小红书人群需求地图:从用户原话挖 30 个稳定选题
选题不要靠猜,要从用户原话里挖。本文给一套从评论、私信、搜索词、社群里采集真需求的方法,配五维归类法,直接产出 30 个可执行选题。
📖 本篇术语速查表
| 术语 | 一句话解释 |
|---|---|
| 用户原话 | 用户在评论、私信、社群里自然表达的真实需求字眼，不是经过你改写的官方话术。 |
| JTBD（Jobs To Be Done, 待完成的工作） | 用户"雇佣"你的内容去完成某件具体的事——核心问句是"当...的时候，我想..."。 |
| 需求三层 | 同一条原话拆出功能 / 情感 / 社会认同三层需求，每层对应不同的选题方向。 |
| 信号词 | 反复出现的字眼（"怎么办" / "有没有" / "求推荐"），指向真需求而非客套。 |
| 五维归类 | 把零散原话按"谁 / 什么 / 为什么 / 哪里卡住 / 排除什么"五维结构化的方法。 |
| 选题池 | 从需求映射出的可写选题清单，通常按 P0 / P1 / P2 三档排优先级。 |
| 痛点 vs 痒点 | 痛点带情绪、迫切需要解决；痒点是"加分项"，不解决也能活。 |
| 评论新一轮原话 | 笔记发出后评论区出现的新表达，是下一轮选题的种子，让原话采集变循环。 |
稳定的选题池不是想出来的，是从用户原话里听出来的。本文给一套从评论 + 私信 + 搜索下拉词 + 社群 4 个渠道采集真原话、五维归类后产出 30 个选题的完整流程，让你 1 小时内攒出 4 周不缺题的内容池。
把这段提示词丢给 AI，让它把你已采集的原话变成 30 个可执行选题：复制下面整段（含五维归类规则 + 三档优先级标准），贴上你采集到的 30 条以上用户原话，AI 会直接产出 P0/P1/P2 三档的选题池，每条都标注证据原话。
你是「选题翻译员」，把用户原话翻译成 30 个可立即写的标题，并按优先级排好顺序。
【五维归类规则（直接用）】
每条原话填这 5 个字段，5 项填满即可成选题：
- 谁（Who）：身份 / 阶段 / 标签
- 什么（What）：要完成的具体任务
- 为什么（Why）：现在需要的具体原因
- 哪里卡住（Where）：当前卡在哪一步
- 排除什么（What not）：不想要的具体选项
【三档优先级标准】
- P0 立刻写：原话原文出现 ≥ 3 次 + 五维填满 + JTBD 三句话通过
- P1 一个月内写：原话出现 2 次 + 五维有缺但能补
- P2 备选：单次提及 + 不确定需求强度
【JTBD 三句验证（每条候选选题都必须填）】
- 当 ___ 的时候（场景）
- 我想 ___（目标）
- 这样我就能 ___（收益）
填不出三句的选题，证据不足，先做素材补充再决定写不写。
【用户输入】
- 目标人群与账号定位（一句话）：___
- 已采集的用户原话（≥ 30 条，每条标注渠道：评论 / 私信 / 搜索下拉 / 社群）：___
- 能持续输出的内容形态（图文 / 视频 / 长文）：___
- 30 天希望跑出的选题数：___（建议 20-30 条）
【交付物（3 块直接产出）】
▌一、信号词提取（≤ 8 个高频字眼）
| 信号词 | 出现次数 | 类型（频次 / 紧迫 / 比较 / 排除 / 量化） | 对应选题机会 |
▌二、30 条选题池（按 P0 / P1 / P2 三档分组）
| 优先级 | 标题（≤ 22 字） | 证据原话（1-2 条） | 三层需求（功能 / 情感 / 社会认同 选一）| 第几周写 |
- P0 占比 30%（约 9 条）
- P1 占比 50%（约 15 条）
- P2 占比 20%（约 6 条）
▌三、4 周排期建议
- 第 1 周写哪 3 条 P0（为什么这 3 条优先）
- 第 2-4 周怎么用 P1 接住反馈
- 哪条 P0 适合作为"主词系列"反复写 5 篇
【硬约束】
- 每条选题必须配 1-2 条具体用户原话作为证据，禁止"年轻女性需要变美"这种废话
- 不允许把博主的话当用户原话（"评论 1：用户说...""私信 1：用户问..."必须是用户视角）
- 信号词不允许超过 8 个，宁可漏选不要凑数
- 优先级判定一律按上面 P0/P1/P2 标准，禁止"看情况"先给结论:为什么用户原话比头脑风暴更可靠
新手选题最常见的错,是关起门来头脑风暴,拍脑袋写一堆选题,然后惊讶为什么数据不好。真正稳定的选题,几乎都来自用户自己说过的话。
| 选题来源 | 命中率 | 长尾价值 |
|---|---|---|
| 头脑风暴 | 低,猜中纯靠运气 | 短,不可复制 |
| 模仿头部 | 中,但同质化严重 | 中,但壁垒低 |
| 用户原话 | 高,本来就有需求 | 长,可滚动复用 |
「用户原话」不是用户对你的赞美,而是用户在没人引导的情况下,自己描述自己问题时用的字眼。这种字眼藏着平台搜索栏里的真实搜索词,也藏着选题的稳定金矿。
下面给一套采集和归类的完整方法。
用户原话从哪些渠道采集
四个渠道各有特点,每周固定从这四个渠道各采 10-20 条:
| 渠道 | 怎么采 | 真实度 |
|---|---|---|
| 笔记评论 | 翻自己和同行高互动笔记的评论区 | 高,但偏短句 |
| 私信 | 翻自己账号的私信记录 | 极高,带具体情境 |
| 搜索栏下拉词 | 在小红书搜索栏输入主词,看下拉补全 | 高,反映真实搜索 |
| 社群提问 | 微信群、豆瓣小组、知乎相关问题 | 高,但要选小红书重叠人群 |
采集要求:复制粘贴原话,不要改写。一旦改写,真需求就会被你自己的偏见过滤掉。
记下采集时的元信息:渠道、日期、用户身份线索(年龄、地域、阶段)。这些元信息后面归类时有用。
用户原话的四类原始形态
用户原话不是一种,而是四种,每种对应不同的选题机会:
| 形态 | 例子 | 选题机会 |
|---|---|---|
| 问句 | "敏感肌防晒怎么选?" | 直接做问题词标题 |
| 抱怨 | "用了三瓶都不行" | 做避坑/对比/反向选题 |
| 求推荐 | "有没有人推荐 200 块以内的" | 做合集/排行/价位带选题 |
| 经验分享 | "我连续涂了 14 天,发现..." | 做案例/实测/记录选题 |
四类原始形态都要采,问句容易被忽略——它们的搜索量最稳定,但容易被博主当成"老生常谈"略过。新手反而应该多挖问句类原话。
把原话拆成需求三层(功能/情感/社会认同)
每条用户原话都包含三层需求,只看表面会错过 60% 的内容机会:
每一层都能拆出独立选题:
| 层级 | 对应选题方向 |
|---|---|
| 功能层 | 测评/对比/参数(技术深度) |
| 情感层 | 故事/反差/自我接纳(共鸣深度) |
| 社会认同层 | 场景/职业/形象管理(社交深度) |
新手最容易停在功能层,只做测评,内容容易撞车;进阶博主同时打三层,内容立体且差异化。
信号词提取:哪些字眼指向真需求
不是所有字眼都同等重要。这些信号词指向真需求:
| 信号词类型 | 例子 | 含义 |
|---|---|---|
| 频次词 | "每次""总是""每天" | 高频问题,选题潜力高 |
| 紧迫词 | "马上要""快开学""下周" | 时效性强,有窗口期 |
| 比较词 | "vs""哪个""对比" | 决策型需求,工具价值高 |
| 排除词 | "不要""避开""除了" | 反向选题,差异化机会 |
| 量化词 | "200 块以内""1 小时" | 约束型需求,垂直度高 |
提取信号词的具体方法:把采集到的原话全部贴成一段,用 AI 标出现 ≥ 3 次的高频字眼,这些就是你账号下一阶段的核心信号词。
五维归类:把需求映射成稳定选题
五维归类是把零散原话变成结构化选题池的关键。每条需求按下面五个维度归类:
| 维度 | 问题 | 例子 |
|---|---|---|
| 谁(Who) | 用户是什么身份/阶段 | 25 岁油皮新手 |
| 什么(What) | 想完成什么具体任务 | 选一支适合通勤的防晒 |
| 为什么(Why) | 为什么现在需要 | 夏天到了,旧的用完了 |
| 哪里卡住(Where) | 当前卡在哪一步 | 选项太多,不知怎么筛 |
| 排除什么(What not) | 不想要什么 | 不要油腻、不要泛白 |
每条需求填完五维后,选题自然产出:「给 [Who] 在 [Why] 场景下,挑一支 [What 满足、What not 排除] 的防晒,通过 [Where 解决方式]」。
30 个选题的产出模板
按下面三个模板组合,每个垂类都能产出至少 30 条选题:
| 模板 | 公式 | 例子 |
|---|---|---|
| 决策型 | [人群] + [问题] + [数字承诺] | 油皮通勤族:5 款 200 元内防晒实测 |
| 经验型 | [人群] + [时间记录] + [结果] | 敏感肌连续测 14 天:这 3 款没翻车 |
| 反向型 | [人群] + [避雷] + [清单] | 油皮防晒避坑清单:这 3 类直接淘汰 |
三个模板各产出 10 条,30 条选题就到手。但不是全部都要立刻发,需要排优先级。
用 JTBD 框架反向验证选题
JTBD（Jobs To Be Done,待完成的工作）框架的核心问题是:用户雇佣你的内容是为了完成什么具体的工作?
每条候选选题用下面三句话反验:
- 当...的时候(场景):当我夏天上班需要新防晒的时候
- 我想...(目标):我想找一支油皮通勤适用的、不卡粉的防晒
- 这样我就能...(收益):这样我中午不补妆也能保持干净状态
三句话填不出来的选题,说明需求场景不清晰,需要先做素材补充再决定写不写。
选题池的优先级排序
30 条选题全部投放成本太高。用三档优先级筛:
| 档 | 标准 | 占比 |
|---|---|---|
| P0 立刻写 | 用户原话原文出现 ≥3 次 + 五维填满 + JTBD 验证通过 | 30% |
| P1 一个月内写 | 用户原话出现 2 次 + 五维有缺但能补 | 50% |
| P2 备选 | 单次提及 + 不确定需求强度 | 20% |
先写 P0 一半,看数据反馈,再决定 P0 剩下一半和 P1 怎么排。不要按时间均匀分布,要根据反馈调整。
怎么从后台数据验证选题命中
发布后用后台数据判断选题是否真正命中需求:
| 数据信号 | 解读 |
|---|---|
| 收藏率 > 5% | 工具价值确实存在,该需求是真痛点 |
| 评论里有追问 | 用户原话验证为真需求 |
| 私信咨询 | 决策末端需求,可承接变现 |
| 完读率高但收藏率低 | 内容好但工具价值不足,改结构 |
| 曝光高但点击低 | 标题封面没扣住需求,改标题 |
最关键的信号是评论里的新一轮用户原话——这些原话又能成为下一轮选题的种子。需求采集是循环的,不是一次性的。
AI 怎么辅助
第一,原话归类。把 50-100 条用户原话丢给 AI,让它按"问句/抱怨/求推荐/经验分享"四类归类,并标注每条的核心信号词。
第二,需求三层拆解。给 AI 一条用户原话,让它拆出功能、情感、社会认同三层,各给一个对应的选题角度。
第三,五维填表。给 AI 一个需求摘要,让它按"谁/什么/为什么/哪里卡住/排除什么"五维填表,然后产出标题。
第四,JTBD 验证。批量给 AI 30 条候选选题,让它按 JTBD 三句话验证,标记哪些通过、哪些需要补素材。
不要让 AI 替你采集原话——AI 没有平台账号,无法读评论私信。它的角色是「整理者」,不是「采集者」。
研究来源与核验口径
需求采集方法的依据来自三类材料：
- 用户原话四渠道：来自 50+ 合作创作者的实际操作复盘——评论 + 私信 + 搜索栏下拉 + 社群提问是已经被验证"采得到真原话"的四个渠道，其它渠道（如朋友圈、外站留言）样本偏差太大。
- 五维归类法（谁 / 什么 / 为什么 / 哪里卡住 / 排除什么）：源自经典需求工程实践的本土化改造，把抽象需求结构化到可直接产出选题的颗粒度。
- JTBD 三句话验证：把"待办任务"的经典需求工程实践简化成"当...的时候 / 我想... / 这样我就能..."三句填空，让博主无需读完原理也能用。
本文不引用任何未公开来源的样本量——你看到的"30 条原话""1 小时归类完"是合作创作者的实操中位数。
核验入口（采集原话只能在小红书自家入口和你账号自己的私信里）：
- 小红书创作者服务平台 → 私信 / 评论列表（你自己账号的原话最准）
- 小红书搜索栏 → 输入主词看下拉补全（最快的需求线索来源）
- 小红书蒲公英帮助中心 → 「品牌广场」看品牌方关注的需求词
不要把第三方"舆情监控"工具的数据当原话。这类工具数据延迟 7-30 天，且通常已经被工具自身做过摘要——你拿到的是"摘要的摘要"，不是用户真实表达。
常见问题
评论很少怎么办?
借同行高互动笔记的评论区。同垂类头部账号的评论区是免费的需求采集库。
搜索栏下拉词是平台推的还是用户搜的?
搜索栏的下拉补全主要来自用户真实搜索行为。但少量受平台运营推送影响,所以下拉词作为线索,不要全信,要跟评论原话交叉验证。
五维归类做完所有选题要多久?
熟练后单条 1-2 分钟,30 条 1 小时。建议每周固定 1 小时做需求归类,持续 4 周后,你会形成一份长期可复用的需求资产。
选题池要全部公开吗?
不需要。30 条选题里有 5-10 条是"长期资产型"(适合反复改写、连载放大),这部分自己留着;剩下可以在朋友圈或同行群里讨论交流。