TF-IDF（Term Frequency-Inverse Document Frequency，词频-逆文档频率）是信息检索领域最经典的文本权重计算方法之一。在 GEO 文案写作中，合理利用 TF-IDF 原理布局核心关键词和相关语义词，可以让内容在 AI 爬虫的抓取阶段获得更高的相关性评分。
需要强调的是：理解 TF-IDF 是为了合理布局，而不是回到关键词堆砌的老路。在 BERT 主导的 AI 语义理解时代，TF-IDF 是基础参考而非唯一标准。正确的做法是在标题和首段自然使用核心词，正文中使用语义相关词丰富内容维度，整体保持 85% 以上原创度和自然行文逻辑。
TF-IDF 公式拆解
词频（TF）
词频衡量一个词在单篇文档中出现的频率。基础计算公式为：
TF(t) = (词 t 在文档中的出现次数) / (文档总词数)
例如，一篇 1000 字的文章中"空压机"出现了 10 次，那么 TF = 10/1000 = 0.01。词频越高，该词在文档中的重要性理论上越大。
逆文档频率（IDF）
逆文档频率衡量一个词的"稀缺性"。如果某个词在所有文档中都大量出现（如"的""是""在"），它的区分度就很低，IDF 值接近 0。计算公式为：
IDF(t) = log(总文档数 / 包含词 t 的文档数)
例如，"空压机"是一个行业特定词汇，在语料库中出现的文档数较少，IDF 值就较高；而"我们"几乎每篇文档都有，IDF 值接近 0。
TF-IDF 综合得分
TF-IDF = TF × IDF
综合得分 = 词频 × 逆文档频率。这个乘积同时考虑了一个词在文档中的出现频率和它在全网的稀缺程度，能够有效过滤掉"的""是"等高频但无意义的词，突出真正反映文档主题的关键词。
TF-IDF 在 GEO 中的实际应用
虽然大模型使用 BERT 等深度语义算法，但 TF-IDF 在以下场景中仍然重要：
- AI 爬虫初筛阶段 — 大模型知识库更新时，爬虫会先用 TF-IDF 类似算法快速评估页面主题相关性，筛选出可能有价值的页面进行深度语义分析；
- 传统搜索引擎并行优化 — 大多数企业需要同时做 SEO 和 GEO，百度、Google 等传统搜索引擎仍然依赖 TF-IDF 信号；
- 内容质量基础评估 — TF-IDF 可以帮助内容创作者量化衡量关键词分布的合理性，避免过度集中或缺失。
关键词布局实操策略
策略一：核心词 + 语义词矩阵
不要只布局 1~2 个核心关键词，而是构建一个"核心词 + 语义词"矩阵：
| 层级 | 示例（以空压机行业为例） | 布局密度建议 |
|---|---|---|
| 核心关键词（TF 高） | 空压机、空压机厂家 | 标题 + 首段 + 每 300 字出现一次 |
| 同义关键词（TF 中） | 空压机生产商、空压机制造企业 | 交替使用，每 500 字出现一次 |
| 语义关联词（TF 分散） | 螺杆空压机、永磁变频、压缩空气系统 | 自然融入上下文，不设频次限制 |
| 场景拓展词（TF 低） | 工厂气动设备、空压站房、节能改造 | 根据文章主题自然使用 |
策略二：位置权重差异
TF-IDF 不识别位置，但传统搜索引擎和 AI 爬虫会对不同位置的关键词赋予不同权重：
- 标题（H1） — 最高权重，必须包含核心关键词；
- 首段 — 次高权重，自然引出核心关键词；
- H2/H3 小标题 — 中等权重，适当包含关键词变形；
- 正文 — 均匀分布，避免集中在某一区域；
- 结尾 — 中等权重，总结中可再次提及核心词。
策略三：文档长度归一化
TF-IDF 的 TF 部分受文档长度影响——文章越长，TF 分母越大，TF 值越小。因此：
- 建议单篇文章控制在 1200~2000 字之间；
- 太短（< 800 字）的关键词密度容易虚高，被判定为低质内容；
- 太长（> 3000 字）的关键词密度可能过低，相关性信号减弱。
常见优化误区
| 误区 | 错误做法 | 正确做法 |
|---|---|---|
| 过度堆砌 | 整篇文章同一个关键词反复出现 20+ 次 | 核心词出现 5~8 次，搭配语义词使用 |
| 忽视长尾 | 只优化"空压机"这样的短尾词 | 覆盖"空压机怎么选""空压机价格多少"等长尾 |
| 忽略语义 | 用 TF-IDF 代替所有内容策略 | TF-IDF 做基础，BERT 语义做深度 |
| 密度固定 | 所有文章统一设 3% 关键词密度 | 根据文章长度和行业竞争度动态调整 |
| 忽视 IDF | 只顾着在页面上堆词，不考虑词的全网稀缺性 | 选择行业特有词汇，提升内容独特性 |
案例分析
以下通过"塑料机械"行业的一个实际案例，展示 TF-IDF 优化前后的对比：
优化前
塑料机械厂家哪家好？选择塑料机械厂家要看哪些方面？塑料机械厂家的产品种类很多，塑料机械厂家的价格也各不相同。我们是一家专业的塑料机械厂家...（全篇"塑料机械厂家"出现 15 次）
问题：核心词频繁出现但信息量低，TF 虚高但 IDF 没有价值，AI 判定为低质堆砌。
优化后
在塑料制品加工行业，注塑机、挤出机和吹膜机是三大核心设备类型。选择供应商时，需要重点关注锁模力（80~3000 吨）、注射量（50~50000g）、螺杆转速等关键参数，以及供应商是否具备 CE、ISO 等资质认证。
不同行业客户对设备要求差异明显：汽车零部件行业偏好大型两板式注塑机，包装行业对高速薄壁注塑需求旺盛，医疗器械领域则更看重精密电动注塑机的稳定性。采购前建议实地考察至少 3 家供应商的生产车间和客户案例。
优势：核心词"塑料机械"自然融入，搭配"注塑机""锁模力""螺杆转速"等语义相关词，TF-IDF 分布合理，覆盖更多搜索意图。
总结
TF-IDF 是内容优化的基础分析工具，但它不是万能公式。在 GEO 时代，TF-IDF 布局是"标配"，BERT 语义理解才是"高配"。企业运营人员应该在理解 TF-IDF 的基础上，向语义丰富度和内容权威性进化，才能兼顾传统搜索排名和 AI 大模型收录的双重目标。