Alat Keyword dan Frasa

1. Tambahkan teks Anda

   Tempel ke kotak, atau jatuhkan berkas .txt, .md, .csv, .html, .docx, .odt, atau .rtf. Semuanya dibaca di perangkat Anda dan tidak ada yang diunggah.

2. Pilih cara pengurutan

   Frekuensi mengurutkan berdasarkan seberapa sering sebuah kata muncul. Relevansi memakai RAKE, yang menilai frasa dari kata-kata yang menyertainya, sehingga topik dokumen biasanya naik di atas kata yang sekadar berulang.

3. Atur filter

   Tetapkan ukuran daftar dan panjang kata minimum, ubah daftar stop word ke bahasa Anda, dan tentukan apakah angka, apostrof, dan tanda hubung termasuk bagian dari sebuah kata.

4. Periksa kata kunci target

   Ketik istilah yang sedang Anda optimalkan untuk melihat jumlahnya, kepadatannya, dan apakah muncul dalam 100 kata pertama.

5. Ekspor

   Unduh daftar lengkap sebagai teks biasa atau daftar kata. CSV dan JSON memuat semua kolom, dan satu batch dokumen diunduh sebagai satu arsip.

Temukan apa yang sebenarnya ditekankan sebuah tulisan: istilah mana yang menopangnya, seberapa padat kemunculannya, frasa mana yang berulang, dan apakah istilah yang Anda optimalkan muncul cukup awal. Tidak ada yang meninggalkan perangkat Anda, jadi aman dijalankan pada draf yang belum terbit dan pekerjaan klien.

Manfaat

• Daftar terurut: lihat apa yang berulang, dengan jumlah dan kepadatan berdampingan.
• Peringkat relevansi: munculkan topik dokumen, bukan sekadar kata yang paling sering.
• Frasa: rangkaian 2 sampai 5 kata, satu ukuran atau semua sekaligus.
• Penempatan: ketahui apakah sebuah istilah muncul dalam 100 kata pertama.
• Pelacakan target: periksa langsung jumlah, kepadatan, dan posisi satu kata kunci.
• Ekspor: teks, daftar kata, CSV, atau JSON — selalu daftar lengkap.

Teks dibaca satu kali ke bentuk ringkas, dan setiap filter yang Anda ubah sesudahnya mengurutkan ulang bentuk itu alih-alih membaca ulang teksnya. Itulah sebabnya daftar diperbarui secepat Anda menggeser penggeser, bahkan pada dokumen panjang.

Apa yang dilakukan alat ini

• Memecah: membelah pada batas huruf dan angka Unicode; apostrof dan tanda hubung menyambung kata bila Anda minta.
• Menghitung: menjumlahkan setiap kata berbeda, menyatukan huruf besar-kecil kecuali mode sensitif diaktifkan.
• Menyaring: membuang kata di bawah panjang minimum dan kata pada daftar stop word terpilih.
• Mengurutkan: berdasarkan frekuensi atau skor relevansi RAKE, lalu menyimpan N teratas.
• Memfrasakan: menghitung rangkaian 2 sampai 5 kata pada aliran yang sama, tidak pernah melewati tanda baca.
• Mengukur: kepadatan, posisi kemunculan pertama, dan tanda penempatan awal untuk setiap baris.

Kepadatan adalah kemunculan dibagi total kata, ditampilkan sebagai persentase. Inilah angka yang dipakai kebanyakan alat kata kunci sebagai judul, dan lebih berguna daripada jumlah mentah karena sebanding antar dokumen dengan panjang berbeda: enam sebutan dalam pos 300 kata dan enam dalam panduan 3.000 kata adalah dua hal yang sangat berbeda.

Arti angkanya

• Rumus yang sama dipakai pemeriksa kepadatan pada umumnya, jadi angka di sini sebanding dengan angka di sana.
• Google tidak menerbitkan target kepadatan apa pun. Ambang mana pun yang Anda baca, termasuk yang di bawah ini, adalah konvensi editorial, bukan aturan.
• Di atas sekitar 3% untuk satu kata, atau 2% untuk frasa, adalah tempat alat SEO secara konvensional menyarankan pemeriksaan ulang. Baris seperti itu diberi tanda.
• Di bawah 200 kata rasio didominasi jumlah kata, jadi tidak ada yang ditandai: dalam catatan 20 kata setiap kata yang ada berada di 5%.
• Kepadatan tinggi tidak otomatis salah. Entri glosarium tentang satu istilah memang mengulanginya.

Mengurutkan berdasarkan frekuensi menjawab "apa yang berulang", yang sering bukan topik dokumen. Peringkat relevansi memakai RAKE, metode dokumen tunggal yang tidak butuh korpus: ia memotong teks menjadi frasa kandidat pada stop word dan tanda baca, lalu menilai setiap kata dari seberapa sering ia muncul di dalam frasa panjang alih-alih sendirian.

Kapan memakai yang mana

• Frekuensi cocok untuk pertanyaan penyuntingan — apa yang terlalu sering saya pakai, dan berapa kali istilah target saya muncul?
• Relevansi cocok untuk pertanyaan "dokumen ini tentang apa?", yang dijawab buruk oleh frekuensi.
• RAKE menghargai kata yang berdampingan dengan kata bermakna lain, jadi topik multi-kata naik di atas kata umum tunggal.
• Relevansi menilai tinggi frasa yang hanya muncul sekali bila kata-katanya pantas, karena itu jumlahnya ditampilkan di samping skor alih-alih disembunyikan.
• Keduanya bukan data volume pencarian. Keduanya menggambarkan teks di hadapan Anda.

Di mana sebuah istilah pertama kali muncul sama pentingnya dengan seberapa sering. Setiap baris menampilkan posisi kemunculan pertamanya, dihitung dalam kata, dan diberi tanda bila posisi itu jatuh dalam 100 kata pertama.

Memakai penempatan

• Istilah target yang baru muncul pada kata ke-900 bukan sedang diperkenalkan, melainkan sekadar disebut.
• Seratus kata pertama adalah jendela konvensional untuk pengantar, ringkasan, atau paragraf pembuka.
• Panel kata kunci target melaporkan posisi yang sama untuk satu istilah yang Anda sebut, termasuk istilah multi-kata.
• Target multi-kata dicocokkan sebagai rangkaian berurutan, jadi "ekstraksi kata kunci" tidak cocok dengan "ekstraksi dari kata kunci".

Tempel teks, atau jatuhkan berkas. Semuanya dibaca di perangkat Anda — tidak ada langkah unggah untuk format mana pun, termasuk format pengolah kata.

Didukung dan tidak didukung

• Teks biasa dan data: .txt, .text, .md, .markdown, .csv, .tsv, dan .log.
• Markah: .html, .htm, dan .xml. Tag dibuang, serta skrip dan lembar gaya disingkirkan agar kode halaman tidak pernah masuk daftar kata kunci Anda.
• Pengolah kata: .docx, .docm, .dotx, .dotm, .odt, .ott, .rtf, dan .doc lama — termasuk header, footer, catatan kaki, daftar, dan tabel.
• Teks berkode UTF-8 atau UTF-16 dikenali otomatis, jadi ekspor yang disimpan sebagai Unicode dari editor Windows terbaca dengan benar.
• PDF tidak dibaca di sini. Alat PDF ke teks mengekstraknya, dan hasilnya bisa langsung ditempel ke halaman ini.

Membaca daftar secara jujur

• Frekuensi menyoroti pengulangan, yang tidak sama dengan pentingnya bagi pembaca atau mesin pencari.
• Gunakan frasa untuk menangkap pengulangan susunan kata yang tidak bisa ditunjukkan daftar kata tunggal.
• Terapkan filter stop word dan panjang sebelum menarik kesimpulan apa pun — daftar tanpa filter sebagian besar hanyalah tata bahasa.
• Bandingkan dua draf dengan menjalankan masing-masing dan melihat apa yang berubah, bukan dengan melihat satu daftar saja.

Kerangka artikel, ringkasan belajar, QA konten, pembedahan halaman pesaing, dan pemeriksaan cepat "apa yang terlalu sering saya pakai?".

Kasus penggunaan ideal

• Penyuntingan: menemukan kata berlebihan sebelum pembaca menemukannya.
• Penulisan: menemukan gema frasa di sepanjang tulisan panjang.
• Tinjauan SEO: memeriksa kepadatan dan penempatan istilah target dalam satu kali jalan.
• Pengajaran: menunjukkan apa yang sebenarnya dilakukan pemecahan kata dan stop word.
• Privasi: menganalisis teks belum terbit atau milik klien tanpa unggahan.
• Persiapan: menyaring istilah sebelum dibawa ke alat riset.

Bagaimana angka dihasilkan, supaya Anda bisa menilai nilainya.

Poin utama

• Daftar stop word adalah daftar terbitan yang lengkap, bukan segelintir kata: 179 entri untuk bahasa Inggris, dan daftar sebanding untuk Spanyol, Prancis, Jerman, Portugis, dan Indonesia.
• Sebuah kata adalah rangkaian huruf Unicode dan, secara opsional, angka — garis bawah adalah pemisah, jadi snake_case dihitung dua kata.
• Frasa tidak pernah melewati tanda baca, jadi dua kata di kedua sisi titik tidak dihitung sebagai frasa.
• Menerapkan filter kata pada frasa MEMUTUS frasa pada kata yang dihapus alih-alih merekatkan tetangganya.
• Kepadatan memakai total kata sebagai penyebut, termasuk kata yang disaring keluar dari daftar.
• Frekuensi tinggi tidak sama dengan kepentingan topik atau intensi pencarian.

Periksa silang dengan alur editorial atau SEO Anda alih-alih memperlakukan satu daftar sebagai jawaban.

Tips kualitas

• Bersihkan markah menjadi teks biasa dulu, atau buka .html langsung dan biarkan alat ini membersihkannya.
• Coba beberapa nilai panjang minimum; nilai yang tepat bergantung pada bahasanya.
• Ubah daftar stop word ke bahasa teksnya, bukan bahasa antarmukanya.
• Baca kepadatan dan penempatan bersama — sebutan awal dengan kepadatan rendah sering lebih baik daripada sebutan akhir dengan kepadatan tinggi.
• Untuk kode atau log, wajar bila pengenal mendominasi; itu isi teksnya, bukan kesalahan penghitungan.

Kapan tidak bisa diandalkan

• Lematisasi atau stemming: "lari" dan "berlari" dihitung sebagai kata berbeda.
• Pelaporan kata kunci untuk keperluan hukum, medis, atau kepatuhan.
• Permintaan pencarian, persaingan, atau intensi — yang tidak bisa diketahui alat berbasis teks mana pun.
• Bahasa yang tidak memisahkan kata dengan spasi, di mana penghitungan berbasis batas kata tidak bermakna.

Alur kerja kata kunci yang disarankan

• Ekstrak dulu dengan peringkat relevansi untuk melihat topik dokumen, lalu beralih ke frekuensi untuk mengaudit pengulangan.
• Sebutkan kata kunci target Anda dan periksa kepadatan serta penempatannya sebelum menyunting apa pun.
• Periksa silang dengan pemeriksa keterbacaan, penganalisis teks, dan penghitung frekuensi kata.
• Validasi daftar pendek dengan alat riset khusus untuk intensi dan permintaan.

Pemecahan kata berbasis aturan, bukan linguistik, jadi tidak melakukan lematisasi dan mengasumsikan kata dipisahkan spasi atau tanda baca. Versi gratis membuka dokumen hingga 10 MB; Pro dibatasi perangkat Anda sendiri dan mengantre hingga 20 dokumen sekaligus. Halaman ini butuh JavaScript, dan setelah itu semuanya berjalan luring.

Untuk gambaran draf yang lebih utuh, padukan ekstraktor ini dengan penganalisis teks, penghitung frekuensi kata, pemeriksa keterbacaan, dan penghitung kata.

Penghitungan berjalan di luar utas utama, jadi halaman tetap responsif saat dokumen panjang dianalisis, dan mengubah filter mengurutkan ulang hasil yang ada alih-alih membaca ulang teksnya.

• Penganalisis teks
• Penghitung kata
• Pemeriksa keterbacaan
• Gabungkan teks
• Frekuensi kata
• Statistik teks
• Hapus baris duplikat
• Pisahkan teks
• PDF ke teks
• Word ke teks