SEO 需求调研 skill

SEO 需求调研

先确认用户真的在搜索什么，再从热词下真实获得排名的页面学习页面形态与内容方法。不要从预想的竞品清单反推关键词；关键词由产品、用户任务、场景和真实搜索数据共同产生，竞品用于学习页面怎么做。

本 Collector 只产出需求、SERP 和竞品页面证据。页面设计与实现交给 $create-seo-page，上线后的效果观测交给 $review-seo-performance。

1. 从产品与用户任务开始

读取产品代码、文档、公开页面、当前转化路径、客户语言、站内搜索、支持记录和已有增长证据。先写清：

• 用户是谁，处在什么情境；
• 用户要完成什么任务；
• 产品通过什么真实动作解决任务；
• 调研的市场、语言和搜索引擎；
• 已有页面、已有关键词和不能重复建设的内容。

对无法从产品材料确认的用户问题和值得验证的价值保持开放，不要把产品功能列表直接改写成关键词列表。

2. 拆解领域词表并扩展关键词

七个方向逐一展开，每个方向单独成词表，保持不同具体度的词可以横向比较：

方向	组词方法
头部概念	领域核心名词、任务名、品类名
场景复合	场景 × 对象、文档、媒介或交付物
动作与结果	场景 × 生成、制作、转换、修复、改进、学习等动作
竞品词	通用品类产品与从 SERP 发现的垂类产品品牌词
工具词	功能点、格式、集成、转换和使用教程
资源词	模板、示例、清单、下载、规范和素材
问句词	怎么做、哪个好、为什么、价格、质量、风险、比较和失败问题

大面积展开

1. 先测头部概念词，判断哪些方向确实存在需求。
2. 对有效方向建立修饰词、场景、对象、动作和结果矩阵，用笛卡尔积扩展到 100 个以上候选词。
3. 与已有词表和历史 Memory 去重。
4. 用 Bing 或目标搜索引擎的搜索框联想、相关搜索、SERP 标题、社区讨论、产品评论和支持语言补充自然表达。
5. 大批量 N/A 不是无用结果；它能说明某一组精确表达在当前引擎和市场中缺乏可观测需求，但不能证明其他渠道没有需求。

竞品发现

竞品词不是只靠事先知道的品牌列表：

1. 先抓一轮场景词和邻接场景词的 SERP。
2. 聚合重复出现的域名和产品名。
3. 区分通用品类产品、垂类产品、内容平台和社区页面。
4. 把新发现的品牌名回填词表，再验证品牌词热度和搜索意图。

品牌词和术语存在多义时必须阅读实时 SERP。把混合意图拆开，不能直接引用混合流量作为产品需求。

3. 用 Bing Webmaster 验证真实热度

需要完整聚合结果时运行随仓库分发的脚本：

node collectors/research-seo-demand/scripts/fetch-keyword-stats.mjs \
  cn zh-CN <keywords-file>

printf '关键词一\n关键词二\n' | \
  node collectors/research-seo-demand/scripts/fetch-keyword-stats.mjs cn zh-CN -

脚本从 BING_WEBMASTER_API_KEY 读取凭据，输出按 avgStrict 降序的表格和 CSV。用 BING_KEYWORD_OUT 更改 CSV 文件名。

需要保存 Bing 原始周数据时运行通用 Client：

node collectors/bing-webmaster/bing-webmaster.mjs keyword-stats \
  --country <country> --language <language> \
  --input <keywords-file> --out <raw-output-file>

接口与字段

• country 使用 ISO 3166 两位小写，如 cn、us。
• language 大小写敏感，使用 zh-CN、en-US，不要写成 zh-cn。
• Bing 通常返回约 26 周的周数据。
• Impressions 是精确整串匹配的周展现量，是主要比较指标。中文复合词会被严重低估，因此它是需求地板，不是真实总需求。
• BroadImpressions 是广泛匹配。英文可辅助判断长尾规模；中文几乎不做可靠的包含聚合，不要用它估算中文长尾家族。
• Date 是每周数据的时间。
• 聚合脚本输出 avgStrict、peakStrict、latestStrict、avgBroad 和 weeks。

空响应与限流

• {"d":[]} 记为 N/A，绝不能写成 0。
• N/A 可能表示低于 Bing 报告阈值，也可能是静默限流；它不等于没人搜索。
• 单词空响应先短暂等待并重试一次。
• 每批最多查询 20 个词，批次之间至少冷却 30 秒。
• 超过 50 个词必须拆批；每批加入一个近期已知有量的控制词。
• 控制词也返回 N/A 时，整批结果作废，延长冷却后重跑。

读数原则

1. 只比较同源、同市场、同语言和相近具体度的数据；头部词和头部词比较，复合词和复合词比较。
2. Strict 是需求地板，不是真值；中文 Broad 不可信。
3. 用 peakStrict / avgStrict 判断季节性。比值明显升高时，从高峰倒排收录时间，提前发布。
4. 先判断意图，再看量。大数字与产品任务错配时，不应选择该词。
5. N/A 或低量问题词可以成为 FAQ、正文自然措辞、社区内容或 AI answer material，但不应只凭该数据做独立落地页。

4. 抓取实时 SERP

默认优先使用 Runtime 已连接的真实浏览器和当前市场、语言及登录态。需要批量、可重复的 JSON 证据时，运行仓库脚本：

BING_MARKET=zh-CN \
node collectors/research-seo-demand/scripts/scrape-bing-serp.mjs \
  "关键词一" "关键词二"

SERP_OUT=serp-round-2.json BING_MARKET=en-US \
node collectors/research-seo-demand/scripts/scrape-bing-serp.mjs \
  "keyword one" "keyword two"

脚本使用 Playwright 真浏览器内核，解码 Bing /ck/a 跳转链接，请求间隔 1.5 秒，并输出关键词 × 排名 × URL 的 JSON。

查询降级检查

Bing 可能对低信任会话静默改写查询，返回与完整查询不相关的结果。坏数据可能正常返回 HTTP 200，因此必须检查：

• 页面展示的查询是否仍是完整关键词；
• 标题和 URL 是否与完整查询相关；
• 脚本的二字词素相关性是否达到 30%；
• JSON 的 __meta__.degraded 是否包含该词。

标为 DEGRADED 的查询不得用于竞争结论。改用正常登录态浏览器重新检查；仍然降级时，记录 SERP 证据不可用，而不是猜测排名结构。

给证据分级：Bing Webmaster 的关键词展现量来自服务端报告；SERP 抓取只是当前会话和当前爬虫视角。两者冲突时不能用抓取失败推翻官方需求数据，必须转入正常登录态复核。

选择拆解对象

• 每个热词取前三到五个相关页面。
• 跨热词重复出现的页面优先。
• 商业产品页面、开源项目、课程、内容平台和社区回答都可以参考；是否有源码不影响参考价值。
• 不要求参考内容与我们的用户、产品类型、宣传目的和作者角色完全相同。先识别它为什么有效，再写清差异会怎样改变内容调性、证据和转化方式。
• 覆盖不同页面形态：工具、货架/目录、教程、对比、解决方案、社区回答和混合页。
• 被反爬拦截时使用已登录浏览器或让用户提供存档，不把验证页当成页面内容。知乎错误页、雷池 WAF、Cloudflare challenge 等都属于拦截；render-pages.mjs 在可见正文不足 500 字符时会标记“疑似被反爬拦截”，Agent 仍需查看截图确认。

5. 三层拆解头部页面

页面必须分成搜索引擎层、用户层和质量层分析，不能只看标题、摘要或排名 URL。

5a. 搜索引擎层

对普通公开页面可运行：

node collectors/research-seo-demand/scripts/analyze-page.mjs \
  <url1> <url2> ...

脚本自动探测常见页面编码，并提取 title、description、keywords、H1/H2/H3、正文体量、链接数、图片数和常见钩子词。结合浏览器继续检查：

维度	检查内容
Title	主词、同义变体、意图词、品牌和年份如何组织；记录实际组织公式
Metadata	是否自然覆盖词族，是否用数量、范围、更新日期或具体结果提高点击意愿，是否只是页面目录
H 标签	H1 是否聚焦；H2/H3 是否形成真实问题和长尾矩阵
内链	面包屑、栏目、相关页面和上下游任务如何连接
正文体量	文本、链接、图片与页面形态是否一致
技术信号	canonical、结构化数据、更新时间和可抓取性

Meta description 不要追求固定字符数，也不要写“本文介绍、包含、并给出”的目录式句子。找出头部页面如何用一个信息量高的重点提高点击意愿。

5b. 用户层

需要可重复截图和正文时运行：

node collectors/research-seo-demand/scripts/render-pages.mjs \
  <output-directory> <url1> <url2> ...

脚本保存首屏、第二屏和可见正文。逐张查看，不只读取文本。

第一步，从页顶到页尾逐块描述，每个可见区块恰好写一句“这一块展示什么”。

第二步，从五个角度拆解：

角度	检查问题
阅读钩子	用户为什么停留；数字、免费、预览、社会证明或直接答案怎样出现
转化钩子	页面导向下载、试用、注册、购买、仓库、咨询或其他动作；路径有几条
信息密度	首屏有几个决策单元；页面是即看即选还是需要连续阅读
用户价值	用户不转化也能带走什么文件、方法、结论、比较或工具
调性	目录站、SaaS、开发者工具、社区、课程或媒体内容如何建立信任

5c. 质量层

复用同一批 HTML、截图和正文，不要重新抓取。检查：

维度	检查内容
信息增益	相比同一 SERP 的其他页面，它有什么独有内容
数据密度	有多少具体数字、原始数据、示例、测试和可验证结果
引用行为	是否连接权威来源、一手材料和原始出处
实体信号	作者、团队、机构、更新时间和可核验身份是否存在
负面信号	首屏广告、堆词、批量同构薄页、无依据主张和重复转化

输出“信息增益缺口清单”，至少按以下三类整理：

• 怎么做：缺少的具体步骤、示例、反例和可复制材料；
• 质量标准：缺少的评判标准、rubric、阈值和强弱对比；
• 好的执行是什么样：缺少的参数、风格选择、限制和避坑清单。

6. 选择 SEO 机会

只有同时满足以下证据才推荐页面：

1. 存在可观察的需求；
2. 搜索意图清楚且相对稳定；
3. 产品能够真实满足用户任务；
4. 头部结果仍存在信息、工具或体验缺口；
5. 页面形态有明确的 SERP 依据；
6. 从搜索访问到产品结果存在可信路径。

不得只根据搜索量、摘要或排名 URL 调用 $create-seo-page。每个候选词都必须完成前三到五个相关页面的三层拆解。

7. 调研产出

按任务选择 Markdown、CSV、JSON 或 HTML，至少包含：

• 产品、用户、任务、市场和语言；
• 完整候选词表及生成方法；
• Bing 原始数据和聚合数据；
• N/A、控制词、批次与降级标记；
• 候选词族、意图、季节性和产品匹配；
• 每个候选词前三到五个相关页面；
• 每个页面的搜索引擎层、逐块描述、五类用户层分析和质量层分析；
• 跨页面的信息增益缺口；
• 推荐机会、推荐页面形态、风险与证据。

把调研结果写入调用 Model 的 Memory。原始导出、截图、正文和研究报告都是运行产物，不进入 Skill，也不提交到仓库。