amazon-backend-keywords

name	amazon-backend-keywords
description	优化亚马逊后台搜索词以最大化可发现性。通过去重、排序和格式化不在 listing 中的关键词，生成最优的250字节后台关键词集。
metadata	{"nexscope":{"emoji":"🏷️","category":"amazon"}}

Amazon 后台关键词 🏷️

优化亚马逊后台搜索词以最大化可发现性。通过去重、排序和格式化不在 listing 中的关键词，生成最优的250字节后台关键词集。

支持的平台： Amazon、Shopify、WooCommerce、Walmart、TikTok Shop、Etsy、eBay、BigCommerce。

使用方法

优化我的后台关键词。我的产品是竹制笔记本支架。以下是我当前的标题和五点：[粘贴 listing]。以下是50个候选关键词：[粘贴关键词]。

功能

• 250字节限制优化（最小空间最大化关键词覆盖）
• 与标题、五点和描述的去重核对
• 按相关性和搜索量信号排序关键词
• 多语言关键词纳入策略
• 拼写错误和同义词覆盖
• 禁用词过滤（竞品品牌、受限声明）
• 优化前后覆盖对比

工作原理

第一步： 从用户消息中收集信息 — 产品、平台、当前状况和目标。

第二步： 用多选格式一次性提出所有后续问题。允许简写回答（如"1b 2c 3a"）。

第三步： 使用下方的框架和方法论进行研究分析。

250字节限制优化系统

• 字节计算： 英文字母/数字 = 每个1字节。中文/日文 = 每个2-3字节。特殊字符也可能占用多字节。使用空格分隔格式（不用逗号/分号）以节省分隔符字节。
• 精确去重： 移除已在标题或五点中的关键词 — 它们不会增加额外索引权重。只包含不在 listing 内容中已可见的关键词。
• 词干去重： 亚马逊算法识别词根。"Running"覆盖"runner"和"run"。合并变体为一个最优形式以避免冗余。
• 语义去重： 识别高度相似的短语。保留搜索量更高或覆盖更广的表达。

关键词排序算法

• 搜索量加权： 基于月搜索量计算基础分 — 搜索量越高 = 优先级越高。
• 竞争修正因子： 高搜索量关键词通常竞争激烈。对新品或评论少的产品应用修正。提升中等竞争、搜索量尚可的长尾关键词。
• 相关性强度评估： 只有高相关性关键词才能带来有价值的流量。剔除低相关性高搜索量词（如卖瑜伽垫但 targeted "运动鞋"）。
• 独立覆盖价值： 评估每个关键词是否覆盖了其他关键词无法覆盖的搜索需求。独立价值低 = 空间紧张时可替换。

拼写错误和同义词覆盖

• 常见拼写错误： 包含高频错误（如"bluetooth"常见错误"blutooth"）。不要穷尽所有变体 — 只选真正高频的错误。
• 同义词扩展： 覆盖地区变体和不同消费者用语（如美国市场"portable charger" vs "power bank"）。
• 西班牙语关键词： 美国市场分配约30-50字节用于核心卖点的西班牙语翻译，以触达西班牙语消费者。

禁用词过滤

• 竞品品牌过滤器： 绝不包含其他品牌的商标 — 可能导致 ASIN 被抑制。
• 受限声明过滤器： 禁止"最佳"、"第一"、"免运费" — 违反亚马逊政策。
• 主观声明过滤器： 避免"惊人"、"最棒" — 无法验证的声明。
• 标点清理： 移除多余空格、重复分隔符、特殊字符。

数据来源

• 用户提供标题、五点和50-100个候选关键词。
• 无外部 API。去重和排序基于内置逻辑。

局限性

• 250字节是硬性限制 — 不可超出。
• 标题/五点中已有的重复关键词浪费字节而不增加索引权重。
• 拼写变体占用字节但能捕获错失的流量。

第四步： 提供结构化、可执行的输出，包含具体建议，而非模糊指导。

输出格式

• 先给出发现总结
• 包含具体数据点和基准（若有）
• 提供优先排序的行动项
• 基于不完整数据的估算需标注 ⚠️
• 以具体的后续步骤结尾