NotebookLM 竞品 SEO 差距分析
完整工作流教程
NotebookLM + Claude/GPT 多 Agent 协同 · PPAE 闭环 · 6 步出结果 · 附免费 Prompt
⚡ TL;DR
- 做什么：用 NotebookLM 分析竞品内容，找出你没覆盖的关键词和内容角度
- 怎么做：NotebookLM 感知差距 → Claude 规划集群 → 你执行内容 → 评估迭代
- 产出物：内容差距矩阵 + 关键词集群表 + 20–50 个选题 + 优先级排序
- 用时：首次 30 分钟，后续每次 15 分钟
- 核心优势：比 Ahrefs 多一个「语义深度层」—— 不只看关键词有无，还看角度差异
适用人群
SEO 内容创作者
想系统化找到「该写什么」而不是凭感觉选题的创作者
小型营销团队
没有预算买 Ahrefs 团队版，但需要专业级竞品分析
独立站运营者
一个人做 SEO，需要 AI Agent 分担分析工作量
SEO 顾问/自由职业者
需要给客户交付可视化竞品分析报告的从业者
PPAE 工作流总览
整个工作流遵循 Perceive → Plan → Act → Evaluate 闭环。每个阶段由最适合的 AI Agent 负责。
多 Agent 协同流程
🔍 Perceive
NotebookLM
→
📋 Plan
Claude / GPT
→
⚡ Act
Claude + 你
→
📈 Evaluate
GSC + Claude
↻
为什么多 Agent？ NotebookLM 擅长「从源文件里提取信息」（感知层），但不擅长「生成结构化策略」（规划层）。Claude/GPT 则相反。组合使用，效率最高。
Agent 角色定义
NotebookLM
感知层 · Perceive
上传竞品源文件 → 提取主题、角度、结构差异。不联网，只看你的文件。
Claude (Anthropic)
规划层 · Plan + Act
把 NotebookLM 的输出转化为关键词集群、内容矩阵、文章大纲。长文本处理最强。
ChatGPT (OpenAI)
备选 · Act
如果没 Claude，用 GPT-4o 替代。擅长快速生成内容初稿和标题变体。
Google Search Console
评估层 · Evaluate
发布后追踪实际排名和流量。数据喂回 NotebookLM 形成闭环。
6 步详解 — 每步附免费 Prompt
1
采集竞品源文件
🔍 Perceive 阶段 — 准备输入
目标：把竞品的高价值页面内容变成 NotebookLM 可读的文件
📥 输入
竞品网站 URL 列表
📤 输出
10–30 个 .txt / .pdf 文件
- 1列出 3–5 个主要竞品网站
- 2用
Screaming Frog（免费版限500URL）爬取竞品页面标题和 URL - 3筛选出「排名好 + 你没覆盖」的页面 10–30 个
- 4复制页面正文（去导航/广告）保存为 .txt 文件
- 5每个文件命名为
竞品名_关键词.txt（如ahrefs_keyword-research.txt）
📁
示例：文件夹结构 — 3 个竞品，每个 8–10 个文件
⚠️ 注意：NotebookLM 免费版每个笔记本最多 50 个源文件。如果竞品文件多，分批建笔记本（如「竞品A笔记本」「竞品B笔记本」）。
免费 Prompt
→ Claude / ChatGPT
# 角色：竞品URL筛选助手
我正在做 SEO 竞品差距分析。
我的网站主题是：[你的主题，如：AI写作工具]
我的核心关键词是：[关键词1, 关键词2, 关键词3]
我有以下 3 个竞品：
1. [竞品1 URL]
2. [竞品2 URL]
3. [竞品3 URL]
请帮我：
1. 为每个竞品列出最可能排名好的 10 个页面类型（基于我的关键词）
2. 给出优先级排序（最该先分析的页面）
3. 输出一个检查清单，我照着复制内容就行
输出格式：Markdown 表格
2
NotebookLM 感知层分析
🔍 Perceive 阶段 — 提取差距
目标：让 NotebookLM 从竞品文件中提取「你没覆盖的内容角度和主题」
📥 输入
竞品 .txt 文件 → 上传到 NotebookLM
📤 输出
主题差距列表 + 角度差异 + 结构对比
- 1打开 notebooklm.google.com，新建笔记本
- 2上传步骤 1 的所有竞品文件
- 3同时上传你自己网站对应页面（3–5 个核心页面）
- 4使用下方 Prompt 提问（一次性问完）
- 5如果回答不够详细，追问「请针对第 X 点展开」
📘
NotebookLM 界面：左侧源文件列表，右侧对话区
免费 Prompt
→ NotebookLM
# 角色：竞品内容差距分析师
请分析所有源文件，完成以下任务：
1. 主题覆盖差距
- 竞品覆盖但我（标记为"我"的文件）没覆盖的主题有哪些？
- 按重要性排序，给出 top 20
2. 内容角度差异
- 同一个关键词下，竞品用了哪些我没用的角度？（如：教程型 vs 案例型 vs 对比型）
- 给出 5 个最大的角度差距
3. 内容深度差距
- 竞品写了但我写得很浅的主题有哪些？
- 具体说明竞品多写了什么（数据？案例？步骤？）
4. 结构/格式差异
- 竞品用了哪些内容格式我很少用？（表格、视频嵌入、FAQ、对比图等）
输出格式：用表格 + 分点列表，方便我复制到下一步分析。
📤 示例输出
## 主题覆盖差距 Top 5 | # | 差距主题 | 竞品来源 | 估算搜索量 | 优先级 | |---|---------|---------|-----------|-------| | 1 | AI写作工具对比表 | 竞品A+B | 高 | ⭐⭐⭐ | | 2 | AI写作免费vs付费 | 竞品B | 中 | ⭐⭐⭐ | | 3 | AI写作SEO案例 | 竞品C | 中 | ⭐⭐ | | 4 | AI写作用在邮件营销 | 竞品A | 低 | ⭐ | | 5 | AI写作版权风险 | 竞品C | 低 | ⭐ | ## 角度差距 - "AI写作工具"关键词：竞品用了「实测对比」角度，我用了「教程」角度
3
Claude 规划层拆解
📋 Plan 阶段 — 转化策略
目标：把 NotebookLM 的差距分析转化为可执行的关键词集群和内容策略
📥 输入
步骤 2 的 NotebookLM 输出（差距列表）
📤 输出
关键词集群 + 内容矩阵 + 选题清单
- 1打开 claude.ai（推荐 Sonnet 4 或 Opus 4）
- 2把步骤 2 的输出直接粘贴进去
- 3使用下方 Prompt 让 Claude 生成结构化策略
- 4检查输出，追问不满意的点
- 5导出为 CSV 或粘贴到 Google Sheets
免费 Prompt
→ Claude (Sonnet/Opus)
# 角色：SEO 内容策略师
上面是 NotebookLM 生成的竞品内容差距分析。
请基于这些差距，生成以下 3 个输出：
## 输出 1：关键词集群表
把差距主题归类为 5–8 个「关键词集群」。
每个集群包含：
- 集群名称（主关键词）
- 子关键词（5–10 个）
- 搜索意图类型（信息型/商业型/交易型）
- 与我现有内容的差距程度（高/中/低）
## 输出 2：内容优先级矩阵
用以下维度打分（1–5 分）：
- 搜索量潜力
- 竞争难度（越低越好）
- 差距大小（越大越优先）
- 转化潜力
- 综合优先级 = 上述四项加权平均
输出 top 20 个选题，按综合优先级降序排列。
## 输出 3：内容格式建议
每个选题建议最佳内容格式：
- 教程 / 对比文 / 列表文 / 案例研究 / 工具评测 / 数据报告
用 Markdown 表格输出，方便我复制到 Google Sheets。
📤 示例输出片段
## 关键词集群 | # | 集群名 | 子关键词数 | 意图 | 差距 | |---|-------|----------|------|------| | 1 | AI写作工具对比 | 12 | 商业 | 高 | | 2 | AI写作教程 | 8 | 信息 | 中 | | 3 | AI写作SEO | 6 | 信息 | 高 | ## Top 5 选题 | # | 选题 | 搜索量 | 竞争 | 差距 | 转化 | 综合 | |---|------|-------|------|------|------|------| | 1 | 最佳AI写作工具对比2025 | 5 | 2 | 5 | 4 | 4.2 | | 2 | AI写作免费工具推荐 | 4 | 3 | 5 | 3 | 3.8 | | 3 | AI写作SEO实战案例 | 3 | 2 | 5 | 4 | 3.6 |
4
关键词集群与内容差距矩阵
📋 Plan 阶段 — 可视化
目标：生成一张可视化矩阵，一眼看清「哪里差距最大、最该先做」
📥 输入
步骤 3 的关键词集群表
📤 输出
可视化矩阵 + 执行清单
- 1把步骤 3 的输出粘贴到 Google Sheets
- 2用条件格式标记「综合优先级 ≥ 4」的行（红色高亮）
- 3用下方 Prompt 让 Claude 生成执行清单
- 4最终得到一张「差距热力图」+ 一份「本月执行清单」
📊
内容差距矩阵示意：X轴=搜索量，Y轴=差距大小，气泡大小=转化潜力
✅ 到这一步，你已经有了：内容差距矩阵 + 关键词集群 + 本月 8 篇选题 + 每篇的标题和关键词策略。接下来就是写。
5
内容生产执行
⚡ Act 阶段 — 产出内容
目标：按优先级批量生成 SEO 内容初稿，人工润色后发布
📥 输入
步骤 4 的执行清单 + 竞品参考文件
📤 输出
可发布的 SEO 文章初稿
- 1从执行清单中选第一篇文章
- 2把竞品对应文件 + 你的选题信息一起给 Claude
- 3用下方 Prompt 生成文章大纲 → 确认后生成全文
- 4人工润色：加真实经验、删 AI 味重的表达、补充数据源
- 5发布到网站，确保技术 SEO 到位（标题标签、meta description、H1/H2、内链）
⚠️ 重要：AI 生成的初稿一定要人工润色。Google 的 Helpful Content 系统能识别纯 AI 内容。加入你的独特经验、真实数据和观点。
6
评估与迭代
📈 Evaluate 阶段 — 闭环优化
目标：追踪发布后效果，把数据喂回 NotebookLM 形成闭环
📥 输入
Google Search Console 数据 + 已发布内容
📤 输出
优化建议 + 下一轮差距分析
- 1发布后 2–4 周，从 GSC 导出数据（点击、展现、排名、CTR）
- 2把 GSC 数据 + 你的已发布文章上传到 NotebookLM
- 3用下方 Prompt 让 NotebookLM 分析「哪些做得好、哪些要改」
- 4更新表现差的文章（补充内容、优化标题）
- 5回到步骤 1，开始下一轮竞品分析
📤 闭环循环
评估结果 → 优化现有内容 → 发现新差距 → 回到步骤1
┌──────────────────────────────┐
│ │
▼ │
① 采集竞品 → ② 感知 → ③ 规划 → ④ 矩阵 → ⑤ 执行 → ⑥ 评估
│
┌─────────┘
▼
更新 + 新一轮分析
Token 效率优化
多 Agent 协同最怕 token 浪费。以下是 5 个实战优化技巧：
1
源文件精简
上传前删除导航、广告、页脚。只保留正文。一个 5000 字的页面精简后可能只剩 3000 字，省 40% token。
2
分层提问
不要一次问所有问题。先问「主题差距列表」，拿到结果后再问「角度差异」。分层比一次性问得更准。
3
输出格式约束
在 prompt 中指定「用 Markdown 表格输出」或「限制在 500 字内」。减少 AI 的废话输出。
4
复用 NotebookLM 输出
步骤 2 的输出直接粘贴给 Claude，不要重新描述问题。用原文传递，省 token 也省理解偏差。
5
选对模型
NotebookLM 用免费版就够。规划层用 Claude Sonnet（性价比最高）。只有复杂矩阵才用 Opus/GPT-4o。
Robustness 防错指南
1
交叉验证
NotebookLM 给出的「差距」可能有幻觉。用 Ahrefs 免费版或 Google 搜索验证关键词是否真实存在搜索量。
2
版本控制
每次分析保存 NotebookLM 对话记录。Claude 的对话用「Projects」功能归档。方便回溯和对比。
3
多竞品冗余
至少分析 3 个竞品。如果只看 1 个竞品，可能学到的是对方的错误策略。3 个以上才有交叉验证效果。
GEO / AEO 最佳实践
2025 年 SEO 不只是传统排名，还要考虑 AI 搜索引擎（Google AI Overview、Perplexity、ChatGPT Search）的引用。
| 实践 | 说明 | 怎么做 |
|---|---|---|
| 结构化数据 | 帮助 AI 理解你的内容 | 每篇文章加 FAQ Schema + HowTo Schema |
| 明确回答 | AI 偏好引用直接回答问题的内容 | 每篇文章开头用一段话直接回答核心问题 |
| 引用来源 | AI 偏好有数据支撑的内容 | 引用权威来源，标注数据出处 |
| FAQ 区 | AI 经常从 FAQ 中提取答案 | 每篇文章末尾加 3–5 个 FAQ |
| 长尾问题覆盖 | AI 搜索多为问答式 | 用「People Also Ask」数据补充内容 |
💡 实操提示：在步骤 5 写内容时，让 Claude 在文章中自然嵌入「问题 → 答案」结构。这是 GEO 最核心的写法。
常见问题
NotebookLM 能直接爬取竞品网站吗？
不能。NotebookLM 只能分析你上传的文件，不能联网。你需要先用 Screaming Frog（免费版限 500 URL）、Ahrefs 或手动复制方式导出竞品内容，再上传到 NotebookLM。这也是为什么步骤 1 是「采集源文件」。
NotebookLM 免费版够用吗？
够用。免费版支持每个笔记本最多 50 个源文件，每个源文件最大 50 万字。对单次竞品分析（10–30 个文件）完全足够。如果需要同时对比 5 个以上竞品的大量页面，建议分批建笔记本。
为什么不用 Ahrefs/SEMrush 直接做差距分析？
Ahrefs/SEMrush 擅长关键词级别的数据（搜索量、KD、排名），但不擅长理解「内容语义深度」。NotebookLM 能发现「同样关键词下，竞品写了哪些你没覆盖的角度」—— 这是传统 SEO 工具做不到的。两者互补：先用 Ahrefs 找关键词机会，再用 NotebookLM 分析内容角度差距。
一个完整分析大概需要多长时间？
首次设置约 30 分钟（含源文件采集）。后续迭代分析每次 10–15 分钟。关键词集群和内容矩阵生成约 5 分钟。内容生产是大头，每篇文章初稿 20–30 分钟（AI 生成）+ 人工润色 30–60 分钟。
这个工作流适合什么语言的 SEO？
适用于任何语言。NotebookLM、Claude 和 ChatGPT 都支持多语言分析。关键是源文件的语言要和目标市场一致。比如做日语 SEO，就上传日语竞品页面。Prompt 可以用中文写，AI 会理解并用目标语言输出。
🎁 获取完整 Prompt 模板包
本文所有 6 个 Prompt 的可编辑版本 + 关键词集群 Google Sheets 模板 + 内容差距矩阵模板 + 视频教程
一次性付费 · 终身更新 · 30 天退款保证
快速启动检查清单
- 列出 3–5 个主要竞品
- 用 Screaming Frog 爬取竞品 URL
- 筛选 10–30 个高价值页面，导出为 .txt
- 创建 NotebookLM 笔记本，上传所有文件
- 上传你自己 3–5 个核心页面
- 运行步骤 2 的 Prompt，获取差距分析
- 把输出粘贴给 Claude，运行步骤 3 的 Prompt
- 把关键词集群粘贴到 Google Sheets
- 选出本月 8 篇选题，开始写
- 发布后 4 周，用 GSC 数据做评估迭代