keyword-research

用途

这是一个 ASO（应用商店优化）关键词研究技能，用于在用户要求为 iOS/macOS 应用寻找、发现、研究或头脑风暴关键词时提供支持。典型触发问题包括“我应该定位哪些关键词？”等。

主要能力

• 从应用描述和目标用户出发，生成 10-15 个种子关键词，覆盖核心功能、用户意图、相邻品类、解决的问题、功能特性等类别。
• 使用 aso keywords analyze 获取每个关键词的流行度（5-100）、难度（0-100）、当前排名靠前的应用以及 Apple 的相关搜索建议。
• 使用 aso keywords recommend 对流行度最高的种子词进行扩展，每个种子词最多可获取 50 个推荐词。
• 为每个候选关键词计算机会分数：opportunity = popularity × (100 - difficulty) / 100，并据此排序。
• 运行质量门禁（quality-gates/）并记录通过/失败/警告。
• 按机会分数排序后，将关键词分配到标题、副标题和关键词字段，并给出元数据预览。

使用方式

1. 前置准备：确保 CLI 已安装并完成认证。
2. 信息收集：在运行任何命令前，先了解应用（App ID 或名称 + 简要描述）、目标商店（默认美国，可多选）、一句话说明应用功能、目标用户、已使用的关键词。若用户提供 App ID，可跳过功能与用户问题，直接从应用元数据推断。
3. 生成种子关键词：根据应用描述和目标用户头脑风暴 10-15 个种子词。
4. 分析种子词：运行 aso keywords analyze <seed1> <seed2> <seed3> ... --storefront <SF> --exclude topApps,relatedSearches,totalApps。
5. 扩展推荐词：取流行度最高的 3 个种子词，分别运行 aso keywords recommend <top_seed_1> --storefront <SF> --limit 50（对 top_seed_2、top_seed_3 同理）。
6. 计算机会分数并排序。
7. 运行质量门禁并记录结果。
8. 分类展示：按机会分数排序，输出包含关键词、流行度、难度、机会分数、推荐字段的表格。
9. 字段分配逻辑：标题放 2-3 个最高机会且与品牌相关的关键词，需构成自然短语；副标题放 2-4 个次高机会关键词，需传达价值主张；关键词字段放其余 15-25 个词，按机会排序，填充至约 100 字符。
10. 元数据预览：展示关键词如何放入标题、副标题和关键词字段，并标注字符数。此阶段仅做研究，不应用更改；如需实际优化，应使用 metadata-optimizer 技能。

适用场景

• 为 iOS/macOS 应用寻找可实际排名的关键词。
• 评估关键词的搜索量与竞争难度，筛选高机会词。
• 规划标题、副标题和关键词字段的关键词布局。
• 发现相邻品类中的潜在机会（例如婴儿监视器应用也可研究宠物摄像头、保姆摄像头、家庭安防等）。

限制与原则

• 必须先安装并认证 CLI。
• 铁律：没有数据不得推荐关键词，每个建议都必须有 aso keywords analyze 的流行度和难度分数支撑。
• 不得凭经验或直觉推荐关键词，不得假设用户已了解自己的关键词，不得只关注高流行度词，不得只聚焦精确品类，不得以数量代替质量。
• 对评论数少于 100 的应用，不应推荐难度大于 80 的关键词。
• 不应为了堆砌关键词而牺牲标题可读性。
• 需检查单数形式，避免在复数形式上浪费字符。
• 研究阶段只输出预览，不直接应用更改。

输出内容

• 按机会分数排序的前 10 个关键词（黄金列表）。
• 元数据预览：关键词在标题/副标题/关键词字段中的分布。
• 下一步建议：提示用户可要求优化元数据以触发 metadata-optimizer 技能。
• 错失机会：值得监控但暂不定位的关键词（竞争过于激烈或属于相邻品类）。