DOCAI · 课程 · L1 · 22 分钟 · 日常工作和生活应用
用 Claude 做 SEO 内容创作:从关键词到高质量文章
把关键词拆成用户真正的问题,先定结构再分段写,最后补页面描述与 FAQ;同时守住事实核查和一手经验这两道关。
你将学会
- 能把一个核心词拆成五类可写的搜索需求
- 能用固定骨架规划一篇有差异化的文章
- 知道哪些内容必须自己补、哪些数字必须回原始来源
先放下堆关键词的旧习惯
搜索结果的排序逻辑早就不看词出现了多少次。排在前面的页面通常做对了一件事:把搜索者的问题拆开,一条条给出能用的答案。关键词只说明他从哪扇门进来,进门之后想解决什么,要你自己判断。
让模型参与这件事,价值在拆解意图、搭结构、把话说顺,不在于一天铺五十篇稿子。顺序反过来——先让它大量生成,再回头改——通常只会得到一堆同质内容。
先做一张五类问题表
拿到核心词,不要直接说「写一篇文章」。先让它把需求摊开:
核心词是「家用咖啡机」。请列出 30 个相关搜索词,分成五组:以「怎么」「为何」「是什么」开头的疑问,在「A 还是 B」「哪个好」之间摇摆的选择,找「步骤」「方法」的学习需求,看「评测」「推荐」的购买前调研,以及特定人群的使用场景。每个词后面写一句:搜索的人此刻想解决什么,这个题好不好写。
五类的写法完全不同:
| 类型 | 读者状态 | 文章该给什么 |
|---|---|---|
| 疑问类 | 刚遇到问题 | 直接的原因解释与判断标准 |
| 对比类 | 在两个选项间犹豫 | 维度表、适用人群、代价 |
| 教程类 | 准备动手 | 可照着做的步骤与坑 |
| 评测类 | 准备花钱 | 真实体验、优缺点、替代方案 |
| 场景类 | 有具体限制 | 针对该场景的取舍建议 |
表拉完,你挑两三个自己真有话说的题,剩下的先放着。
从意图到结构:一个小节只回答一个问题
选好题之后,先别急着要正文。让模型做一次意图分析:
有人搜「XX」,先不要写稿。分四段回答:他真正的困难是什么;他处在了解、比较还是准备行动;一个合格的页面必须回答哪几个问题;读完之后他应该能做成什么事。
第三问最重要。它决定了目录,也决定了你会不会写着写着跑去讲行业历史。第四问是验收标准:读者离开时如果只记住一堆概念,这篇就没完成任务。
大纲按这个要求给:
为目标词设计文章结构:H1 控制在 20 字内;5 到 8 个 H2,每个对应读者的一个提问;每个 H2 下 2 到 4 个 H3;开头 100 字内说清这页解决什么;标出与同类页面不同的角度;列出可以内链的旧文。
拿到大纲后先做减法。比如写「家用咖啡机怎么选」,H2 可以是预算档位、每天杯数、清洗成本、噪音、售后,这些都能对应一个真实提问;「品牌发展史」「行业趋势」这类章节和搜索意图无关,删掉。
大纲阶段还要标出差异化位置:哪一节只有你能写。没有这一节,文章就很难和别人拉开距离。
分段生成,再补只有你有的东西
一次要全文,模型会平均用力。按节给任务,每节写清五件事:
写「清洗成本」这一节。读者是每天做两杯、预算三千以内的上班族。回答一个问题:不同结构的机器,一年清洗要花多少钱、花多少时间。600 到 800 字,专业但口语,有小标题。涉及具体价格时标注「以当前型号为准」,不确定的数据写「待核实」。关键词自然出现,不要硬塞。
模型交稿后,你补三类内容:真实价格、用了几个月之后的感受、售后实际体验。这些细节决定了页面是「像样」还是「可信」。
同类文章反复写,可以把骨架固化成模板:每个模块标注字数参考、写作要点和需要替换的变量,模板管结构,变量管事实。批量处理的具体做法见批量文档处理。
关于 AI 稿与排名,判断标准是内容质量,不是生产方式。信息密度低、彼此雷同的批量稿会被压下去;有具体经验、有核对过的数据,就算是模型起草也不会天然吃亏。
页面描述、FAQ 与摘要
正文之外还有几块小内容,适合交给模型批量出草稿:
- 页面描述:60 到 75 个汉字,含目标词,说清读完能得到什么,结尾给下一步。要三个版本再挑。
- FAQ:8 到 10 个以疑问词开头的问题,每个答案 100 到 150 字,能独立阅读,不依赖正文。
- 摘要:30 字用于列表卡片,100 字用于开头,150 字用于分享。
指令可以这样写:
为这篇文章写三版页面描述,每版 60 到 75 个汉字,包含「XX」,结尾是一个明确的动作;不要用「本文介绍」开头。再给八个常见问题,答案各自独立。
交稿前的核查清单
- 数字、价格、政策、引用,逐条回原始来源;模型编造统计和出处很常见,机制见幻觉。
- 外链亲自打开,确认页面还在、内容对得上。
- 把常用指令存进提示词模板,下次只换变量,不重写整段。
- 不写会随时间失效的说法,需要时用能核对的日期或版本号代替。
旧文更新:先列缺口,再动笔
存量文章往往比新稿更值钱:已有收录和外链,只差内容过时。让它按五类问题给清单,而不是笼统地说「优化一下」:
这篇文章写于〔时间〕。逐段检查五件事:哪些说法已经过时;哪些章节只有结论没有步骤;读者还会追问什么而文中没答;哪些数据或案例可以补;有哪些站内文章值得互链。每条注明改哪一段、改成什么,不要输出「建议完善」这种空话。
五类里最容易漏的是第三类。把文章目录贴给模型,让它站在读者角度列出「读到这里我还想知道什么」,往往能补出三到五个新小节。价格、版本、政策类信息则以你查到的当期资料为准,别让它凭记忆填。
更新完别急着发布,先对照旧版看两件事:原有能用的段落是否被误删,站内链接是否还指向有效页面。改标题和首段要谨慎,它们往往已经积累了点进率。
这套流程的适用边界
- 医疗、金融、法律等涉及重大决策的题材,只能用它整理资料和列问题,结论必须由有资质的人审校。
- 需要一手实测的评测,参数和体验只能自己补;模型写的「使用感受」没有证据价值。
- 突发新闻和强时效内容不适合套模板批量产,发布时可能已经过时。
- 已有鲜明品牌声音的站点,先给足历史文章作参考,否则批量稿会把语气磨平。
判断标准很简单:读者如果照着做会承担后果,就不能把生成稿当终稿。
写顺之后,同样的方法可以搬到更严格的材料上:下一节是学术研究助手。
自测
先自己回答,再展开对照;答不上来就回到对应小节。01为什么先做意图分析,再让模型写正文?看答案
意图决定文章要回答哪几个问题;跳过这一步,模型只能按关键词表面意思铺陈,容易写成正确的废话。
02模型给出的统计数字,交付前应该怎么处理?看答案
回到原始报告或官方数据核对;查不到就删掉或改写成定性描述,不要保留来源不明的数字。
03同一篇文章里,哪些部分最该由作者本人补?看答案
一手经验、真实案例、价格与使用感受、对行业的判断,这些是模型没有的,也是页面差异化的来源。