Community研究與資料分析github.com

關鍵字與延伸問題地圖

用於關鍵字研究:將種子關鍵字、業務類型或主題轉換為意圖分群的關鍵字地圖,包含真實搜尋量、AI 搜尋量以及頁面必須回答的延伸問題。這是 5 步驟 SEO 系統的第 1 步。

關鍵字與延伸問題地圖 是什麼?

這是一個專門用於關鍵字研究的 AI 技能,旨在將一個初始的種子關鍵字、業務類型或主題,轉換為結構化的關鍵字地圖。它不僅根據搜尋意圖(如資訊型、商業型、交易型)對關鍵字進行分群,還整合了來自 DataForSEO 的真實搜尋量與 AI 搜尋量數據,確保資料的準確性。此外,該技能會生成「延伸問題」,這些問題是 AI 引擎圍繞主題展開的常見後續查詢,有助於規劃內容結構。此技能主要支援 DataForSEO 平台,透過其 API 獲取關鍵字擴展、相關關鍵字、搜尋量及 SERP 數據。最終輸出一個格式化的 CSV 檔案(供後續技能閱讀)和一個可視化的 HTML 報告,為 SEO 內容創作提供堅實的數據基礎。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/NicoSKOOL/keyword-fanout-map/tree/HEAD

Installed? Explore more 研究與資料分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

關鍵字與延伸問題地圖 是做什麼的?

5 步驟中的第 1 步。產生的關鍵字地圖會被後續每個技能讀取,因此無需重複說明。

開始之前

必要:DataForSEO 連接器。 沒有它就沒有真實的搜尋量,這個技能將只能猜測,這比沒用更糟,因為猜測看起來像資料。

檢查是否有 DataForSEO 工具。如果沒有,請停止並說:

此技能需要真實的搜尋資料。請先連接 DataForSEO: 自訂 → 連接器 → 新增自訂連接器 → https://mcp.dataforseo.com/mcp → 連接 → 授權。大約需要一分鐘,然後重新執行此操作。

同時閱讀專案中的 site-brief.md。從中取得 SEARCH_COUNTRY、SEARCH_LANGUAGE、服務區域、服務清單和競爭對手。如果缺少該檔案,請說明並提議先執行 site-brief-builder。您可以不依賴它繼續進行,但必須明確詢問國家和語言,並警告只有在給定的值下,搜尋量才是正確的。

輸入

一個種子關鍵字,或一個業務類型加上地點,或者只是一個主題。如果使用者沒有提供任何東西,請從簡報中的服務清單中提出三個種子關鍵字。

流程

第 1 步:擴展

使用 DataForSEO 連接器。您需要的端點,依 API 路徑分類:

  • dataforseo_labs/google/keyword_ideas,主要擴展
  • dataforseo_labs/google/related_keywords,語義鄰近詞
  • keywords_data/google_ads/search_volume,搜尋量、CPC、競爭度
  • ai_optimization/ai_keyword_data/keyword_data,AI 搜尋量,表示人們將此輸入 LLM 而非搜尋框的頻率
  • serp/google/organic,目前排名者(可選,但能使報告更好)

連接器中的工具名稱對應到這些路徑。根據工具的描述選擇匹配的工具,而非假設確切的名稱。

始終傳遞簡報中的地點和語言。絕不要為了方便而預設為美國。

第 2 步:過濾與分群

丟棄:搜尋量和 AI 搜尋量皆為零的關鍵字、明顯的拼寫錯誤以及屬於競爭對手的品牌詞。

將剩餘的內容分組到主題群集。為每個關鍵字標記一個意圖:

  • informational,想要理解(「什麼是」、「如何運作」)
  • commercial,購買前進行比較(「最佳」、「vs」、「評測」)
  • transactional,準備採取行動(「附近」、「預訂」、「購買」、「價格」)
  • navigational,尋找特定品牌

然後為每個關鍵字分配一個角色:

  • primary,只有一個。H1 主題。
  • secondary,值得擁有自己的 H2。
  • support,在內文中自然使用。
  • skip,主題正確,但意圖不匹配此頁面。保留可見,讓使用者知道它已被考慮並拒絕,而非遺漏。

根據意圖匹配而非僅搜尋量來選擇主要關鍵字。 一個月搜尋量 2,400 的資訊型關鍵字不適合當作服務頁面的主要關鍵字,選擇它是關鍵字研究中最常見的錯誤。

第 3 步:延伸問題

取得 AI 引擎圍繞此主題展開的後續查詢:

  • ai_optimization/llm_mentions 用於與主題相關的延伸查詢
  • 來自 SERP 端點的「其他人也問」區塊
  • dataforseo_labs/google/related_keywords 中的問題形式結果

保留單一頁面能真正回答的問題。每個問題成為一個 H2,其下方直接附上一句兩句話的答案。丟棄任何屬於其他頁面的內容,並說明原因。

輸出

寫入兩個檔案。

01-keyword-map.csv,欄位順序為: cluster,keyword,intent,role,search_volume,ai_search_volume,competition,cpc 按角色(primary, secondary, support, skip)排序,然後按搜尋量遞減排序。這是 seo-content-writer 將讀取的檔案,因此欄位名稱很重要。

01-keyword-map.html,填入 templates/keyword-map.html.template。

建立一個 data.json 並渲染它:

python3 scripts/render.py templates/keyword-map.html.template data.json 01-keyword-map.html

data.json 結構:

{
  "tokens": { "SUBJECT": "...", "KW_TOTAL": 42, "...": "..." },
  "rows": {
    "KEYWORD_ROW": [{ "ROW_CLUSTER": "...", "ROW_KEYWORD": "...", "...": "..." }],
    "FANOUT_ROW": [{ "ROW_QUESTION": "...", "ROW_QUESTION_NOTE": "..." }],
    "SERP_ROW": [{ "ROW_POSITION": 1, "ROW_DOMAIN": "...", "...": "..." }]
  }
}

關於 token 的備註:

  • ROW_INTENT_CLASS 必須是 info、comm、trans、nav 其中之一。
  • 如果您跳過了 SERP 檢查,請將 SERP_TABLE_DISPLAY 設為 none,SERP_EMPTY_DISPLAY 設為 block。否則設為 block 和 none。
  • DATA_WINDOW 是搜尋量視窗,通常為「12 個月平均值」。
  • DATA_NOTES 必須說明使用的地點和語言。這是使用者發現錯誤市場執行的方式。

不要重新設計範本的樣式。不要添加字型、顏色或圖表。

誠實規則

  • 絕不寫入您未從 API 獲得的搜尋量。如果某個關鍵字沒有返回搜尋量,請顯示「無資料」,而不是 0 或一個估計值。
  • AI 搜尋量比 Google 搜尋量更新且較不完整。如果缺少該數據,請說明缺少,而不是暗示需求為零。
  • 如果因為利基很小而導致關鍵字總數很少,請說明。一份簡短誠實的地圖勝過一份虛假的。

交接

最後告知使用者:

下一步:執行 seo-content-writer。它會自動讀取 01-keyword-map.csv,因此您無需重複關鍵字。它會問您三個問題,其中一個只有您能回答。

相關技能