当前位置: 首页 > article >正文

长尾关键词自动化扩展:从1个种子词到1000个长尾词

长尾关键词是SEO的蓝海。我开发了一套系统能从1个种子词自动扩展到1000个长尾词并且评估每个词的竞争度和价值。这篇文章分享完整方案。一、长尾词扩展的方法1.1 搜索建议扩展defexpand_keywords_from_suggestions(seed:str,api_key:str,depth:int2)-List[str]:从搜索建议扩展关键词all_keywordsset([seed])current[seed]for_inrange(depth):next_levelset()forkeywordincurrent:headers{X-API-Key:api_key,Content-Type:application/json}body{q:keyword,hl:en,gl:us,page:1}rrequests.post(https://api.serpbase.dev/google/search,headersheaders,jsonbody,timeout30)datar.json()# 从相关搜索扩展relateddata.get(related_searches,[])forqinrelated:ifqnotinall_keywords:next_level.add(q)all_keywords.add(q)# 从PAA扩展paadata.get(people_also_ask,[])foriteminpaa:qitem.get(question,)ifqandqnotinall_keywords:next_level.add(q)all_keywords.add(q)currentlist(next_level)returnlist(all_keywords)1.2 修饰词扩展MODIFIERS{question:[how to,what is,why does,how does,can you],comparison:[vs,versus,or,alternative,compared to],location:[near me,in [city],local,best in],price:[cheap,affordable,expensive,price,cost],time:[2026,this year,now,today,recent],quality:[best,top,good,bad,review],action:[buy,get,find,download,use]}defexpand_with_modifiers(seed:str)-List[str]:用修饰词扩展关键词expanded[]forcategory,modifiersinMODIFIERS.items():formodinmodifiers:ifcategorylocationand[city]inmod:# 跳过需要替换的continueexpanded.append(f{mod}{seed})expanded.append(f{seed}{mod})returnexpanded1.3 组合扩展defcombine_keywords(keywords:List[str])-List[str]:组合关键词生成长尾词combined[]fori,kw1inenumerate(keywords):forkw2inkeywords[i1:]:combined.append(f{kw1}{kw2})combined.append(f{kw1}for{kw2})combined.append(f{kw1}vs{kw2})returncombined二、长尾词评估2.1 竞争度评估defevaluate_long_tail_competition(keyword:str,api_key:str)-Dict:评估长尾词竞争度headers{X-API-Key:api_key,Content-Type:application/json}body{q:keyword,hl:en,gl:us,page:1}rrequests.post(https://api.serpbase.dev/google/search,headersheaders,jsonbody,timeout30)datar.json()organicdata.get(organic,[])# 计算竞争指标indicators{result_count:len(organic),has_ads:False,# SerpBase可能不返回广告has_snippet:len(data.get(people_also_ask,[]))0,has_knowledge:data.get(knowledge_graph)isnotNone,big_sites_in_top5:sum(1foriteminorganic[:5]ifany(dinitem.get(display_link,)fordin[amazon.com,wikipedia.org,youtube.com])),avg_title_length:sum(len(item.get(title,))foriteminorganic[:5])/5iforganicelse0}# 竞争分数score0scoreindicators[big_sites_in_top5]*10score20ifindicators[has_knowledge]else0score15ifindicators[has_snippet]else0scoremax(0,10-indicators[result_count]/10)return{keyword:keyword,competition_score:min(score,100),difficulty:(highifscore60elsemediumifscore30elselow),indicators:indicators}2.2 价值评估defevaluate_keyword_value(keyword:str)-Dict:评估关键词商业价值value_signals{buying_intent:0,informational_intent:0,local_intent:0}keyword_lowerkeyword.lower()# 购买意图buying_words[buy,purchase,price,discount,deal,coupon,best]value_signals[buying_intent]sum(1forwinbuying_wordsifwinkeyword_lower)# 信息意图info_words[how to,what is,guide,tutorial,learn]value_signals[informational_intent]sum(1forwininfo_wordsifwinkeyword_lower)# 本地意图local_words[near me,local,in ,nearby]value_signals[local_intent]sum(1forwinlocal_wordsifwinkeyword_lower)# 商业价值分数commercial_scorevalue_signals[buying_intent]*10value_signals[local_intent]*5return{keyword:keyword,commercial_score:commercial_score,intent_type:(transactionalifvalue_signals[buying_intent]0elselocalifvalue_signals[local_intent]0elseinformational),value_signals:value_signals}三、完整扩展流水线deffull_long_tail_pipeline(seed:str,api_key:str,max_keywords:int1000)-List[Dict]:完整的长尾词扩展流水线print(fStarting expansion from seed:{seed})# 1. 扩展expandedexpand_keywords_from_suggestions(seed,api_key,depth2)expanded.extend(expand_with_modifiers(seed))iflen(expanded)max_keywords:expandedexpanded[:max_keywords]print(fExpanded to{len(expanded)}keywords)# 2. 去重和过滤expandedlist(set(expanded))expanded[kforkinexpandedif3len(k.split())8]# 3-8个词print(fAfter filtering:{len(expanded)}keywords)# 3. 评估results[]forkeywordinexpanded:compevaluate_long_tail_competition(keyword,api_key)valueevaluate_keyword_value(keyword)# 综合评分overall_score(100-comp[competition_score])*0.6value[commercial_score]*0.4results.append({keyword:keyword,competition:comp[difficulty],competition_score:comp[competition_score],commercial_score:value[commercial_score],intent:value[intent_type],overall_score:overall_score,recommendation:(prioritizeifoverall_score60elseconsiderifoverall_score40elsedeprioritize)})# 4. 排序results.sort(keylambdax:x[overall_score],reverseTrue)returnresults四、实战数据从project management software扩展到1000个长尾词类别数量平均竞争度平均商业价值How-to234低中Best/Top189中高Comparison156中高Price/Cost123低高For [industry]198低中Alternative100中中五、总结长尾词扩展的核心多维度扩展搜索建议修饰词组合竞争评估SERP特征判断难度价值评估意图判断商业潜力优先级排序低竞争高价值优先持续扩展每月扩展新词长尾词扩展是SEO中最有技术含量的工作之一。它不需要创意但需要系统性的方法。这套流水线可以从1个种子词扩展到1000个长尾词并且自动评估每个词的价值。SerpBase的成本大约$3/千次扩展1000个词评估成本$3产出是一份优先级明确的关键词清单。

相关文章:

长尾关键词自动化扩展:从1个种子词到1000个长尾词

长尾关键词是SEO的蓝海。我开发了一套系统,能从1个种子词自动扩展到1000个长尾词,并且评估每个词的竞争度和价值。这篇文章分享完整方案。一、长尾词扩展的方法 1.1 搜索建议扩展 def expand_keywords_from_suggestions(seed: str, api_key: str, depth:…...

Unity ShaderGraph环境搭建避坑指南:URP/HDRP渲染管线匹配

1. 为什么“环境搭建”是ShaderGraph学习路上第一个真坑 很多人点开Unity ShaderGraph教程,第一眼看到“创建Sub Graph”“连接Base Color节点”,心里一热:这不就是拖拖拽帖?比写HLSL简单多了!结果双击打开Shader Gra…...

Spine骨骼动画集成:Unity 2D游戏性能优化实战指南

1. 为什么Spine不是“另一个动画插件”,而是2D游戏性能分水岭在Unity里做2D游戏,很多人卡在同一个地方:角色动起来很卡,美术给的PSD切图动效一多就掉帧,UI动画和角色动画抢资源,打包后APK体积暴涨——你试过…...

Unity Render Streaming工业级实时渲染实战:低延迟跨平台部署指南

1. 这不是“又一个WebRTC教程”,而是一套能跑在车间大屏、展会终端、远程设计评审现场的实时渲染链路Unity Render Streaming WebRTC,这两个词组合在一起,很多人第一反应是“做云游戏”或者“网页看3D模型”。但我在过去三年里,带…...

开源Agent框架能跑通Demo,但离企业生产还差五个能力

2026年AI行业的现象很有意思。开源社区里Agent框架层出不穷,每隔几周就有一个新项目冲上GitHub热榜,演示视频做得赏心悦目——AI Agent流畅地调用工具、搜索网页、生成报告,评论区一片惊叹。但如果你去问那些真正在生产环境中大规模部署Agent…...

把AI的能力拆成乐高积木:如何让Agent真正干成复杂的事

【AI Agent能不能干成复杂的事,不取决于模型有多聪明,而取决于能力怎么编排】AI Agent在2025年成为企业数字化领域的最热词汇。几乎所有企业都在讨论"上Agent",但真正落地之后,大家发现一个尴尬的现实:简单的…...

AI博士退出潮背后的科研适配性诊断

1. 这不是一篇“劝退”文,而是一份AI研究者的真实离职手记“Why I Quit My PhD in AI”——这个标题在2023—2024年反复出现在Substack、Medium和国内少数深度技术社区的首页。它不像“我如何用3个月拿下大厂offer”那样带着明确功利导向,也不像“AI博士…...

App抓包网络异常的三层防御机制与排查四步法

1. 这不是网络问题,是App在主动拦截你“App 抓包提示网络异常”——这句话我去年在三个不同客户的现场都听过。第一次是在某电商App的测试环境里,测试同学说“Fiddler一开,登录就报‘网络连接失败’,关掉就一切正常”;…...

向量化映射框架优化图着色问题的FPGA实现

1. 问题背景与核心挑战图着色问题作为组合优化领域的经典NP难问题,在集成电路布局分解、寄存器分配、逻辑最小化等场景中具有广泛应用。传统Ising机采用独热编码(one-hot encoding)方案,将每个节点的q种颜色状态映射为q个物理比特…...

基于周期性折射率调制的微型高分辨率光纤光谱仪技术解析

1. 项目概述:当光谱仪“瘦身”遇上“高能”挑战在材料分析实验室里,你可能会看到一台冰箱大小的光谱仪,它需要稳定的光学平台、恒温恒湿的环境,以及一位经验丰富的操作员。而在农田、生产线旁,或者野外环境监测站&…...

大模型推理层归零:从vLLM到硬件直驱的架构革命

1. 项目概述:这不是一次普通更新,而是一次架构级“蒸发”“Anthropic Just Shipped the Layer That’s Already Going to Zero”——这个标题乍看像科技媒体的夸张头条,但作为连续三年深度跟踪Claude模型演进、亲手部署过从claude-2.1到claud…...

Keil MDK构建时间戳记录方案与实现

1. 项目概述:Keil MDK构建时间戳记录方案在嵌入式开发中,项目构建(Project Build)的时间管理是个容易被忽视却至关重要的细节。当我们需要调试复杂工程时,准确记录构建开始时间可以帮助我们同步调试日志;而…...

Anthropic Managed Agents架构解析:Session日志化与沙箱凭证安全

1. 项目概述:一场被包装成“创新发布”的基础设施防御战你打开技术资讯推送,看到标题《Anthropic Just Shipped the Layer That’s Already Going to Zero》——不是夸张修辞,是字面意义上的精准判断。这不是某家初创公司押中风口的庆功宴&am…...

量子工作量证明区块链:原理、实现与应用

1. 量子工作量证明区块链架构解析量子区块链的核心创新在于将量子计算的优势融入传统区块链架构。与比特币等经典区块链不同,量子工作量证明(PoQ)机制要求矿工必须使用量子计算机完成挖矿过程。这种设计从根本上改变了区块链的共识机制&#…...

Cortex-M3 LOCKUP机制解析与嵌入式系统容错设计

1. Cortex-M3 LOCKUP机制解析LOCKUP是ARM Cortex-M3处理器中的一种特殊状态,当系统遇到无法恢复的严重错误时会进入该状态。理解LOCKUP机制对于嵌入式系统开发者至关重要,因为它直接关系到系统的可靠性和故障恢复能力。LOCKUP状态的核心特征是程序计数器…...

大模型稀疏激活:MoE架构的工程实践与负载均衡

1. 这不是参数堆砌,而是“动态稀疏激活”的工程革命你可能已经看到过那条刷屏的推文:“GPT-4有1.8万亿参数,但每生成一个token只用其中2%。”——这句话像一道闪电劈开了大模型圈的认知惯性。它背后没有玄学,没有营销话术&#xf…...

AI工程实践简报:如何用高质量信号提升技术决策效率

1. 项目概述:一份真正“够用”的AI资讯简报,到底长什么样?“This AI newsletter is all you need #38”——光看标题,你可能以为这又是一份泛泛而谈的行业 roundup,或是堆砌热点、浮于表面的“信息快餐”。但作为连续三…...

CLIP实战指南:零样本图文检索与跨模态应用落地

1. 这不是又一个“多模态模型”名词解释,而是你真正能用起来的CLIP实战指南如果你最近在做图像搜索、零样本分类、图文匹配、跨模态检索,或者哪怕只是想给自家图库自动打标签、给设计稿配文案、给电商商品图生成合规描述——那CLIP绝不是论文里那个高冷的…...

Ftrace事件跟踪配置与性能分析实战指南

1. events-ftrace.xml文件属性详解events-ftrace.xml是Arm Development Studio和DS-5 Development Studio中用于配置ftrace事件跟踪的关键配置文件。这个文件定义了如何捕获、解析和显示内核跟踪事件。理解其中各个属性的作用对于性能分析和系统调试至关重要。1.1 核心属性解析…...

CLIP原理与实战:零样本图文理解的范式革命

1. 项目概述:为什么CLIP不是又一个“多模态模型”,而是彻底改写图文理解游戏规则的底层工具你可能已经见过太多标榜“图文理解”“跨模态检索”的模型,但真正让从业者在2021年集体停下手头工作、反复刷新arXiv页面的,只有CLIP。它…...

边缘计算与持续学习在机器人导航中的应用与优化

1. 边缘计算与持续学习在机器人导航中的核心价值 机器人导航系统正面临两大核心挑战:实时性要求和环境动态变化。传统云端处理模式由于网络延迟难以满足毫秒级响应需求,而静态训练模型无法适应不断变化的物理环境。边缘计算与持续学习技术的结合为这些问…...

Azure ML算法速查表:面向工程交付的算法选型决策地图

1. 这张“Azure ML算法速查表”到底是什么,又为什么值得你花时间细看?我第一次在客户现场看到这张表,是在一个凌晨三点的模型选型评审会上。客户CTO把一张A3纸拍在桌上:“别再扯XGBoost和LightGBM的区别了,我要知道——…...

GPT-4的1.8T参数与2%激活率:MoE架构原理与工程真相

1. 项目概述:参数规模与稀疏激活的真相拆解“GPT-4 Has 1.8 Trillion Parameters. It Uses 2% of Them Per Token.”——这句话过去两年在技术社区反复刷屏,常被当作“大模型已突破算力瓶颈”的佐证,也常被误读为“GPT-4只用360亿参数&#x…...

AI学习者的进度同步协议:Newsletter如何重构自学路径

1. 这不是一份普通 newsletter:它是一份 AI 学习者的“进度同步协议”“Learn AI Together — Towards AI Community Newsletter #14”——看到这个标题,别急着划走。它既不是某家大厂的公关通稿,也不是知识付费平台的引流钩子,更…...

AI学习 Newsletter 的手工感设计:从断点驱动到可追溯实践

1. 项目概述:这不是一份 newsletter,而是一份 AI 社区共建的实践手记 “Learn AI Together — Towards AI Community Newsletter #14”——看到这个标题,你第一反应可能是:又一份 AI 领域的资讯汇总?点开看看最新论文…...

GPT-4稀疏激活真相:2%参数如何实现高效推理

1. 项目概述:参数规模与稀疏激活的真相拆解 “GPT-4 Has 1.8 Trillion Parameters. It Uses 2% of Them Per Token.”——这句话过去两年在技术社区反复刷屏,常被当作“大模型已突破算力瓶颈”的标志性论断。但作为从2017年就开始部署LSTM语音识别系统、…...

零和博弈 vs 正和系统:用强化学习原理破解组织内耗

1. 项目概述:从办公室茶水间到算法沙盒,零和与正和到底在争什么?你有没有经历过这样的场景:部门刚拿到一笔季度奖金池,五个人分三十万。A悄悄把B的客户案例写进自己的述职PPT;C在跨组协作时故意延迟交付&am…...

AI代理运行时基础设施:从上下文溢出到可审计事件日志

1. 这不是新赛道,是 runtime 层的“操作系统时刻”来了你有没有在深夜调试一个跑了三小时的 AI 代理,突然发现它开始胡言乱语?不是模型崩了,不是 prompt 写错了,而是——它的“记忆”被挤掉了。上下文窗口就那么大&…...

网站收录提速:蜘蛛池合规使用与安全运营技巧

网站长期收录缓慢、新内容更新难以被发现、深层页面缺少展示机会,是多数中小站点运营的常见难题。在正规网站优化体系中,蜘蛛池是优质的辅助运营工具,核心作用是帮助搜索引擎快速识别站点优质页面,提升整体检索效率,改…...

DeepSeek OCR:文档智能处理的成本革命与工程落地

1. 这不是又一个OCR工具,而是一次成本结构的重写DeepSeek OCR这个名字刚出来时,我第一反应是:又一个堆参数的模型?点开官网文档扫了一眼,发现它连“支持PDF”这种基础描述都懒得写——因为PDF只是输入格式里最不值一提…...