关键词词库搭建的后续：如何针对关键词进行运用的操作指南

关键词词库，本质上是一个关键词集合。我们的目标是通过尽可能多的维度，把产品的关键词收集完整。目前主流的关键词获取方式包括：

1）关键词工具

通过工具反查竞品的所有流量词，及利用关键词以词拓词功能批量导出，再进行去重和筛选，基本可以覆盖该类目下产品的大部分关键词。

2）搜索框下拉词

输入关键词后，亚马逊会自动补充联想词，下拉框中的词通常是根据用户搜索行为生成的（当然也有人工干预，不过都会有需求的）。有些长尾词竞争相对较小，但非常贴近用户需求，适合做长尾词补充。

3）广告数据报表

个人认为这是最具价值的关键词来源。广告数据是用户最真实反馈的结果，能够高度贴合产品特性。唯一弊端是需要投入成本和时间来验证，不过瑕不掩瑜。

4）其他来源

包括Rufus关键词反查、西语关键词搜集（针对美国站）、ABA数据、商机探测器、人工造词等，也都可以作为补充方式，提高我们关键词词库的多样性和覆盖度。

工具可以提高效率，但它无法保证效果。无论采用何种方式筛选关键词，都需要一个验证过程。最近，我和同事交流了关键词词库的问题，我布置了一个任务：建立关键词词库，尽可能多地收集关键词并汇总（无需数据归类）。正好卖家精灵推出了快速筛选关键词工具，我测试了一下，效果还不错。可以对词库中的关键词进行归类和打标，从而实现初步过滤。

操作流程：

在网页版的插件可以直接点击卖家精灵的小图标，就可以针对关键词相关性进行筛选。

在这里我不太看相关性的划分做筛选，我更倾向于根据相关性的百分比进行归类，因为不同类目会有差异。分享一个判定思路：例如，通过关键词筛选工具发现 50% 以上的词是高相关的（这个是我们可以看关键词进行判断），就可以将 50% 作为高相关关键词的区分点。同理，中相关和低相关的判定方法也可以参考这个思路。

卖家精灵对关键词逻辑判定的标准如下：

为什么我觉得这个数据具备一定参考意义呢？因为我觉得它的归因逻辑是合理的，而且所有的词都是这一套逻辑进行筛选。关键词搜索的结果是显示的Asin, 显示的Asin如果都是吻合关键词的，那么这个就是相关的Asin。举一个例子，比如首页全部产品都是和用户搜索的关键词高度匹配的，那么这个就是高相关的关键词了。因为搜索结果和显示结果高度匹配。所以我认为卖家精灵定义的这个逻辑还是有一定的参考和判定意义的。当然软件肯定不能百分百精准，需要人工去做数据微调。

PS：补充一点，我评估数据精准性主要看两个方面：一是数据的推导逻辑是否准确，二是数据覆盖面是否足够广，能否支撑数据对比。

以关键词搜索量数据为例，亚马逊并未明确公开这些数据，但不同软件的搜索量也各有不同。这是否有意义呢？当然有意义。虽然无法获取绝对精准的数据，但在同一软件的归因逻辑下，相对精准的数据仍具备参考价值。例如，如果某个软件显示 “led strips” 的搜索量是 1K（实际上可能是10K），那么其他词也会按相同比例缩放，依然可以作为参考依据。这并不是否定数据精准性的意义，而是在无法获得绝对精准数据的情况下，相对精准数据也能发挥作用。

如果运营工作脱离了实际场景和执行动作，那一切都将是纸上谈兵。我在关键词投放方面的思考逻辑很简单：先搭建好词库，然后系统性地拆解关键词在各个环节的应用场景（列举所有可能性）。只有明确了场景，才能匹配合适的工具和策略（其它运营工作，我也是按照类似的思考逻辑）。

通过上述操作思路，我们可以对关键词进行打标，分为高相关、中相关和低相关三个属性。然后将这些属性运用到日常运营中。

1）广告层面的运用

高相关关键词 ：根据流量大小进行划分。流量大的关键词采用精准匹配投放，流量小的关键词采用词组匹配投放(完全没流量的才考虑拎出来打广泛，但是注意跑出来的关键词相关性）。通常情况下，每个关键词的最终目标都应是精准匹配，完全贴合用户搜索词。如果基于词组匹配，那也是在词根表现良好的情况下才使用。

低相关关键词 ：可以提前在广告中进行前置否定（按照 “相关性百分比” 指标筛选低于 10% 的关键词，如果判定不太相关，就可以提前做前置否定）。如果不太相关的关键词用于广告投放，建议采用精准匹配，以免容易跑偏。

中相关关键词 ：介于高相关和低相关之间。结合人工打标进行划分。这批关键词如果筛选出来有比较相关的关键词，按照高相关的逻辑进行投放。反之按照低相关关键词的逻辑处理。

新品前期的广告框架，建议以精准高相关关键词为主，这样更有利于系统识别产品链接的标签。