5 步筛选法：用 Gemini 找到低竞争、高购买意图的关键词

上季度，我从一家 B2B SaaS 客户那里拉出 2,400 个候选关键词，跑完五道筛选，最终只针对其中 87 个写文章。四个月后，这 87 个里有 22 个冲进了 Google 搜索结果前 10。其余 65 个还在爬，但大多在往上走。淘汰掉的 2,313 个并不是"烂词"——它们只是没活过这条漏斗。

关键从来不是找到低竞争关键词。Ahrefs 免费工具一下午就能给你一千个。关键是找到那些搜索者真的愿意掏钱的低竞争关键词。这是完全不同的问题，需要完全不同的筛选链。

KD 分数为什么是个陷阱

关键词难度（KD, Keyword Difficulty）是"这个词有多难做上去"最常用的代理指标，也是最容易被过度信任的。

Ahrefs 的 KD 来自排名前 10 的页面引用域名数（Referring Domains, RDs）的中位数：KD 10 大约对应 10 个 RD，KD 40 大约 60+，KD 80 以上 200+。Semrush 的 KD 用了另一套模型——页面权重加上 SERP 特征、再加点击预估——同一个关键词通常会比 Ahrefs 偏高。这两套系统是从不同角度看同一片竞争格局，谁也没告诉你，搜索的人到底想不想买你卖的东西。

这个差距才是整场游戏的关键。我曾经在一次推广里栽过跟头：目标词是"email automation best practices"（邮件自动化最佳实践），KD 22，搜索量不错，排名也容易拿。六个月写稿之后，流量数据漂亮极了，转化是零。搜索意图是信息型，不是商业型。仪表盘上的访问者数，一个客户都没带来。

KD 告诉你需要多少外链才能挤进前 10。它完全没告诉你，打这个词的人是谁。

5 步筛选法

我把每个候选关键词按顺序过 5 道筛子，任何一道不过就立刻停。漏斗故意做得狠。

第 1 筛——KD 低于 20（Ahrefs 或 Semrush）

对，这一步只看 KD。但它只是个门槛，不是全部。

我把上限卡在 20，是因为这正好对应两个工具的"易"（Easy）区间——Ahrefs 的 KD 11-20 大致需要 11-20 个引用域名。全新域名（DR, Domain Rating, 域名评分低于 20）我会卡到 0-15。绝对数字不重要，前后一致才重要——同一份清单里混用 Ahrefs 和 Semrush 的 KD，会悄悄重复算一部分词、漏掉另一部分。

操作很简单：超过上限的直接删。别自己劝自己。

第 2 筛——月搜索量在 50 到 1,000 之间

50 以下太薄，做不成单页内容；1,000 以上几乎一定拥挤，SERP 上一眼能看出来。50-1,000 这个区间，是"够长尾但没死透"的黄金地带。

这一步直接把客户的清单从 2,400 砍到 480。砍掉的那 80%，就是你不再被工具里的数字游戏牵着走的结果。

一个提醒：2026 年的搜索量数据噪声很大，别迷信绝对值。把这个区间当合理性检查，别当精密仪器。

第 3 筛——首页至少有一个弱结果

这一步是大多数人跳过的，也是最关键的一步。

手动打开 SERP（Search Engine Results Page, 搜索引擎结果页）。在首页前十里，找以下任意一个信号：

• 一个 DR 低于 30 的页面排进了前 10
• 一条论坛贴（Reddit、Quora、Stack Exchange）挤进了前 5
• 一篇内容薄弱的页面——不到 300 字，或者一串内链列表，或者明显是 AI 生成的废话
• 一篇 2021 年甚至更老的过时文章
• 一个几乎没外链的页面（Ahrefs 或 Semrush 上一查便知）

如果首页十条全是 DR 70+ 的网站、内容扎实、外链强，那这扇门是关着的，再用 Gemini 也敲不开。

只要首页有一个弱结果，SERP 就在告诉你：Google 自己也还没找到最满意的答案。这就是你的窗口。

举一个这次推广里的真实例子：关键词"best CRM for solo consultants"（独立顾问最佳 CRM 系统），Ahrefs KD 18，月搜索量约 320。SERP 上去看，#4 是一条 2019 年的 Quora 问答，#7 是 DR 22 博客上一篇薄弱的联盟营销清单文。前三名确实是大站，但整页有明显弱点。我们发了一篇 2,400 字的对比长文，三个月后，这个帖稳定在 #5。

第 4 筛——查询里包含购买意图的修饰词

哪怕 KD 15、月搜索 200，如果搜索者只是在找免费信息，这个词也白做。

查询里至少要包含以下其中一类动词或模式：

• 购买类："buy"（买）、"order"（下单）、"pricing"（定价）、"cost"（费用）、"cheap"（便宜）
• 比较类："vs"、"versus"、"compared to"（对比）、"alternative to"（替代）、"alternatives"（替代品）
• 评估类："best"（最好）、"top"（顶级）、"review"（评测）、"reviews"（评测）、"worth it"（值不值）
• 行动类："free trial"（免费试用）、"demo"（演示）、"sign up"（注册）、"download"（下载）、"for [具体场景]"

不带任何这类模式的查询基本都是信息型。"What is a CRM"或"How does email automation work"可以拿来当漏斗顶端的科普内容，但它们不带来收入。

这一步把 480 砍到 280。低搜索量、低 KD 的查询里，大约 40% 是搜定义的人。别给他们写商业稿。

第 5 筛——Gemini 判断它落在你的产品楔子里

前 4 筛是机械的。第 5 筛是瓶颈，也是唯一需要 LLM（Large Language Model, 大语言模型）的一步。

前 4 筛活下来的词（我的案例里约 280 个）我按 100 一组批给 Gemini 2.5 Flash。模型读每个查询，判断主题是否落在客户的产品楔子（wedge）里，然后输出结构化标签。这位 SaaS 客户的产品楔子我写得很窄："面向独立顾问和 20 人以下小机构的 B2B 销售管道软件"——故意写窄，因为"窄"才是这步的核心。

Prompt 大致长这样：

text你正在为一家 B2B SaaS 公司分类搜索查询。

产品楔子：面向独立顾问和 20 人以下小机构（under 20 employees）的 B2B 销售管道软件。

对下面每个查询，判断：
1. 背后主题是否落在产品楔子里？（yes / no / maybe）
2. 搜索者最可能的意图？（informational 信息型 / commercial 商业型 / transactional 交易型）
3. 置信度，0 到 1。

只输出 JSON（JavaScript Object Notation, 一种结构化数据格式），匹配以下 schema：
{
  "query": "string",
  "in_wedge": "yes" | "no" | "maybe",
  "intent": "informational" | "commercial" | "transactional",
  "confidence": number
}

查询列表：
1. best CRM for solo consultants
2. how to track sales pipeline excel
3. ...

Gemini 标 in_wedge: no 的全部删，maybe 当作临界。intent 字段要和第 4 筛交叉验证——Gemini 说信息型，但查询里有购买修饰词，以修饰词为准，因为 SERP 反映的是修饰词。

280 个候选，首轮 Gemini 跑完剩 140。我把 maybe 那批重新喂了一次，这次把楔子描述写得更细，救回来 40 个，凑到 100。再人工复核 100 个，最后 87 个进清单。

confidence 分数才是真正可调的旋钮。临界查询上 Gemini 给 confidence: 0.4，通常都不对——但模型很少"自信地错"。盯分数，别只盯标签。

漏斗算术

把整条链的数字摆开，方便你校准自己的清单：

阶段	筛子	剩余	累计淘汰
0	原始候选	2,400	—
1	KD < 20	1,200	-50%
2	搜索量 50-1,000	480	-80%
3	弱 SERP 结果	280	-88%
4	购买意图修饰词	140	-94%
5	Gemini 楔子分类	100 → 87	-96%

2,400 到 87，转化率约 3.6%。看着狠，但 87 个代表的是：排名难度低、有真实需求、当前竞争弱、购买意图明确、产品契合度被验证过的关键词。你读到的绝大多数 SEO 文章都在教人追搜索量；几乎没人告诉你，把 96% 的候选扔掉才是正解。这就是重点。

四个月后，87 个里 22 个进前 10，31 个在第二页，34 个还在中段或以下。没有任何一个掉出前 50。砍掉的 2,313 个不是失败，是"一开始就被正确识别为不值得花时间"。

两个值得提醒的地方

两件事如果当时做到，这次推广还能更好。

第一，搜索量这一筛最脆。2026 年的搜索量数据比三年前嘈杂得多，部分原因是 AI 概览（AI Overviews）吃掉了大量漏斗顶端的查询。如果下个季度重跑这条漏斗，我预期 480 这个数字会变，而且变的方向不一定和 Search Console 里看到的一致。用区间，别用绝对数。

第二，Gemini 的 in_wedge 标签质量，只和你的楔子描述一样好。第一次跑的时候，楔子我写的是"B2B SaaS for small businesses"（面向小企业的 B2B SaaS）——太宽，模型几乎全说 yes。换成"面向独立顾问和 20 人以下小机构的 B2B 销售管道软件"之后，yes 集合直接砍半，最终 87 个锐利得多。楔子写得越窄，Gemini 的输出越有用。

96% 的淘汰率听起来像漏斗坏了。其实它是在工作。剩下的 96% 写六个月，产出的是能排名但没转化的内容；这 87 个，才值得再写六个月。