mcpField
K
keyword-research

keyword-research

github.com/aaron-he-zhu营销与增长3.0k1.9k 次安装1 天前更新
代码仓库

关于 keyword-research

keyword-research 是用于 SEO 和 GEO 规划的关键词发现、评分与聚类技能，面向需要制定搜索内容策略的团队。它为指标标注证据类型与来源，并将关键词组织为主题集群和优先机会。

主要功能

  1. 01发现并扩展关键词
  2. 02按搜索意图分类
  3. 03评分并排序机会
  4. 04识别适合 AI 答案的查询
  5. 05构建主题集群与内容计划

适用场景

  1. 01规划 SEO 内容主题和发布日历
  2. 02从竞争对手排名词中筛选目标词
  3. 03依据现有搜索数据寻找快速机会

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/keyword-research确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

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

详细介绍

关键词研究

发现、评分并聚类关键词，为 SEO 和 GEO 规划提供支持。

快速开始

Research keywords for [topic/product/service]

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

技能约定

预期输出：一份按优先级排序的关键词简报，以及供 memory/research/ 使用的标准交接摘要。

  • 读取：主题或种子关键词、目标市场/语言、业务目标、网站 DR，以及用户提供的任何指标或工具指标。
  • 写入：面向用户的研究成果和可复用摘要。
  • 同步至：memory/hot-cache.md、memory/open-loops.md 和 memory/research/ 中持久有效的关键词优先级、竞争对手信息和待定策略决策。
  • 完成条件：每个入围关键词均包含搜索量、难度和意图，并分别注明来源引用、观测时间/窗口、市场/语言和证据标签；适用但缺失的值标记为 Unknown 并说明缺失原因，绝不标记为 N/A；关键词按支柱主题 + 集群中心分组；成果至少列出 3 个优先级最高的快速见效 / 增长 / GEO 机会。
  • 主要后续技能：当关键词集准备好进行市场比较时，使用 competitor-analysis。
交接摘要

按照 skill-contract.md §Handoff Summary Format 中的标准格式输出。

数据源

可选集成：~~SEO tool、~~search console。没有工具时，请询问种子关键词、受众、目标以及任何已知指标。参见 CONNECTORS.md。

零依赖本地辅助工具（无需工具）：python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/suggest.py" "<seed>" --expand 从 Google Autocomplete 免费收集关键词创意（⚠️ 非官方接口）。搜索量 / 难度仍需使用 ~~SEO tool 或自有 Search Console 数据。参见 scripts/connectors/README.md。

无需密钥的实时 SERP 抽样：python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/firecrawl.py" search "<candidate keyword>" --limit 10（Firecrawl 无密钥免费套餐，每月约 1,000 个额度，无需密钥）可显示某个候选关键词的实际排名网站。将排名前 10 的域名和内容形式用于意图检查和难度评估，作为实测证据，而非凭空猜测。搜索量仍需使用 ~~SEO tool 或 GSC。

无需密钥的主题需求代理指标：python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/pageviews.py" "<Topic_Article>" --months 12 会返回某个主题在 Wikipedia 上的真实关注度趋势；未接入搜索量工具时，可将其作为实测的趋势方向和季节性证据。它衡量的是关注度，而非搜索量：可用于比较主题优先级和安排发布时机，但绝不能据此引用搜索量数值。

快速切入机会捷径（已连接 ~~search console 时）：广泛挖掘之前，先从自有 GSC 查询数据中筛选排名已在约第 5–20 位的词——即首页尾部和第二页词。这些词已验证存在需求，只需稍加推动便可能转化，因此是最快的机会集合。Search Analytics API 按点击量排序，没有排名筛选器，因此应请求较高的 rowLimit，再在客户端筛选第 5–20 位的词，然后为这份候选名单补充搜索量 / 难度 / 意图。优先处理这组词；将其指标视为实测。

说明

当用户请求关键词研究时，执行八个阶段，并按 [Phase X/8: Name] 的格式宣布每个阶段：

  1. 范围界定 — 明确产品、受众、业务目标、DR、地理区域和语言。
  2. 发现 — 从核心词、问题词、解决方案词、受众词和行业词入手。
  3. 扩展变体 — 使用修饰词和长尾模式扩展关键词。
  4. 分类 — 按意图标记（信息型、导航型、商业型、交易型）。
  5. 评分 — 评估难度（1-100），并计算 Opportunity = (Volume × Intent Value) / Difficulty，其中 Intent Value 为 1 / 1 / 2 / 3。
  6. GEO 检查 — 标记适合 AI 回答的查询，例如问题、定义、对比、列表和操作指南。
  7. 聚类 — 将关键词归入支柱主题和主题集群。
  8. 交付 — 输出执行摘要、快速见效 / 增长 / GEO 机会、主题集群、内容日历和后续步骤。

每项指标都要标记为 Measured（工具/导出数据）、User-provided（用户提供）、Calculated（计算得出）、Estimated（估算）、Proxy（代理指标）或 Unknown（未知）；并为每个字段保留查询、地区、语言、来源引用、观测时间和时间窗口。保留相互冲突的来源。如果适用指标不可用，将其标记为 Unknown，并注明缺失原因；只有字段确实不适用时才标记为 N/A。注意力代理指标绝不能视为搜索量；如果关键决策输入为 Unknown，则机会评分为 NOT_SCORED。

影响力 × 置信度评估（可选，叠加于第 5 阶段）

如果获得的信号比搜索量/难度更丰富，可在 Opportunity 评分基础上增加第二轮评估：

  • 影响力 = 搜索量 + CPC + 漏斗阶段 + 趋势方向（赢得该关键词的价值有多大）。
  • 置信度 = 难度 + 当前排名位置 + 主题权威度（赢得该关键词的可能性有多大）。
  • 优先级 = 影响力 × 置信度 — 找出既有价值 又 有望胜出的关键词，而不只是搜索量高的关键词。

根据关键词模式为每个关键词标注漏斗阶段：

  • BOFU — 商业型/交易型，或包含 "pricing"、"best"、"vs"、"services"、"agency"、"hire"、"buy"。
  • MOFU — 带有购买信号的信息型关键词："how to"、"guide"、"roi"、"case study"、"review"。
  • TOFU — 纯信息型关键词（定义、宽泛问题）。

以营收为目标时，优先处理 BOFU；使用 TOFU/MOFU 扩大覆盖面并覆盖 GEO 回答。（影响力 × 置信度及漏斗阶段评分改编自外部 SEO 运营竞争分析。）

质量标准：每条建议至少包含一个具体数字。将泛泛建议改写为具体关键词 + 搜索量 + 难度 + 原因。

参考：完整的八阶段模板、扩展模式、意图表、难度等级、机会矩阵、GEO 指标、聚类模板、可执行与泛泛示例及高级用法，请参阅 references/instructions-detail.md。

示例

完整示例请参阅 references/example-report.md。

保存结果

写入路径：memory/research/keyword-research/YYYY-MM-DD-<topic>.md；将长期有效的关键词优先级提炼至 memory/hot-cache.md。请参阅 Skill Contract §保存结果模板。

参考资料

Next Best Skill

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

评论

支持 Markdown