系统总览
AI 可以负责扩词、清洗、归类、标签和建议；真实搜索量、ABA、竞价、竞争度及转化表现必须由工具或广告数据提供。
纯 AI 草稿模式
输入核心关键词和简单产品描述，生成假设词根、同义词、长尾词、标签及否定候选。适用于立项和调研启动。
标准运营模式
加入产品事实表、ABA、竞品反查、下拉框和 ASIN 数据，输出可用于上架及广告搭建的执行词库。
数据闭环模式
继续加入搜索词、点击、花费、订单和 ACOS 数据，完成升级、降级、否词和第二曲线更新。
输入标准化
产品是什么、适合谁、支持什么、不支持什么。
多源采集
ABA、下拉框、竞品、反查、站外、AI、广告数据。
清洗归一
去重、纠错、词形组、品牌型号和语言隔离。
相关性判定
产品匹配、购买意图、数据证据、战略价值。
标签与分级
人群、场景、功能等多标签；L1-L4 分级。
词库分流
肯定、硬否定、软否定、观察、人工复核。
业务映射
Listing 埋词、广告桶、匹配方式、推广阶段。
动态更新
真实搜索词回收、升级降级、版本及更新日志。
标准交付物
01 主关键词库02 否定词库 03 词根字典04 标签字典 05 广告映射表06 更新日志核心要求：一词一行、来源可追溯、数据不可虚构、分类规则固定、历史变更可复盘。
最重要的边界
关键词词库系统导图
导图按照“输入—处理—分流—应用—更新”展开，既能作为课程框架，也能作为 Skill 的模块设计图。
① 输入与边界
- 站点与语言
- 核心关键词
- 产品事实
- 支持属性
- 不支持／排除项
- 目标人群与竞品 ASIN
② 多源采集
- ABA 词根与 ASIN
- Amazon 下拉框
- 竞品 Listing / Review
- H10、卖家精灵、Sif
- Google / Reddit / Quora
- AI 扩词与广告搜索词
③ 清洗与归一
- 完全去重
- 词形与拼写变体
- 模糊同义分组
- 品牌／型号隔离
- 语言识别
- 违规及不可用词筛查
④ 分类与评分
- L1–L4 语义分级
- ABA 大中小词量级
- A–D 相关性评分
- 人群／场景／功能
- 痛点／规格／风格
- 意图／风险／流量角色
⑤ 正负词分流
- 核心肯定词
- 属性与长尾词
- 硬否定词
- 软否定词
- 品牌隔离词
- 观察与人工复核词
⑥ Listing 应用
- 标题核心词
- 五点功能／痛点词
- A+ 场景与人群词
- 后台 Search Terms
- QA 与 Review 标签化
- 市场及用户画像分析
⑦ 广告应用
- 核心词根漏斗
- 属性平行漏斗
- 品牌词池
- 广告组交叉隔离
- 推广阶段匹配
- 第二曲线小测放大
⑧ 动态更新
- 搜索词回收
- 升级／降级／否定
- 季节与月份切换
- ABA 排名复盘
- ACOS / TACOS / CVR
- 版本与更新日志
端到端 SOP
每一个阶段都明确输入、动作和交付物，便于后续转成固定提示词、Excel 模板或自动化程序。
输入标准化
建立产品事实表：标准品名、站点、目标人群、真实功能、支持属性、排除属性、竞品 ASIN。
建立原始大池子
所有来源先入原始池，不边采集边删除；同词多来源做证据聚合，AI 来源必须单独标记。
清洗、归一、去重
文本规范化、完全去重、单复数与词形分组、拼写变体、品牌和型号隔离、语言识别。
相关性与优先级评分
分别评估产品匹配、购买意图、数据证据、战略价值及可承接性。相关性与词大小必须分开。
多标签与 L1-L4 分级
围绕品名词根逐步增加属性、对象、场景和限定；一条关键词允许拥有多个标准化标签。
肯定／否定／观察分流
形成核心词、属性词、硬否、软否、品牌隔离、观察词和 REVIEW 队列，避免自动误伤。
映射到 Listing 与广告架构
根据相关性、量级、推广阶段、预算和产品基础，确定埋词位置、匹配方式、广告桶和测试节奏。
数据闭环与版本更新
定期导入搜索词和广告表现，更新 NEW、ACTIVE、TEST、PAUSED、NEGATIVE、REVIEW、ARCHIVED 状态。
分类、标签与分级
词的长度不等于词的级别。L1 的本质是产品品名词根，L2-L4 是围绕词根逐步增加限定条件。
一级词根
核心产品名或主要同义品名。用于标题、核心流量和主广告。
bluetooth headset核心＋一项属性
增加功能、人群、对象或主要属性。适合属性漏斗。
with microphone核心＋多项限定
用户意图更清晰，通常更容易被具体产品承接。
for pc高度具体长尾
继续增加场景、型号、尺寸或多重限定，用于精准收割。
for pc gaming标准多标签字典
词根类型人群／对象使用场景 功能／利益点痛点／需求尺寸／规格 风格材质颜色 兼容／型号季节／节日品牌属性 购买意图流量角色风险标签建议建立统一标签字典，例如 women / female / ladies 归入同一“女性”标签，但保留原关键词文本和独立搜索数据。
ABA 默认量级参考
ABA 排名数值越小，通常代表词越大；具体区间需要按站点、类目和季节校准。
相关性 × 量级 × 动作矩阵
否定词库决策框架
否定词库要与肯定词库同步建立。AI 可以标记“否定候选”，但最终上传前必须人工批量审核。
① 产品能否承接？
品类、对象、功能、尺寸、材质、型号或场景是否与产品事实一致？
② 意图是否有效？
购买、比较、替换等商业意图，还是 free、DIY、repair、manual 等信息意图？
③ 是否存在误伤风险？
品牌、兼容、歧义、合规、单一词根和第二曲线词是否需要 REVIEW？
硬否定
错误品类、错误对象、明确不支持的功能、规格或型号。优先检查词组否定会不会误伤。
软否定
相关性偏低、意图偏离、信息型或低价值相邻需求。优先精准否定或单独低价测试。
观察／复核
歧义词、品牌词、样本不足、潜在第二曲线。暂不否定，等待数据或人工判断。
品牌隔离
自有品牌、竞品品牌和兼容品牌分别建池，避免直接全局否定，也避免混入通用广告。
AI 自动化安全边界
| 情况 | AI 可做什么 | 不能自动做什么 |
|---|---|---|
| 明确错误类目、对象或不支持属性 | 标记为“硬否定候选”，说明原因 | 未经审核直接批量上传 |
| 单个歧义词根 | 进入 REVIEW | 直接做全局词组否定 |
| 相关但暂未转化 | 结合点击、花费和目标 CPA 提醒 | 仅凭语义或一次无转化直接否定 |
| 竞品品牌词 | 归入品牌隔离池 | 一刀切全局否定 |
| 合规敏感词 | 触发风险标签和人工审核 | 自行判断可以使用或可以宣称 |
AI Skill 模块架构
把一次性提示词拆成八个固定模块，每一步都有标准输入和结构化输出，才具备稳定复用和团队级扩展能力。
输入模块
读取产品事实、核心词、排除项、站点；检查缺失和矛盾。
扩词模块
生成同义词、长尾、属性组合、地道写法和问题词。
数据导入模块
识别 ABA、反查、下拉框、广告文件列名，统一合并来源。
清洗模块
去重、纠错、词形分组、品牌型号和语言隔离。
分类模块
生成标签、L1-L4、A-D 相关性、词根组和置信度。
否词模块
根据排除项、低相关词和广告数据输出三层否定词库。
应用模块
映射到标题、五点、A+、广告桶、匹配方式和推广阶段。
审核模块
检查虚构数据、歧义、商标、合规、误伤和缺失信息。
标准输出字段
后续要做 Excel、数据库、自动筛选和广告映射，必须坚持“一词一行＋固定字段”，不能只输出大段文字。
| 字段组 | 建议字段 | 用途 |
|---|---|---|
| 基础字段 | keyword、normalized_keyword、marketplace、language、created_date | 唯一识别及站点隔离 |
| 来源字段 | source_type、source_detail、competitor_asin、source_count、evidence_note | 证据追溯与来源权重 |
| 词根字段 | root_group、primary_root、synonym_group、parent_root、adjacent_root | 构建词根树和流量边界 |
| 分类字段 | level_L1_L4、relevance_grade、relevance_score、confidence、review_status | 分级、排序及审核 |
| 量级字段 | aba_rank、search_volume、volume_tier、competition、cpc | 真实数据；无数据必须留空 |
| 标签字段 | audience、scenario、function、pain_point、size、material、style、color、compatibility、season | 人群、属性及场景拆分 |
| 意图字段 | search_intent、funnel_role、traffic_role、brand_type、risk_tag | 判断商业价值与风险 |
| 广告字段 | positive_negative、negative_type、negative_reason、match_type、campaign_bucket、bid_tier | 直接衔接广告架构 |
| 表现字段 | impressions、clicks、spend、orders、sales、ctr、cvr、acos、last_30d | 广告闭环及动态更新 |
| 管理字段 | owner、status、last_updated、change_reason、notes | 团队协作和版本管理 |
简化示例：Interactive Dog Puzzle Feeder
| 关键词 | 级别／相关性 | 标签 | 建议分流 |
|---|---|---|---|
| interactive dog puzzle | L1 / A | 核心品名；狗；益智 | 肯定词；核心广告 |
| slow feeder puzzle for fast eaters | L3 / A | 功能；痛点；慢食 | 肯定词；属性漏斗 |
| dog puzzle for large dogs | L2 / B | 人群／体型；大狗 | 尺寸边界不足时进入 REVIEW |
| dog chew toy | L1 / C-D | 相邻品类；咀嚼 | 明确非咀嚼玩具，否定候选 |
| cat puzzle feeder | L2 / D | 错误对象；猫 | 硬否定候选 |
| free dog puzzle diy | L3 / D | 信息意图；免费；DIY | 软否定／精准否定 |
从 SOP 到团队级 Skill
不建议一开始就做复杂 API。先把输入表、输出字段、否定规则和人工审核清单固定，已经能形成高实用价值的 MVP。
半自动 Skill
固定产品输入表＋Prompt＋标准 Excel 输出＋人工审核。当前即可落地。
工具数据自动导入
自动识别 ABA、反查和下拉框文件，完成列名映射、合并和清洗。
广告数据闭环
周期性读取搜索词报告，自动输出升级、降级、否词和异常建议。
团队级 Skill
多产品数据库、统一标签字典、类目规则库、版本管理和仪表盘。