去年Q3，我们站一个稳定跑了大半年的核心词，百度搜索框底下突然多了一条“xx 骗局”的下拉提示，点击率直接从12%掉到7%。流量倒没少太多，但转化崩了——进来的人带着质疑，跳出率从52%飙到68%。老板问我是不是被黑了，我开始顺着这个下拉词查，结果摸到竞争对手刷词的痕迹。
那件事之后，我花了两个月时间，把下拉词这件事从头到尾跑了一遍：自己写爬虫、建词库、跟项目落地。下面是我实际做过的步骤和结论，不聊概念，只聊怎么干。
下拉词不是提示，是实时意图快照
很多人觉得下拉词就是个UI组件，输入一半自动补全。但真正做过点击率对比的都知道，下拉词框里出现的词条，点击率可以占到总搜索行为的8%~15%（我们自己埋点统计的百度无线端数据）。而且它完全动态——一个词今天有，明天可能就消失，算法根据近期搜索频率、新闻事件、区域热度实时调整。
这意味着两点：第一，下拉词是用户真实提问的浓缩版，比任何关键词规划师都直接。第二，它能暴露你的品牌在用户心里最纠结的那个点。前面那个“骗局”后缀，就是因为竞品在知乎和小红书灌了一轮"xx骗局"的长尾帖，搜索量起来后，下拉词跟着就出来了。
怎么拿到干净的下拉词数据
一开始我用5118的下拉词接口，省事，但发现两个问题：更新有明显延迟，大概2~4天；而且词库不全，一些长尾组合拿不到。后来干脆自己写程序，直接调搜索引擎的suggestion接口。百度的接口是 `https://www.baidu.com/sugrec`，带上`wd`参数和`json=1`，谷歌也有对应的`/complete/search`，需要处理`client`参数和token。
我抓取的原则是：从核心种子词开始，拿回一组建议词，把每条建议词再作为种子往下挖，最多挖3层。总数据量40万条时停了，因为发现再挖下去超过60%都是低频垃圾词，投入产出打折扣。如果你们团队没有开发资源，或者想先快速验证，市面上有一些平替工具能做基础抓取，我之前对比过7款，整理在5118替代方案这篇里。
反爬是最大的坑。百度对sugrec接口有频率限制，单IP每秒超过10次就封几分钟。我后��用代理池轮换，成本一毛钱一个IP，并发控在8qps，稳定跑完全量。移动端接口更宽松，建议优先用。
从40万条词里淘出能用的金子
把原始下拉词倒进数据库后，第一步是去噪。你会发现大量重复、只差一个空格的词，还有纯口语的“那啥”“怎么弄”这种。我用Python做清洗：转小写、去标点、Unicode规范化，然后用编辑距离和Jaccard相似度去重，阈值设0.85，砍掉将近6万条。
第二步是意图聚类。不靠人工打标，太慢。我把词喂给一个大模型做zero-shot分类，让模型判断用户是想“比价”“找教程”“看评价”还是“投诉”。这里模型推理延迟一度拖慢全流程，后来优化了batch推理和token化方式，具体做法写在了大模型推理延迟优化这篇，方案直接复用就行。聚类结果很有意思：“比价/价格”类词占比27%，“靠谱吗/是否真的”类占19%，“怎么用/教程”类占23%。这三类加起来快七成，完全改变了我们对用户需求的判断。
把下拉词落进页面，而不是堆进关键词库
老路子是把下拉词当��尾词，塞进meta标签、塞进H2。没用。我们测过，单纯替换标签的页面，收录率还行，但点击率毫无变化。下拉词真正该去的地方，是解决用户“没说出口的那个问题”。
我的做法：针对聚类出来的三个大类，直接新建三个专题页，不叫文章，叫“答疑卡片矩阵”。比如“xx靠不靠谱”这个意图底下，我们整理了所有下拉词变体，用真实用户案例、第三方检测数据、退款政策解释。每张卡片对应一个下拉词问题，页面结构是问题-证据-结论。文案生成阶段用Claude辅助，但我们犯过让AI自由发挥的错，导致几篇页面被判定为低质内容，排名掉得很惨。后来总结了一套结构化提示词和人工过滤流程，确保每句话可验证。具体教训都记在Claude SEO优化实战里，不重述。
效果：这三个专题页上线第三周，来自下拉词搜索的点击量翻倍，那个“骗局”负面词的相关搜索占比从18%降到6%，因为我们的页面直接回答了质疑，用户不再需要去搜“xx是不是骗局”验证。
监控比优化更重要
下拉词变动没有通知，不靠人工盯词一定会漏。我最后搭了个简易监控：每天定时抓取品牌词+核心业务词的下拉推荐，跟前一天对比，有新增或消失就发钉钉提醒。这样我们能第一时间发现负面词冒头，赶在扩散前处理。
下拉词这套逻辑，本质上是用最小的成本，做最前置的用户调研。别把它当关键词的补充，它是搜索框里冒出来的、活生生的需求信号。