客服對話關鍵字萃取流程

從一年份客服對話中，萃取客戶真實搜尋用語作為 SEO 種子關鍵字的可複用流程。核心是把「種子字的來源」從辦公室猜測換成一手語料，再接回既有工具驗證。

適用前提

• 已累積足量客服對話（本案例：一年、清洗後 9,645 則認真的產品諮詢）
• 對話以真實問題諮詢為主，非閒聊
• 動工前已定好隱私規則（雜湊身分、不輸出個資）

四階段

1. 匯出與兩層過濾

• 匯出全部原始訊息（本案例 22,600 則）
• 第一層：只留純客戶文字留言，剔除系統訊息與機器人回覆（剩 12,000）
• 第二層四條清洗規則：剔除過短訊息、純網址、純表情符號、重複內容（剩 9,645）

2. 用 AI 語義理解取代傳統斷詞

• 不要用傳統中文斷詞統計詞頻——口語缺乏結構，會被「是不是」「一直」等功能詞淹沒
• 改用 AI 代理讀語義，抽取三類：客戶提問句、客戶詞彙、卡關描述
• 資料量大時切批次、派多個代理平行處理（本案例 14 批 / 14 代理），各批獨立避免互相污染

3. 鎖死「不改字」的品質規則

• 明確指令：保留客戶原始用詞，客戶說藍新就是藍新，不准翻譯成 NewebPay
• 把 AI 自作聰明的判斷空間壓到最小，再靠人工抽查合併後結果
• 保留維度標記（如一對一私訊 vs 群組對話），對應不同搜尋意圖

4. 接回工具驗證並嵌入寫作流程

• 產出「客戶用語 vs 專業術語」對照表 + 高頻提問選題清單
• 種子字丟進 DataForSEO 驗證搜尋量與難度（難度 < 40 優先，B2B 長尾量為 0 也留）
• 把關鍵字庫嵌進 AI 產文 Skill，成為寫作前的強制首步，讓選題從「想寫什麼」變「客戶在問什麼」

關聯

• 概念：[[客戶原音關鍵字挖掘]]、[[SEO 內容策略]]、[[AI 自動分類]]、[[行為訪談法]]
• 下游方法：以 DataForSEO 做關鍵字研究與內容行事曆排程