關鍵字難度到底怎麼算：三家工具的 KD 分數為何差這麼多
同一個關鍵字，Ahrefs、Semrush、Moz 給的難度分數常相差 15 到 40 分，因為三家的 KD 演算法幾乎只看「前幾名的外鏈數」，忽略搜尋意圖與內容深度。 所以工具分數只能當粗篩，真正該打的仗是打開前十名逐一看內容——一個 KD 70 但前十名全是薄弱舊文的詞，遠比 KD 40 但前十名都是權威深文的詞好打。
為什麼三家的 KD 數字對不起來？
因為 KD 不是一個客觀事實，而是各家用自己的模型「估」出來的一個 0–100 分。三家取樣的訊號、加權方式、資料庫大小都不同，估出來自然對不齊。以「關鍵字 難度」這類中等競爭詞為例，實測常見這種落差：
| 工具 | KD 分數（範例） | 分數主要來自 | 明顯忽略的因素 |
|---|---|---|---|
| Ahrefs | 42 | 前 10 名的引用網域數（referring domains）中位數 | 內容品質、搜尋意圖、頁面權威 |
| Semrush | 58 | 外鏈＋網域權重＋部分 SERP 特徵 | 內容深度、實際點擊競爭 |
| Moz | 35 | Page Authority / Domain Authority 加權 | 意圖匹配、內容新鮮度 |
同一個詞，三個分數（42 / 58 / 35）落差就有 23 分。這不是誰算錯，而是三家在回答不同的問題：Ahrefs 問「要拿到多少外鏈才排得進去」，Semrush 摻了更多 SERP 訊號，Moz 則以自家 DA/PA 為核心。把 KD 當成跨工具可比較的絕對值，是關鍵字研究最常見的誤用。
KD 演算法真正衡量的是什麼
拆開來看，三家的共同核心其實只有一件事：前幾名頁面的外鏈強度。這帶來一個結構性盲點——KD 幾乎不看以下這三件對「實際能不能贏」最關鍵的因素：
- 搜尋意圖是否已定型：如果前十名頁型混亂（有教學、有商品、有論壇），代表 Google 還沒認定意圖，這種詞就算 KD 高也有縫可鑽。判斷方法見〈關鍵字意圖分類：資訊/商業/交易/導航〉。
- 內容深度與新鮮度：前十名若是 2019 年的薄文，KD 分數不會反映「它們其實很好超越」。
- 外鏈的自然度：十個外鏈全是精確匹配錨文本的頁面，反而脆弱；錨文本分布的判讀見〈錨文本多樣化實戰：五類錨怎麼配〉。
換句話說，KD 高只代表「要贏可能得補外鏈」，不代表「贏不了」；KD 低也不保證好打，如果前十名剛好都是意圖精準的深文。
用前十名內容強度判斷真實可打性（手動評分法）
與其信任單一工具分數，不如花十分鐘打開 SERP，對前十名逐項打分。以下六項各給 0–2 分，加總對照即得「真實難度」：
- 網域權威：前十名多是大站（0 分）還是有中小站混入（2 分）？有中小站排上去＝這個位置搶得到。
- 內容深度：前十名是否已把子問題答完、有數據與表格（0 分），還是多為薄文（2 分）？
- 內容新鮮度：多數更新於近一年（0 分），還是普遍過期（2 分）？
- 意圖一致性：頁型高度統一（0 分），還是混亂未定型（2 分）？混亂＝有縫。
- SERP 特徵擠壓：AI Overview＋精選摘要＋廣告把自然結果壓到很下面（0 分），還是版面乾淨（2 分）？
- 外鏈自然度：前幾名外鏈健康多樣（0 分），還是明顯靠精確匹配堆砌、可被更好內容超越（2 分）？
總分 0–4＝硬打（多為大站深文佔位）；5–8＝可打，需一篇夠好的內容加基本外鏈；9–12＝好打，內容做對就有機會，別被工具的高 KD 嚇退。這套六項法補上了工具 KD 最大的兩個盲點——意圖與內容深度。
那 KD 工具還要不要用？
要，但只當「粗篩漏斗的第一層」。正確用法是三步：先用工具 KD 批量剔除明顯打不動的巨頭詞（KD 極高＋前十全大站）→ 對通過的候選詞打開 SERP 跑上面的六項手動評分 → 對值得投入的詞才正式產內容。 工具負責量（一次篩幾百個詞），手動評分負責準（決定真正動手的那幾個）。只信工具分數，你會錯過大量「高 KD 但實際好打」的機會詞。
常見問題（FAQ）
Q1：哪一家的 KD 最準？ 沒有「最準」，只有「衡量的東西不同」。要跨工具比較，就固定用同一家的 KD 當相對排序（例如一律用 Ahrefs），不要把 Ahrefs 的 42 拿去跟 Semrush 的 58 相減——那兩個數字不同基準，相減沒有意義。
Q2：KD 低於多少才值得做？ 不該用單一門檻。與其問「KD 幾分以下」，不如問「前十名有沒有我能超越的頁面」。KD 60 但前十名有三篇 2020 年薄文，比 KD 30 但前十名全是今年權威深文更值得做。
Q3：新站應該只挑 KD 低的詞嗎？ 新站確實該從低競爭長尾切入累積權威，但判斷「低競爭」要靠手動看 SERP，不是只看工具分數。很多工具標 KD 30 的詞，前十名其實是意圖精準的深文，新站照樣打不動。
Q4：AI 搜尋時代，KD 還有意義嗎？ 外鏈導向的 KD 對「被 AI 引用」幾乎沒有預測力——AI 挑來源看的是答案形狀、結構清晰度與實體可信度，不是外鏈數。想被引用，該評估的是內容的可摘取性，而非傳統 KD。
關鍵字難度是研究流程裡最容易被工具數字誤導的一環——記住 KD 只估外鏈、不懂意圖與內容。想把每個詞對應到正確頁型，先讀〈關鍵字意圖分類：資訊/商業/交易/導航〉；整套從找詞到分群、灌權重的方法，見〈語意集群怎麼建？AI 農文的正確用法〉。內容寫好後，用 GeoSeoToday 的免費 GEO 就緒度檢測器 確認它的答案形狀夠格被 AI 引用。