
铲子铺按语
在线关键词集群工具按"前缀/疑问词"分组,把语义相关的查询割裂了;作者实测 LLM 的语义聚类才是合理的归类逻辑。词量过大时分批喂给 Gemini/Claude 聚类,这方案比付费工具靠谱。
- 作者原用 Gemini Pro 做文章集群(超大上下文、上万条关键词归类),近期突然报“解析文档出错/超出可读 Token”,删到几十条仍报错,创作类任务却正常——原因不明
- 实测 4 款在线关键词集群工具(Keysearch、Zenbrief、Contadu、SEO Scout)均不满意:它们按“前缀/疑问词”分组(所有 what 一起、how 一起),把同一主题的语义相关查询割裂
- LLM 的归类逻辑才是合理的:聚合同一主题下所有语义相关查询,不限于 what/how/when
- 主题集群的价值:系统化结构化布局提升内容覆盖与专业度,帮助搜索引擎理解主题、提升被索引和推荐几率;AIO 时代结构化集群为 AI 提供清晰内容关系地图,提升被引用概率
🛠️ 拿去就能用
- 词库集群流程仍用 LLM 方案:把 CSV/MD 词表分批喂给 Gemini/Claude 做语义聚类(分批规避上下文限制),不用前缀分组工具
- 主题集群落地为站点结构:支柱页(Pillar)→ 集群页(Cluster)→ 长尾支持文,直接映射到建站信息架构与内链方案
- 词量过大时分批聚类再合并,记录各批结果到多维表格,保证可追溯
💬 铲子铺怎么看
- 工具选择的标准是“归类逻辑是否符合语义理解”,前缀分组是上个时代的产物
- 主题集群在 AI 推荐时代从“SEO 加分项”升级为“被引用概率”的基础设施