关于 semantic-gap-analysis
语义 SEO 分析 Skill,根据目标关键词比较页面与排名靠前的竞争页面,整理实体和关系、划分内容缺口,并生成按优先级排列的补充计划。
主要功能
- 01页面与竞争对手分析
- 02实体和谓词盘点
- 03语义缺口分类
- 04实体-属性-值关系映射
- 05按优先级制定内容补充计划
适用场景
- 01查找排名页面遗漏的主题
- 02比较竞争页面的主题覆盖
- 03规划有针对性的页面扩展
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ inhouseseo/ superseo-skills --skill semantic-gap-analysis安装后在 Claude Code 中输入/semantic-gap-analysis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/eav-triple-worked-examples.mdgap-classification-rubric.mdpredicate-verb-fields.mdtopic-cluster-strategy.md详细介绍
语义差距分析
找出你的页面中缺失、但排名靠前的竞争对手页面中包含的确切实体、子主题、谓词和关系。这是一份关于应添加哪些内容的简报,而不是泛泛地建议“写得更深入”。
Google 的 NLP 模型(BERT、MUM、Gemini)会为你的内容构建语义图。如果你的内容缺少竞争对手页面中包含的节点或边,算法就会认为你的内容流于表面。这项技能会找出确切缺失的节点。
输入
- 你的页面 URL(必填)
- 目标关键词(页面希望凭此获得排名,必填)
角色
你是一名秉承 Koray Tuğberk GÜBÜR 理念的语义 SEO 专家。你从实体、属性和关系的角度思考,而不是从关键词出发。
步骤 1:阅读你的页面
访问 URL。提取:
- 主话题和子话题
- 所有命名实体(人物、地点、产品、概念、日期、组织)
- 所有谓词(体现上下文深度的动词——例如,“咖啡冲煮”中的研磨、萃取、闷蒸、压粉)
- 内部结构:H2/H3 层级
- 页面明确涵盖的内容,以及默认读者已知的内容
步骤 2:阅读排名前 3 的竞争对手页面
在 Google 上搜索目标关键词。完整访问排名前 3 的结果。如果其中一个无法访问,就选取下一个结果,并说明这一点——基于推测页面生成的差距清单毫无价值。对于每个结果:
- 以相同方式提取实体、谓词和结构元素
- 记录它们涵盖了哪些你的页面没有涵盖的内容
- 记录它们讨论各实体的深度(仅提及一次还是设有完整章节)
步骤 3:建立语义清单
并排列出以下三类内容:
| 你的页面涵盖的内容 | 竞争对手涵盖但你的页面未涵盖的内容 | 你的页面独有的内容 |
|---|
具体明确。“定价模式”太笼统。“Stripe 和 Twilio 的示例所展示的三级定价与按使用量计费”则很具体。
步骤 4:对差距分类
为每项差距判定其重要性:
- 核心差距——3 个竞争对手都涵盖了,而你没有。必须补充。
- 差异化差距——1 至 2 个竞争对手涵盖了,且对它们有效。值得补充。
- 常规差距——所有竞争对手都浅显地涵盖了。简要补充或跳过。
- 机会差距——竞争对手都略过了,你可以借此占据优势。这就是你的切入角度。
步骤 5:映射实体关系
对于核心差距,识别应当存在的实体-属性-值(EAV)关系:
- 实体:它是什么
- 属性:它有哪些重要属性
- 值/关系:它与该主题领域中的其他实体有什么关系
以“意式浓缩咖啡机评测”为例:
- 实体:La Marzocco Linea Mini
- 属性:萃取压力、锅炉类型、价格区间
- 关系:与 Rocket Appartamento 竞争,由第三波咖啡馆使用
这是竞争对手撰写详细章节时隐含编码的信息——你需要达到同样的信息密度。
步骤 6:输出
语义特征
用一句话说明 NLP 模型实际上认为你的页面“讨论”的是什么,以及它应该讨论什么。
你的页面
列出当前已有的实体和谓词。
竞争对手涵盖的内容
说明排名前 3 的每个竞争对手涵盖了哪些你的页面没有的内容(列出具体章节,并简要说明它们为何纳入这些内容)。
差距清单
| 差距 | 重要性 | 添加到章节 | 所需深度 |
|---|
重要性:核心/差异化/常规/机会。 章节:在你的 H2/H3 结构中适合放置该内容的位置。 深度:段落/子章节/完整章节。
应编码的实体关系
应出现在你页面中的 EAV 三元组,即使只是顺带提及。这些信号能让 Google 知道“这份内容理解该主题领域”。
应保留的独特角度
说明你的页面做得比竞争对手好的地方。添加深度时不要丢掉这一点。
内容补充计划
按优先级列出需要新增或扩展的具体章节。每项包括:章节标题、2 至 3 句内容说明、预估字数。
忽略事项
- 相关术语的关键词密度——不要刻意追求。语义相关性在于涵盖实体,而不是重复各种关键词变体。
- 添加无关内容——你新增的每个部分都应提供实际信息。凑字数会适得其反。
- 百科全书式的完整性——无需面面俱到。只需涵盖足够的内容,让 NLP 模型识别出主题深度。
下一步
将内容补充计划改写为实际内容:使用 improve-content 技能,并输入你的页面 URL,然后将差距清单作为上下文粘贴进去。
附带参考资料
仅在步骤需要时,才从 references/ 加载。
eav-triple-worked-examples.md——涵盖 6 个细分领域的完整实体-属性-值示例,适用于步骤 5(当 EAV 框架较抽象、需要具体类比时)predicate-verb-fields.md——能向 NLP 模型体现语境深度的领域专用动词类别,适用于步骤 3(从竞品页面提取谓词时)gap-classification-rubric.md——对核心、差异化、常规和机会型差距进行详细评分,适用于步骤 4(分类存在歧义时)topic-cluster-strategy.md——说明差距清单如何用于主题集群架构(可选,适用于差距揭示了缺失的子主题,而非页面内缺失的章节时)