关键词聚类怎么做？几千个词按SERP重叠归成主题簇，别再一词一页

摘要：关键词研究导出的几千个词不是几千个页面，而是一堆等着归类的原料。关键词聚类，就是把这些词按“该不该放进同一个页面”归成一个个主题簇。判断标准有两套：一套看词面像不像（语义聚类），一套看谷歌实际排的是不是同一批网页（SERP重叠聚类）。后者才是谷歌的视角。这篇讲清楚聚类和关键词地图、主题集群、意图分组到底差在哪，SERP重叠该取几个共同URL做阈值，从三千个词到十几个簇的完整流程怎么走，Ahrefs和Semrush怎么落地，以及聚错时会踩到的关键词蚕食和门口页两条红线。

先想明白：关键词研究导出的是原料，不是页面清单

很多人做关键词研究，工具里导出三千个词，兴冲冲建了一张表，然后就卡住了。卡在哪？卡在“这三千个词，到底要写成多少篇内容”。

有人图省事，一个词一个页面，三千个词恨不得建三千个落地页。也有人走另一个极端，全塞进一篇长文，想着“覆盖得越全越好”。两条路都是错的。第一条会让你的站长出成百上千个互相打架的薄页，第二条会让一篇内容什么都想说、什么都说不深。

正确的中间态，是先把这些词归类：哪些词本质上是在问同一件事、谷歌会拿同一个页面来回答，就把它们放一起；哪些词虽然长得像、其实用户想要的东西不一样，就得分开。这个归类动作，就是关键词聚类（keyword clustering）。它是关键词研究和内容生产之间那道绕不过去的工序——原料到成品，中间得先分拣。

关键词聚类到底是什么：一句话定义，外加和三个近亲的区别

一句话：关键词聚类，是把一大批关键词按“是否应该由同一个页面来承接”归成若干主题簇的过程。一个簇，对应一个（或一小组）内容落地点。

它常被和几个概念混着说，其实分工完全不同，先用一张表理清：

看明白顺序就不会乱了：先给词分意图，再把词聚成簇，然后把簇映射到页面，最后把页面织成集群。聚类卡在正中间，前面接意图、后面接落地。缺了它，你要么把意图相同的词拆到好几页去自相残杀，要么把意图不同的词硬塞一页里谁都排不好。

为什么非聚不可：一个页面本来就能排上千个词

聚类之所以是刚需，根子在一条被反复验证的事实：一个排得好的页面，从来不是只排它主打的那一个词。Ahrefs分析过三百万个搜索词，发现排在首页的页面平均还连带排着约一千个其它关键词，中位数也有四百多。换句话说，谷歌早就把“一页对应一整簇相关词”当成常态了。这条数据我在一个页面到底能排多少个关键词里拆得很细，这里只借它的结论。

既然一页天生能吃下一整簇词，那你的任务就不是“给每个词造一页”，而是反过来——把该由一页承接的词先归堆，一堆写一篇，把这篇写深写透，让它去连带命中整簇。聚类做对了，你三千个词可能只需要一两百篇内容；聚类不做，你就会本能地一词一页，把力气摊成一层永远排不上去的薄纸。

两种聚类法：看词面VS看SERP，后者才是谷歌的视角

聚类的核心是“判断两个词该不该同页”。判断依据有两大流派，选错了后面全白搭。

第一种，语义聚类。看词长得像不像、含义近不近。比如把“跑步鞋”“跑鞋”“慢跑鞋”归一堆，把“减脂餐”“减肥食谱”归一堆。这种做法直觉、便宜、纯靠词本身就能算，但有个致命盲区：词面像，用户要的东西未必一样。“苹果价格”和“苹果营养”语义上都带“苹果”，但一个想买水果、一个想查成分，谷歌会拿完全不同的页面去回答，硬聚一起就是灾难。

这种词面骗人的例子比你想的多。“SEO多少钱”和“SEO怎么学”，都在讲SEO，前者是想找服务报价的潜在客户、后者是想入行的学习者，谷歌排的页面一个是服务商定价页、一个是入门教程，八竿子打不着。再比如“充电宝”和“充电宝能带上飞机吗”，后者虽然包含前者，但用户根本不是要买，是要查航空规定，你拿产品页去接只会被无视。语义聚类对这些“字一样、要的东西不一样”的情况完全无能为力，因为它压根没看用户到底想要什么——而这恰恰是谷歌排序系统唯一在乎的事。

第二种，SERP重叠聚类。不看词面，看谷歌对这两个词实际排出来的搜索结果页（SERP）像不像。做法是：分别抓两个词的前十条结果，看它们共用了几个相同的URL。共用得多，说明谷歌认为这两个词由同一批网页就能满足，那它们就该在你这边也由同一页承接；共用得少甚至没交集，说明谷歌眼里它们是两码事，得分开。

为什么SERP重叠更靠谱？因为它直接读的是谷歌排序系统对“意图相同”的最终裁决，而不是你我拍脑袋觉得“这俩词像”。Ahrefs在它的关键词聚类指南里就把SERP相似度做成了一个零到一百的打分，分数越高越该合并。保哥的建议很直接：能用SERP重叠，就别只靠语义——前者是谷歌帮你判的，后者是你自己猜的。

SERP重叠的机制：共同URL取几个，簇就有多松多紧

SERP重叠聚类里唯一需要你定的参数，是“两个词的前十结果里，至少共用几个相同URL，才算一簇”。这个阈值直接决定你的簇是松是紧。

业内的通行档位大致是这样：

• 软聚类：前十里只要有1个共同URL就归一簇。簇很大很松，容易把沾边的词都圈进来。
• 中等聚类：要求共用3个或以上（约30%～40%重叠）。这是多数人实操的默认值，松紧适中。
• 硬聚类：要求前十几乎全重叠。簇小而纯，只有意图高度一致的词才进得来。

一个流传很广的经验值是40%重叠，也就是前十里共用4个URL就合并。我自己带外贸站的默认是从“共用3个”起步，太松了再收紧。这套软、中、硬的分档，本质就是数学里聚类分析（cluster analysis）的老概念——维基百科对聚类分析的界定里，硬聚类是每个对象只能归一个簇，软（模糊）聚类允许一个对象带权重地属于多个簇。SEO里的SERP聚类就是这套思路落到搜索结果上的一个具体应用，你调的阈值，等于在硬和软之间选一个刻度。

要提醒一句：阈值没有绝对正确值。词库越商业、越精细，越该收紧（用硬一点的阈值），免得把该独立成页的高价值词并没了；信息类的长尾大词库，可以松一点先归大堆再人工细分。还有个容易忽略的点：SERP是会变的，今天两个词重叠四个URL、半年后谷歌调整算法可能只剩两个。所以聚类不是一锤子买卖，隔一段时间（尤其大的算法更新之后）重新抓一遍SERP、复核一下老簇还成不成立，是值得排进日程的动作。

手把手：从三千个词到十几个簇的完整流程

把上面的原理串成可执行的五步。

第一步，拉词并清洗。从关键词研究工具导出全部词，去重、去掉明显不相关的、去掉搜索量为零又没有商业意义的噪音。清洗这一步偷懒，后面聚出来全是垃圾簇。

第二步，先粗打意图标签。按了解型、比较型、交易型、导航型给每个词标一遍意图。意图是聚类的护栏——后面不管SERP怎么重叠，意图明显冲突的词都不该硬并。搜索意图具体分几类、每类对应什么内容，我在搜索意图到底有几种里讲透了，聚类前最好先把这套标签体系过一遍。

第三步，跑SERP重叠聚类。用工具（或自己写脚本）抓每个词的前十结果，按你定的阈值把共同URL够多的词归堆。这一步是机器活，几千个词交给工具几分钟出结果。

第四步，人工复核边界簇。机器聚完，重点看两类：被聚成超大簇的（往往阈值太松，得拆）、孤零零单成一簇的（要么是真长尾金矿，要么是词没清干净）。这一步最考经验，也是软件替不了你的地方，宁可多花点时间把边界簇一个个看清，也别直接拿机器的原始输出去建内容。

第五步，给每个簇定主词和落地形态。每簇挑一个搜索量和商业价值综合最高的当主词（页面主打），其余作为连带覆盖的副词写进正文。同时定这个簇是写成一篇文章、一个产品集合页，还是一个工具页。到这里，三千个词就变成了一份“十几个到几十个簇、每簇一个落地点”的作战地图。

拿三个词走一遍：到底该并还是该拆

原理说再多，不如拿真词走一遍。假设你在做一个跑鞋站，手上有这三个词：“best running shoes”（最佳跑鞋）、“running shoes for flat feet”（扁平足跑鞋）、“nike pegasus 40”（耐克某具体型号）。光看词面，三个都带跑鞋，语义聚类很可能把它们并成一堆。但去谷歌各搜一下，看前十结果，故事完全变了。

“best running shoes”排的清一色是各大媒体的年度评测榜单和大而全的选购指南。“running shoes for flat feet”排的也是评测和指南，但焦点全在扁平足这个具体场景，跟前者的结果页有一部分重叠、又有明显不同——它更细分。而“nike pegasus 40”排的几乎全是耐克官网的产品页、大电商的商品详情页，一个通用评测榜单都排不进前十。

把SERP重叠算一下就清楚了：前两个词的前十结果可能共用四五个URL，够得上中等阈值，可以考虑并成一个“跑鞋选购”的主题簇，或者做成一篇大指南加一节扁平足专门内容。而第三个词跟前两个的结果几乎零重叠——用户搜型号就是要买那双鞋，你拿评测文章去接，谷歌根本不会给你排，它该独立成一个产品页或型号测评。三个词面几乎一样的词，SERP却把它们判成了“两个信息簇加一个交易页”。这就是为什么保哥反复强调别只看词面：机器算SERP重叠花不了几秒，却能救你于把交易词错并进指南的灾难。

用工具落地：Ahrefs和Semrush各自怎么做

纯手工聚几千个词不现实，主流工具都能扛这活，路数略有不同。

Ahrefs 没有一个叫“聚类”的独立按钮，但它的Keywords Explorer给每对词提供SERP相似度评分（零到一百），你按这个分数筛选、把共享排名页面多的词归堆即可。适合已经吃Ahrefs全家桶、习惯手动掌控的人。

Semrush 的路子更“一键”。它的Keyword Strategy Builder直接用SERP-based聚类，一次能吃下最多一万个关键词，自动把词分成一个个主题簇，还替你标出哪个是支柱页（pillar）、哪些是子主题，每个簇附带搜索量、关键词难度和意图。这一套在Semrush的关键词聚类教程里有完整演示，适合想省事、要批量出集群蓝图的团队。

预算紧的话，也有第三条路——自己动手。用Python调SERP API抓结果再算重叠，OnCrawl那篇用Python和SERP数据做语义聚类的教程把代码逻辑写得很细，技术型的一人SEO完全可以照着搭一个自用脚本，成本只有SERP API的调用费。

没有付费工具，小词库怎么手动聚

不是每个人都有Ahrefs或Semrush的会员。如果你的词库不大，比如几十到一两百个词，纯手动也能聚，靠的还是SERP重叠这套逻辑，只是把机器抓结果换成你自己一个个搜。

做法是：开一个无痕窗口（避免个性化结果干扰），把词按你的直觉先粗分几组，然后在每组里挑代表词去谷歌搜，记下前五到前十条结果的域名和页面类型。同一组里如果几个词搜出来的头部结果高度重合、页面类型也一致，那这组就是一个真簇；如果某个词搜出来的结果跟组里其他词差很远，就把它拎出去单独放。无痕搜十几个代表词，半小时就能把一两百个词的簇框定得八九不离十。

手动法的好处是你亲眼看了SERP，对每个簇该配什么类型的内容心里特别有数——机器只告诉你“这几个词一簇”，手动搜完你还顺带知道了“这一簇现在排在前面的都是三千字的深度评测，我得写得比它们更透才行”。词库上了几百个再考虑上工具，几十个词犯不上花那个钱。

聚完之后：一簇一页，还是一簇拆几页？

聚出簇不等于万事大吉，还得判每个簇到底写几个页面。判断的锚点还是意图。

如果一个簇里的词意图高度一致——比如全是“某产品怎么用”的操作型问题——那就一簇一页，一篇内容吃干净。如果一个簇看着相关、内部却藏着意图分叉——比如“跑步鞋”这个大簇里，既有想了解怎么选的、又有直奔某个型号想买的——那就该拆：了解型的做一篇选购指南，交易型的做产品或集合页，两页各自对准一段意图，再用内链连起来。

一个实用的信号：如果簇内不同词的SERP里，谷歌排的页面类型明显不同（一批是博客文章、一批是产品页），那基本就是意图分叉了，别硬塞一页。

意图分叉、把一簇拆成两页之后，别让这两页各自为战。它们本来同源，天然该互相导流：选购指南里讲到具体推荐时，链到对应的产品或集合页；产品页上想深入了解的用户，给一条回指南的路。这样既让用户在信息型和交易型之间顺畅流转，也把两页在谷歌眼里绑成一个连贯的主题单元，权重能互相托举。判断拆不拆看意图，拆完怎么连看内链——这两步是一套连续动作，不是拆完就散。反过来，如果你发现两个页面除了硬凑的内链之外，内容上几乎没有互相引用的必要，那可能一开始就不该拆，它们本就是一簇、该合成一页。

一个簇值多少：按全簇总量估，别只盯主词

聚完簇，排优先级、决定先写哪个的时候，很多人有个惯性错误：只看每个簇主词的搜索量。这会严重低估一个簇的真实价值。

回到前面那条铁律——一个页面能连带排一整簇词。所以一个簇的流量潜力，不是主词那一个数，而是簇里所有词的搜索量加起来。举个例子：一个簇的主词月搜索量只有五百，看着不起眼，但簇里还挂着二三十个长尾词，加总起来月搜索量有四五千。你若只按主词五百排序，很可能把这个其实能带来四五千潜在流量的簇排到后面去，先去写了另一个主词搜索量一千二、但全簇加起来才一千五的簇。捡了芝麻丢了西瓜。

正确的估值口径是：难度看主词（因为你主要在跟主词的头部结果竞争），流量潜力看全簇加总。两个维度摆一起，才排得出真正的优先级——低难度、高全簇总量的簇，永远该排在最前面先啃。这也是聚类除了“决定内容结构”之外的第二个隐藏价值：它顺手帮你把散词的商业价值重新算了一遍账。

聚错的两个方向：太散会蚕食，太粗会稀释

聚类翻车通常是阈值没调好，往两个方向偏。

偏散（阈值太严、簇拆太碎），后果是关键词蚕食。你把本该一页承接的一簇词硬拆成好几页，这几页在谷歌眼里主题几乎一样，就会互相抢排名、分散权重，谁都上不去。你以为覆盖更全，实际是自己人打自己人。

偏粗（阈值太松、簇并太大），后果是内容稀释。你把意图其实不同的词并进一页，为了“都覆盖到”，这一页只能每个话题都浅浅带一句，深度全无，最后哪个词都排不动。更糟的情况下，如果你为了硬凑这些不相关的词而批量拼页，就滑向了下一节要说的红线。

调阈值的过程，本质就是在蚕食和稀释这两个坑之间找平衡：发现同主题多页打架了，说明太散、该并；发现某页什么都想说什么都说不透，说明太粗、该拆。

红线：别把聚类做成“门口页”

聚类的初衷是“把词归堆、减少页面、把内容做厚”，但有人会把它做反——拿着聚类结果，反过来给每一个关键词排列组合都批量生成一个页面，指望地毯式覆盖所有词的变体。这不叫聚类，这叫门口页（doorway pages），是谷歌明确打击的作弊手法。

谷歌在垃圾内容政策里对门口滥用的定义是：“网站或页面被创建出来，只为了排名一批特定的、相似的搜索查询”，并且“把用户引向一个不如最终目的地有用的中间页”。翻成人话：为了关键词而造页、页面本身对用户没独立价值，就是门口页。聚类做对了是反门口页的——它让你把一堆变体词收进一个够格的页面；做反了、变成给每个词变体各造一张薄页，就正好撞在这条政策上。判断标准很简单：这个页面撤掉之后，用户会不会少了一个真有用的东西？答案是“不会”的，多半就是门口页。

怎么区分“聚类后的正当分页”和“门口页”？关键看每个页面有没有独立价值。前面说过意图分叉时该把一个簇拆成选购指南和产品页，这是正当的——两个页面各自服务一段真实需求，用户在哪个页面都能得到完整的东西。而门口页是另一回事：它把“跑鞋”“跑步鞋”“慢跑鞋”“跑步鞋子”这种纯属同义变体的词，各自生成一个内容雷同、只是换了个标题的页面，指望地毯式占满搜索结果，用户点进任何一个看到的都差不多、甚至被转走。前者是聚类帮你把该合的合、该分的分，后者是无视聚类、为了词硬造页。同样一批词，做对了是减少页面、做厚内容，做错了是膨胀页面、稀释价值，方向正好相反。

聚类结果怎么真正落地：先映射，再织网

拿到“簇→落地形态”的作战地图，还有两步把它变成站点结构。

第一步是映射，把每个簇明确指派到一个具体URL——是新建页面，还是并进某个现有页面，一个萝卜一个坑写清楚。这份词到页面的映射表，就是关键词地图，具体怎么画、行业模板长什么样，可以直接套关键词地图怎么画那篇的方法。

第二步是织网。当你的簇之间存在“大主题套小主题”的层级时——比如一个“独立站选品”大簇下面挂着好几个具体方法的小簇——就该用支柱页加簇子页的结构把它们用内链织起来，让权重在主题内部流动。这套内链架构怎么搭，Topic Cluster怎么搭那篇给了八步落地法；想看更体系的拆解，Search Engine Land那份主题集群与支柱页完整指南把支柱页和子页的关系讲得很全。聚类给你的是分好堆的原料，关键词地图和主题集群才是把原料垒成建筑的施工图。

AI搜索时代，聚类不是过时了，是更重要了

有人会问：现在都AI搜索了，用户直接问一句话拿答案，还费劲聚什么类？恰恰相反。AI搜索会把用户的一个问题在后台拆成好几个子查询去检索（查询扇出），再把多方结果合成一个答案。这意味着，一个能完整覆盖某个主题簇、把相关子问题都在一页内答清楚的页面，反而更容易同时命中这些扇出的子查询、被AI抓去当引用来源。

反过来，如果你把一个主题的信息散在七零八落的薄页里，AI扇出时每页只能供上一小块，拼不出完整答案，自然轮不到你被引用。所以在AI时代，“一个簇的信息在一页里做厚做全”这件事的回报，比纯排名时代还高。聚类，正是保证你能一页覆盖一整簇的前提。

落到操作上，有一个细节值得在聚类时多留个心眼：簇里那些问句型的长尾词——“怎么选”“能不能”“多少钱”“和某某比哪个好”——往往就对应着AI扇出时会拆出来的子查询。聚类时别嫌它们搜索量小就丢掉，把它们收进簇里、在页面里用小标题或问答段一个个正面回答，等于提前把AI可能拆出的子问题都备好了答案。一个簇如果既覆盖了核心主词、又答全了这些问句型子词，它在AI搜索里被当作引用源的概率，会比只堆了主词、没答具体问题的页面高出一截。换句话说，聚类不只决定你排不排得上，还越来越决定你被不被AI引用。

保哥的判断：聚类不是软件里的一个按钮

做了这些年，保哥最想提醒的一点是：别把聚类完全交给软件。工具能算SERP重叠、能几分钟归好几千个词，但它算不出你的商业优先级。同一个簇，对一个卖高客单产品的站可能值得单独成页深耕，对一个走信息流量的站可能并进大文里带一句就够。机器只看词和SERP，看不到你要赚谁的钱。

所以我的用法一直是：机器负责初分，人负责定夺边界。工具把三千个词粗聚成一两百堆，我重点复核那些超大簇和孤儿簇，凭对生意的理解决定拆还是并。把聚类当成“机器初筛＋人工终审”的协作，而不是“点一下按钮就完事”，出来的簇才既符合谷歌视角、又对得上你的钱包。

一个真实的账：几百个词聚成十几个簇

去年帮一个做户外储能的外贸独立站理词库，导出来小两千个英文关键词，客户原本的方案是“每个词建一个落地页”，估摸着要铺上千个页面。我先按SERP重叠跑了一遍中等阈值，结果这两千个词塌缩成了三十来个主题簇——“portable power station for camping”“solar generator for RV”这类词，谷歌排的其实是同一批评测和集合页，本就该归一堆。

复核时又拆掉两个偷懒并大了的簇：一个把“怎么选便携电站”（了解型）和某个瓦数型号（交易型）混在了一起，意图明显分叉，拆成一篇选购指南加一个产品集合页。最后落地形态是十几篇深度内容加十几个集合页，而不是上千张薄页。三个月后，那批深度页开始成片地连带命中长尾，抓取预算也没再浪费在几百个空壳页上。省下来的不只是排名，是本来要白写的九百多篇内容的人力。

这个案例里最反直觉的一点，是客户一开始死活不信“两千个词只写三十几篇够吗”。他的焦虑很典型：词那么多，页少了是不是覆盖不全、是不是会漏流量？但这正是没理解“一页排一整簇”的结果。当那批深度页起来之后，我们回Search Console一看，单是“portable power station for camping”那一篇，就连带排上了一百多个当初被归进同簇的长尾词，很多词我们正文里压根没刻意提，是谷歌自己判定这页能回答就给排上了。覆盖不全的恐惧，靠的是把一簇写透，不是靠页多。反倒是原来那套一词一页的方案，真做出来会是上千张互相蚕食、谁都排不动的薄页，那才叫既费人力又漏流量。

五个常见误区

误区一：聚类就是把长得像的词归堆。词面像不代表意图同，靠SERP重叠判才准，这是全篇最想纠正的一条。

误区二：阈值有标准答案。没有。商业精细词库收紧、信息长尾库放松，得按词库性质调，还得人工复核边界。

误区三：聚完就等于建了内容架构。聚类只给你分好堆的原料，还得经过关键词地图（映射）和主题集群（织网）两步才成结构。

误区四：簇越大越好，覆盖全。簇太大只会让页面稀释、什么都说不透，覆盖全靠的是一页吃透一簇，不是硬塞。

误区五：有了聚类工具就不用懂意图。工具算SERP，但意图分叉的边界判断、商业优先级的取舍，还得靠人。

常见问题解答

关键词聚类和主题集群是一回事吗？

不是。关键词聚类是把词归成主题簇的分拣动作，产出是一堆一堆的词；主题集群是把这些簇对应的页面用支柱页加子页的内链结构织成一张网，产出是站点架构。聚类在前，是原料分堆；主题集群在后，是把料垒成建筑。

SERP重叠聚类的阈值到底该取几个共同URL？

常见做法是前十结果里共用3个或以上（约30%～40%重叠）作为默认，一个流传很广的经验值是40%（共用4个）。没有绝对正确值：商业精细词库该收紧，信息长尾库可放松，跑完一定要人工复核超大簇和孤儿簇。

为什么不能直接一个关键词做一个页面？

因为一个页面本来就能连带排上千个相关词，一词一页会造出大量主题几乎相同的薄页，它们互相抢排名、分散权重，谁都上不去，这叫关键词蚕食。而且给每个词变体批量造页，还可能踩上谷歌的门口页政策。

语义聚类和SERP聚类能一起用吗？

能，而且推荐。实操里常先用语义快速把词粗分大类（便宜、快），再对边界模糊的部分用SERP重叠精聚（准、贴谷歌视角）。纯语义容易把词面像、意图不同的词错并，SERP重叠正好补这个短板。

几千个词手工聚得过来吗？

手工聚全部不现实。正确姿势是机器初筛加人工终审：让Ahrefs的SERP相似度、Semrush的Keyword Strategy Builder或自写的Python脚本把词粗聚成堆，人只复核超大簇和孤儿簇、定拆并的边界和商业优先级。

AI搜索时代还需要做关键词聚类吗？

更需要。AI搜索会把一个问题拆成多个子查询做检索再合成答案，一个覆盖完整主题簇、把相关子问题都答清的页面更容易同时命中这些子查询、被AI抓去当引用源。信息散在薄页里反而拼不出完整答案，轮不到你。聚类是保证“一页覆盖一整簇”的前提。

权威参考资料

• Ahrefs — How To Do Keyword Clustering the Easy Way：详解用SERP相似度评分（0～100）判断关键词该不该合并，SERP重叠聚类的一手方法论。
• Semrush — How to Do Keyword Clustering & Why It Helps SEO：演示Keyword Strategy Builder如何一次对最多一万个词做SERP-based聚类并标出支柱页与子主题。
• Google Search Central — 垃圾内容政策（门口滥用定义）：官方对门口页的定义，界定“为排名相似查询而造页”为作弊，聚类落地时的红线依据。
• Wikipedia — Cluster analysis：聚类分析的数学基础，硬聚类与软（模糊）聚类的区别，对应SERP聚类里软、中、硬三档阈值的原理。
• Search Engine Land — 主题集群与支柱页完整指南：聚类下游如何把主题簇织成支柱页加子页的内链结构。
• OnCrawl — 用Python和SERP数据做关键词聚类：自建SERP重叠聚类脚本的技术教程，预算有限时的第三条路。