mcpField
K
keyword-research

keyword-research

github.com/indranilbanerjee营销与增长919125 次安装2 天前更新
代码仓库

关于 keyword-research

面向营销人员和 SEO 专家的独立关键词研究技能。它扩展种子词、分类搜索意图并识别竞争对手内容缺口;搜索量和难度数据来自已连接的关键词 MCP,而非自行编造。

主要功能

  1. 01扩展种子关键词
  2. 02分类搜索意图
  3. 03分析竞争对手内容缺口
  4. 04发现长尾机会
  5. 05将关键词匹配到内容形式
  6. 06排列关键词机会优先级

适用场景

  1. 01内容规划前研究主题
  2. 02对比与竞争对手的关键词覆盖
  3. 03寻找问句和长尾关键词
  4. 04确定 SEO 内容机会的优先级

MCP 相关

它通过已连接的关键词 MCP(如 Ahrefs、Semrush、SE Ranking 或 GSC)获取可用的搜索量和关键词难度数据,并对这些数据进行解读,不会自行生成数据。

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/indranilbanerjee/digital-marketing-pro --skill keyword-research

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

详细介绍

/digital-marketing-pro:keyword-research

脚本位置。 如果你的宿主未设置 ${CLAUDE_PLUGIN_ROOT},脚本位于此插件的 scripts/ 文件夹中,与 skills/ 并列。请使用 Python 3.10 或更高版本运行:python;如果找不到 python,则使用 python3(macOS 和许多 Linux 系统)。

用途

独立的关键词研究工具,涵盖关键词拓展、搜索意图分类和竞争对手差距分析。输出按优先级排序、按意图分类的关键词列表,并提供内容建议。搜索量和关键词难度数据来自品牌已连接的关键词 MCP(Ahrefs / Semrush / SE Ranking / GSC);此技能负责呈现和解读数据,不会凭空编造。支柱页+辐射页的聚类规划交由 /digital-marketing-pro:keyword-cluster(keyword_cluster.py 引擎)处理;此技能生成该技能所需的种子关键词。

所需输入

用户必须提供(或将收到提示提供):

  • 种子关键词或主题:起始关键词、主题领域,或用于提取关键词主题的 URL
  • 目标受众:内容面向的人群(人口统计特征、专业水平、痛点)
  • 行业:用于为搜索量和难度估算提供背景的垂直领域或细分市场
  • 竞争对手域名:可选——1-3 个竞争对手域名,用于进行内容差距分析
  • 目标市场/语言:用于搜索量估算的地理位置和语言定位
  • 内容目标:流量、潜在客户、思想领导力、产品销售或品牌知名度
  • 现有内容清单:可选——已发布内容的 URL 或主题,以避免重复

流程

  1. 加载品牌背景:读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的 slug,然后加载 ~/.claude-marketing/brands/{slug}/profile.json。应用品牌语气、合规要求和行业背景。检查 guidelines/_manifest.json 中的限制、消息规范、渠道风格、语气规则和模板。如果 ~/.claude-marketing/brands/{slug}/templates/ 中存在与此命令匹配的模板,则按其格式执行。如果不存在品牌,请提示用户使用 /digital-marketing-pro:brand-setup,或采用默认设置继续。
  2. 检查营销活动历史:运行 python "${CLAUDE_PLUGIN_ROOT}/scripts/campaign-tracker.py" --brand {slug} --action list-campaigns,找出以往的关键词研究和内容营销活动,以便在此基础上继续,而不是重复开展。
  3. 加载参考文件:查阅 skills/content-engine/ 获取内容策略背景,并查阅 skills/context-engine/industry-profiles.md 获取特定行业的关键词基准和搜索行为模式。
  4. 扩展种子词:使用品牌已连接的关键词 MCP(Ahrefs getRelatedKeywords、Semrush、SE Ranking 或 GSC 查询挖掘)扩展种子词,生成候选列表,并在可用时获取服务提供商给出的搜索量和关键词难度数据。记录服务提供商及数据获取日期——搜索量和关键词难度是服务提供商的估算值,并非实际测量值,不同服务提供商的数据可能相差 20-50%。不得声称已连接工具未返回的搜索量、关键词难度或趋势数据。
  5. 判定搜索意图:将每个关键词归入意图类别——信息型(操作指南、是什么)、导航型(品牌、产品名称)、商业型(最佳、评测、比较)和交易型(购买、定价、演示、免费试用)。
  6. 将关键词映射到内容类型:根据搜索意图和 SERP 特征分析,为每个关键词集群指定建议的内容形式——博客文章、落地页、支柱页、对比页、常见问题、视频、工具或交互式内容。
  7. 找出与竞争对手相比的内容差距:如果提供了竞争对手域名,将其排名关键词与品牌当前的内容覆盖范围交叉比对,找出错失的机会和内容不足的主题。
  8. 发掘长尾机会:为每个集群扩展长尾变体、问题式关键词(People Also Ask 模式)以及相关搜索修饰词,寻找难度较低的切入点。
  9. 评估 SERP 特征机会:针对每个主要关键词,识别当前存在的 SERP 特征(精选摘要、People Also Ask、知识面板、图片包、视频轮播),并注明哪些值得争取。
  10. 识别季节性和趋势机会:标记具有显著季节性规律或搜索趋势上升的关键词,这些关键词带来有时效性的内容机会,需要优先安排。
  11. 按影响力和难度排序:使用综合优先级指标为每个关键词集群评分,权衡估算搜索量、排名难度、业务相关性、转化潜力和内容差距机会。
  12. 生成关键词策略文档:将完整分析整理为结构化交付内容,并明确提出内容创作顺序的后续建议。

输出

一份结构化的关键词策略文档,包含:

  • 按主题分类的关键词集群,以及每个集群中的具体关键词
  • 每个关键词的月搜索量估算和关键词难度
  • 每个关键词的搜索意图分类(信息型、导航型、商业型、交易型)
  • 每个集群的 SERP 功能机会(精选摘要、PAA、视频、图片包)
  • 每个集群的推荐内容类型和格式
  • 优先级评分(高/中/低),并说明排序依据
  • 内容差距分析,展示竞争对手占据而品牌尚未覆盖的关键词
  • 难度较低且相关性高的长尾关键词机会
  • 用于 FAQ 和 People Also Ask 目标定位的问句型关键词列表
  • 根据优先级排序制定的内容创作路线图
  • 标记可立即行动的快速见效关键词(难度低、搜索量尚可、相关性高)
  • 季节性或趋势型关键词机会及时间安排建议
  • 各关键词集群与现有内容之间的内部链接机会

提示与注意事项

  • 任何服务商提供的搜索量都只是估算值。 Ahrefs、Semrush、GSC、SE Ranking 对同一关键词的估算结果都可能相差 20-50%。请使用范围,而非单点估算。
  • 关键词难度(KD)是启发式指标,而非测量值。 KD 为 60 表示“竞争激烈”,并非“不可能”。具有细分领域权威性的小品牌,也能凭借 KD 为 70 的关键词与通用型、KD 为 30 的网站竞争。
  • 长尾关键词的搜索量不一定更低。 随着 AI 搜索改写查询,实际带来点击的查询可能与初始关键词不同。务必通过 GSC 查看用户实际输入的最终查询,而不是依赖排名跟踪工具的假设。
  • 原始关键词达到 ≥ 20 个后,请移交给 /digital-marketing-pro:keyword-cluster。先进行聚类再写作,才能打造主题权威性,而不只是得到一份关键词列表。
  • 不要每季度都研究同一组关键词。 只有在商业模式、目标市场或竞争格局发生变化时才重新研究。否则,观察到的变化只是噪声。
  • 搜索意图比搜索量更重要。 对大多数商业品牌而言,每月搜索 200 次的“购买 [产品]”查询,其价值高于每月搜索 5000 次的“[产品] 是什么”查询。

使用的 Agent

  • seo-specialist -- 关键词研究、搜索量与难度估算、SERP 分析、内容差距识别及优先级评分
  • content-creator -- 内容类型映射、内容角度建议,以及面向关键词的内容编辑规划

评论

支持 Markdown