关键词很多，先看哪些？
每次拿到 SEO 关键词数据，我都需要完成同一步工作：从搜索行为中找出可能值得投入的需求。关键词记录了人们在找什么，搜索量、难度和 CPC 提供研究线索，但它们不能直接回答：这些人愿不愿付费？会不会反复使用？这个问题是否适合我投入时间去做？
Lava 因此处在副业流程的前端。它的任务是形成值得继续研究的候选，而不是用一个分数替代最终商业决策。
搜索量之外，还要问什么
一个低难度词可能只是一次性问题；一个搜索量很大的词也可能指向已有平台、实体商品或不适合自己的业务。反过来，标记为信息型的词也可能是用户在找一个具体工具。
清理的价值是让关键需求信号浮出来；深挖的价值是把“有人在搜索”推进为“谁在什么场景下被什么问题困住”的研究假设。真正需要处理的是两种不同的判断：先判断有没有搜索机会，再判断是否值得构建。把它们混在一个排行里，很容易选出数字漂亮、却不适合投入的方向。
筛选规则和例外
Lava 将重复判断整理成规则：保留搜索来源与指标，按条件排除无关或高风险条目，同时给工具型的信息关键词留出例外。风险与排除状态拥有更强优先级，避免它们被后续商业意图规则重新激活。
搜索量、CPC 与难度组成一个初筛排序值，帮助安排研究顺序。这个分数回答“先看哪些词”，不承担预测收入的任务。
保存每次研究的结果
每次导入形成研究会话，保留种子词、文件与批次。筛选后的关键词进入同一词库，连同状态、标签与后续分析一起保存。
这让淘金成为一个持续积累的步骤：新的 SEO 数据可以继续进入，过去筛出的词可以再次比较，来源也有地方可回看。清洗、入库和继续分析因此属于同一个研究过程。
AI 分析的几个维度
AI 商业分析围绕付费意愿、使用频率、痛点、实现复杂度、竞争与模板化程度展开。提示词将关键词及 SEO 指标作为输入，输出结构化维度、理由与建议动作。
相比再给一个总分，这种结构更方便追问：一个词被保留，是因为持续需求，还是容易构建？建议做订阅产品，还是轻量工具？界面允许按维度筛选和比较，模型判断也保留在关键词记录里。
批量分析逐条存储结果，并展示处理进度；一次研究无需等整批完成后才看到全部结果。分析维度提供研究假设，后续验证仍需要回到真实用户与使用场景。
哪些关键词适合一起做
规则分组将候选词组织为开发者与数据、文件与媒体、计算与估算等工具家族。分组的意义不只是减少列表长度，而是换一个构建视角：哪些需求可能共享同一套产品能力？
例如，格式化和校验可以放在同一类数据工具中，压缩与转换可以作为文件工具方向继续研究。这里的分组根据词边界与可编辑规则产生，强调可理解的研究路径。
我做的部分
这个项目由我独立完成。我把自己的副业研究步骤落实成产品：组织导入与筛选路径、设计规则状态与例外、连接候选词库、构建商业维度分析，并让结果可以被比较、导出与回访。
在我的副业研究中，这套流程累计留下了 1,200 多条值得继续发展的候选关键词。它们构成研究资产，帮助我安排后续验证与构建的优先顺序。
Lava 将淘金从每次重新翻一份导出表，变成一个能继续积累的机会研究过程。
候选关键词和 AI 建议构成后续验证的起点。画面结合原始界面与流程重建，使用示例数据；展示的 SEO 指标与模型评估为示意。
