为什么 Listing 关键词不能太泛
很多卖家的 Listing 标题里塞的是 shoes、sneakers、nail glue 这种大词。它们看起来搜索量高，但不一定能带来订单。
- 搜索量巨大，但转化低：搜大词的人意图很散，点进页面也未必购买。
- 竞争惨烈：几万个卖家抢同一个词，新品很难排上去。
- 挤占标题黄金位置：标题权重最高，本该放最能区分产品的精准词。
真正带来订单的，通常是精准属性词和长尾词。比如不要只写 Women's Shoes，而要找到更像真实购买意图的 Memory Foam Slip-On Loafers、Breathable Walking Shoes for Nurses。
很多工具按「流量占比」或「搜索量」排序，大词天然占据竞品流量的最大份额，于是排在最前面，最后被埋进标题。
核心逻辑：按成交能力排序，而不是按搜索量排序
关键词排序的核心不是「有多少人搜」，而是「这个词能不能成交」。
我会先用三个门槛淘汰泛词、死词和伪相关词。购买率是最关键的指标，它等于月购买量除以月搜索量。
| 维度 | 标准 | 作用 |
|---|---|---|
| 转化门槛 | 购买率 > 5%，小类目可放宽到 3% | 淘汰高流量但不成交的泛词 |
| 流量门槛 | 月搜索量 > 3000，小类目可放宽到 1000 | 淘汰没人搜的死词 |
| 相关度门槛 | 搜索结果页 Top10 是否出现同款或相似款 | 淘汰数据相关但意图不相关的词 |
六步亚马逊关键词选词流程
第 1 步：从优质竞品入手，收集 10+ 同款 ASIN
用核心词在亚马逊前台搜索，进入类目 BSR 榜单，筛选 Top100 里的同款或相似款，再复制 10 个以上 ASIN。竞品流量词已经经过市场验证，比凭空想词可靠。
第 2 步：反查竞品流量词，拿到初始词库
把 ASIN 导入卖家精灵的拓展流量词，反查近 30 天进入搜索前 3 页的流量词。拓词方式建议选全部变体，覆盖更全。
初筛时重点看三个数据：月搜索量、月购买量、SPR。SPR 可以帮你判断这个词上首页需要多少单量，不只是看词本身热不热。
第 3 步：双重筛选，先量化再看语义
量化筛选负责把几千个词压缩到一两百个候选。语义筛选负责剔除伪相关词，也就是数据上相关、但搜索意图不匹配的词。
例如 press on nails 可能出现在 nail glue 的流量池里，但搜这个词的人想买的是贴片指甲，不是美甲胶水。这样的词必须剔除，否则会污染 Listing 相关性。
第 4 步：给关键词分桶
分桶决定关键词应该埋在哪个板块。不要把所有词按分数一刀切，否则标题、五点和 Search Term 都会变成一锅乱炖。
| 类型 | 含义 | 例子 | 埋在哪 |
|---|---|---|---|
| 核心词 | 定义产品本身 | nail glue、running shoes |
标题，只放 1-3 个 |
| 属性词 | 具体特性、材质、款式 | brush on nail glue、memory foam loafers |
标题 + 五点，最值钱 |
| 人群词 | 给谁用，什么场景 | nail glue for beginners、salon grade |
五点点缀 |
| 长尾词 | 3-5 个词组成的精准需求 | super strong nail glue for press on nails |
五点 + Search Term |
第 5 步：拓展长尾词
长尾词竞争更小、转化更高。提炼高频词根后，再按欧美用户搜索习惯拓展 3-5 词的长尾词，覆盖产品属性、使用场景和限制条件。
第 6 步：按板块权重埋词
亚马逊 Listing 各板块权重通常可以按下面理解：
标题 ＞ 五点描述 ＞ Search Term ＞ 详情描述 ＞ Review/Q&A埋词原则是核心词前置、属性词穿插、长尾词补充。标题 200 字符内放精准核心和属性词，五点开头放强卖点，Search Term 放标题和五点没覆盖的词。
哪些环节可以用 AI 自动化
收集 ASIN、判断产品视图相关性、结合 SPR 做广告决策，这些仍然需要人工和卖家精灵 UI。但筛选、剔除伪相关、分类、分区埋词，可以被系统化。
1. 打分翻转：从流量优先改成转化优先
旧: score = 流量占比 × 3 + 购买率 × 2 + log(搜索量) × 0.15
新: score = 购买率 × 3 + 流量占比 × 1 + log(搜索量) × 0.15 + 长尾加权流量占比权重从 3 降到 1，大词不再因为占竞品流量多而霸榜。购买率和长尾特征会把更精准的词推上来。
2. 硬过滤 + 长尾偏好
- 丢弃搜索量小于 1000 的死词。
- 丢弃购买率低于 3% 的低转化泛词。
- 给长尾词加权：1 个词降权，3-5 个词逐步上浮。
- 如果过滤后词太少，系统自动放宽阈值，避免词库被清空。
3. LLM 语义分类：剔除伪相关 + 分桶
把过滤后的候选词和产品真实信息交给 AI，它可以判断搜索意图是否匹配，并把词分成核心词、属性词、人群词和长尾词。
4. 分区埋词
标题 ← 核心词[:3] + 属性词[:2]
五点 ← 属性词 + 人群词
Search Term ← 长尾词 + 剩余词这样标题拿到的是精准核心和差异化属性词，而不是流量最大的泛词。Listing 的相关性会从源头更稳定。
优化前后对比
| 项目 | 优化前 | 优化后 |
|---|---|---|
| 排序依据 | 流量占比，偏向大词 | 购买率优先 + 长尾加权 |
| 标题词 | Women's Shoes、Sneakers |
Memory Foam Slip-On Loafers、Walking Shoes for Nurses |
| 伪相关词 | 混在词库里 | AI 自动剔除 |
| 词的组织 | 按分数切片 | 核心、属性、人群、长尾分桶分区 |
一句话 SOP
竞品反查拿词 → 卡转化和流量门槛 → AI 剔除伪相关并分类 → 核心词进标题，属性词做差异化，长尾词补 Search Term。
工具负责量化筛选，AI 负责语义判断和分类，人负责盯产品、供应链和最终取舍。精准关键词是自然流量的基础，自动化是让你跑在前面的关键。
本文整理自「Gemini + 卖家精灵」关键词方法论，并结合多宝鱼AI在 Listing 自动化工具里的实际工程落地。