード候補を収集します（⚠️ 非公式エンドポイント）。検索 ボリューム／難易度 の調査には、引き続き ~~SEO tool または独自の Search Console データが必要です。scripts/connectors/README.md を参照してください。

API キー不要のライブ SERP サンプリング：python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/firecrawl.py" search "<candidate keyword>" --limit 10（Firecrawl の API キー不要の無料枠、月あたり約 1,000 クレジット、キー不要）を実行すると、候補キーワードで実際にランクインしているサイトを確認できます。上位 10 件のドメインと形式を検索意図の確認や難易度の判断に使えば、推測ではなく Measured エビデンスとして扱えます。検索ボリュームの調査には、引き続き ~~SEO tool または GSC が必要です。

API キー不要のトピック需要プロキシ：python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/pageviews.py" "<Topic_Article>" --months 12 を実行すると、トピックに関する Wikipedia の実際の閲覧数推移が返されます。検索ボリュームツールに接続していない場合に、傾向や季節性を示す Measured エビデンスとして利用できます。これは 注目度であり、検索ボリュームではありません。トピック同士の優先順位付けや時期の判断には使えますが、検索ボリュームの数値として引用してはいけません。

上位表示間近のキーワードを見つける近道（~~search console に接続している場合）：広範なキーワード調査の前に、自社の GSC クエリデータを調べて、すでに 5～20 位前後にランクインしている語句（1 ページ目の下位と 2 ページ目）を抽出します。こうした語句にはすでに需要があり、少しの後押しで成果につながる可能性があるため、最も手早く取り組める機会です。Search Analytics API はクリック数順に並べ替えますが、掲載順位によるフィルターはありません。そのため、大きな rowLimit を指定し、クライアント側で 5～20 位の範囲に絞り込んでから、その候補に検索ボリューム／難易度／検索意図を付与します。まずこの候補群に取り組み、指標は Measured として扱います。

手順

ユーザーがキーワード調査を依頼した場合は、8つのフェーズを実行し、それぞれを [Phase X/8: Name] として告知します。

  1. 範囲設定 — 製品、対象ユーザー、ビジネス目標、DR、地域、言語を確認します。
  2. 候補の発見 — 中核、課題、解決策、対象ユーザー、業界に関する用語から候補を見つけます。
  3. バリエーション — 修飾語とロングテールパターンで候補を広げます。
  4. 分類 — 検索意図（情報収集、案内、商用、取引）でタグ付けします。
  5. スコアリング — 難易度（1〜100）を割り当て、Opportunity = (Volume × Intent Value) / Difficulty を計算します。Intent Value は 1 / 1 / 2 / 3 です。
  6. GEO チェック — 質問、定義、比較、リスト、ハウツーなど、AI の回答に適したクエリにフラグを付けます。
  7. クラスタリング — キーワードをピラーとクラスターのトピックハブにグループ化します。
  8. 成果物の作成 — エグゼクティブサマリー、クイックウィン／成長／GEO の機会、トピッククラスター、コンテンツカレンダー、次のステップを出力します。

すべての指標に Measured（ツール／エクスポート）、User-provided、Calculated、Estimated、Proxy、Unknown のいずれかを付け、各フィールドのクエリ、地域と言語の設定、言語、ソース参照、観測時刻、期間を保持します。ソース間の不一致はそのまま保持します。該当する指標が取得できない場合は、欠損理由を添えて Unknown とします。N/A は、そのフィールドが実際に該当しない場合に限って使用します。注目度の代理指標を検索ボリュームとして扱ってはいけません。また、意思決定に不可欠な入力が Unknown の場合、機会スコアは NOT_SCORED とします。

インパクト × 確信度の視点（任意、フェーズ 5 に追加）

ボリューム／難易度だけでなく、より豊富なシグナルがある場合は、Opportunity スコアに加えて、次の 2 回目の評価を追加します。

  • インパクト = ボリューム + CPC + ファネル段階 + トレンドの方向性（その用語で成果を上げる価値の大きさ）。
  • 確信度 = 難易度 + 現在のランキング順位 + トピックの権威性（成果を上げられる可能性）。
  • Priority = Impact × Confidence — 検索ボリュームが大きいだけでなく、価値があり、かつ成果を上げられる用語を浮き彫りにします。

パターンに基づいて、各キーワードにファネル段階のタグを付けます。

  • BOFU — 商用／取引目的、または「pricing」、「best」、「vs」、「services」、「agency」、「hire」、「buy」を含むもの。
  • MOFU — 購買意図を示す情報収集目的：「how to」、「guide」、「roi」、「case study」、「review」。
  • TOFU — 情報収集のみ（定義、幅広い質問）。

収益が目標の場合は BOFU を優先します。リーチと GEO の回答対象範囲を広げるには TOFU／MOFU を活用します。（Impact×Confidence とファネル段階のスコアリングは、外部の SEO 運用に関する競合分析をもとに調整されています。）

品質基準：すべての推奨事項に、少なくとも 1 つの具体的な数値を含めます。一般的なアドバイスは、具体的なキーワード、ボリューム、難易度、理由を含む形に書き換えます。

参考資料：8 フェーズのテンプレート、拡張パターン、検索意図の表、難易度の段階、機会マトリックス、GEO 指標、クラスターのテンプレート、実行可能な例と一般的な例の比較、応用方法については、references/instructions-detail.md を参照してください。

例

作業例の全体については、references/example-report.md を参照してください。

結果の保存

書き込み先：memory/research/keyword-research/YYYY-MM-DD-<topic>.md。長期的に有効なキーワードの優先事項は memory/hot-cache.md に反映します。スキルコントラクト §Save Results Template を参照してください。

参考資料

Next Best Skill

Primary: competitor-analysis. Also: content-gap-analysis and serp-analysis.

コメント

Markdown 対応