刘国栋
8f7f082c3d
- 重构项目目录结构，将功能模块移至 modules/ 目录 - 创建平台同步基础架构，包括发布器基类和 GitHub 发布器 - 新增 UI 状态管理模块 (modules/ui/state.py) 统一管理会话状态 - 更新依赖配置，添加平台同步所需依赖 (httpx, pyperclip) - 整理文档结构，将所有文档分类移至 docs/ 目录 - 添加 .cursorrules 文件定义项目开发规范 - 清理根目录重复文件，保持项目结构整洁
159 lines
5.4 KiB
Markdown
159 lines
5.4 KiB
Markdown
# 智能关键词挖掘与趋势分析功能文档
|
||
|
||
## 📋 功能概述
|
||
|
||
智能关键词挖掘与趋势分析功能帮助用户发现高价值关键词，分析竞争度，预测趋势，优化关键词策略，提升 ROI。
|
||
|
||
## 🎯 核心功能
|
||
|
||
### 1. 行业热点挖掘 🌐
|
||
- **功能**：基于行业趋势自动挖掘高价值关键词
|
||
- **输入**：行业领域、品牌信息、核心优势
|
||
- **输出**：挖掘的关键词列表，包含类别、意图、预估价值
|
||
- **特点**：
|
||
- 使用 LLM 分析行业趋势
|
||
- 覆盖不同搜索意图（对比、评测、使用、购买等）
|
||
- 提供预估价值评分（1-10分）
|
||
|
||
### 2. 竞争度分析 📊
|
||
- **功能**：分析关键词在 AI 中的提及频率和竞争程度
|
||
- **输入**：关键词列表
|
||
- **输出**：每个关键词的竞争度分析结果
|
||
- **指标**：
|
||
- 提及率：品牌在验证结果中的提及频率
|
||
- 竞争级别：低/中/高
|
||
- 竞品提及次数
|
||
- 总提及次数
|
||
- 数据点数量
|
||
|
||
### 3. 趋势预测 📈
|
||
- **功能**：基于历史数据预测关键词热度变化趋势
|
||
- **输入**：关键词列表、预测天数
|
||
- **输出**：每个关键词的趋势预测结果
|
||
- **指标**：
|
||
- 趋势方向：上升/下降/稳定
|
||
- 趋势强度：0-1
|
||
- 预测提及率：未来 N 天的预测值
|
||
- 置信度：预测的可靠程度
|
||
- 当前提及率：当前的实际值
|
||
|
||
### 4. 价值矩阵分析 💎
|
||
- **功能**：分析关键词的价值和竞争度，找到最优投入策略
|
||
- **输入**：关键词列表、竞争度数据、预估价值（可选）
|
||
- **输出**：价值矩阵分析结果和智能推荐
|
||
- **矩阵位置**：
|
||
- **高价值低竞争**：强烈推荐，优先投入
|
||
- **高价值高竞争**：谨慎投入，需要持续优化
|
||
- **低价值低竞争**：可考虑，适合长尾策略
|
||
- **低价值高竞争**：不推荐，避免投入
|
||
|
||
### 5. 智能推荐 ⭐
|
||
- **功能**：基于价值矩阵、竞争度、趋势数据，智能推荐最优关键词
|
||
- **算法**：推荐分数 = 价值分数 - 竞争分数/2 + 趋势加分
|
||
- **输出**：按推荐度排序的关键词列表
|
||
|
||
## 🚀 使用指南
|
||
|
||
### 行业热点挖掘
|
||
|
||
1. **进入 Tab1（关键词蒸馏）**
|
||
2. **滚动到"智能关键词挖掘与趋势分析"部分**
|
||
3. **点击"🌐 行业热点挖掘"标签页**
|
||
4. **输入行业领域**（如：外贸ERP、AI工具、SaaS产品等）
|
||
5. **设置挖掘数量**（10-50个）
|
||
6. **点击"🚀 开始挖掘"**
|
||
7. **查看挖掘结果**，点击"添加"按钮将关键词添加到列表
|
||
|
||
### 竞争度分析
|
||
|
||
1. **在"📊 竞争度分析"标签页**
|
||
2. **选择要分析的关键词**（可多选）
|
||
3. **点击"📊 开始分析"**
|
||
4. **查看分析结果**：
|
||
- 数据表格：显示每个关键词的竞争度指标
|
||
- 可视化图表：柱状图展示竞争度对比
|
||
|
||
### 趋势预测
|
||
|
||
1. **在"📈 趋势预测"标签页**
|
||
2. **选择要预测的关键词**（可多选）
|
||
3. **设置预测天数**（7-90天）
|
||
4. **点击"🔮 开始预测"**
|
||
5. **查看预测结果**：数据表格显示趋势信息
|
||
|
||
### 价值矩阵分析
|
||
|
||
1. **在"💎 价值矩阵分析"标签页**
|
||
2. **选择要分析的关键词**（可多选）
|
||
3. **点击"💎 开始分析"**
|
||
4. **查看分析结果**：
|
||
- 数据表格：显示价值矩阵数据
|
||
- 散点图：可视化价值矩阵（X轴：竞争度，Y轴：价值）
|
||
- 智能推荐：按推荐度排序的关键词列表
|
||
|
||
## 📊 数据说明
|
||
|
||
### 竞争度级别判断标准
|
||
- **低竞争**：提及率 ≥ 60%
|
||
- **中竞争**：提及率 30-60%
|
||
- **高竞争**：提及率 < 30%
|
||
|
||
### 价值矩阵位置判断
|
||
- **高价值**：价值分数 ≥ 6
|
||
- **低价值**：价值分数 < 6
|
||
- **低竞争**：竞争分数 ≤ 4
|
||
- **高竞争**：竞争分数 > 4
|
||
|
||
### 趋势预测算法
|
||
- 使用简单线性回归分析历史数据
|
||
- 基于时间序列的斜率判断趋势方向
|
||
- 置信度基于数据点数量（10个数据点达到最高置信度）
|
||
|
||
## ⚠️ 注意事项
|
||
|
||
1. **数据依赖**
|
||
- 竞争度分析需要历史验证数据
|
||
- 趋势预测需要足够的历史数据点（建议至少 5 个）
|
||
- 数据点越多，分析结果越准确
|
||
|
||
2. **预估价值**
|
||
- 行业热点挖掘会提供预估价值
|
||
- 如果没有预估价值，系统会基于提及率估算
|
||
- 建议先进行行业热点挖掘，再进行分析
|
||
|
||
3. **分析顺序建议**
|
||
- 先进行行业热点挖掘，发现新关键词
|
||
- 然后进行竞争度分析，了解竞争情况
|
||
- 再进行趋势预测，了解未来趋势
|
||
- 最后进行价值矩阵分析，获得综合推荐
|
||
|
||
## 🎯 最佳实践
|
||
|
||
1. **定期挖掘**
|
||
- 定期进行行业热点挖掘，发现新机会
|
||
- 关注行业变化，及时更新关键词策略
|
||
|
||
2. **综合分析**
|
||
- 结合竞争度、趋势、价值矩阵进行综合判断
|
||
- 优先投入"高价值低竞争"的关键词
|
||
|
||
3. **数据积累**
|
||
- 定期进行验证，积累历史数据
|
||
- 数据越多，分析结果越准确
|
||
|
||
4. **持续优化**
|
||
- 根据分析结果调整关键词策略
|
||
- 关注趋势变化，及时调整投入
|
||
|
||
## 📈 预期效果
|
||
|
||
- **发现蓝海关键词**：通过行业热点挖掘发现高价值、低竞争的关键词
|
||
- **优化投入分配**：通过价值矩阵分析，将资源投入到最有价值的关键词
|
||
- **预测未来趋势**：提前布局上升趋势的关键词，避免投入下降趋势的关键词
|
||
- **提升 ROI**：数据驱动的关键词策略，最大化投入产出比
|
||
|
||
---
|
||
|
||
**创建日期**：2025-01-26
|
||
**版本**：1.0.0
|