从对手的评论里挖关键词

所有关键词池都出自同一个源头：商店的建议和对手的元数据。所以所有工具最后推荐的都差不多是同一批短语，也所以那些短语都挤满了人。

有一个源头是任何工具都造不出来的，因为它造不出来：用户写下的文字。人们用自己的话描述产品，而这些话几乎从来不是造出它的团队的话。

你自己的评论描述的是你已经在做的事，这些词通常已经在你的元数据里了。对手的评论描述两件更有用的事：竞品在做什么，以及——在一星两星的评论里——它没做什么。

第二组最有价值。当同一个抱怨在这个分类的好几个应用里反复出现，它就不再是抱怨，而是对缺口的描述。那里同时有一个产品想法和会被用来搜索它的词。

把文本切成一到三个词的组是容易的部分。决定结果质量的是之后扔掉了什么。

改变结果最多的是人称代词筛选。人们会写「帮我学会了」或者「我每天都用」：在提取器里它们排得很靠前，搜的人是零。任何带第一或第二人称代词的 N 元组都会掉。

接着掉的是品牌重复——对手应用的名字几乎出现在它的每条评论里——以及虚词。而大小写折叠按国家规则来，不按全局规则，因为一个被用两种方式折叠的短语，对系统来说是两个短语。

通过筛选的短语不会直接进元数据。先测量：在你打算用它的那个国家测热度和难度。很多会被证明是底噪，而这也是一个结果。

通过测量的进入词库，和其余的一起争位置。它们的优势是几乎不在任何人的元数据里：难度很低，改一次副标题就够拿下。