如何挖掘用户向 AI 提问而关键词工具漏掉的高意图问题
How To Find The Questions Your Customers Ask AI (And Your Keyword Tools Miss)
作者分享了一套挖掘高商业意图对话式问题的工作流,用以补充传统关键词工具遗漏的内容机会。该方法先导出近几个月的销售通话录音转录文本或客服工单,利用 AI 提取并聚类用户提问,再通过 Reddit 等行业社区补齐外部场景。
原文给出了从通话记录提取自然提问并用 Gemini API 反推搜索子查询的工作流,读者可据此落地低搜索量高意图词的内容覆盖。
在上一篇文章中,我提出了一个观点:只看搜索量,会让你错失最优质的内容机会。简而言之,买家意向最强烈的那些问题,如今正越来越多地直接抛给 AI 助手,而关键词挖掘工具几乎抓不到这些数据。在那篇文章末尾,我列举了几个挖掘这类问题的渠道:Google“人们还搜了”(People Also Ask)、论坛、自家的销售沟通与客服工单,以及 AI 助手本身。当时我只列了四点,之后收到最多的反馈大体都是:“道理我都懂,但到底该怎么操作?”
所以,这篇文章就是具体的操作指南。我会详细讲讲自己如何收集这些问题、如何利用 Search Console 查看哪些问题已为网站带来流量,以及如何把这一切整理成内容团队可以直接执行的方案。
第一步:深挖自家的通话记录与工单
我每次都会从这里入手,因为这是绝大多数团队最容易忽视、却往往最有价值的宝矿。销售沟通、需求调研(discovery calls)、客服工单、在线聊天记录,以及客户预约演示时发来的留言,都是用户在用自己的话描述痛点。这种表达方式,跟他们向 ChatGPT 或 Gemini 提问时的语气极为接近。
这里分享一个我最近做需求调研时的真实案例(已做脱敏处理,修改了具体细节,无法推断出具体商家)。对方是一家家具零售商,沟通刚开始,他们大致是这么说的:
“我们几年前把网站迁到了 Shopify,结果排名掉了一大截。后来虽然恢复了一部分,但今年又下滑了。这到底是当年迁移网站留下的后遗症,还是我们自己的各个合集页面在‘自相残杀’、互相争抢权重?”
聊了几分钟后,他们又抛出了第二个问题:
“我们在法国和德国卖的产品完全一样,但那两个站几乎没什么流量。我们真有必要针对每个国家做一套完全独立的内容吗?”
像这样的问题,你在任何关键词导出表里都绝对找不到。你能抓到的最多也就是“shopify migration SEO”(Shopify 迁移 SEO)或者“international SEO”(跨国 SEO)这种词,对摸清客户的实际处境几乎毫无用处。但如果把这两个问题当成内容大纲来看,信息量却极其丰富:有具体平台、有时间线、有两种潜在诱因,还有一个亟待敲定的决策。
买家向 AI 助手请教的,恰恰就是这类问题;而你的内容库真正应该解答的,也正是这类问题。
如何规模化提取这些问题
如果你有录音习惯(我用的是 Fireflies,不过大多数录音工具都能导出文字记录),不妨把最近三个月的销售沟通和需求调研记录导出来,输入给 AI 助手,并附上类似这样的提示词:
“请梳理这些通话记录,列出潜在客户提出或隐含的所有问题。把每个问题改写成他们向 AI 助手提问时的口吻,并保留原话中的限制条件,比如公司规模、预算、时间节点、所用平台以及他们已经做过的尝试。将相似的问题归类合并,并标注每类问题在多少次通话中出现过。”
最后这条指令至关重要。如果同一个痛点在五次不同的沟通中反复出现,对于这种毫无搜索量的问题来说,这就是你手头最硬的需求证据。开会拿出来摆事实,可比空口说一句“我觉得用户会搜这个”管用得多。
这里有两点需要格外注意:将转录文本导入第三方工具前,务必去除姓名、公司信息等所有身份标识;同时确保通话录音授权条款涵盖此类用途。此外,销售电话的沟通对象往往已经接近成单,因此建议把工单记录和售前咨询也纳入进来,以便捕捉更早期的疑问。
借助论坛补全全貌
内部通话记录只能反映已经找到你的那部分人,论坛则能帮你了解其他潜在用户。
Reddit 自然是首选,但根据所在行业不同,Quora、行业 Slack 与 Discord 社区、Facebook 专页群组,以及 G2、Trustpilot 等评价网站同样很有参考价值。最有价值的信息通常藏在两处:一是首发帖中对自身限制条件的详尽阐述,二是回复中其他人的追问——这些追问也正是 AI 助手给出靠谱回答前必须明确的关键细节。
还是以迁移为例,搜一下 site:reddit.com shopify migration rankings dropped,通常就能找到大量帖子。店主们会用自己的话描述同一个问题,还会带出销售对象没提过的细节,比如重定向故障,或者他们熬了多久才开始慌神。
我会把最相关的帖子复制到文档里,用同样的提取提示词跑一遍。这样一来,论坛问题和销售问题就变成了统一格式,后续整理归类也更方便。
另请参阅:评价差额:从竞品反馈中挖掘客户商机
观察 AI 助手如何拆解问题
拿到一批真实问题后,下一步就是搞清楚 AI 助手在作答时到底会检索哪些内容。
Google 曾明确表示,其 AI 概览(AI Overviews)与 AI 模式可能会采用查询发散(query fan-out)技术,即通过发起多个关联检索来拼凑出单条回复。虽然用户无法查看真实 AI 模式会话背后的这些检索词,但可以通过 Gemini API 拿到相当接近的参考结果。
使用 Google Search 原理(Grounding with Google Search)时,API 返回的数据中包含一个名为 webSearchQueries 的字段,里面列出了模型为回答提示词而执行的全部搜索词。Google 官方文档也指出,该字段有助于理解模型的推理过程。
如果把前面提到的第一个迁移问题输入进去,返回的子查询通常会覆盖以下方向:Shopify 迁移后排名恢复需要多久、系统重构后如何排查重定向,以及如何发现合集页面之间的关键词蚕食现象。每次运行的具体结果可能会有出入,但每个子查询实质上都代表着页面若想成为参考信源就必须覆盖的一个小节。
这套操作并不需要深厚的技术功底。Go Fish Digital 曾发布过一份借助 Screaming Frog 运行该流程的操作指南,只需复制粘贴一段自定义 JavaScript 代码,并配上 Google AI Studio 的 API 密钥即可。他们的方案是提交每个页面的 H1 标签,不过换成你自己的问题列表也十分简单。
但有一点必须说明白:这套输出反映的是 Gemini 模型如何发散拆解一个问题,可以作为 Google 各项 AI 功能的合理参考,但它绝非 AI 模式在真实用户搜索场景下的实际检索记录。我通常把它当成一份内容覆盖度核对清单,向客户汇报时也切勿将其包装成某种定论。
对于 ChatGPT、Perplexity 及其他 AI 助手,手动测试依然管用。把你的问题分别发给它们,记录下它们选择涵盖哪些子话题、引用了哪些来源,然后拿这些结果去对比你原本用来回答该问题的页面。
在 Search Console 中查看哪些内容已为你带来流量
在这件事上,Search Console 更适合作为验证环节,而不是发掘工具,因为它展示的是哪些问题已经将用户带到了你的网站。
对话式的长查询确实会出现在效果报告中。Suganthan Mohanadasan 已经非常详细地讲解过筛出这些查询的四种方法,如果你还没看过,建议去了解一下。想快速查看的话,我通常会在查询过滤条件中使用“自定义(正则表达式)”选项。下面这个正则可以匹配 8 个词以上的查询:
^([^ ]+ ){7,}[^ ]+$这个则能匹配以疑问词开头的查询:
^(how|what|why|which|should|can|do|does|is|are|when|where|who)\s接着,我会把筛选出的结果与电话沟通或论坛里的问题进行对比。如果迁移相关的长查询出现了,就证明确实有真实用户在 Google 上搜这个问题。如果没出现,可能是因为存在内容覆盖盲区,也可能纯粹是因为这些查询太冷门,Google 没展示出来。
最后这一点很关键,因为 Google 会对罕见查询进行匿名化处理,而对话式查询几乎天然就属于罕见查询。Suganthan 发现,在 59 天内,他有 57.7% 的展示量都落在了匿名数据池中,因此你在报告里看到的数字必然是偏低的。
如果你有权限查看生成式 AI 效果报告,其中的页面视图也值得一看。它会显示你的哪些 URL 已经出现在 AI 概览(AI Overviews)和 AI 模式(AI Mode)中。虽然目前还没有查询词数据,而且 AI 展示量极少的网站可能根本看不到该报告,但它能让你知道,Google 目前已经很认可引用哪些页面作为来源了。
将所有线索转化为内容规划
到这一步,你手上应该有一份来自各个渠道、杂乱无章的问题清单。为了整理成内容团队可以直接使用的形式,我会把所有内容汇总到一张表格里。以网站迁移为例,单行表格大致长这样:
| 列 | 示例 |
|---|---|
| 问题 | “我们迁移到了 Shopify,排名下滑,后来恢复了一些,接着又跌了。这是迁移导致的问题,还是我们的产品系列页面在内部竞争?” |
| 来源 | 业务沟通电话,以及 Reddit 上的几个讨论帖 |
| 出现频次 | 例如:最近 20 通电话中提到了 3 次 |
| 场景与背景 | 电商,Shopify,约两年前迁移,今年出现第二次下滑 |
| 子问题 | 恢复周期、重定向排查、产品系列页面关键词自相蚕食 |
| 现有页面 | Shopify SEO 服务页面 |
| 覆盖情况 | 部分解答(涵盖了迁移,但未涉及自相蚕食) |
| 优先级 | 高 |
至于优先级那一列,我沿用了之前专栏提到的评估指标:商业价值、该问题确实有人询问的证据、内容覆盖缺口有多大,以及你是否能给出具体的解决方案。其中“出现频次”直接对应第二项指标。
表格填好后,你通常会发现绝大多数问题都会聚拢在少数几种场景周围。这些聚类就是你的内容规划。根据我的经验,大部分问题都可以通过增强现有页面来解决,这不仅比从头发布新内容更快,效果通常也更好。
这种方法无法告诉你的事
我知道,这种做法远不如按搜索量直接对电子表格排个序来得整齐省事,所以我觉得有必要开诚布公地谈谈它的局限性。
这些问题依然没有具体的搜索量数据可供参考,这意味着排定优先级要靠主观判断和出现频率。你自己的通话记录天然偏向已经知道你品牌的人,因此尚未触达的受众所提的问题往往体现不足。Gemini 的发散查询也只是对 Google 真实行为的大致模拟,加之数据经过匿名化处理,Search Console 呈现的同样只是局部信息。
不过,我认为这些都不是不去做这件事的理由。这只是意味着,你在汇报成果时应当将其呈现为一份论据充分的精选清单,尤其是面对那些习惯了看每个指标旁都有具体数字的业务负责人时。
接下来轮到你了
如果你现在就想着手尝试,可以参考以下步骤:
- 导出最近三个月的通话记录或客服工单,做匿名化处理后,运行上文给出的提取提示词。哪怕只处理 20 通电话,提炼出的实用问题大概率也比你上次导出的关键词列表更丰富。
- 挑出出现频率最高的五个场景,在开启 grounding 功能的情况下输入 Gemini,查看系统返回了哪些子查询。
- 对照理应解答各场景的页面核对这五个问题,优先修补你表现最好的核心页面上的内容缺口。
在了解用户向搜索框输入什么内容方面,关键词工具依然有用。但在决定买家是否选择你这件事上,越来越多的关键问题正发生在用户与 AI 助手的对话中;而好消息是,这类问题有很大一部分早就静静躺在你的收件箱和通话录音里了。
更多资源:
封面图片来源:kmzway/Shutterstock
来源:Search Engine Journal · searchenginejournal.com