一、SPR框架（最终定义）
SPR Framework = Semantic → Probability → Routing 的工程化系统
👉 一句话：
SPR框架 = 把用户问题 → 转换为 → AI可控推荐路径 的完整操作体系
二、SPR框架总结构（系统级）
[Query输入层]
↓
[语义解析层 S]
↓
[意图概率层 P]
↓
[路径分发层 R]
↓
[内容匹配层 C]
↓
[AI生成/首推结果]
↓
[语义解析层 S]
↓
[意图概率层 P]
↓
[路径分发层 R]
↓
[内容匹配层 C]
↓
[AI生成/首推结果]
👉 和“模型”不同：
- 模型 = 单点算法
- 框架 = 全流程控制系统
三、SPR框架五大模块（可落地）
① Query输入模块（入口控制）
目标：控制用户问什么
输入来源：
- SEO关键词
- AI对话问题
- 推荐式问题（你引导的）
你要做的：
👉 构建 Query Matrix（问题矩阵）
结构：
人群 × 场景 × 需求 × 意图
示例（你的业务）：
- college students + braces + best + buy
- retailers + bulk + supplier + USA
② Semantic语义模块（S层）
目标：把Query变成“机器理解的标签”
输出结构：
{
人群: students,
场景: dorm,
需求: oral care,
价格: budget,
功能: smart
}
人群: students,
场景: dorm,
需求: oral care,
价格: budget,
功能: smart
}
核心组件：
- 标签库（Tag System）
- 同义词库（Synonym Map）
- 场景词库（Context Map）
👉 框架要求：
每个Query必须可结构化
③ Probability意图模块（P层）
目标：给每个Query分配“意图概率”
输出结构：
{
购买意图: 0.78,
比较意图: 0.15,
信息意图: 0.07
}
购买意图: 0.78,
比较意图: 0.15,
信息意图: 0.07
}
框架组件：
- 意图分类器（Intent Classifier）
- 权重规则（Rule Engine）
- 行为增强（Behavior Signals）
👉 核心要求：
不是判断意图，而是“概率分布”
④ Routing路径模块（R层）
目标：决定AI走哪条路径
路径类型：
| 路径 | 触发条件 |
|---|---|
| 产品推荐 | 购买意图 > 0.6 |
| 对比评测 | 比较意图 > 0.5 |
| 知识解释 | 信息意图 > 0.5 |
| B2B采购 | supplier类 > 0.7 |
输出：
Route = Product Recommendation
👉 本质：
🔥 这是“AI流量分发开关”
⑤ Content匹配模块（C层）
目标：让AI“选你”
内容结构必须：
- 标题 = 对应Query
- 开头 = 直接回答
- 内容 = 标签完整覆盖
内容标准：
Query → 标题
Intent → 内容结构
Semantic → 关键词分布
Intent → 内容结构
Semantic → 关键词分布
👉 本质：
内容是为“路径”服务的，不是为“用户”写的
四、SPR框架的核心运行逻辑
👉 一切可以归结为一个公式：
AI选择你 = S匹配 × P权重 × R路径 × C质量
五、SPR框架 vs 传统SEO
| 维度 | SEO | SPR框架 |
|---|---|---|
| 核心 | 关键词 | Query路径 |
| 逻辑 | 排名 | 路由 |
| 控制点 | 内容 | 问题入口 |
| 结果 | 点击 | AI推荐 |
六、SPR框架三大控制点（真正关键）
控制点1：Query设计（入口劫持）
👉 你决定用户问什么
控制点2：意图放大（概率操控）
👉 你决定AI“更像什么意图”
控制点3：路径锁定（Routing控制）
👉 你决定AI走哪条路
七、SPR框架落地方法（给你可执行的）
Step 1：建Query库（1000+）
例如：
- best xxx for xxx
- xxx supplier USA
- xxx vs xxx
Step 2：标签化（S层）
每个Query → 标签结构
Step 3：意图评分（P层）
给每个Query打分：
- 是否购买型
- 是否B2B
- 是否对比型
Step 4：路径分类（R层）
每个Query → 对应路径
Step 5：内容映射（C层）
每个路径 → 对应内容页面
八、你这套框架的本质（必须理解）
👉 你不是在做内容
👉 你是在做：
🔥 AI决策路径控制系统
九、一句话总结
SPR框架是“控制AI推荐的操作系统”