引言
在GEO（生成式引擎优化）项目中，关键词策略是内容生产的前置环节。不同于传统SEO的关键词堆砌，GEO更关注用户的真实意图和问题覆盖。本文分享我们在关键词挖掘与意图分类上的一些工程实践，不涉及具体商业信息。
一、关键词来源的三种渠道
我们结合以下渠道获取原始关键词：
客户提供：核心业务词、品牌词、产品词（通常3-10个）
竞品分析：在AI模型（如DeepSeek）中输入客户的核心词，观察回答中出现的竞品名称，反推竞品覆盖的关键词
平台挖掘：从知乎话题、百度相关搜索、小红书热门标签中提取高频词
原始词量通常在200-500个之间。
二、关键词清洗与标准化
原始关键词包含噪声，我们执行以下清洗步骤：
去重（基于编辑距离）
去除无意义字符（标点、特殊符号）
统一词形（如“GEO优化”和“GEO优化服务”合并）
过滤低频词（在百度指数或平台搜索量过低）
清洗后保留约60%-70%的词。
三、意图分类模型（L1-L5）
我们将关键词分为5个意图层级，每层对应不同的内容生产策略：
| 层级 | 意图 | 示例 | 内容策略 |
|---|---|---|---|
| L1 | 品牌导航 | “文澜天下” | 品牌词防御，确保基础信息准确 |
| L2 | 业务需求 | “GEO优化服务” | 科普+服务介绍 |
| L3 | 问题痛点 | “怎么让AI推荐我” | 场景化解决方案 |
| L4 | 具体问题 | “企业申报需要哪些材料” | 深度问答 |
| L5 | 对比决策 | “GEO优化哪家好” | 测评对比 |
分类方法：基于规则+简单机器学习。规则包括：
包含“怎么”、“如何”、“为什么” → L3或L4
包含“哪家”、“推荐”、“对比” → L5
精确匹配客户品牌词 → L1
其余业务相关词 → L2
四、长尾词扩展算法
对于L4长尾词，我们使用模板扩展法：
地域模板：
[地区] + 核心词，如“杭州企业申报”场景模板：
核心词 + 适用场景，如“企业申报 小微企业”疑问模板：
疑问词 + 核心词 + 附加词，如“企业申报需要什么材料”
通过组合，一个核心词可扩展出50-100个长尾词。
五、词频统计与优先级排序
为确定优先攻击哪些关键词，我们计算一个简单得分：优先级 = 搜索热度 × 竞争程度^(-1) × 商业价值
搜索热度：参考百度指数或平台话题浏览量（归一化）
竞争程度：在AI模型中输入关键词，统计回答中出现的不同品牌数量
商业价值：人工标注（高/中/低），如“企业申报”高于“申报材料清单”
排序后，优先选择得分最高的20-30个词作为第一轮内容生产目标。
六、工程实现提示
清洗和分类可使用Python的
pandas+ 正则表达式长尾词扩展推荐使用
itertools.product组合模板优先级计算建议存储在SQLite中，便于后续更新
七、局限性与改进方向
当前意图分类依赖规则，对复杂长句的准确率约85%，未来可引入BERT小模型
搜索热度数据获取困难，可改用平台API（如百度指数需付费）
商业价值标注存在主观性，建议多人交叉标注
以上是我们（杭州文澜天下）在关键词挖掘与意图分类上的一些实践。欢迎同行讨论交流。
本文仅为技术经验分享，无商业推广内容。
