PPCWISER 琼仁智度 LogoPPCWISER琼仁智度
关键词体系 · 语义聚类

亚马逊关键词语义聚类：按意思而不是按字面，把出单词分组建系列

“desk lamp for office”和“office desk light”说法不同，买家要的是同一件东西；“lamp shade replacement”字面很像，要的却不是你的台灯。琼仁智度按意思而不是按字面给关键词分组：同一主题的词进同一个系列，一组不塞太多词，好词都分得到预算。

免费试用 30 天看广告结构说明
30 天免费试用¥99/月/店铺起凭证只存你自己的电脑
你是不是也这样

关键词一多，分组就成了体力活

一股脑塞进一个广告组

出单词越攒越多，全部放进一个精准广告组，预算被两三个大词吃光，其他词几乎拿不到展示。

按字面分组分错了

按包含的单词分组，“office lamp”和“desk light for work”被分开，“lamp shade”却和台灯词混在一起。

手工命名、建系列太耗时

几十上百个词要想主题、起名字、建系列、放词，做一次要半天，下次新词进来又要重来。

为什么要按意思分组

亚马逊怎么理解搜索词？不只看字面

亚马逊的匹配规则本身就在“按意思”工作：三种手动匹配方式都涵盖复数、拼写错误和翻译，广泛匹配还会匹配同义词与相关词 [3]。亚马逊的研究也表明，字面不同的查询可能指向同一类商品，纯字面索引处理不了这些情况 [1]。

对卖家来说，这意味着按字面整理关键词，会把同一种需求拆散、把不同的需求混在一起。而广告系列是版位与时段设置的单位 [4]：同一个系列里的词需求越一致，系列级的设置就越准确。

系统怎么做

从一堆出单词到几个清楚的主题系列

取出单词与相关度

取该产品出单的搜索词，以及每个词与产品的相关度（来自 相关性评分），已经有精准投放主人的词不再参与。

先按属性词预分组

颜色、尺寸、用途、人群这类属性词先把词粗分开，避免语义模型把“红色款”和“蓝色款”混在一起。

再按意思聚类

用句向量模型衡量词与词的意思远近 [2]，把意思相近的词聚成一簇；过小的簇会被合并，避免碎片化。

自动命名主题

从每一簇里提炼一个易读的主题名，建好的系列一看名字就知道装的是哪类需求。

按相关度装箱

相关度越高的词，每个系列放得越少，让好词分得到预算；装满了就开下一个系列。执行前可以完整预览：共多少词、多少个主题、建成多少个系列。

在哪里用到

语义聚类藏在这些功能后面

关键词分层 · 语义分组

按产品预览“多少词、多少主题、多少系列”，确认后批量建成同主题精准小组系列。

看关键词分层 →

新建广告

粘贴一批关键词、选择按主题组织的策略，系统先聚类、再按主题建系列；预览里能看到每个词的主题与相关度。

看新建广告 →

广泛分层

把普通关键词分进放量和捡漏系列时，同主题的词进同一个系列，已有系列有空位先填满。

看广泛分层 →
为什么需要一个系统

关键词分组：手工、规则工具与琼仁智度的差别

能力手工运营通用规则类工具PPCWISER 琼仁智度
分组依据— 凭经验— 按包含的单词✓ 属性词 + 语义相似度
说法不同、意思相同— 看运营水平✕ 被拆开✓ 归为同一主题
每组放多少词— 随意— 固定数量✓ 与相关度挂钩，越相关越精简
主题命名— 手工起名✕ 编号✓ 自动提炼易读主题名
模型不可用时——✓ 自动降级为规则分组，不中断

对比基于功能机制描述，不代表具体效果承诺。

用了之后

每个系列装的都是同一类需求

需求一致

同一个系列里的词说的是同一件事，系列级的版位和时段设置更准确。

预算分得开

每组词数受控，好词不再被组里的大词抢光预算。

结构看得懂

系列名就是主题名，打开广告后台也能一眼看懂结构。

新词有归宿

后续新出单的词按意思归入已有主题或新主题，结构不会越跑越乱。

不依赖第三方大模型

语义计算在系统自己的计算环境中完成，关键词不外发。

出问题也不停摆

语义模型暂时不可用时，自动退回规则分组并在页面提示。

与广告结构的关系

主题小组系列是标准结构的一层

在琼仁智度的标准结构里，出单达标的词单独成精准单词系列，按主题成组的精准词构成“同主题精准小组”，两者在出价引擎里都有专门策略。结构怎么接入见 广告结构说明。

关于语义聚类的常见问题

语义聚类和按单词分组有什么不同？
按单词分组只看字面是否包含同一个词；语义聚类衡量整句话的意思远近，能把“office desk light”和“desk lamp for office”归到一起，也能把字面相近但需求不同的词分开。
我的关键词会被发给第三方 AI 服务吗？
不会。语义模型在琼仁智度自己的计算环境里运行，不调用第三方大模型接口。
分组结果我能改吗？
执行前可以完整预览并勾选要建的系列。如果你更习惯自己定主题，也可以用 文档导入，在表格里自带主题列，系统按你的主题建系列。
每个系列放几个词？
由系统按结构约定、并与相关度挂钩控制：越相关的主题每个系列放得越少，让重点词分得到预算；装满后自动开新系列。

按意思整理关键词，让每个系列只装一类需求

30 天免费试用全部功能。挑一个出单词多的产品，预览一下系统会把它们分成哪些主题。

入门版 ¥99/月/店铺 · 含 10 个产品 · 每增加 1 个产品 +¥10/月
免费试用 30 天看价格与计算器
继续了解

相关功能

关键词体系

关键词分层

出单词升格精准单词系列，其余按相关度与主题分层；旧系列同词自动让位。

查看 →关键词体系

相关性评分

关键词逐一对照 Listing 打分，识别品牌/型号/尺寸冲突，全系统共用一把相关度尺子。

查看 →关键词体系

自动提取精准词

出单搜索词自动升格为精准投放，原系列自动暂停同名词并加否定。

查看 →广告结构与管理

新建广告与导入

粘贴或上传关键词，按标准结构一次建好，跨匹配去重、查缺补漏、先填满已有空位。

查看 →关键词体系

关键词挖掘机

官方建议词、搜索框联想、出单词与竞品 ASIN 汇到一处，过滤去重后先进候选池。

查看 →上线前必读

广告结构说明

算法按结构设计：方案 A 重构现有系列 / 方案 B 保留原系列另建标准结构。

查看 →
REFERENCES

参考资料与权威来源

本页所有涉及亚马逊规则、行业数据与方法论的表述均标注来源。链接指向官方文档、同行评审论文、专利或法律法规原文；访问日期 2026-09。

  1. [1]论文Semantic Product Search — KDD 2019 · Nigam et al.（Amazon） · 2019 · arXiv:1907.00937亚马逊自己的研究表明，购物搜索需要语义匹配，字面不同的查询可能指向同一类商品。
  2. [2]论文Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks — EMNLP 2019 · Reimers & Gurevych · 2019 · arXiv:1908.10084句向量模型可以衡量两段文本的语义相似度，适合把意思相近的搜索词归为一组。
  3. [3]官方Understand keyword match types — Amazon Ads Support Center · 2026官方定义广泛、词组、精准三种匹配，以及自动投放的紧密匹配、宽泛匹配、同类商品、关联商品四个匹配组。
  4. [4]官方Bid controls — Amazon Ads API Docs · 2026竞价策略与版位加价都是广告活动级设置，可单独或同时使用，由亚马逊实时合并计算出价；版位加价按原出价的百分比叠加（$1.00 加 50% 为 $1.50），取值 0–900%；固定出价不受动态调整影响。