免费工具 关键词聚类：按共有词把词表自动分组
把关键词清单或词库导出的表格粘贴进来，相似的词自动归到一组：「图片压缩」「压缩图片」「怎么压缩图片」「在线图片压缩工具免费」会落在同一个主词下面。分组只看关键词本身的字词，阈值可以自己调；它不看搜索结果，这意味着什么，下面写清楚了。
- 每组一个主词
- 导出 CSV
- 本地运行
关键词分组
一行一个词；搜索量可以不填（放在制表符后面、行尾逗号后面，或者粘贴带表头的整张导出表）。
最多 5,000 行。第一行有「关键词 / 查询词 / Keyword / Query」列时当表头读；量取「搜索量 / Volume」列，没有就取「展现 / Impressions」列。
一个词和某组主词的相似度达到这个值才归进这一组。越高，组越小、越紧。
Jaccard：共有的部分 ÷ 两个词合起来的全部；重叠系数：共有的部分 ÷ 较短那个词，短词整个包含在长词里时就是 100%。
每组围绕哪个词建。没有搜索量时取最短的词。
Porter 词干：track、tracking、tracked 当作同一个词。
关键词数
32
去掉重复之后。
分组数
6
两个词以上的组。
未分组
3
单独剩下的词。
已分组
90.6%
进了组的词占比。
说明
- 说明第一行当作表头：关键词取「关键词」列，搜索量取「百度月搜索量」列。
分组结果
每张卡片是一组：第一个是主词，后面是组员和它与主词的相似度。总搜索量大的组排在前面。
1.毛利率计算公式5 个词 · 搜索量 273,008
- 毛利率计算公式 253,773
- 毛利率的计算公式 7,391 100%
- 毛利率如何计算 5,537 100%
- 毛利率计算器 3,255 80%
- 毛利率计算 3,052 100%
2.时间戳转换器7 个词 · 搜索量 140,059
- 时间戳转换器 111,003
- unix时间戳 11,106 67%
- 时间戳转换工具在线 8,759 100%
- unix时间戳在线转换工具 6,247 75%
- linux时间戳在线转换 1,311 75%
- 时间戳在线转换工具 967 100%
- unix时间戳转换 666 80%
3.图片压缩8 个词 · 搜索量 128,516
- 图片压缩 68,211
- 压缩图片 29,038 67%
- 如何压缩图片大小 13,040 67%
- 怎么压缩图片 11,858 67%
- tinypng在线压缩图片 3,302 67%
- 在线图片压缩工具免费 1,432 100%
- 在线压缩工具压缩图片免费 1,103 67%
- 图片压缩 在线 532 100%
4.json格式化4 个词 · 搜索量 111,275
- json格式化 62,581
- json在线格式化 25,581 100%
- json格式化在线 21,270 100%
- json格式校验 1,843 67%
5.json在线解析工具3 个词 · 搜索量 81,636
- json在线解析工具 55,215
- json在线解析 24,318 100%
- json解析在线 2,103 100%
6.json校验2 个词 · 搜索量 2,339
- json校验 1,707
- json在线校验 632 100%
未分组（3）
- base64解码 23,114
- 图片转base64 12,587
- json压缩 1,564
版本 v1.0更新于 更新记录
一组词说明什么、不说明什么
一组就是写法相近的一批词，拿来做页面大纲、内容盘点或排名跟踪清单的起点很合适。至于它们该不该放在同一个页面，是另一个问题。
主词
这一组围绕的词：默认是搜索量最大的那个，也可以选最短的。它通常就是这个话题页面最直接的主关键词。
相似度
组员后面的百分比是它和主词的相似度。100% 表示归一后用词相同（用重叠系数时也包括短词整个包含在长词里，如「图片压缩 在线」和「图片压缩」）；50% 表示一半的部分是共有的。
组总量
组员搜索量加起来。这是需求的上限，不是流量预估：同一个人常常会换着说法搜好几次，一个页面也很少能把这些词全部排上去。
未分组
在当前阈值下谁也不像的词。有的确实是别的话题；有的是字面不同、意思相同的同义词（「图片转base64」和「base64解码」字面像、需求不同，「解析」和「格式化」需求相近、字面不同）。
这是字面聚类：比较的是关键词里的字词。SERP 聚类比较的是搜索引擎给每个词排出来的页面，要先抓取每个词的搜索结果。本工具不抓取搜索结果，所以没法判断两个词能不能用同一个页面去排——这一点请在实际搜索结果里核对。
三步给一份词表分组
手写的词表、站长工具 / 5118 等词库的导出、Search Console 的查询词导出都能直接用。
-
1
粘贴词表
一行一个词，或者把导出表格连表头一起粘进来；搜索量列会自动识别，每组就会以量最大的词作主词。
-
2
调阈值
中文词表默认用重叠系数 0.6。不相干的词被分到一起就调高；明显是同一回事的词没分到一起就调低。勾选「先按搜索意图分开」，可以把「怎么算」和「计算器」这类词分开。
-
3
核对后导出
大组的主词和一两个看起来不一样的组员，实际搜一下。导出 CSV，按搜索结果手动合并或拆开。
特征集合、相似度和按主词分组
每个关键词先变成一组归一化的特征，再以主词为中心比较这些特征集合。
- 中文没有空格，先在虚词处切开（的、了、如何、怎么……，和词频统计用同一份虚词表），每一段取相邻的两个字：图片压缩 → 图片、片压、压缩；只剩一个字的段保留这个字
- 英文：转小写、全角转半角、按词切开，去掉停用词（NLTK 英文停用词表：how、to、for、is……），再用 Porter 算法（1980）取词干，tracking → track
- 可选：去掉泛修饰词（在线、免费、工具、软件、下载、free、online、tools……）。一个词全是停用词时保留原样，保证每个词都有特征
- 按主词优先顺序（量最大或最短）逐个处理：和已有各组的主词比相似度，最高的那组达到阈值就加入，否则自己当新的一组的主词。同分时归入先建的组，同一份词表每次结果都一样
- 勾选「先按搜索意图分开」时，只有主意图相同的词才能归到一组，意图按搜索意图分类的规则判断
Jaccard
|A ∩ B| ÷ |A ∪ B|
{图片, 片压, 压缩} 与 {压缩, 缩图, 图片}：2 ÷ 4 = 50%
重叠系数
|A ∩ B| ÷ min(|A|, |B|)
同上两组：2 ÷ 3 = 67%
归入一组
与主词的相似度 ≥ 阈值
67% ≥ 60%：「压缩图片」归入「图片压缩」
32 个工具类中文词分组
默认词表是 32 个真实的中文词，量是站长之家词库 2026-11-10 查到的百度月搜索量估算，用重叠系数 0.6、忽略泛修饰词分组：29 个词分进 6 组，3 个单独剩下。
| 主词 | 词数 | 百度月搜索量 | 值得再看一眼的 |
|---|---|---|---|
| 毛利率计算公式 | 5 | 273,008 | 「毛利率计算器」要工具，其它几个先要公式 |
| 时间戳转换器 | 7 | 140,059 | 「unix时间戳」可能只是想知道当前时间戳，不一定要转换 |
| 图片压缩 | 8 | 128,516 | 「如何压缩图片大小」想看方法，其它多是要在线工具 |
| json格式化 | 4 | 111,275 | 「json格式校验」是校验，和格式化需求不同 |
| json在线解析工具 | 3 | 81,636 | 和 json格式化 很可能是同一个需求，但字面不同没合并 |
| json校验 | 2 | 2,339 | 和上面「json格式校验」需求相同，却分在两组 |
字面聚类的两种典型偏差都在这里：「json格式校验」因为带「格式」进了格式化组，而「json解析」「json格式化」这种叫法不同的同一需求没有合并。改用 Jaccard 0.5 时，「如何压缩图片大小」会和「图片压缩」分开，分组数从 6 变成 8。
关键词分组容易误导的地方
自动分组能省下几个小时的整理时间，但替代不了看搜索结果。
一组就做一个页面
共有字词的词仍然可能需要不同的页面：同一个公式的「怎么算」和「计算器」，产品词和招聘词。主词和看起来不一样的组员都实际搜一下再定。
迷信某个阈值
阈值没有标准答案，和词的长短有关。看最大的那组和未分组的词，调到两边都说得通为止。
指望同义词自动合并
解析和格式化、生成器和制作、web 和 website，对这个工具来说是不同的词。这类组要手动合并，或者粘贴前先把同义词统一。
把组总量当流量
组总量是搜索次数加总，不是访客数。同一个人会换着说法搜，一个页面通常也只能排上其中一部分词。
给已经带来流量的搜索词分组
把自己网站的搜索词分组，能看出现在哪些话题在带来访客、落在哪些页面上。
什么是关键词聚类？
把相关的关键词分成组，按话题规划内容，而不是一个词做一个页面。常见的做法有两种：按关键词本身的字词分（字面聚类，本工具就是这种），和按每个词搜索结果的重合程度分（SERP 聚类）。
关键词怎么分组？
先把同一个话题、只是说法不同的词放在一起（「图片压缩」「压缩图片」「怎么压缩图片」），每组选一个量最大的词当主词，再看组里有没有需求明显不同的词要拆出来。本工具自动完成第一步，后面两步要靠你看搜索结果判断。
这是 SERP 聚类吗？
不是。SERP 聚类要抓取每个词的搜索结果，把前几名页面重合多的词分到一组。本工具只比较关键词的字词，在浏览器里运行，不抓取任何搜索结果，所以不能告诉你两个词能不能用同一个页面去排，这要在实际搜索结果里核对。
阈值设多少合适？
中文词表建议先用重叠系数 0.6：两字切分会产生跨词的碎片（「片压」「缩图」），用 Jaccard 时相似度偏低。英文词表先用 Jaccard 0.5。然后看最大的那组和未分组的词，再调。
Jaccard 和重叠系数有什么区别？
Jaccard 用共有部分除以两个词合起来的全部，长的变体得分会低一些；重叠系数除以较短那个词的部分，短词完整包含在长词里时就是 100%。重叠系数分得更多，也更容易把不太相关的长词拉进一个短主词的组。
中文为什么用两字切分，不用分词词典？
浏览器里加载中文分词词典要几 MB，也不一定认得行业新词。两字切分不需要词典，关键词又都很短，效果通常够用；代价是会多出跨词的碎片，所以阈值要比英文宽一些。
我的词表会上传吗？
不会。分组在你的浏览器里完成，词表不保存、不写进网址、不发给 TapCub。
页面上线后，跟踪每组词的表现
页面发布以后，TapCub 把每个页面的 Search Console 查询词和访问、来源、转化放在一起看，能看出这个页面有没有接住当初规划的那组词。