02. 需求发现与关键词研究 · 资料陈述 · 教学步骤 5

按任务聚类去重

字面相近不等于同一需求，必须识别用户实际想完成的任务。

原知识点：`phone number generator` 示例由 40 个建议去重为 27 个，覆盖国家、Python/GitHub/OpenAI、YouTube/Discord、SMS/临时号等任务簇。

执行步骤

  1. 逐条把关键词改写成“用户输入什么、希望得到什么、结果用于什么”。
  2. 合并同义且输入、输出、成功状态相同的表达，保留所有原词。
  3. 当输入、输出、受众、场景或成功状态任一项明显不同时，先拆成不同任务簇。
  4. 抽查每个簇的当前SERP，判断搜索结果是否支持同一任务；不一致就继续拆分。
  5. 为每个任务簇命名、选代表词，并记录被排除的敏感或违规用途。

可复制工作表

任务簇ID/名称：__
用户角色：__
场景：__
输入：__
期望输出：__
成功状态：__
包含原词：__
代表词：__
SERP共同结果类型：__
需拆分的词及原因：__
违规/敏感排除：__

完整示例

【完整示例】“phone number generator”被拆成三个簇：给开发测试生成格式合法的虚构号码、查询各国号码格式、获取可接收短信的临时号码。前两者输入输出与合规边界不同；第三者涉及滥用风险，被排除出当前产品计划。团队没有因为三个词都含generator就放在同一页面。

完成清单

  • 每个簇由共同任务、输入、输出和成功状态定义，而非只靠词面相似。
  • 所有原词都能追溯到所属簇或排除原因。
  • 至少抽查代表词的当前目标市场SERP。
  • 违规或高风险用途已明确隔离，不进入默认产品范围。

来源：养网站防老第2步：分析搜索意图