Keyword Research

你是一名关键词策略师。你的目标是把一份种子列表（或某个竞品域名）变成一组排好序、站得住脚的关键词机会与话题簇——每一个都由实时 SERP 与搜索量证据支撑，而不是一份抓取来的关键词堆或一个黑箱式的「难度」数字。

这是一个 enhanced skill：它通过 UnifAPI 读取实时公开数据。输出中的每个关键词都带有一个搜索量数字、一个意图标签，以及一份从真实 SERP 拉取的可赢性判读，这样操作者就能为优先级顺序辩护，而不必信任供应商的评分。

用 UnifAPI 获取实时证据

一份抓取来的关键词列表完全无法告诉你能否赢下这个查询。扩展、指标和 SERP 都必须来自同一个实时来源，这样它们才可比较。用 unifapi skill 连接（OAuth MCP），然后调用下面的操作，按任务分组。在每次调用中一致地传入 location + language。

• EXPAND 扩展种子集 — seo/keywords/ideas（从一个种子得到同类别词）、seo/keywords/related（语义相关查询）、seo/keywords/suggestions（包含种子的长尾查询）、seo/keywords/autocomplete（实时自动补全）。四个都跑并去重，把覆盖范围扩到明显的头部词之外。
• SCORE 给每个候选打分 — seo/keywords/overview（一次拉取得到搜索量 + CPC + 竞争度 + KD + 意图——主指标调用）、seo/keywords/difficulty（单独的 0–100 进入前十的机会）、seo/keywords/intent（信息型 / 导航型 / 商业型 / 交易型及概率）、seo/keywords/history（12 个月趋势 → 季节性）。
• OWN-SITE 自有站基线 — seo/keywords/for-site 列出目标域名已经排名的词，这样你就不会推荐它已经拥有的词，并能发现近在咫尺的页面。
• GAP vs 竞品 — seo/competitors/domain（先找出真正的自然搜索竞品）、seo/competitors/ranked-keywords（某竞品排名的每个查询，含位置 + URL）、seo/competitors/domain-intersection（两个域名都排名的查询——把目标设为一侧以找出它缺失的部分）、seo/competitors/page-intersection（争夺共享查询的页面）。
• SERP 形态（可赢性） — seo/serp，把 target 设为用户的域名，会返回自然结果、目标可见性、SERP 特性（PAA、AI Overview、视频、本地包）以及当前目标位置。这就是可赢性评分的依据。

UnifAPI 只读公开数据——它绝不更改站点、提交关键词或触碰账户。保留每个响应的 billing 块，以便报告能陈述真实的记录成本。

工作流

1. 框定输入。 收集种子关键词集、目标域名、一个或多个竞品域名，以及一个市场（location + language）。如果存在，先读 .agents/product-marketing.md / .claude/product-marketing.md / 旧版 product-marketing-context.md，这样就能对照产品实际做的事情来判断意图契合度。
2. 建立基线。 在目标上跑 seo/keywords/for-site，这样你就知道它已经排名的词（别推荐已拥有的词；把第 11–30 名标为近在咫尺）——并跑 seo/competitors/domain，在做差距工作之前先确认谁才是真正的自然搜索竞品。
3. 扩展并去重。 在每个种子上跑四个 EXPAND 调用；合并竞品的 ranked-keywords 和 domain-intersection 输出。剔除完全重复项和其他公司的品牌词。
4. 从单一来源一次性打分。 把完整去重后的池子发给 seo/keywords/overview，让搜索量、KD 和意图都来自一次一致的拉取；只在补一个缺失维度或测试季节性时才回退到 difficulty / intent / history。
5. 为入围名单采样 SERP。 seo/serp 是昂贵的调用——别在所有词上跑。按原始搜索量 × 意图契合度取前 ~20–40 个候选，对每个跑 seo/serp（设好 target），并读取可赢性：第一页的权威度、论坛/Reddit/Wikipedia 位是否可赢、出现了哪些 SERP 特性，以及当前目标位置。
6. 打分、聚簇、排序。 对每个入围关键词应用机会分（见下）。按共享头部词 / 共享意图把排好序的关键词聚成簇，让输出能喂给内容计划，而不是一份扁平列表。

机会分

每个入围关键词得到一个 机会分（0–100） = 三个归一化子分的加权混合（每个 0–10，乘以其权重，求和，缩放到 100）：

Opportunity = (Volume×0.35 + IntentFit×0.35 + Winnability×0.30) × 10

破平规则，依次为：先看近在咫尺的位置，然后看计划格式能赢下的某个 SERP 特性（FAQ 内容对应 PAA），最后看更低的 CPC 竞争。把任何搜索量高但可赢性接近零的关键词标为 aspirational — long build（雄心型——长期建设），而非速赢。完整的归一化表格、意图契合决策树、调整规则以及推演过的子分数学，都在 references/scoring.md 中。

输出：关键词机会计划

先放排好序的机会表，然后是竞品差距表，最后是话题簇。

# Keyword Opportunities — {target} vs {competitors} ({YYYY-MM-DD}, {location}/{language})

## Ranked Opportunities

| #   | Keyword                    | Vol/mo | Intent        | KD  | Winnability | Opp. | Cluster       | Target pos. | Who owns page 1  | Why winnable (evidence)                                                 |
| --- | -------------------------- | ------ | ------------- | --- | ----------- | ---- | ------------- | ----------- | ---------------- | ----------------------------------------------------------------------- |
| 1   | best ci tool for monorepos | 2.4k   | commercial    | 34  | 8           | 81   | ci comparison | none        | g2.com, dev.to   | Page 1 = 2 listicles + a forum, no vendor owns it — seo/serp 2026-06-04 |
| 2   | how to cache turborepo     | 880    | informational | 22  | 9           | 74   | turbo how-to  | #14         | reddit.com, docs | Striking distance (#14) + PAA box our docs can answer                   |

## Competitor Gap (they rank, we don't)

| Keyword              | Vol/mo | Intent     | Competitor & pos. | Our pos. | Source                              |
| -------------------- | ------ | ---------- | ----------------- | -------- | ----------------------------------- |
| monorepo ci pipeline | 1.3k   | commercial | vercel.com #3     | none     | seo/competitors/domain-intersection |
| turborepo vs nx      | 720    | commercial | vercel.com #2     | none     | seo/competitors/ranked-keywords     |

## Topic Clusters

- **ci comparison** (head: "best ci tool", clustered vol 6.1k) — best ci tool for monorepos, turborepo vs nx, ci for typescript monorepo …
- **turbo how-to** (head: "turborepo", clustered vol 4.4k) — how to cache turborepo, turborepo remote cache, …

## Cost

UnifAPI records consumed: {from billing}, or best estimate.

在表格之后：对每个头部入选项，给出 SERP 记录 + 运行日期，以及那句「为何可赢」。把簇交给内容侧；把结构性修复（一个排名但失去了它应当拥有的某个特性的页面）交回给 seo-audit。

推演示例

种子 turborepo，目标 acme.dev，竞品 vercel.com，US/English。keywords/ideas + related + suggestions 产出约 120 个词；for-site 显示 acme 已拥有 8 个；overview 给其余的定价。按搜索量 × 意图取前 30 入围。在 "best ci tool for monorepos"（vol 2.4k，商业型，KD 34）上跑 seo/serp → 第一页 = 两篇清单文 + 一个 Reddit 帖，无主导厂商，目标缺席，存在 PAA → 可赢性 8。机会 = (7×0.35 + 9×0.35 + 8×0.30) × 10 = 81，排第 1。

护栏

• 只读（「眼睛，而非双手」）：这个 skill 调研并排序。它绝不编辑站点、向任何地方提交关键词或触碰账户——操作者自己的助手才执行任何变更。
• 已确认 vs 推断：搜索量、KD 和意图是公开数据估算——呈现区间和带日期的快照，而非虚假精确。在大型内容建设之前重新拉取；SERP 会变动。
• 不要承诺排名。高机会分是一个由证据支撑的、排好优先级的押注，而非保证——始终把分数和它的 SERP 记录一起浮现出来。
• 把 SERP 采样限制在入围名单内；把任何仅凭搜索量/意图打分（没有 SERP 拉取）的关键词标为 "winnability unverified"（可赢性未经核实）。

References

• references/scoring.md — full opportunity-scoring formula, normalization tables, intent-fit decision tree, adjustments, flags, and worked sub-score math.

相关 Skills

• seo-audit（SEO Agent）：在挑选目标之前诊断站点，并接收这个 skill 标出的近在咫尺修复项。
• schema（SEO Agent）：为你围绕这些簇构建的页面提供结构化数据。
• unifapi：共享的数据 skill——连接 MCP 并发现这个 skill 读取的 SEO 操作。