关键词聚类自动化：用 AI 把搜索词整理成系列、文章和内链结构

手里有一张 keywords.csv，300 行 query，覆盖 Astro、Docker、Cloudflare 这些主题。AI 初分出了 42 个 cluster，但人工检查时发现 cluster #1 同时放着 astro seo 和 astro vs next.js for seo——前者是教程意图，后者是对比意图。混在一起，写出来的文章很难同时满足两种需求。

关键词聚类的问题就在这里：AI 容易把语义相近但意图不同的词合并，进而增加内容 cannibalization 风险，让多篇近似文章互相竞争。更麻烦的是，看着一堆“关键词组”，仍然不知道哪些该写成新文、哪些应该补旧文、哪些只适合 FAQ 或内链。

下面的流程从 GSC query、候选题卡片和站内库存整理成合并表开始，归一化去重，AI 初分保留人工审核，最后把每个 cluster 映射到具体动作（新文/旧文刷新/FAQ/内链/discard）。重点是数据源、去重逻辑、聚类方法对比、AI prompt 示例、cluster map 表格、动作判断框架和内链结构设计。

一、关键词聚类流程入口：数据源清单

聚类的输入不是“AI 猜词”，而是自有 query/page 数据、候选题卡片和站内库存。这三样东西组合起来，才能判断哪些词值得写、哪些已经有旧文承接、哪些是社区真实问题。

数据源清单如下：

数据源	字段	获取方式	注意事项
GSC query/page 数据	query, page, clicks, impressions, CTR, position	Search Console UI / Search Analytics API	API rowLimit 默认 1,000、单次最大 25,000；受内部限制影响，不保证返回全部行，只返回 top rows
候选题卡片	标题, 意图, 来源（Reddit/GitHub/竞品）, 证据	选题调研 Agent 输出	需人工审核来源质量
站内库存	文章标题, URL, 系列, 发布日期, 流量, 关键词排名	站内数据库 / CMS	标记已有旧文和系列归属
quickWins 指标	低 CTR 高 impression 关键词, 旧文刷新机会	GSC quickWins 分析	用于旧文刷新动作判断

步骤块：

1. 导出 GSC query/page 数据；Performance report 默认展示近三个月，也可以按任务调整日期范围
2. 合并选题调研 Agent 输出的候选题卡片
3. 提取站内库存：已有文章、系列、流量表现
4. 标记 quickWins：低 CTR 高 impression 关键词、旧文刷新机会
5. 输出合并表：每行包含 query、意图初判、来源、已有旧文匹配、quickWins 标记

二、关键词归一化：去重、标准化、意图初判

合并表里会有大量重复、相似、拼写变体。如果不处理，AI 初分时会把这些当成不同词，拆成多个 cluster，造成过度拆分。

去重逻辑清单：

• 完全重复：astro seo vs astro seo → 保留一条
• 拼写变体：docker host.docker.internal vs docker host-gateway vs docker 127.0.0.1 → 标记为同一意图候选，等待人工确认
• 同义词：cloudflare pricing vs cloudflare 价格 vs cloudflare cost → 标记为同一意图
• 实体词形变化：astro blog vs astro blogs → 标记为同一意图

标准化规则：

• 统一术语：nextjs → next.js，cloudflare workers → Cloudflare Workers
• 统一大小写：Astro vs astro → astro
• 统一标点：astro, seo vs astro seo → astro seo

意图初判标记：

• 信息型：how to, what is, guide, tutorial
• 导航型：品牌名、产品名、特定 URL
• 对比型：vs, compare, alternative
• 交易型：pricing, cost, buy, download

步骤块：

1. 对合并表进行完全重复去重
2. 识别拼写变体和同义词，标记为同一意图候选
3. 标准化术语、大小写、标点
4. 为每个 query 标记意图初判（信息型/导航型/对比型/交易型）
5. 输出归一化表：每行包含 query、normalized_query、intent_tag、source、old_post_match

三、聚类方法选择：三种方法对比判断表

选择聚类方法时，要平衡成本、准确度和风险。三种主流方法各有适用场景。

方法	成本	准确度	适用场景	风险
SERP-based	高（需要大量 SERP 查询，可能触发反爬）	高（基于真实搜索结果，适合辅助判断是否合并页面）	内容已上线、需要判断页面重合、有 SERP API 预算	成本高、SERP 波动影响稳定性
Semantic	低（只需 embedding API 调用）	中（可能忽略真实搜索意图，误合并不同意图）	早期主题地图、预算有限、快速初分	可能误合并语义相近但意图不同的词
Hybrid	中（语义初分 + SERP/GSC 校验 + 人工审核）	高（兼顾成本和准确度）	持续内容运营、有 GSC 数据、有人工审核时间	需要人工审核投入

推荐流程：

• 小团队 / 早期：Semantic 初分 + GSC/page 校验 + 人工合并高风险 cluster
• 中大型团队 / 已上线内容：Hybrid（语义初分 + SERP/GSC 校验 + 人工审核）
• 预算充足 + 需要判断页面是否合并：SERP-based + 人工审核

我目前用的是 Hybrid：先用语义相似度初分，然后用 GSC page 数据校验（看哪些 query 已经有旧文承接），最后人工审核意图冲突。

四、AI 辅助聚类执行流程：prompt 示例、cluster map 表格

把归一化后的关键词交给 AI 初分，关键是 prompt 要明确输出字段和意图标记。下面是我用的 prompt 示例。

AI prompt 示例：

你是一个 SEO 内容规划师，以下是一组归一化后的关键词，请按搜索意图将它们分成多个 cluster，并为每个 cluster 提供：
1. primary_intent（主要搜索意图）
2. canonical_page（建议合并到的目标页面类型：new article / old post refresh / FAQ / discard）
3. suggested_action（建议动作）
4. internal_link_targets（应该链接到哪些已有文章或系列）
5. risk_notes（风险提示：是否可能 cannibalization、是否需要人工审核）

关键词列表：
- astro seo
- astro vs next js for seo
- cloudflare pricing
- docker host.docker.internal
- docker host-gateway
...

输出格式：
JSON 数组，每个 cluster 包含：
{
  "cluster_id": 1,
  "keywords": ["astro seo", ...],
  "primary_intent": "信息型 - 教程",
  "canonical_page": "new article",
  "suggested_action": "新建 Astro SEO 教程文章",
  "internal_link_targets": ["astro-guide 系列", "cloudflare-bindui 系列"],
  "risk_notes": "需要人工审核：astro vs next js for seo 是对比意图，不应合并"
}

cluster map 表格示例：

cluster_id	keywords	primary_intent	canonical_page	suggested_action	internal_link_targets	risk_notes
1	astro seo, astro blog seo	信息型 - 教程	new article	新建 Astro SEO 教程	astro-guide 系列, cloudflare-bindui 系列	无
2	astro vs next js for seo	对比型	new article	新建 Astro vs Next.js SEO 对比文	astro-guide 系列, nextjs-blog-series	无
3	cloudflare pricing, cloudflare cost, cloudflare 价格	交易型	old post refresh	刷新已有 Cloudflare 价格文章	cloudflare-bindui 系列	已有旧文 /cloudflare-pricing，建议刷新
4	docker host.docker.internal, docker host-gateway, docker 127.0.0.1	信息型 - 配置	FAQ	在 Docker 系列文章中补充 FAQ	docker-practice 系列	同意图变体，合并到 FAQ

人工审核清单：

• 意图不同：同一 cluster 中包含教程意图和对比意图 → 拆分
• 同主题已有旧文：cluster 映射到“新建文章”，但站内已有相关旧文 → 改为“旧文刷新”或“FAQ 补充”
• 过度拆分：一个意图被拆成多个 cluster → 合并
• 过度合并：不同意图的词被 AI 合并 → 拆分

步骤块：

1. 将归一化表导入 AI 聚类工具（Claude / ChatGPT / 自建脚本）
2. 使用上述 prompt 进行初分
3. 输出 cluster map 表格
4. 人工审核：检查意图冲突、旧文匹配、过度拆分/合并
5. 修正 cluster map，标记高风险 cluster

五、聚类结果映射决策框架：动作判断表

聚类完成后，每个 cluster 要映射到具体动作，而不是停留在“关键词组”。下面这张表是我用的判断框架。

判断维度	新文	系列支柱页	旧文刷新	FAQ 补充	内链优化	discard
query 数量	多（5+）	多（5+）	少（1-3）	少（1-3）	少（1-3）	单个
意图变化度	高	高	低	低	低	低
已有旧文匹配	无	无	有	有	有	有
竞争强度	高	高	中	中	低	低
站点主题匹配	高	高	高	中	中	低
原创增量空间	高	高	低	低	低	无
示例	astro seo 教程	astro 系列	cloudflare pricing	docker host.docker.internal	相关文章内链	品牌名变体

动作定义：

• 新文：创建新文章，覆盖 cluster 中所有同意图 query
• 系列支柱页：创建系列 hub 页面，链接到系列内其他文章
• 旧文刷新：在已有旧文中补充内容，覆盖新 query
• FAQ 补充：在已有文章中补充 FAQ
• 内链优化：在相关文章中添加内链，指向 canonical 页面
• discard：不创建内容，标记为低价值或非目标用户

步骤块：

1. 根据判断维度为每个 cluster 评分
2. 根据评分映射到动作
3. 输出动作列表：cluster_id → suggested_action
4. 人工复核高风险动作（新文、系列支柱页）

表中的 query 数量只是示例信号，不是机械阈值。最终动作仍要结合搜索意图、站内库存、原创增量和维护成本判断。

六、内链结构设计：双向链接、canonical 指向

cluster 之间的关系要变成可执行的内链，不只是“相关阅读”。下面是我用的内链清单。

内链结构设计原则：

• pillar/cluster 双向链接：pillar 页面链接到所有 cluster 页面，cluster 页面链接回 pillar 页面
• anchor text 描述性：使用描述性 anchor text，避免“点击这里”
• 链接指向 canonical URL：避免指向重复或近似页面，链接应指向 canonical 页面
• 避免孤立文章：每篇文章至少安排一条上下文相关的入链，并按站点规模和读者路径补充更多入口
• cluster map 中的 internal_link_targets 字段：记录应该链接到哪些已有文章或系列

内链清单：

cluster_id	pillar_page	cluster_pages	internal_link_targets	anchor_text 建议
1	Astro SEO 完全指南	astro seo 教程, astro blog seo	astro-guide 系列, cloudflare-bindui 系列	“Astro SEO 优化”, “Cloudflare 性能优化”
2	-	astro vs next.js for seo	astro-guide 系列, nextjs-blog-series	“Astro vs Next.js 对比”
3	-	cloudflare pricing	cloudflare-bindui 系列	“Cloudflare 价格解析”

步骤块：

1. 识别 pillar 页面和 cluster 页面
2. 设计双向链接结构
3. 为每个内链设计描述性 anchor text
4. 检查是否有孤立文章
5. 输出内链清单，导入内容任务表

Google 当前把 redirect 和 rel="canonical" 视为较强 canonical 信号，把 sitemap inclusion 视为较弱信号；这些信号可以叠加，但 Google 仍会自行选择 canonical。站内链接应一致指向你希望作为 canonical 的 URL。

七、风险边界与质量红线：避免批量页面生成器

关键词聚类不能变成批量页面生成器，否则很容易偏离 people-first 内容原则。

风险边界清单：

• 不是每个关键词变体一页：同意图 query 应合并到一个页面或一个 canonical 目标，不应拆成多个近似页面
• cluster 必须有原创增量判断：每个 cluster 都要回到读者问题、站点主题和原创增量，不能只是重写已有内容
• 合并同意图 query 到 canonical：对重复或非常相似页面，可以用 redirect、rel="canonical" 和 sitemap 等信号表达偏好，但它们的强度不同，也不能保证 Google 必然采用
• 避免 search engine-first 内容：内容优先服务用户，而不是主要为了操纵排名
• 降低 cannibalization 风险：过去为近似关键词建立大量单页，可能让多个页面竞争同一搜索意图
• 标记高风险 cluster：在 cluster map 中用 risk_notes 字段标记需要人工审核的 cluster

质量红线：

• 同主题已有旧文时，优先旧文刷新或 FAQ 补充，避免新建近似页面
• 聚类输出必须附带原创增量和站点主题匹配判断
• 内链生成时优先指向 canonical 文章，避免指向重复或近似页面

八、示例演示：astro seo、cloudflare pricing、docker

通过三个场景理解整个流程。

示例 1：astro seo vs astro vs next.js for seo（意图不同，必须拆分）

• 原始 query：astro seo, astro vs next.js for seo, astro blog seo
• 归一化：astro seo, astro vs next js for seo, astro blog seo
• AI 初分：cluster_id=1, keywords=[astro seo, astro vs next js for seo, astro blog seo]
• 人工审核：astro seo 是教程意图，astro vs next js for seo 是对比意图，必须拆分
• 最终 cluster map：
  • cluster_id=1: [astro seo, astro blog seo] → 新建 Astro SEO 教程文章
  • cluster_id=2: [astro vs next js for seo] → 新建 Astro vs Next.js SEO 对比文

示例 2：cloudflare pricing（已有旧文，刷新而非新建）

• 原始 query：cloudflare pricing, cloudflare cost, cloudflare 价格
• 归一化：cloudflare pricing, cloudflare pricing, cloudflare pricing
• AI 初分：cluster_id=3, keywords=[cloudflare pricing, cloudflare pricing, cloudflare pricing]
• 站内库存匹配：已有旧文 /cloudflare-pricing
• 最终 cluster map：
  • cluster_id=3: [cloudflare pricing, cloudflare cost, cloudflare 价格] → 旧文刷新 /cloudflare-pricing

示例 3：docker host.docker.internal（技术关键词，归一化后合并）

• 原始 query：docker host.docker.internal, docker host-gateway, docker 127.0.0.1
• 归一化：标记为可能相同配置意图的候选组
• AI 初分：cluster_id=4, keywords=[docker host.docker.internal, docker host-gateway, docker 127.0.0.1]
• 站内库存匹配：已有 Docker 系列文章
• 最终 cluster map：
  • cluster_id=4: [docker host.docker.internal, docker host-gateway, docker 127.0.0.1] → 人工确认意图后，作为 FAQ 或小节补充到 Docker 系列文章

九、下一步与延伸阅读

聚类完成后，下一步是把 cluster map 落进内容任务表，设计字段、评分、状态机和发布计划。这部分会在系列后续文章“内容任务表设计：字段、评分、状态机与发布计划”中详细讲。

如果你想知道如何从 cluster map 生成可写大纲，可以看系列后续文章“AI 大纲生成：从 cluster map 到可写大纲的自动化流程”。批量生成内链的细节，会在“自动内链系统：批量生成相关文章链接与避坑指南”中展开。

旧文刷新策略也有专文：“GSC 旧文刷新策略：从 quickWins 到内容更新”。

已发布的相关文章：

• 季度内容规划：如何用 Pillar-Cluster 模型系统化内容生产
• GA/GSC 周运营 SOP：从数据到行动的闭环
• GSC 高级技巧：从数据中发现内容机会