引言在GEO生成式引擎优化项目中关键词策略是内容生产的前置环节。不同于传统SEO的关键词堆砌GEO更关注用户的真实意图和问题覆盖。本文分享我们在关键词挖掘与意图分类上的一些工程实践不涉及具体商业信息。一、关键词来源的三种渠道我们结合以下渠道获取原始关键词客户提供核心业务词、品牌词、产品词通常3-10个竞品分析在AI模型如DeepSeek中输入客户的核心词观察回答中出现的竞品名称反推竞品覆盖的关键词平台挖掘从知乎话题、百度相关搜索、小红书热门标签中提取高频词原始词量通常在200-500个之间。二、关键词清洗与标准化原始关键词包含噪声我们执行以下清洗步骤去重基于编辑距离去除无意义字符标点、特殊符号统一词形如“GEO优化”和“GEO优化服务”合并过滤低频词在百度指数或平台搜索量过低清洗后保留约60%-70%的词。三、意图分类模型L1-L5我们将关键词分为5个意图层级每层对应不同的内容生产策略层级意图示例内容策略L1品牌导航“文澜天下”品牌词防御确保基础信息准确L2业务需求“GEO优化服务”科普服务介绍L3问题痛点“怎么让AI推荐我”场景化解决方案L4具体问题“企业申报需要哪些材料”深度问答L5对比决策“GEO优化哪家好”测评对比分类方法基于规则简单机器学习。规则包括包含“怎么”、“如何”、“为什么” → L3或L4包含“哪家”、“推荐”、“对比” → L5精确匹配客户品牌词 → L1其余业务相关词 → L2四、长尾词扩展算法对于L4长尾词我们使用模板扩展法地域模板[地区] 核心词如“杭州企业申报”场景模板核心词 适用场景如“企业申报 小微企业”疑问模板疑问词 核心词 附加词如“企业申报需要什么材料”通过组合一个核心词可扩展出50-100个长尾词。五、词频统计与优先级排序为确定优先攻击哪些关键词我们计算一个简单得分优先级 搜索热度 × 竞争程度^(-1) × 商业价值搜索热度参考百度指数或平台话题浏览量归一化竞争程度在AI模型中输入关键词统计回答中出现的不同品牌数量商业价值人工标注高/中/低如“企业申报”高于“申报材料清单”排序后优先选择得分最高的20-30个词作为第一轮内容生产目标。六、工程实现提示清洗和分类可使用Python的pandas 正则表达式长尾词扩展推荐使用itertools.product组合模板优先级计算建议存储在SQLite中便于后续更新七、局限性与改进方向当前意图分类依赖规则对复杂长句的准确率约85%未来可引入BERT小模型搜索热度数据获取困难可改用平台API如百度指数需付费商业价值标注存在主观性建议多人交叉标注以上是我们杭州文澜天下在关键词挖掘与意图分类上的一些实践。欢迎同行讨论交流。本文仅为技术经验分享无商业推广内容。