AI 生成的关键词表，用着用着会自己变窄

一个团队用 AI 做关键词研究，第一轮出来的表通常有三四百个词。半年后再生成，剩下一百多个，而且几乎都是原来那批里表现最好的。大家以为这是优化。这是收敛，而且是往已知区域收敛。

第一轮的词表通常是最宽的

第一轮没有历史数据约束，模型会从类目语义、竞品标题、评论用语里广泛取词，鱼龙混杂但覆盖广。这一版的价值不在精准，在于它把你不认识的词也放进来了。

问题出在第二轮。

收敛是怎么发生的

关键词表逐轮收敛的闭环

你带着广告报表回去让它再生成，等于告诉它一件事：只留下那些已经出过单的词。模型很听话，它就把没出过单的全部降权。

没出过单的词里有两类是完全不同的东西——一类是还没跑到量，另一类是本来该投但出价没给够。模型分不出这两种，它只看得到结果。

三类被挤掉的词

第三类最致命。它在上一轮的数据里不存在，任何基于历史数据的生成逻辑都造不出它。你越依赖报表做输入，它出现的概率越低。

破环的三个动作

第一，每轮生成时强制喂一批类目外的原始语料，评论、问答、站外讨论都行，就是不喂报表。

第二，把上一轮词表拆成已验证和未验证两栏，未验证的词不参与下一轮的排序依据，只参与候选池。这一步改动很小，但它是让词库不再单向收缩的开关——未验证的词留在池子里，才有机会被下一轮重新捞出来。

第三，每季度做一次无历史输入的冷启动生成，结果和现表取差集，差集那批词人工过一遍。这个动作一小时能做完，是词库唯一的外部输入口。

词表要有版本号

每版词表写清生成日期、喂了什么、谁定的。半年后对比两版，你要能说出少了哪些词、为什么少。

说不出来，说明词库已经在你不知道的情况下收缩了。这种收缩不会报警，只会让你觉得这个类目好像没什么新词可挖。

我给自己定的一条线是词表宽度不得低于首轮的六成。低于这条线，不管 ACOS 好不好看，先去补词，再谈别的。

我们自己犯过的错

有一年我们把一个主力链接的词表从 380 个压到 96 个，理由是精简后 ACOS 更好看。后面半年这个链接的自然流量一直在掉，我们归因到竞品降价。

直到做冷启动差集才发现，掉了二十多个场景词，全是没出过单但一直在带来展示的。ACOS 好看是因为我们把不转化的流量砍掉了，顺手把还没转化的流量也砍掉了。

现在的一条硬规矩

词表不许只减不增。每删一个词，必须从差集里补回一个。补不回来，就说明你删的是未来的入口，不是无效 spend。