从付费投放反推真实搜索需求：一套可复查的关键词发现流程

投流榜最有价值的用途，不是告诉你应该复制哪个产品，而是缩小研究范围：先找愿意付费获客的玩家，再追到真实出现过的非品牌关键词，最后验证需求规模和搜索结果中的进入机会。

这套方法的关键不是工具数量，而是证据顺序。发现一个投流产品，不等于发现了它购买的关键词；官网有某项功能，也不等于用户真的用你想到的词搜索。

最终只需要产出一张可复查的候选词卡片：

字段	要回答的问题
投流玩家	谁正在为获客付费？
原始关键词	哪个精确词在数据源中真实出现？
来源	来自付费关键词、自然关键词还是相关查询？
用户任务	搜索者具体想完成什么？
需求强度	趋势和校准后的搜索量说明什么？
供给情况	当前 SERP 是否还有明显缺口？
结论	继续验证、观察还是放弃？

先记住四级证据

证据级别	可以证明什么	不可以证明什么
投流榜、付费渠道占比	产品正在获得付费流量，值得研究	某个精确词就是它的买词
Paid Search / Advertising Research 关键词表	数据源观察到域名与精确词的付费搜索关系	第三方估算等同广告主后台真值
官网、广告文案、落地页	产品功能、受众和任务含义	用户一定搜索了你从功能推导出的词
Trends、搜索量、SERP	需求走势、相对规模和结果形态	反向证明某个产品购买了该词

只要第二级缺失，结论就必须停在“需求方向”或“待验证词”，不能写成“发现了广告关键词”。

完整流程

付费流量榜 / 广告研究工具
            ↓
找到值得研究的产品
            ↓
进入真实关键词数据页
            ↓
原样保存非品牌精确词、来源和日期
            ↓
回官网确认输入、输出、受众与任务
            ↓
Google Trends 与搜索量做规模校验
            ↓
检查 Top 10 的结果类型和产品缺口
            ↓
继续验证 / 观察 / 放弃

第一步：把投流榜当线索池，不当答案

Web 或 AI 工具方向可以从 Toolify 的付费来源榜 和 AiTing 的付费引荐榜 开始。页面名称、分类和指标会变化，因此记录时保存发现日期和当时显示的渠道名称。

先记录最少字段：

• 产品名、官网和发现日期；
• 总流量与付费渠道流量；
• 渠道占比、增长量和增长率；
• 数据来源与目标国家或地区。

可以用 总访问量 10 万+、付费引荐 5,000+、渠道占比 1%+ 或 近期增长 20%+ 做快速初筛，但这些只是研究队列的启发式规则，不是行业标准。小基数产品会产生夸张增长率，第三方流量数字也都是估算值。

优先保留两类对象：

1. 已有稳定体量，仍持续购买流量的产品；
2. 体量较小，但付费渠道和总体流量同步增长的产品。

成人、赌博、侵权下载、强监管 YMYL、依赖独家数据或核心推理成本无法承受的方向，可以直接排除，避免把时间花在无法交付的机会里。

第二步：必须进入真实关键词数据页

投流榜通常只有渠道流量，不会告诉你具体买词。下一步应进入能展示精确关键词的页面，例如：

• Similarweb 的 Paid Search 数据（以账号权限实际可见字段为准）；
• Semrush Advertising Research 的 Positions 或 Ads History；
• Ahrefs 的付费或自然关键词报告；
• Google Trends 中真实展示的相关查询。

Semrush 官方说明中，Advertising Research 的 Positions 报告用于查看触发竞品广告的关键词，Ads History 则按关键词呈现历史广告观察。这类页面才有资格成为“精确词来源”。

每条记录至少包含：

exact_keyword:
source_product:
source_page:
source_type: paid_keyword | organic_keyword | related_query
market:
observed_at:
landing_page:

关键词要保留原始拼写，不要先翻译、改复数或换成你更喜欢的表达。找不到精确词时，本轮成果只能写成“发现了一个投流产品”，不能补写一个看起来合理的词。

第三步：区分品牌词、需求词与功能假设

把词表分成三组：

1. 品牌词：产品名、公司名、导航词；
2. 需求词：描述用户要完成的任务；
3. 无关词：意图与核心产品不一致。

优先保留非品牌需求词，再打开官网首页、定价页和对应落地页，回答四个问题：用户输入什么、产品输出什么、谁在使用、最终完成什么任务。

可以用一句话写清楚：

用户把【输入】交给产品，
产品生成【输出】，
帮助【目标用户】完成【任务】。

例如 Stitch 官网展示了“把想法转成移动端和 Web UI 设计”的能力。

这可以支持“文本或想法生成 UI 是一个产品任务”，但不能证明 Stitch 正在购买 text to ui。在真实关键词来源出现之前，只能这样记录：

keyword: text to ui
keyword_source: inferred_from_feature
status: hypothesis
next_check: search in paid keywords or related queries

官网用于解释词义，不用于制造关键词证据。

第四步：用 Trends 验走势，不把指数当搜索量

拿到精确词后，再查看 5 年、12 个月、90 天、30 天 和 7 天：

• 5 年看长期基线和旧词复苏；
• 12 个月看年度走势与季节性；
• 90 天和 30 天看增长是否延续；
• 7 天排查短暂新闻脉冲和快速归零。

查询时先确认选择的是 Search term 还是 Topic。Google 官方说明，Search term 关注输入文字，Topic 会聚合跨语言和相关表达；两者不能混为同一口径。

Google Trends 的 0–100 是按地区和时间归一化后的相对热度，不是月搜索次数。比较词时，应保持地区、时间窗、类别和搜索类型一致，并避免把超大词与极小词混在同一组。

用自有基准做相对估算

如果你已经有一个在相同市场和时间窗中校准过的词，可以用 Trends 比例做粗略估算。假设本地基准为：

Narrate 美国月搜索量基准 = 5,000

则：

候选词估算月搜索量
= 5,000 × 候选词平均趋势值 ÷ Narrate 平均趋势值

这个公式输出的是估算，不是 Google 官方搜索量。至少比较 30 天、90 天和 12 个月；窗口差异大时应报告区间和波动原因。若基准本身只是 GSC 点击量，就只能标为“点击等价估算”，除非排名和 CTR 已得到可靠校准。

第五步：把 SERP 当产品地图

直接搜索精确词，逐项记录 Top 10：

• 搜索意图是否一致；
• 结果是工具首页、功能页、教程、模板、视频还是应用商店；
• 是否被官方与大品牌占满；
• 是否出现小站、弱落地页、体验缺口或未满足的输入输出要求；
• 广告和自然结果承诺的任务是否一致。

可以使用标题限定或 intitle:"<精确词>" 辅助寻找标题供给，但只做定性扫描。Google 明确提醒，搜索运算符受索引与检索限制；结果数量会波动，不能把一个看似精确的数字当成关键词难度或市场容量。

第六步：用闸门给结论，不用感觉打分

按顺序回答：

1. 找到了付费获客信号吗？
2. 找到了有来源的非品牌精确词吗？
3. 官网任务与搜索意图一致吗？
4. 趋势或搜索量值得继续投入吗？
5. SERP 中存在可以交付的缺口吗？

结论规则：

结论	条件	下一步
继续验证	2–5 均有正面证据	比较 Top 10 产品并设计差异点
观察	有投流产品或功能方向，但缺精确词、规模或 SERP 证据	只补最靠前的缺口
放弃	词义错位、需求过弱、供给锁死或无法交付	记录原因并停止投入

Thea 示例：为什么正确结论是“观察”

假设研究 Thea 时得到以下证据：

• 第三方数据出现付费获客信号；
• 公开词表主要是 thea、thea study 等品牌词；
• 官网确实提供“把学习资料生成闪卡”的功能；
• pdf to flashcards 只由功能推导，未在保存的关键词来源中出现；
• 搜索量和 Top 10 记录尚未补齐。

此时不能写“Thea 正在购买 pdf to flashcards”。准确表述是：

本轮结论：观察

已证明：
Thea 有付费获客信号，也有把学习资料生成闪卡的产品能力。

未证明：
pdf to flashcards 是它的实际投放词；
该词有可靠的月搜索量；
当前 SERP 存在适合新产品进入的缺口。

下一步最小动作：
回到 Paid Search、网站关键词或 Trends 相关查询，
寻找并原样保存一个真实出现的非品牌需求词。

如果之后真的观察到 pdf to flashcards，再补齐来源、落地页、同市场趋势和 Top 10，才把状态改为“继续验证”。后面的好信号不能倒过来替代最前面的关键词来源。

可直接复用的候选词卡片

product:
paid_signal_source:
paid_signal_observed_at:

exact_keyword:
keyword_source_page:
keyword_source_type:
keyword_observed_at:
brand_or_demand:

user_input:
product_output:
target_user:
job_to_be_done:

trend_windows:
volume_method:
volume_estimate_or_range:
serp_shape:
entry_gap:

decision: continue | watch | drop
reason:
next_smallest_action:

这张卡片的作用，是让任何人都能回到原页面复查，而不是依赖研究者记忆或一串无法解释的评分。

参考资料

• Semrush Advertising Research
• Semrush Ads History 报告
• Google Trends：Search term 与 Topic 的区别
• Google Trends 数据说明
• Google Trends 相关查询
• Google 搜索运算符的限制