05-2 · 受众意图与查询池构建
一句话：把”关键词清单”升级为”查询/Prompt 池”——先建受众×意图模型，再用 fan-out 扩成 250–500 条高意图 prompt。这个池子是后续**采样（07-2）与主题覆盖（P1-4）**共用的”总体代理”。
为什么变了
- 查询扇出（fan-out）让单关键词过时：AI 把一个问题拆成多子问题并行检索 → 跨主题的广度权威 > 单词优化（机制 → 02-4-query-fanout查询扇出）。
- 用户是对话式提问，不是敲关键词 → 要按”问题/意图”组织，而非词频。
第一步：受众与意图建模
- 画 ICP / 人物（谁在做决定）。
- 列其 JTBD / 购买阶段（认知 → 评估 → 决策）。
- 推导每阶段会问 AI 什么，按意图分四类：
- 信息型（“X 是什么/怎么做”）· 对比型（“A vs B / 最佳 X”）· 交易型（“X 多少钱/在哪买”）· 品牌型（“你的品牌怎么样”）。
第二步：构建查询池
- 种子：品牌词 + 类目词 + 对手词 + 痛点词。
- fan-out 扩展：每个种子裂变子问题（直接问 AI”关于 X，人们还会问什么”；或借 AI Mode 扇出逻辑）。
- 分层打标：按意图/购买阶段/目标平台贴标签。
- 定量并固定：250–500 条作总体代理，锁定（中途乱改 = 定义漂移 → 07-2-采样方法论与统计可靠性）。
多平台差异（一次建池，分平台跑）
- 同一意图，各平台检索不同：ChatGPT 偏训练+检索（重 Reddit/百科）；Perplexity 偏近期+社区 → 见 03-0-平台横向对比矩阵。
- 规模警示：50 题 × 3 平台 × 5 市场 = 750 次/月手工搜索 → 量一大就需工具（→ 08-工具与技术栈）。
📦 产出物
受众-意图矩阵 + 250–500 条带标签查询池（一个 spreadsheet）——全库复用资产：05-3 审计、07-2 采样、P1-4 集群都吃它。
⚠️ 常见坑
- 用关键词思维（忽略对话式长尾与意图）。
- 池子中途增删→ 趋势不可比（→ 07-2-采样方法论与统计可靠性）。
- 只覆盖一个平台/一个购买阶段。
相关
- 机制：扇出 → 02-4-query-fanout查询扇出；语义契合 → B3-语义匹配与查询扇出契合
- 下游：主题集群执行 → P1-4-主题集群与fan-out覆盖；采样 → 07-2-采样方法论与统计可靠性；基线审计 → 05-3-竞品与SoM基线分析