یک فایل ۲۰هزارردیفی دارید: Keyword، Volume، KD و CPC. آن را بر اساس Volume مرتب میکنید و از بالای جدول ۵۰ عنوان مقاله میسازید. سه ماه بعد، چند URL برای یک Intent رقابت میکنند، Queryهای پرفروش روی صفحه نامناسب افتادهاند و تیم محتوا درباره عددهای متفاوت ابزارها بحث میکند. مشکل کمبود Keyword نبود؛ فهرست شما به تصمیم تبدیل نشده بود.
خروجی تحقیق کلمات کلیدی نباید «لیست عبارت» باشد. خروجی قابل استفاده، نقشهای است از زبان واقعی مخاطب به Job و Intent، صفحه موجود یا مقصد تازه، Evidence قابل ارائه، اولویت کسبوکار، Owner و معیار سنجش. این راهنما همان سیستم را برای وب فارسی و بازار ایران میسازد: از داده First-party و ابزارها تا Normalization، Cluster، Mapping، Opportunity scoring، Brief و بازبینی با Search Console.
تحقیق کلمات کلیدی چیست؟
تحقیق کلمات کلیدی (Keyword research) فرایند جمعآوری و تفسیر Queryها و مسئلههای جستوجو است تا تصمیم بگیریم کدام نیاز را، برای چه مخاطبی، با کدام صفحه و چه نوع پاسخ یا تجربهای پوشش دهیم. Query همان رشتهای است که کاربر نوشته؛ Keyword برچسب تحلیلی ما برای گروهی از Queryهاست؛ Topic دامنه وسیعتر معنا و موجودیت؛ Intent/Job دلیل و خروجی مورد انتظار جستوجوگر است.
| واحد | نمونه | نقش | خطای رایج |
|---|---|---|---|
| Raw query | هزینه سئو فروشگاه در تهران | زبان مشاهدهشده | پاککردن شکل اصلی |
| Normalized family | هزینه SEO فروشگاه | گروه تحلیل | ادغام Intentهای متفاوت |
| Topic | هزینه سئو | مرز Portfolio | یک صفحه برای همه چیز |
| Job | برآورد بودجه و Scope | Deliverable | فقط Informational نامیدن |
| Destination | /seo-cost/ | صفحه مالک | ساخت URL تازه برای هر Variant |
| Evidence | TCO، Scope matrix، قرارداد نمونه | ارزش صفحه | کپی Outline رقبا |
خروجی نهایی تحقیق باید چه باشد؟
یک Spreadsheet پر از عدد هنوز Strategy نیست. Deliverable حداقل باید این پنج لایه را وصل کند:
- Query evidence: عبارت خام، Source، زمان، Segment و محدودیت.
- Interpretation: Audience، Situation، Job، Intent و Risk.
- Destination decision: Existing/Update/New/Merge/No-create.
- Priority: Business fit، Evidence، Demand range، Feasibility و Effort.
- Execution/measurement: Brief، Owner، Internal links، Baseline و Review trigger.
| خروجی | تصمیمی که ممکن میکند | مالک |
|---|---|---|
| Query ledger | منبع و معنی داده | SEO/Research |
| Intent/Job map | نوع پاسخ و CTA | Product/Content |
| Destination map | New/Update/Merge | SEO/IA |
| Opportunity scorecard | ترتیب Backlog | Business/SEO |
| Topic/cluster map | Pillar/Support/Boundary | Content lead |
| Measurement plan | یادگیری پس از انتشار | Analyst/Owner |
قبل از ابزار: هدف کسبوکار و موجودی سایت
ابزار با Seed اشتباه، لیست بزرگتری از مسئله اشتباه میسازد. ابتدا Offer، Audience، Stage، حاشیه سود، ظرفیت عملیات، محدودیت حقوقی و هدف سایت را ثبت کنید. سپس Inventory URLهای موجود را کنار آن بگذارید.
| ورودی | پرسش | اثر روی Keyword research |
|---|---|---|
| Offer | واقعاً چه مسئلهای را حل میکنیم؟ | Topicهای مجاز |
| Audience | خریدار، کاربر یا تصمیمگیر چه کسی است؟ | واژگان و Stage |
| Economics | کدام Outcome ارزش دارد؟ | Business priority |
| Capacity | آیا میتوانیم وعده را تحویل دهیم؟ | Knockout |
| Expertise/Evidence | چه تجربه یا دادهای داریم؟ | Information gain |
| Inventory | کدام URL همین Job را پوشش میدهد؟ | Update/Merge/New |
برای مثال فروشگاهی که فقط تهران ارسال همانروز دارد نباید صرفاً بهخاطر Volume، صفحه «ارسال فوری سراسر ایران» بسازد. Demand بدون Operational truth میتواند Traffic بیکیفیت و وعده خلاف واقع بسازد. Keyword research بخشی از استراتژی بازاریابی محتوا است، نه جایگزین آن.
منابع داده را ترکیب کنید
هیچ ابزار واحدی همه تقاضا را نمیبیند. داده First-party نزدیک به مشتری است ولی دامنه محدود دارد؛ ابزار Ads برای برنامه تبلیغ ساخته شده؛ Trends شاخص نسبی است؛ Search Console فقط دیدهشدن فعلی سایت را نشان میدهد؛ SERP Snapshot هم وابسته به زمان و مکان است.
| منبع | چه میگوید؟ | Blind spot | فیلد لازم |
|---|---|---|---|
| Sales/Support | زبان مسئله و اعتراض | Sample/Bias تیم | Channel، Stage، Count |
| Site search | نیاز داخل تجربه فعلی | فقط کاربران موجود | Result/zero-result/outcome |
| Search Console | Query/Page/Click/Impression فعلی | Anonymous/truncated/current footprint | Page، Query، Device، Country، Date |
| Ads search terms | عبارت و Outcome کمپین | Paid targeting/auction | Cost، Conversion، Match |
| Keyword Planner | ایده و Ads-oriented historical/forecast data | Close variants، targeting و buckets | Location، network، period |
| Google Trends | Interest نسبی/Seasonality | Sample و ۰–۱۰۰، نه Volume | Term/topic، geo، period |
| SERP review | قالب و Intent احتمالی فعلی | Personalization/change | Query، locale، device، date |
| Competitor | Coverage و Evidence gap | کپی Bias و داده تخمینی | URL، job، format، gap |
First-party research؛ نقطه شروع کماستفاده
تماس فروش، Ticket، Chat، فرم، نظر، Search داخلی، Failed search و دلیل لغو واژگانی دارند که ابزارها شاید نشان ندهند. با Consent و کمینهسازی داده، نمونهای از آنها را کدگذاری کنید.
- سؤال را با کلمات خود مشتری ذخیره کنید، نه خلاصه کارشناس.
- Stage، محصول، Segment، Outcome و تعداد تکرار را ثبت کنید.
- اطلاعات شخصی، شماره تماس، نام یا متن حساس را حذف/تجمیع کنید.
- Question، objection، comparison، failure و after-sales را جدا کنید.
- «زیاد شنیده میشود» را با Sample و بازه زمانی جایگزین کنید.
یک Query با Volume کم ممکن است مشکل پرهزینه مشتریان فعلی باشد و اولویت بالایی بگیرد. برعکس، موضوع Trending میتواند هیچ Fit با Offer و Audience شما نداشته باشد.
Seedها را با ماتریس بسازید
Brainstorm را به «اسم محصول» محدود نکنید. Seed matrix به شما کمک میکند زبان Task، Constraint و Stage را هم ببینید.
| بعد | نمونه برای طراحی سایت |
|---|---|
| Entity/Offer | سایت فروشگاهی، لندینگ، WordPress |
| Task | ساخت، مهاجرت، سریعکردن، امنکردن |
| Problem | کندی، عدم Index، پرداخت ناموفق |
| Attribute | قیمت، زمان، امنیت، مالکیت، RTL |
| Audience | فروشگاه کوچک، شرکت B2B، پزشک، ناشر |
| Stage | چیست، مقایسه، خرید، اجرا، رفع خطا |
| Constraint | بودجه محدود، بدون کد، ایران، موبایل |
| Location | تهران، ایران، چندکشوری |
| Outcome | فروش، لید، رزرو، کاهش هزینه |
ترکیب مکانیکی همه خانهها هزاران عبارت بیمعنا میسازد. هر Candidate باید Evidence یا Hypothesis مشخص داشته باشد و با زبان واقعی بازار Validate شود.
فارسی را پیش از تحلیل Normalize کنید
در وب فارسی یک مفهوم میتواند با ی/ی، ک/ک، نیمفاصله، فاصله، جمع، اعداد فارسی/لاتین، English/Finglish، تومان/ریال و شکل برند نوشته شود. اگر همه را جدا بمانید، Demand را چندپاره میکنید؛ اگر Raw query را حذف کنید، زبان و Intent واقعی از دست میرود.
| لایه | نمونه | قاعده |
|---|---|---|
| Raw | قیمت طراحی سایت | بدون تغییر نگه دارید |
| Unicode normalized | قیمت طراحی سایت | ی/ک و نویسه پنهان |
| Spacing | سایتساز / سایت ساز | Variant map، نه حذف Evidence |
| Number/unit | ۱ میلیون تومان / ۱۰۰۰۰۰۰۰ ریال | واحد و Scale جدا |
| Language | SEO / سئو | همخانواده فقط اگر Job یکی است |
| Brand | وردپرس / WordPress | Entity dictionary |
| Geo | تهران / غرب تهران | Constraint و Service area حفظ شود |
Normalization برای تحلیل است، نه اجبار متن. مقاله لازم نیست همه املای غلط را تکرار کند. Variant map، Raw count و Canonical form را کنار هم نگه دارید.
Long-tail طول عبارت نیست
Long tail به بخش بزرگ و پراکنده توزیع Queryهای کمتکرار اشاره دارد؛ نه قانون «چهار کلمه یا بیشتر». عبارت کوتاه میتواند کمتقاضا و عبارت بلند میتواند بسیار رقابتی باشد. همچنین Long-tail ذاتاً Conversion بالاتر یا KD پایینتر ندارد؛ Intent، Offer، SERP و بازار تعیین میکنند.
| عبارت | طول | آنچه باید بررسی شود |
|---|---|---|
| CRM پتروشیمی | کوتاه | بازار محدود، ارزش بالا، Fit تخصصی |
| بهترین گوشی برای عکاسی در شب | بلند | رقابت تجاری و Freshness بالا |
| خطای callback درگاه بعد پرداخت | متوسط | Troubleshooting Job و Evidence فنی |
ادعای ثابت «۷۰٪ جستوجوها Long-tail هستند» بدون تعریف Dataset، زمان و Method برای تصمیم امروز قابل اتکا نیست. خانواده Query را با Job و Outcome بسنجید.
Intent را فراتر از چهار برچسب بفهمید
Informational، Navigational، Commercial و Transactional طبقهبندی سطح بالا هستند. برای ساخت صفحه به Situation، Job، Deliverable، Risk و Next step نیاز دارید.
| Query | Job | Deliverable | صفحه محتمل |
|---|---|---|---|
| canonical چیست | مفهوم را بفهمد | تعریف + مثال | Guide |
| رفع canonical اشتباه وردپرس | خطا را حل کند | Diagnostic flow + test | Troubleshooting |
| بهترین سایت ساز فروشگاهی | گزینه را انتخاب کند | Criteria + pilot + TCO | Comparison |
| قیمت طراحی فروشگاه | بودجه/Scope بداند | Cost model + quote inputs | Commercial guide |
| ورود ایرنیک | به مقصد برسد | Navigation | Official destination |
Modifierهایی مانند «خرید» یا «بهترین» سرنخاند، نه حکم. SERP فعلی، First-party evidence و محتوای مورد انتظار را کنار هم ببینید. Mixed intent ممکن است یک صفحه با مسیرهای روشن یا چند مقصد مرزبندیشده بخواهد.
SERP analysis؛ Snapshot، نه حقیقت دائمی
برای Query نماینده هر خانواده، نوع Result، Format، Freshness، Audience، Evidence، Feature و Domain diversity را ثبت کنید. کشور، زبان، Device و تاریخ را فراموش نکنید.
- آیا نتیجه Product/Category/Guide/Tool/Forum/Video است؟
- نتیجهها چه سؤال یا Decisionی را زود پاسخ میدهند؟
- کدام ادعا تکرار میشود اما Source/Method ندارد؟
- چه Evidence یا مثال ایران غایب است؟
- آیا چند Query واقعاً نتایج و Job مشابه دارند؟
Overlap نتایج میتواند سرنخ Cluster باشد، اما Threshold جهانی ندارد و SERP تغییر میکند. صفحه را فقط با «رقبا H2 مشترک دارند» طراحی نکنید. برای روش دقیق، چارچوب تحلیل رقبا در سئو را ببینید.
اعداد ابزارها چه معنی دارند؟
| Metric | واقعیت | نباید نتیجه بگیرید |
|---|---|---|
| Average monthly searches | میانگین با Close variants و Targeting انتخابی در Keyword Planner | تعداد دقیق Click ارگانیک |
| Ads Competition | نسبت حضور Advertiserها برای Keyword/Targeting | سختی SEO |
| CPC/Bid range | Signal بازار تبلیغ و Auction | سود یا Conversion کسبوکار شما |
| KD | مدل اختصاصی هر Vendor، اغلب مبتنی بر SERP/Link | احتمال قطعی رتبه یا مقایسه بین ابزار |
| Trend 0–100 | Interest نسبی Normalized در Geo/Time انتخابی | Volume مطلق یا برابری دو منطقه |
| GSC Impression | نمایش نتیجه طبق تعریف Search Console | کل تقاضای بازار |
| Average position | میانگین Topmost position در Scope گزارش | رتبه ثابت یک کاربر |
Google Ads میگوید Competition در Keyword Planner تعداد Advertiserهای نمایشدادهشده نسبت به Keywordهای Google است؛ این همان SEO difficulty نیست. Average monthly searches نیز Location، Network، دوره و Close variants را منعکس میکند. Context هر Export را ذخیره کنید.
Google Trends را درست بخوانید
Trends یک Sample ناشناس، دستهبندی و تجمیعشده است. داده بر کل Searchهای زمان/منطقه تقسیم و سپس از ۰ تا ۱۰۰ Scale میشود. دو منطقه با عدد برابر لزوماً Volume برابر ندارند و Query کمتقاضا ممکن است صفر یا Noise نشان دهد.
- Search term را با Topic اشتباه نکنید.
- املای فارسی، انگلیسی و Variant را جدا مقایسه کنید؛ Trends مترادفها را خودکار یکی نمیکند.
- Geo، Category، Search type و Time range را ثبت کنید.
- برای Seasonality از چند سال و Event annotation استفاده کنید.
- عدد ۱۰۰ را «۱۰۰ جستوجو» نخوانید.
Search Console را به Query research وصل کنید
Search Console بهترین داده برای Footprint فعلی شماست: Queryهایی که واقعاً Impression/Click گرفتهاند و صفحهای که داده به آن Credit شده است. اما همه Queryها نمایش داده نمیشوند؛ بخشی برای Privacy ناشناس است و Table محدود/Truncated میشود. داده عمدتاً به Canonical نسبت داده میشود.
| تحلیل | Filter | فرصت | احتیاط |
|---|---|---|---|
| High impression/low CTR | Page + Query family | Promise/Title/Intent | Position/SERP feature |
| Query تازه برای صفحه | Page exact | Expand یا Boundary | یک Impression کافی نیست |
| چند Page برای Query | Query → Pages | Overlap diagnosis | Mixed intent ممکن است طبیعی باشد |
| افت Query family | Compare period/segment | Refresh/technical check | Seasonality/demand |
| Brand vs non-brand | Filter رسمی/Regex | Discovery mix | Anonymous query omission |
Export را با URL نهایی، Device، Country، Search appearance و Window تحلیل کنید. جمع ردیف Query همیشه با Total chart برابر نیست؛ محدودیت Data را در Decision log بنویسید.
LSI Keyword را از Workflow حذف کنید
«LSI keyword» اصطلاحی بازاری برای فهرست مترادفها شده، نه Feature رسمیای که لازم باشد با ابزار مخصوص درصد آن را پر کنید. بهجای آن، موجودیت، Attribute، سؤال، شرط، مثال و واژگان لازم برای پاسخ دقیق را از Domain knowledge و Evidence استخراج کنید.
| رویکرد ضعیف | جایگزین |
|---|---|
| افزودن مترادف برای امتیاز | پاسخ به Sub-job واقعی |
| تکرار Focus keyword | عنوان و متن روشن برای کاربر |
| فهرست Entity بدون رابطه | تعریف رابطه، State و Constraint |
| FAQ ساختهشده از Variant | سؤال واقعی Sales/Support/GSC |
| Density ۱–۲٪ | ویرایش طبیعی و حذف تکرار بیفایده |
Keyword stuffing طبق سیاست Spam میتواند مشکلساز باشد. چگالی مطلوب جهانی وجود ندارد. صفحه باید Job را کامل کند؛ نه اینکه String quota را پاس کند.
Cluster کردن Queryها: شباهت متن کافی نیست
دو Query را وقتی یک Cluster مقصد کنید که Audience/Job/Deliverable/Decision و Page type آنها سازگار باشد. Similarity واژگانی فقط کمک میکند.
| لنز Cluster | پرسش | Outcome |
|---|---|---|
| Entity | موضوع اصلی یکی است؟ | Topic family |
| Job | کاربر همان کار را جلو میبرد؟ | Intent cluster |
| Deliverable | پاسخ/ابزار/صفحه محصول یکسان است؟ | Page type |
| Risk | سطح Evidence/Reviewer یکی است؟ | Governance |
| SERP | نتایج نماینده همپوشانی دارند؟ | Validation signal |
| Business | Owner و CTA یکسان است؟ | Destination |
«قیمت طراحی سایت» و «هزینه نگهداری سایت» Entity مشترک دارند اما Job و Cost model متفاوت است. «طراحی سایت ارزان» شاید همان صفحه بودجه با Segment مشخص باشد. Boundary را یکجملهای بنویسید. برای معماری Pillar/Cluster و Link، راهنمای آتوریتی موضوعی را ببینید.
Keyword mapping: Query به صفحه و Action
قبل از ساخت URL، Inventory را Match کنید. هر Cluster یکی از پنج Action میگیرد:
| Action | شرط | مدرک پایان |
|---|---|---|
| Keep | Page موجود Fit و کافی است | Owner/measure |
| Update | Job یکسان، Coverage/Evidence ضعیف | Rebrief + change log |
| Merge | چند صفحه مقصد همان Job | Primary URL + redirect/link cleanup |
| New | Job/Deliverable مستقل و ارزشمند | Boundary + brief + links |
| No-create | Out-of-scope، بدون Evidence یا ظرفیت | Reason code |
هر صفحه میتواند برای چند Query مرتبط دیده شود؛ لازم نیست برای هر Variant یک URL بسازید. Primary keyword برچسب اصلی Cluster است، Secondaryها Sub-job یا Constraint و Long-tailها Queryهای نمایندهاند. Mapping قرارداد مالکیت است، نه دستور تکرار متن.
Cannibalization را با Evidence تشخیص دهید
نمایش دو URL برای یک Query همیشه مشکل نیست؛ ممکن است Intent متفاوت یا Sitelink طبیعی باشد. Cannibalization زمانی مسئله است که دو صفحه برای یک Audience/Job/Deliverable طراحی شدهاند و Authority، Link یا تجربه را تقسیم میکنند.
- Query→Page را در چند Window و Segment ببینید.
- Title/H1/Content/CTA و Internal anchor را مقایسه کنید.
- Canonical/Redirect/Indexability و نسخههای Duplicate را جدا بررسی کنید.
- Outcome هر URL را بسنجید؛ فقط Position را نبینید.
- تصمیم Keep/Boundary/Merge/Redirect/Noindex را با دلیل ثبت کنید.
Opportunity scoring: Volume تنها یک ورودی است
یک Score ساده میتواند گفتوگو را منظم کند، اما نباید قطعیت جعلی بسازد. ابتدا Knockoutها را اجرا کنید، سپس امتیازهای ۱ تا ۵ با Evidence بدهید.
| معیار | سؤال | نوع |
|---|---|---|
| Business fit | به Outcome واقعی وصل است؟ | Value |
| Audience/Intent fit | مخاطب و Job را میتوانیم خدمت دهیم؟ | Value |
| Evidence advantage | تجربه/داده/ابزار متمایز داریم؟ | Value |
| Demand confidence | چند Source مستقل تأیید میکند؟ | Evidence |
| Current coverage gap | URL موجود چقدر ضعیف است؟ | Opportunity |
| Authority/support | Cluster، متخصص و Link داریم؟ | Feasibility |
| Effort | Research/Build/Maintenance چقدر است؟ | Cost |
| Risk | حقوقی، YMYL، Freshness یا وعده چیست؟ | Cost |
نمونه Priority = (Business fit × ۲ + Intent fit + Evidence + Demand confidence + Coverage gap + Support) ÷ (Effort + Risk)
این فرمول قانون SEO نیست؛ مدل محلی برای شفافیت است. Weightها را با Strategy تنظیم و Raw evidence را نگه دارید. Knockoutهایی مانند خارجبودن از Offer، نبود صلاحیت، ممنوعیت حقوقی یا ناتوانی تحویل، قبل از Score اعمال میشوند.
Forecast را Range و Scenario بسازید
Volume × CTR ثابت × Conversion یک عدد دقیقنما میدهد. Rank، CTR، SERP feature، Seasonality، Brand، Device و Query mix تغییر میکنند. سناریو بسازید:
| Scenario | Visibility | Selection | Outcome | کاربرد |
|---|---|---|---|---|
| Downside | Coverage محدود | CTR پایینتر | Conversion محافظهکارانه | Budget risk |
| Base | Query family منتخب | Benchmark داخلی | Historical cohort | Plan |
| Upside | Cluster/feature بهتر | Title fit خوب | Offer fit بالا | Capacity check |
بهجای Revenue تضمینی، فرضها، Window، Source و Sensitivity را منتشر کنید. برای اتصال Search data، Analytics، CRM و Revenue، راهنمای تحلیل دادههای بازاریابی را ببینید.
از Map به Content Brief
Keyword map به Writer نمیگوید چه ارزش تازهای بسازد. برای هر Destination یک Brief با این فیلدها تولید کنید:
- Audience، Situation، Job و Stage.
- Primary query family، Secondary jobs و Exclusions.
- Existing/New/Update/Merge و Boundary.
- Answer promise، Page type و Deliverable.
- Evidence plan، Source، Expert/Reviewer و Iran example.
- Title/H1 hypotheses، Internal links و CTA.
- Baseline، KPI، Guardrail، Window و Refresh trigger.
راهنمای نوشتن محتوای سئو شده این Brief را تا Draft، Publish QA، Search Console و Refresh جلو میبرد.
ابزار رایگان را براساس سؤال انتخاب کنید
| سؤال | ابزار/منبع | خروجی |
|---|---|---|
| سایت اکنون برای چه Query دیده میشود؟ | Search Console | Page×Query footprint |
| فصل/رشد نسبی چیست؟ | Google Trends | Normalized interest |
| ایده و Ads estimate چیست؟ | Keyword Planner | Volume/bid/competition با Context Ads |
| مشتری چه میگوید؟ | Sales/Support/Site search | Raw language/objection |
| نتیجه فعلی چه میخواهد؟ | Manual SERP snapshot | Format/intent/evidence gap |
| چگونه Normalize/Map کنیم؟ | Spreadsheet/SQL | Ledger و destination map |
نسخه، محدودیت و دسترسپذیری ابزارها تغییر میکند. نام ابزار را به فرایند قفل نکنید. راهنمای ابزارهای رایگان سئو Selection، Evidence و Governance ابزار را پوشش میدهد.
AI در تحقیق کلمات کلیدی
AI برای پیشنهاد Seed، Normalization اولیه، Label و خلاصهسازی مفید است؛ اما به Search volume خصوصی، Intent قطعی یا داده مشتری شما دسترسی جادویی ندارد.
| کار | AI role | Human gate |
|---|---|---|
| Seed expansion | Candidate | Evidence/source validation |
| Persian normalization | Variant suggestion | Raw preservation و false merge |
| Intent label | Hypothesis | SERP/first-party review |
| Clustering | Draft groups | Job/destination boundary |
| Scoring | Mechanical calculation | Weights/evidence/knockout |
| Brief | Template fill | Information gain/expert review |
Query و CRM data ممکن است محرمانه یا شخصی باشد؛ قبل از ورود به ابزار بیرونی، Policy، Consent، Redaction و Retention را رعایت کنید. Synthetic volume یا Citation ساختگی را وارد تصمیم نکنید.
سه مثال تحقیق کلمات کلیدی در ایران
فروشگاه لوازم اداری
Seed «صندلی اداری» به Task/Attributeهایی مانند قد، ارگونومی، تحمل وزن، فضای کوچک، مونتاژ و ارسال شکسته میشود. Query «بهترین صندلی برای کمردرد» ریسک سلامت و نیاز به Reviewer دارد؛ بدون تخصص پزشکی وعده درمان داده نمیشود. «ارسال امروز تهران» فقط وقتی Destination میگیرد که Inventory و Delivery promise واقعی باشد.
شرکت نرمافزار B2B
Volume «ERP» بزرگ است اما Job مبهم. Sales call نشان میدهد مدیر تولید درباره BOM، بهای تمامشده، چندانبار و Migration سؤال دارد. Cluster براساس Use case/industry/decision ساخته میشود و Deliverable ماتریس Fit، Integration و Pilot است. Conversion با Qualified opportunity سنجیده میشود، نه Pageview.
خدمات طراحی سایت
«قیمت طراحی سایت»، «هزینه سایت فروشگاهی» و «سایتساز یا شرکت» در Stage بررسی خرید هستند اما Deliverable یکسان ندارند. صفحه بودجه مالک Cost model، صفحه فروشگاه مالک Scope خاص و صفحه مقایسه مالک Build/Buy است. Link دوطرفه و Boundary از سه مقاله شبیه جلوگیری میکند.
برنامه ۳۰روزه تحقیق کلمات کلیدی
| بازه | کار | خروجی |
|---|---|---|
| روز ۱ تا ۳ | هدف، Offer، Audience، Capacity و Inventory | Research brief |
| روز ۴ تا ۷ | Sales/Support/Site search/GSC | First-party query ledger |
| روز ۸ تا ۱۰ | Seed matrix، Planner، Trends و SERP | Expanded evidence |
| روز ۱۱ تا ۱۳ | فارسی/Unicode/Unit/Brand normalization | Variant map |
| روز ۱۴ تا ۱۷ | Audience/Job/Intent/Deliverable labeling | Intent map |
| روز ۱۸ تا ۲۰ | Cluster و SERP validation | Query families |
| روز ۲۱ تا ۲۳ | Destination mapping و Cannibalization review | Keep/Update/Merge/New |
| روز ۲۴ تا ۲۶ | Knockout، scoring و scenario forecast | Prioritized backlog |
| روز ۲۷ تا ۲۸ | Brief و Internal linking | Execution package |
| روز ۲۹ تا ۳۰ | Owner، baseline، window و review | Approved operating board |
چکلیست تحقیق کلمات کلیدی
- Research به Outcome کسبوکار و Audience واقعی وصل است.
- Inventory URLها پیش از ایده صفحه جدید بررسی شده است.
- First-party، GSC، Planner، Trends، SERP و رقبا با محدودیت ثبت شدهاند.
- Raw query، Source، زمان، Geo، Device/Channel و Segment حفظ شدهاند.
- فارسی، Unicode، نیمفاصله، English/Finglish، عدد و واحد Normalize شدهاند.
- Long-tail با طول و LSI با مترادفسازی مکانیکی اشتباه نشدهاند.
- Audience، Situation، Job، Deliverable، Risk و Next step برای Cluster روشناند.
- Volume، Ads competition، CPC، KD، Trends و GSC با تعریف و عدمقطعیت خوانده شدهاند.
- هر Cluster مقصد Keep/Update/Merge/New/No-create و Boundary دارد.
- Scoring پس از Knockout و با Business fit/Evidence/Effort/Risk انجام شده است.
- Forecast بهصورت Range/Scenario و فرضها ثبت شده است.
- Brief، Owner، Internal links، Baseline و Review trigger آمادهاند.
پرسشهای متداول تحقیق کلمات کلیدی
بهترین ابزار رایگان تحقیق کلمات کلیدی چیست؟
ابزار واحدی بهترین نیست. Search Console برای Footprint سایت، Trends برای Interest نسبی، Keyword Planner برای داده Ads-oriented، Sales/Support و Search داخلی برای زبان مشتری و SERP برای Intent فعلی بهکار میروند. سؤال خود را اول انتخاب کنید.
آیا روی Keyword با Volume بالا تمرکز کنیم؟
نه بهتنهایی. Business fit، Job، Evidence، وضعیت صفحه موجود، ظرفیت، Effort و Risk را کنار Demand بگذارید. Query کمتعداد میتواند مشتری باارزش یا مشکل حیاتی را نمایندگی کند.
Long-tail همیشه رقابت کمتر و Conversion بیشتر دارد؟
خیر. Long tail بخش پراکنده Queryهای کمتکرار است، نه تعداد کلمه. رقابت و Conversion به Intent، Offer، SERP، Brand و بازار وابستهاند و باید با داده خودتان سنجیده شوند.
Keyword Difficulty و CPC را چگونه استفاده کنیم؟
KD مدل اختصاصی Vendor و CPC/Competition داده بازار تبلیغ هستند. آنها Signal و Prior هستند، نه احتمال قطعی رتبه یا سود. با SERP، Evidence، Authority و Conversion داخلی ترکیب کنید.
برای هر کلمه کلیدی یک صفحه بسازیم؟
خیر. Queryهایی با Audience/Job/Deliverable سازگار میتوانند یک Destination داشته باشند. ابتدا صفحه موجود را بررسی و تصمیم Keep/Update/Merge/New بگیرید. Variant املایی و مترادف معمولاً URL جدا نمیخواهد.
منابع رسمی این راهنما
- Google Ads: Refine keywords in Keyword Planner
- Google Ads: Keyword Planner forecasts and metrics
- Google Trends data FAQ
- Google Trends: Compare search terms
- Search Console: Dimensions, query limits and canonical aggregation
- Search Console: Performance report tasks
- Google: Helpful, reliable, people-first content
- Google Search spam policies: Keyword stuffing
تحقیق خوب زمانی تمام نمیشود که ستون Volume پر شود. وقتی هر Query family به یک Job، مقصد، Evidence، اولویت، Owner و حلقه یادگیری وصل شد، داده جستوجو از گزارش تزئینی به سیستم تصمیم محتوا تبدیل میشود.






