图 1：本文封面，点明「AI × 关键词研究」的分工主题。
做内容的人和做独立站的人有一个共同的痛：选题靠猜。吭哧写三天，发出去没人搜、没人看。关键词研究就是治这个病的——先搞清楚用户在搜什么，再决定写什么。
大模型火了之后，很多人直接把「找关键词」整个丢给它：「帮我列 50 个有流量的关键词」。结果呢？词倒是列了一大堆，照着做完还是没流量。问题出在哪？
核心结论：大模型负责发散与归纳，数据工具负责验证与排序。
把关键词研究工作流拆成五步：头脑风暴候选词、扩展长尾词、按搜索意图归类、查搜索量与竞争度、规划内容矩阵。前三步大模型干得又快又好；第四步它没有数据，必须交给专业工具；第五步是两者合力。
大模型能承担的前三步。
第一步，头脑风暴候选词。给它业务背景和受众画像，比如「面向新手的家用咖啡器具电商，用户是刚入坑的上班族」，它能批量产出种子词：器具名称、使用场景、痛点问题、比较型词汇。人脑想半小时的量，它一分钟给完，而且角度更全——它读过海量语料，知道同一个需求有多少种问法。
第二步，扩展长尾词。拿着种子词让它造长尾变体：疑问式（「手冲咖啡怎么选滤杯」）、对比式（「法压壶和手冲的区别」）、场景式（「办公室一人份咖啡怎么做」）。长尾词单个搜索量小，但意图明确、竞争低，是新站最现实的突破口。
第三步，按搜索意图归类。让它把候选词按信息型（想学知识）、导航型（找特定网站）、交易型（准备下单）聚类，每类配一句内容形式建议——信息型写教程，交易型做对比导购。它还能顺手给出内容大纲草案。
必须交给数据工具的第四步。
真实搜索量、关键词难度、竞品排名——这三样大模型一概没有。它没有搜索引擎的实时查询日志，它说出的任何「搜索量」都是编的，而且编得煞有介事。这一步必须用数据工具验证：以 Semrush 的关键词工具为例，官方功能就包括相关关键词建议、月搜索量、关键词难度、搜索意图与 CPC 数据，正好覆盖这一步需要的全部字段。用这类工具把大模型给的几百个候选词，过滤成「量够大、难度够得着」的短名单。
第五步是合力：内容矩阵。
把验证过的词按主题簇分组，一簇词对应一篇主内容加若干支撑内容，互相内链。大模型在这里负责起草标题与大纲，人来定取舍和优先级。
前三步用好有一个小技巧：给足上下文。
不要只丢一句「帮我想咖啡关键词」。把你的业务、目标用户、竞争对手、已经做过的内容都写进提示词，让它先扮演目标用户说出自己遇到问题时会在搜索框里敲什么，再切换成 SEO 专家视角做归类。角色越具体，候选词越贴近真实搜索习惯，后面工具验证的命中率也越高。
一个完整的小案例。
假设你做咖啡器具站：大模型先给出 80 个候选词并按意图分成三堆；工具验证后发现「手冲咖啡 水温」月搜索量可观且难度低，「咖啡机 推荐」量大但头部全是巨头；于是矩阵定为：先做五个低难度信息型长尾词抢排名，交易型大词放长线养站。全程两小时——大模型干了四十分钟的发散与归纳，工具干了二十分钟的验证，人做了一个小时的决策。这个分工比例，就是「AI+SEO」的正确姿势。
图 2：五步工作流中大模型与数据工具的分工。
常见误区。
一，让大模型直接报搜索量并当真——这是它最自信的幻觉。二，跳过意图归类，把信息型词写成产品页，排名永远上不去。三，只做发散不做验证，内容铺出去全是没人搜的词。四，把大模型生成的大纲直接发布，同质化内容在搜索端没有竞争力。
行动建议。
今天就试一次：写下你的业务和受众，让大模型产出 50 个候选词加意图分类，再用任意关键词工具逐个验证，挑出三个「有量、低难度」的词各写一篇。先想后验——这个顺序，比用什么工具重要得多。
你用大模型做过关键词或选题研究吗？验证环节用的是哪个工具？欢迎分享。