这是尺寸确实很重要的地方。Moz 拥有超过 20 亿个关键词的庞大关键词语料库，我们从 Google 收集了数亿个关键词的数量。因此，我们可以识别出两个单词具有相同搜索数据历史（相同 CPC、竞争、搜索量等）的罕见情况。有时两个单词偶然共享相同的历史，因此我们随后使用各种 NLP 和字符串相似性测量，包括由 Matt Peters 博士构建的令人难以置信的深度学习模型来确定关键字是否彼此相关。使用多种方法非常重要，因为字符串相似性方法非常挑剔。一旦我们将这些不同的字符串相似性指标应用于具有相同指标的关键字集，我们就可以识别由关键字规划器分组的关键字。
2. 一旦我们知道哪些单词被组合在一起
我们如何确定每个单词的音量？
一旦我们有了一组相关术语，我们就会应用基于 Google 和点击流来源的数据的预测模型，以确定应分配给每个单词或短语的适当流量百分比。这又是拥有庞大数据集的真正优势所在。如果没有组成短语的详细数据，我们将不得不对如何划分分组卷做出不合理的假设。幸运的是，这种情况很少发生，当我们没有足够的数据进行预测时，我们选择向客户明确表示“没有数据”。
3. 当我们没有Google Keyword Planner数据时，如何 塞内加尔手机号码列表 确定关键字的数量？
幸运的是，我们可以依靠大量的点击流数据来进行这些计算。点击流数据本质上是有噪声和有偏差的，因此我们的模型非常全面，可以消除随机事件，消除采样数据中的偏差，并根据一般谷歌语料库对预测流量进行建模。在某种程度上，这里存在先有鸡还是先有蛋的问题。
因为如果 Google 数据存在分组关键字问题
我们就无法对其进行建模，但如果没有点击流 密码邮件列表 数据，我们就无法解决所有分组关键字问题。然而，只要我们合理地确定点击流数据是内比例的，那么我们就可以依靠它先解决分组问题，然后使用未分组的Keyword Planner数据与一般点击流数据进行建模。这是一个复杂的过程，
让我举一个例子。紫心勋章获得者胡马云·汗上尉的父亲希兹尔·汗在民主党全国委员会大会上发表讲话后引起了不小的政治轰动。他的故事代表了关键词数据中的一个常见问题，因为在他演讲之前，没有人搜索过他的名字。演讲结束后，他的名字在谷歌趋势上迅速出现，但即便如此，由于数据发布延迟了一个月，谷歌关键词规划师在报告他的数据方面仍然滞后。由于我们的点击流数据可以反映上升趋势，因此我们可以预测 Google 流量，而无需 Google 关键字规划器数据。
