從關鍵字組到預算：如何把搜尋量、CPC 與競爭度收斂成一個數字

關鍵字工具輸出的是一張表：每個詞各有搜尋量、CPC 與競爭度；但真正要做投放決策時，你需要的不是這張表，而是「這組關鍵字這個月該配多少預算」的一個數字。從三個分散指標走到預算數字，中間那段轉換沒有人會替你完成。這篇就來拆解轉換方法，也說清楚模型在哪些環節真的能省時間、又會在哪些地方讓事情變得更糟。

先界定資料範圍：本文所有資料都來自各平台公開的廣告資料庫與 Creative Center，使用自己的帳號登入，沒有簽章、沒有繞過任何機制。討論的是如何把任何人都能看到的公開資料，轉成可執行的預算決策。

三個指標，各有一個容易踩中的陷阱

很多人拿到關鍵字表後，會把三欄數據當成固定值看待；其實三者都不是。

搜尋量本質上是時間窗口函數。同一個詞，在 7 天、30 天或 180 天窗口下，搜尋量可能相差數倍，旁邊通常還會附上月增率與年增率。「低搜尋量但年增翻倍」與「高搜尋量但年減一半」代表的是完全相反的訊號；如果只抄走搜尋量那一欄，這兩個詞看起來就沒有差別。

CPC 是區間，不是一個定點值。規劃工具給的是低到高的範圍。隨手取中位數，等於抹掉平台明確告訴你的不確定性。保守估預算時該看區間上緣；樂觀估回報時則看下緣。硬取一個點值，只是在假裝自己知道其實不知道的事。

競爭度是相對分級，不是絕對難度。所謂「低／中／高」，是平台在當下篩選條件下，針對整個關鍵字池套上的相對標籤。它只表示「在這批詞裡偏難」，並不代表「絕對來說有多難搶」。市場或品類一換，分級就會變。把它當成能跨關鍵字池比較的絕對分數，是三者之中最隱蔽的陷阱。

預算要看關鍵字組，別把每個詞直接相加

理解三項指標都不如表面誠實後，下一個問題是：為什麼不能逐詞算「搜尋量 x CPC」，再全部加總？

因為近義詞的搜尋量不能直接相加。「Buy X」和「X price」很可能是同一批人在同一次購買決策中搜尋，直接相加就是把同一個人算了兩次，預算也會憑空被放大。

因此，成熟的規劃工具除了逐詞檢視，還會提供關鍵字組的彙總視角：把一組詞當成一個集合提交，工具會回傳整組的搜尋量區間與預算估算區間。這是扣除詞與詞之間重疊後的總量，不是逐詞加總。平台本身就是按「組」給預算估算；逐詞的三欄數據適合用來排序與分組，不適合拿來相加。

產品用語，不等於使用者會搜尋的用語

這是全文最有價值、也是最常被忽略的一個坑：你怎麼稱呼產品，往往和市場實際輸入搜尋框的字不是同一回事。

商業主題詞是內部語言，例如產品名稱、功能名稱、簡報上的定位詞；搜尋詞則是使用者的語言，通常更口語、更以問題為中心。你做的是「AI video generation」，主題詞可能就是「AI video generation」；但真正搜尋的人輸入的，可能是「how to turn a photo into a video」或「text to video free」。兩組詞在搜尋量、CPC 和競爭度上，根本不在同一個盤子裡。

這種錯位在跨市場上線時尤其致命：把主題詞直接翻譯過去，目標市場根本不這樣說。新類別也一樣：你創造了一個新詞，市場卻還是用舊詞描述那個新需求。解法並不神祕：主題詞只能當種子，真正進入預算表的詞，必須從市場實際的搜尋詞長出來。成熟流程會把「創意主題詞」和「市場搜尋詞」分成兩個欄位：前者決定素材要講什麼，後者決定預算投在哪裡。把兩者混在一起，最後就會用自己的語言，買下一批根本沒人搜尋的詞。

用模型擴詞：提供種子與脈絡，並要求標註意圖

從少量種子詞擴展成能覆蓋市場真實搜尋的關鍵字表，是模型第一個真正能幫你省下時間的環節——前提是你沒有問錯問題。只問「幫我擴展相關關鍵字」，通常只會得到一堆沒有結構的同義詞。更好的提示詞，是輸入商業脈絡，並要求模型為每個詞交付三項資訊：

I'm doing search advertising for <one-sentence product description> in
<target market/country>.
Seeds: <3 to 10 words you already know>

Expand the keywords, and output each in the structure below, no prose:

1. Keyword
2. Intent stage it belongs to (awareness / comparison / decision / brand)
   awareness: the user is describing a problem, doesn't know the solution yet
   comparison: the user is weighing several solutions
   decision: the user is ready to buy, looking for a channel/price/alternative
   brand: the user is searching a specific brand name
3. Why it's adjacent to the seed (a different phrasing of the same need?
   the downstream next step? an adjacent need in the same scenario?)

第二項才是把一個詞接上預算的關鍵鉤子。沒有意圖階段，模型擴出來的只是一串文字。第三項則是給你人工審核用的：模型硬湊、實際上與業務無關的詞，通常會在這一欄露餡。這兩欄會迫使模型交出可驗證的結構，而不是看似合理的聯想。

回饋驗證：模型的猜測必須交給真實搜尋量打分

這一步是整條流程的閘門，也是最多人跳過後，拿著一張幻覺關鍵字表就直接上線的地方。模型擴出的詞，在送回工具驗證前都只是猜測。它可以生成文法正確、意圖標得看似合理、但一個月搜尋量為零的詞。模型沒有即時搜尋量；它判斷的是「這看起來像不像真實搜尋詞」，而不是「真的有沒有人在搜」。

做法很機械：把每個詞送回規劃工具，取得真實搜尋量、CPC 與競爭度，只保留搜尋量非零、且意圖標記與真實數據一致的詞。所謂一致，是指被模型標成「決策意圖」的詞，通常會有較高的真實 CPC 與更激烈的競爭。如果它標為決策意圖，CPC 卻低得離譜、競爭度也是最低級，那不是撿到寶，而是意圖標錯了，送回去重做。

「模型提出假設，真實資料做決定」的分工，和逆向工程中先讓模型辨識混淆程式碼裡的演算法，再用模型協助辨識混淆程式碼中的演算法，接著以差分測試攔住它的幻覺，骨架其實相同：模型擅長產生候選項，不擅長驗證事實，因此不能讓它同時負責兩件事。關鍵字的「回饋驗證」就是這裡的差分測試，而斷言 volume > 0 的權威性，遠高於模型說「這是個好詞」。

預算最終應按意圖階段落地

完成驗證後，關鍵字表才有了可用的結構：每個詞都有真實的搜尋量區間、CPC 區間、競爭度分級，以及意圖階段標籤。到這一步才可以計算預算。重點不是平均分配給所有詞，而是依意圖階段配置：

• 決策意圖詞（「X price」、「X alternative」、「buy X」）：距離轉換最近，單次點擊價值最高，但搜尋量低、競爭最激烈、CPC 上限也最高。優先級要高，對價格的容忍度也可較高，但仍須設上限，因為真正準備購買的人本來就有限。

• 比較意圖詞：轉換潛力與搜尋量都居中，用來承接從決策詞溢出的預算。

• 認知意圖詞（「how to do X」、「what is X」）：搜尋量最高、CPC 最低，距離轉換也最遠。可用較低配置取得覆蓋，但不要拿決策詞的轉換期待來要求它們。

每個群組內，再依「搜尋量區間 x 目標份額 x CPC 區間」排序。關鍵字組最後收斂出的，不是憑空拉出的一個數字，而是一套按意圖階段拆分、每個階段各有區間的預算結構。

不同步驟，該用不同模型

這條流程中，模型要做的工作對能力要求差異很大。全程只用同一個模型，不是浪費成本，就是犧牲精度：

其中最值得強調的是第一步：關鍵字擴展與意圖分類，是唯一一個換模型會明顯改變結果的環節。它同時考驗「是否理解你的業務」與「是否會承認某個詞其實不相關」。較弱的模型會交出一張完全擴展的表，卻把每個意圖都標成「決策」；一輪回饋驗證後，命中率往往很難看。推理能力更強的模型，會自行標出不相鄰的詞。你可以自己測，流程很簡單：

1. 選一組種子關鍵字（5 到 10 個你熟悉其商業脈絡的詞）。

2. 把相同的「種子詞＋商業脈絡」分別餵給 claude-opus-5 與 gpt-5.6-sol，各要求輸出 50 個詞，格式同為「詞＋意圖階段＋為何相鄰」。

3. 把兩組詞都送回規劃工具，取得真實搜尋量、CPC 與競爭度。

4. 觀察兩件事：擴展詞中有多少具備非零真實搜尋量，而非憑空造出的字串；以及意圖標記是否與真實 CPC、競爭度一致，決策意圖詞理應更昂貴、也更擁擠。

5. 這個命中率就是你的選型標準，它直接決定下游必須丟掉多少幻覺詞。一輪測試就能看出差異，比任何 benchmark 都直觀。

真正的阻力，是切換模型的成本

四個模型來自三家供應商，意味著三套 SDK、三種驗證機制、三種錯誤格式。為了在擴展、批次標記與歸因之間切換模型而重寫三次 client，通常不值得；所以大多數人最後全程只用一個模型，用了無法正確處理意圖分層的等級來做擴展，回饋命中率偏低卻不知道原因。

AIReiter 把這一層拿掉：一把 key、一個 OpenAI 相容介面，四個等級都在後面；只要修改請求本文中的 model 欄位，就能切換模型。

# Keyword expansion + intent classification: the reasoning tier
curl https://aireiter.com/api/v1/chat/completions \
  -H "Authorization: Bearer $AIREITER_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "messages": [{"role": "user", "content": "<expansion prompt + seeds + business context>"}]
  }'

# Tag hundreds of expanded words in bulk: change the model field, leave the rest
#   "model": "claude-sonnet-5"
# Post-feedback deviation attribution:
#   "model": "gpt-5.6-sol"

如果你已經使用 OpenAI SDK，只要把 base_url 指向 https://aireiter.com/api/v1，其他都不用改。使用 Anthropic SDK 時，則以相同的 key 呼叫 POST /api/v1/messages。

價格方面，Claude 模型是定價的 7 折，GPT 模型則是半價。這套流程的主要成本不在擴展：一組關鍵字只需要幾輪推理層級的呼叫。真正消耗量的是批次標記：每次規劃都有數百到數千個候選詞，要逐項標註意圖與去重；高併發的平價層級適合這項工作，而 Claude 7 折正好落在這個呼叫最密集的環節。

• 取得 API key

• 免註冊試用：先手動擴展一組關鍵字，比較兩個層級產出詞的回饋命中率，再決定是否要接入流程。

結語

關鍵字工具給你的三個指標都不完全誠實：搜尋量是時間窗口函數，CPC 是區間，競爭度是相對分級；但一次上線需要的是按意圖階段拆分的預算結構。中間的轉換骨架是：以關鍵字組去重，不逐詞加總；從市場搜尋詞出發，而不是商業主題詞；讓模型帶著意圖擴詞，但每個詞都要用真實搜尋量驗證；最後按意圖階段配置預算，而非平均灑在所有詞上。模型是擴詞與意圖分層的加速器，不是預算決策者。

這個預算數字算出來後，就是從關鍵字到成品廣告素材流程中商業驗證階段的輸入：只有預算能跨過門檻的關鍵字組，才值得繼續進入創作者媒合與素材生成。另一條平行的決策線是解讀廣告逐秒留存曲線：前者決定錢該押在哪些詞上，後者決定錢該押在哪些素材上。