从关键词集合到预算：如何把搜索量、CPC 和竞争度收敛成一个数字

关键词工具导出的表格，和你真正要做的投放决策之间，隔着一道没人会替你完成的换算。工具会逐个列出关键词的搜索量、CPC 和竞争度；但你关心的并不是这张表，而是这个月该给这一组关键词投多少预算。本文要解决的，就是如何把三项彼此孤立的指标收敛成预算数字，以及模型在哪些环节确实能帮你省时间、又会在哪些地方把事情弄得更糟。

先说明边界：本文涉及的数据均来自各平台的公开广告资料库和创意中心，使用你自己的账号登录获取，不涉及签名，也不绕过任何限制。讨论的是如何把任何人都能查看的公开数据，转化为预算决策。

搜索量、CPC、竞争度：每项指标都有坑

很多人拿到关键词表后，会默认其中三列都是确定值。事实上，没有一项是。

搜索量本质上是一个时间窗口函数。同一个词在 7 天、30 天或 180 天窗口下，搜索量可能相差数倍；通常旁边还会给出环比和同比数据。“搜索量低但同比翻倍”和“搜索量高但同比减半”，代表的是完全相反的信号。可如果你只抄下搜索量这一列，两者看起来没有区别。

CPC 是一个区间，而不是单点。规划工具给出的本来就是从低到高的范围。随手取一个中位数，等于抹掉了平台明确告诉你的不确定性。做保守预算时应参考上限，乐观评估回报时则看下限。硬要取一个点值，只是在假装自己掌握了其实并不知道的信息。

竞争度是相对分层，不是绝对难度。所谓“低 / 中 / 高”，是在当前筛选条件下、相对于平台全部关键词池打上的标签。它表达的只是“在这批词里偏难”，而不是“绝对意义上有多难赢”。市场或品类一变，层级也会变。把它当作可跨关键词池比较的绝对分数，是三者中最隐蔽的陷阱。

预算要按词组算，不能逐词相加

既然这三个指标都没那么老实，接下来就会有一个问题：为什么不能对每个词算一次“搜索量 × CPC”，再把结果加总？

因为近义词之间的搜索量不能直接相加。“购买 X”和“X 价格”背后很可能是同一批人在同一次购买决策中的搜索，直接相加就会把一个人算两次，凭空抬高预算。

因此，成熟的规划工具除了逐词视图，还会提供关键词集合的聚合视图：把一组词作为整体提交，返回整个集合的搜索量区间和预算预估区间。这个总量已经由平台替你去除了词与词之间的重叠，而不是逐词相加的结果。平台本身就是按集合给预算的；逐词的三列数据，适合用来排序和分组，不适合直接求和。

产品话术，不等于用户搜索词

这是本文最有价值、也最常被忽视的一个坑：你如何称呼自己的产品，和市场会在搜索框里输入什么，往往是两回事。

业务主题词是你的内部语言：产品名称、功能名称、PPT 上的定位词。搜索词则是用户的语言，通常更口语化，也更围绕问题展开。你做的是“AI video generation”，内部主题词可能也是“AI video generation”；但真实用户搜索的可能是“how to turn a photo into a video”或“text to video free”。两组词的搜索量、CPC 和竞争度，根本不在同一个盘子里。

这种错位在跨市场投放和新品类上线时尤其致命：前者往往是把主题词直接翻译过去，却发现目标市场根本不这么说；后者则是你创造了一个新词，而市场仍在用旧词描述这个新需求。解决办法并不复杂：主题词只能作为种子，真正进入预算表的，必须是从市场搜索语言中长出来的词。成熟流程会把“创意主题词”和“市场搜索词”设为两个独立字段。主题词决定创意讲什么，搜索词决定预算投到哪里。把两者混在一起，你买到的只会是一批用你自己的语言描述、却没人搜索的词。

让模型扩词：给种子和上下文，同时要求标注意图

从少量种子词扩展成一张覆盖市场真实搜索需求的关键词表，是模型真正能节省时间的第一个环节——前提是你没有问错问题。直接让模型“帮我扩展相关关键词”，通常只会得到一堆没有结构的近义词。更好的提示词要提供业务上下文，并强制模型为每个词交付三项信息：

我正在为 <一句话产品描述> 在
<目标市场/国家> 投放搜索广告。
种子词：<你已知的 3 到 10 个词>

请扩展关键词，并严格按以下结构输出每个词，不要添加说明文字：

1. 关键词
2. 所属意图阶段（认知 / 比较 / 决策 / 品牌）
   认知：用户在描述问题，还不知道解决方案
   比较：用户在多个解决方案之间权衡
   决策：用户已准备购买，正在寻找渠道/价格/替代方案
   品牌：用户在搜索某个具体品牌名称
3. 它为什么与种子词相邻（同一需求的不同表达？
   后续的下一步？同一场景下的相邻需求？）

第二项，才是把一个词变成预算线索的关键。没有意图阶段，扩展词就只是一串字符。第三项用于人工复核：模型凭空编出的、实际上与你业务无关的词，往往会在这一栏露馅。这两列会迫使模型给出可验证的结构，而不是看似合理的联想。

必须回传验证：模型猜的词，要由真实搜索量裁决

这是整条链路的闸门，也是最多人跳过、最终拿着一张幻觉关键词表直接上线的环节。模型扩出来的词，在回传给工具之前都只是猜测。它可能给出一个语法通顺、意图标签也很合理、但一个月搜索量为零的词。模型没有实时搜索量数据，它依据的是“这看起来像不像真实搜索词”，而不是“到底有没有人在搜”。

方法很机械：把每个词重新提交给规划工具，取回真实搜索量、CPC 和竞争度；只保留搜索量非零、且意图标签与真实指标一致的词。所谓一致，是指模型标为“决策意图”的词，通常会有更高的真实 CPC 和更激烈的竞争。如果一个词被标成决策意图，CPC 却低得离谱、竞争度也是最低档，那不是发现了宝藏词，而是意图被标错了，应当退回去重判。

“模型提出假设，真实数据做决定”的分工，与逆向工程中先让模型在混淆代码里识别算法，再通过差分测试约束其幻觉，遵循的是同一套骨架：模型擅长生成候选项，却不擅长验证事实，因此不能让它同时做两件事。对关键词而言，“回传验证”就是这里的差分测试；断言 volume > 0，远比模型说“这是个好词”更有权威性。

预算最终应按意图阶段落到数字上

经过验证的关键词表，现在终于有了可用的结构：每个词都带有真实的搜索量区间、CPC 区间、竞争层级，以及意图阶段标签。只有到这一步，预算才可以开始计算。关键不是把钱平均撒到每个词上，而是按意图阶段分配：

• 决策意图词：如“X price”“X alternative”“buy X”。它们最接近转化，每次点击的价值最高，但搜索量低、竞争最激烈，CPC 上限也最高。应赋予高优先级和较高的出价容忍度，但仍需设置上限，因为真正准备购买的人终究有限。

• 比较意图词：转化能力和搜索量都处于中间位置，用于承接从决策词溢出的预算。

• 认知意图词：如“how to do X”“what is X”。搜索量最高、CPC 最低，距离转化也最远。应以较低配比覆盖，并且不要用决策词的转化预期去要求它们。

每个组内，再按“搜索量区间 × 目标份额 × CPC 区间”进一步排序。关键词集合最终收敛出来的，并不是一个拍脑袋得出的数字，而是一套按意图阶段拆分的预算结构：每个阶段对应一个预算区间。

不同环节，该用什么模型

这条链路上，模型承担的任务对能力要求差异很大。一个模型包打全程，不是浪费钱，就是牺牲精度：

最值得单独强调的是第一步：扩词和意图分类，是唯一一个换模型就会明显影响结果的环节。它同时考验“是否理解你的业务”和“是否会承认某个词其实无关”。较弱的模型会给你一张扩得很全的表，却把几乎所有意图都标成“决策”；一轮回传验证后，命中率往往惨不忍睹。推理能力更强的模型，则会主动标出不相邻的词。你可以自己测试，方法很简单：

1. 选一组种子关键词，5 到 10 个你熟悉其业务背景的词。

2. 将相同的“种子词 + 业务上下文”分别交给 claude-opus-5 和 gpt-5.6-sol，要求各自扩展 50 个词，并按“词 + 意图阶段 + 为何相邻”输出。

3. 将两组结果都回传给规划工具，获取真实搜索量、CPC 和竞争度。

4. 看两个指标：有多少扩展词存在非零的真实搜索量，而不是模型编造的字符串；以及意图标签是否与真实 CPC 和竞争度一致，决策意图词理应更贵、竞争更强。

5. 这个命中率就是你的选型标准，它直接决定下游要丢掉多少幻觉词。一轮测试就能看出差异，比任何基准榜单都直观。

真正的阻力，是切换模型的成本

四个模型来自三家供应商，意味着三套 SDK、三种认证方式、三类错误格式。为了在扩词、批量标注和归因之间切换模型，把客户端重写三遍并不值得。结果就是，大多数人干脆全程只用一个模型，用了一个不擅长意图分层的档位来扩词，回传命中率很低，却不知道问题出在哪里。

AIReiter 把这一层抹平：一个密钥、一个兼容 OpenAI 的接口，背后接入全部四个档位；只需修改请求体中的 model 字段即可切换。

# 关键词扩展 + 意图分类：使用推理档位
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": "<扩词提示词 + 种子词 + 业务上下文>"}]
  }'

# 批量标注数百个扩展词：只改 model 字段，其余不变
#   "model": "claude-sonnet-5"
# 回传后的偏差归因：
#   "model": "gpt-5.6-sol"

如果你已经在使用 OpenAI SDK，只需把 base_url 指向 https://aireiter.com/api/v1，其他部分无需改动。使用 Anthropic SDK 时，则以同一个密钥请求 POST /api/v1/messages。

价格方面，Claude 模型按官方定价享 7 折，GPT 模型为半价。这个流程的主要成本并不在扩词上：一个关键词集合只需进行几轮提问，也就是少量推理档位调用。真正消耗量的是批量标注——每轮规划中都有数百到数千个候选词，需要逐条完成意图标注和去重。成本更低、高并发的档位适合这类批量任务，而 Claude 7 折正好落在调用最密集的环节。

• 获取 API 密钥

• 无需注册即可试用：先手动扩展一组关键词，对比两个档位产出词的回传命中率，再决定是否接入流程。

结语

关键词工具给你的三项指标都带着误导性：搜索量是时间窗口函数，CPC 是区间，竞争度是相对分层；而一次投放需要的是按意图阶段拆分的预算结构。中间这段换算的骨架是：按关键词集合去重，而非逐词求和；从市场搜索词出发，而非从业务主题词出发；让模型扩词并附带意图标签，但逐词用真实搜索量验证；按意图阶段分配预算，而不是平均分给所有词。模型是扩词和意图分层的加速器，不是预算的决策者。

预算数字计算完成后，它会成为从关键词到成品广告创意流程中商业验证阶段的输入：只有预算能够过线的关键词集合，才值得继续进入创作者匹配和素材生成。与之并行的另一条决策线，是读取广告逐秒留存曲线：前者决定你该把钱投到哪些词上，后者决定你该把钱投到哪些创意上。