选题
AI 用户洞察 · 数据驱动 · 反向工程
真相
导演选题失败的80%
不是创意不够
是没看数据
选题对比
传统选题
- 头脑风暴
- 会议讨论
- 导演拍板
- 命中率 20%
数据驱动
- 抓 1000 条爆款
- AI 聚类分析
- 反向工程结构
- 命中率 60%+
今天的工作流
- MediaCrawler 抓 1000 条目标垂类爆款
- DeepSeek 聚类找模式
- Kimi 长上下文做反向工程
- 选题 5W2H 立项
第一步:抓数据
MediaCrawler
开源,GitHub 30k+ 星
覆盖抖音 / 小红书 / B 站 / 知乎
1 小时抓 1000-3000 条
抓 5 个字段
- 标题(钩子)
- 播放量 / 点赞 / 评论数
- 发布时间(找节奏)
- 评论 Top 10(用户原声)
- 话题标签 / 同 BGM 数量
第二步:聚类
DeepSeek 长上下文
把 1000 条标题 + 评论喂进去
让 AI 输出 10 个主题
每个主题给 3 个代表案例
实战 Prompt
"以下是 1000 条美食垂类爆款标题。
请聚类成 10 个主题类型。
每个主题给:核心钩子 / 受众画像 / 3 个代表案例 / 平均播放量"
第三步:反向工程
找出"为什么爆"
- 结构(前 3 秒钩子是什么)
- 节奏(每秒信息密度)
- 情绪曲线(开-起-转-合)
- 记忆点(观众会复制的元素)
用导演术语描述
"把这 30 条爆款的情绪曲线
画成时间-情绪二维图
找出共同的起势点"
第四步:5W2H 立项
- Why 为什么做这个(平台机会窗口)
- Who 给谁看(用户画像)
- What 做什么(选题大方向)
- When 什么时候发(节奏)
- How much 预算 / 周期
导演不再凭灵感选题
导演用数据 + 直觉选题
实操坊(2 小时)
- 每人选 1 个垂类
- 讲师协助跑 MediaCrawler 抓 500 条
- DeepSeek 聚类 + 反向工程
- 输出 5 个候选选题 + 1 个主选
工具配置
| 工具 | 用途 | 成本 |
|---|---|---|
| MediaCrawler | 多平台爬虫 | 免费(开源) |
| DeepSeek | 聚类 + 反向工程 | ¥10/次 |
| Kimi | 200K 上下文 | 免费 |
| Firecrawl | 外站补充 | ¥0.05/页 |
本周作业
1 份完整拆解报告
含10 个主题 + 5 个候选选题 + 1 个主选
下周课前发到群里
课程进度
W1-3
创意 + 选题
W4-5
脚本
W6-12
分镜 / 生产 / 剪辑