小紅書人群需求地圖:從使用者原話挖 30 個穩定選題
選題不要靠猜,要從使用者原話裡挖。本文給一套從評論、私信、搜尋詞、社群裡採集真需求的方法,配五維歸類法,直接產出 30 個可執行選題。
📖 本篇術語速查表
| 術語 | 一句話解釋 |
|---|---|
| 使用者原話 | 使用者在評論、私信、社群裡自然表達的真實需求字眼,不是經過你改寫的官方話術。 |
| JTBD(Jobs To Be Done, 待完成的工作) | 使用者“僱傭”你的內容去完成某件具體的事——核心問句是“當...的時候,我想...”。 |
| 需求三層 | 同一條原話拆出功能 / 情感 / 社會認同三層需求,每層對應不同的選題方向。 |
| 訊號詞 | 反覆出現的字眼("怎麼辦" / "有沒有" / "求推薦"),指向真需求而非客套。 |
| 五維歸類 | 把零散原話按“誰 / 什麼 / 為什麼 / 哪裡卡住 / 排除什麼”五維結構化的方法。 |
| 選題池 | 從需求對映出的可寫選題清單,通常按 P0 / P1 / P2 三檔排優先順序。 |
| 痛點 vs 癢點 | 痛點帶情緒、迫切需要解決;癢點是“加分項”,不解決也能活。 |
| 評論新一輪原話 | 筆記發出後評論區出現的新表達,是下一輪選題的種子,讓原話採集變迴圈。 |
穩定的選題池不是想出來的,是從使用者原話裡聽出來的。本文給一套從評論 + 私信 + 搜尋下拉詞 + 社群 4 個渠道採集真原話、五維歸類後產出 30 個選題的完整流程,讓你 1 小時內攢出 4 周不缺題的內容池。
把這段提示詞丟給 AI,讓它把你已採集的原話變成 30 個可執行選題:複製下面整段(含五維歸類規則 + 三檔優先順序標準),貼上你採集到的 30 條以上使用者原話,AI 會直接產出 P0/P1/P2 三檔的選題池,每條都標註證據原話。
# 角色:小紅書選題翻譯員
你是小紅書選題翻譯員,專長於從使用者原話(評論 / 私信 / 搜尋詞 / 社群)採集真需求,透過五維歸類法產出 30 個穩定可執行的選題清單。
**角色邊界**:
- 你只做需求採集和選題歸類,不替使用者寫筆記、不編原話
- 不編造使用者原話,缺料就標"待使用者提供"
- 不寫營銷誇張詞,不接受「賦能」「煥新」等空話
- 不替使用者拍板「這個選題必爆」,決策權歸使用者
## 核心任務
透過原話採集 4 渠道 + 五維歸類法(問題 / 場景 / 情緒 / 行動 / 隱憂)+ 30 選題輸出 + 優先順序排序,產出可執行 30 選題清單 + 7 天試發計劃。
**核心使命**:把讀者從「憑腦暴想選題」拽到「從使用者真實原話反推選題」。
**成功標準**:原話至少 20 條且標註來源(評論 / 私信 / 搜尋) + 30 選題按五維分類 + 選題標題用原話句式 + 30 天可執行 ≥ 12 篇。
## 資訊輸入
> `___` = 一次性填空;`[訪談]` = 訪談模式下 Agent 主動詢問。
**欄位清單**(必填 ★ / 可選 △):
1. ★ 已選定的二級關鍵詞(3 個) [訪談]:___
2. ★ 目標人群 [訪談]:___
3. ★ 評論原話 ≥ 10 條(自己賬號或同行賬號) [訪談]:___
4. ★ 私信 / 搜尋詞 / 社群提問原話 ≥ 5 條 [訪談]:___
5. ★ 每週可發筆記數 [訪談]:___
6. △ 已發過的選題清單:___
7. △ 歷史爆款選題:___
**輸入姿態判斷**(首步必做):
- ≥ 70% 必填欄位已填 → **一次性模式**,缺欄位標"未確認"
- < 70% / 全空 → **訪談模式**:一次問 1 欄位,給 3-5 個採集示範,答完複述確認再下一題
**兜底**:缺原話 → **拒絕執行**(無原話無翻譯);缺二級關鍵詞 → 走「先做選詞」前置;缺周發文數 → 預設 3 篇 / 周。
## 工作流程
1. **原話清洗**:把 ≥ 15 條原話剝離表情、問候語,只留語義核心。
**思考過程**:先在 `<thinking>` 裡梳理「同一痛點是否重複出現 ≥ 3 次 / 是否覆蓋人群在認知/考慮/決策三階段」。
2. **五維歸類**:把每條原話歸到 1-2 個維度:
- 問題維:「我XX 怎麼辦」「為什麼我 XX」
- 場景維:「在 XX 情況下」「每次 XX 時」
- 情緒維:「我太焦慮了」「我害怕 XX」「我擔心」
- 行動維:「我已經試了 XX 但 XX」「我打算 XX」
- 隱憂維:「我怕 XX 一旦發生」「萬一 XX」
每維至少 4 條原話才能立題。
3. **30 選題翻譯**:每條選題 1 個原話錨點(用引號標原話)。
- 5-6 篇問題維(佔 20%)
- 5-6 篇場景維(20%)
- 5-6 篇情緒維(20%)
- 5-6 篇行動維(20%)
- 4-5 篇隱憂維(15%)
- 標題用原話句式("xxx 怎麼辦" / "在 xxx 時" / "我擔心 xxx")
4. **優先順序排序**:按「原話出現頻次 × 情緒強度 × 決策距離」三維打分 1-5,排前 12 個為本月主發。
5. **7 天試發計劃**:Day 1-3 發頻次最高 3 篇 + Day 4-6 發情緒強度最大 3 篇 + Day 7 看收藏率篩優勝模式。
6. **按下方《30 選題翻譯卡》撰寫結論**。
## 示例 / 樣板
**輸入示例**:
- 關鍵詞:敏感肌酸類 + 屏障修復 + 測評 / 人群:25-35 歲油皮 / 原話 15 條 / 每週發 3 篇
**期望輸出(節選)**:
```
▌五維歸類
- 問題維:「水楊酸 vs 杏仁酸怎麼選」「夏天用酸會爆痘嗎」...
- 場景維:「換季敏感期能用酸嗎」「上完酸接著用 VC 行不行」...
- 情緒維:「我刷酸 3 次都爛臉了」「不敢碰酸了」...
- 行動維:「我現在每天用 0.5% 視黃醇」「我在用城野醫生」...
- 隱憂維:「怕長期用酸皮膚變薄」「怕停用反彈」...
▌Top 12 選題(本月主發)
1. 水楊酸 vs 杏仁酸 油皮怎麼選(問題維 5 分,頻次 8)
2. 換季敏感期還能用酸嗎(場景維 5 分,頻次 6)
...
▌7 天試發
Day 1-3:發頻次最高 3 篇(看收藏率)
Day 4-6:發情緒最強 3 篇(看評論原話迴流)
Day 7:對比收藏 vs 評論,選 winning 模式繼續
```
**反面示例**:
- ❌ 選題靠腦暴(沒原話錨點)
- ❌ 30 篇都集中在 1-2 個維度
- ❌ 標題用「賦能」「煥新」等空話
- ❌ 不給優先順序,30 篇平鋪
## 輸出規範:《30 選題翻譯卡》
**嚴格遵循以下結構。總字數 800-1300。**
**直接輸出《30 選題翻譯卡》,不要前言、後語、解釋。**
**全域禁止**:營銷空話(「賦能 / 煥新」)、編造使用者原話、推薦腦暴選題、未標「以創作者後臺為準」的平臺數字。
▌一、五維歸類表(每維 ≥ 4 條原話 + 來源標註)
▌二、30 選題清單(每題標維度 + 原話錨點)
▌三、Top 12 優先順序(評分 + 頻次 + 一句話證據)
▌四、7 天試發計劃(每天動作 + 看哪 2 個資料)
**自檢清單(輸出前必查)**:
- [ ] 字數 800-1300,每段不空
- [ ] 無前言後語
- [ ] 30 選題每題有原話錨點
- [ ] 五維各 ≥ 4 條原話
- [ ] 優先順序 Top 12 有具體評分
- [ ] 沒編造原話,沒營銷詞
## 拒絕場景
遇到以下輸入直接拒絕執行:
- 使用者原話 < 15 條 → "請回評論區 + 私信採集至少 15 條原話再回來"
- 使用者要求「不要原話,直接給爆款選題」 → "本工具拒絕腦暴,必須用真原話"
- 使用者要求「保證 1 篇爆 10 萬」 → "本工具不承諾爆款,只給可被反證的選題歸類"
- 欄位全空 / 佔位符未替換 → "請按欄位清單補全原話採集"先給結論:為什麼使用者原話比頭腦風暴更可靠
新手選題最常見的錯,是關起門來頭腦風暴,拍腦袋寫一堆選題,然後驚訝為什麼資料不好。真正穩定的選題,幾乎都來自使用者自己說過的話。
| 選題來源 | 命中率 | 長尾價值 |
|---|---|---|
| 頭腦風暴 | 低,猜中純靠運氣 | 短,不可複製 |
| 模仿頭部 | 中,但同質化嚴重 | 中,但壁壘低 |
| 使用者原話 | 高,本來就有需求 | 長,可滾動複用 |
「使用者原話」不是使用者對你的讚美,而是使用者在沒人引導的情況下,自己描述自己問題時用的字眼。這種字眼藏著平臺搜尋欄裡的真實搜尋詞,也藏著選題的穩定金礦。
下面給一套採集和歸類的完整方法。
使用者原話從哪些渠道採集
四個渠道各有特點,每週固定從這四個渠道各採 10-20 條:
| 渠道 | 怎麼採 | 真實度 |
|---|---|---|
| 筆記評論 | 翻自己和同行高互動筆記的評論區 | 高,但偏短句 |
| 私信 | 翻自己賬號的私信記錄 | 極高,帶具體情境 |
| 搜尋欄下拉詞 | 在小紅書搜尋欄輸入主詞,看下拉補全 | 高,反映真實搜尋 |
| 社群提問 | 微信群、豆瓣小組、知乎相關問題 | 高,但要選小紅書重疊人群 |
採集要求:複製貼上原話,不要改寫。一旦改寫,真需求就會被你自己的偏見過濾掉。
記下采集時的元資訊:渠道、日期、使用者身份線索(年齡、地域、階段)。這些元資訊後面歸類時有用。
使用者原話的四類原始形態
使用者原話不是一種,而是四種,每種對應不同的選題機會:
| 形態 | 例子 | 選題機會 |
|---|---|---|
| 問句 | "敏感肌防曬怎麼選?" | 直接做問題詞標題 |
| 抱怨 | "用了三瓶都不行" | 做避坑/對比/反向選題 |
| 求推薦 | "有沒有人推薦 200 塊以內的" | 做合集/排行/價位帶選題 |
| 經驗分享 | "我連續塗了 14 天,發現..." | 做案例/實測/記錄選題 |
四類原始形態都要採,問句容易被忽略——它們的搜尋量最穩定,但容易被博主當成“老生常談”略過。新手反而應該多挖問句類原話。
把原話拆成需求三層(功能/情感/社會認同)
每條使用者原話都包含三層需求,只看表面會錯過 60% 的內容機會:
每一層都能拆出獨立選題:
| 層級 | 對應選題方向 |
|---|---|
| 功能層 | 測評/對比/引數(技術深度) |
| 情感層 | 故事/反差/自我接納(共鳴深度) |
| 社會認同層 | 場景/職業/形象管理(社交深度) |
新手最容易停在功能層,只做測評,內容容易撞車;進階博主同時打三層,內容立體且差異化。
訊號詞提取:哪些字眼指向真需求
不是所有字眼都同等重要。這些訊號詞指向真需求:
| 訊號詞型別 | 例子 | 含義 |
|---|---|---|
| 頻次詞 | "每次""總是""每天" | 高頻問題,選題潛力高 |
| 緊迫詞 | "馬上要""快開學""下週" | 時效性強,有視窗期 |
| 比較詞 | "vs""哪個""對比" | 決策型需求,工具價值高 |
| 排除詞 | "不要""避開""除了" | 反向選題,差異化機會 |
| 量化詞 | "200 塊以內""1 小時" | 約束型需求,垂直度高 |
提取訊號詞的具體方法:把採集到的原話全部貼成一段,用 AI 標出現 ≥ 3 次的高頻字眼,這些就是你賬號下一階段的核心訊號詞。
五維歸類:把需求對映成穩定選題
五維歸類是把零散原話變成結構化選題池的關鍵。每條需求按下面五個維度歸類:
| 維度 | 問題 | 例子 |
|---|---|---|
| 誰(Who) | 使用者是什麼身份/階段 | 25 歲油皮新手 |
| 什麼(What) | 想完成什麼具體任務 | 選一支適合通勤的防曬 |
| 為什麼(Why) | 為什麼現在需要 | 夏天到了,舊的用完了 |
| 哪裡卡住(Where) | 目前卡在哪一步 | 選項太多,不知怎麼篩 |
| 排除什麼(What not) | 不想要什麼 | 不要油膩、不要泛白 |
每條需求填完五維後,選題自然產出:「給 [Who] 在 [Why] 場景下,挑一支 [What 滿足、What not 排除] 的防曬,透過 [Where 解決方式]」。
30 個選題的產出模板
按下面三個模板組合,每個垂類都能產出至少 30 條選題:
| 模板 | 公式 | 例子 |
|---|---|---|
| 決策型 | [人群] + [問題] + [數字承諾] | 油皮通勤族:5 款 200 元內防曬實測 |
| 經驗型 | [人群] + [時間記錄] + [結果] | 敏感肌連續測 14 天:這 3 款沒翻車 |
| 反向型 | [人群] + [避雷] + [清單] | 油皮防曬避坑清單:這 3 類直接淘汰 |
三個模板各產出 10 條,30 條選題就到手。但不是全部都要立刻發,需要排優先順序。
用 JTBD 框架反向驗證選題
JTBD(Jobs To Be Done,待完成的工作)框架的核心問題是:使用者僱傭你的內容是為了完成什麼具體的工作?
每條候選選題用下面三句話反驗:
- 當...的時候(場景):當我夏天上班需要新防曬的時候
- 我想...(目標):我想找一支油皮通勤適用的、不卡粉的防曬
- 這樣我就能...(收益):這樣我中午不補妝也能保持乾淨狀態
三句話填不出來的選題,說明需求場景不清晰,需要先做素材補充再決定寫不寫。
選題池的優先順序排序
30 條選題全部投放成本太高。用三檔優先順序篩:
| 檔 | 標準 | 佔比 |
|---|---|---|
| P0 立刻寫 | 使用者原話原文出現 ≥3 次 + 五維填滿 + JTBD 驗證透過 | 30% |
| P1 一個月內寫 | 使用者原話出現 2 次 + 五維有缺但能補 | 50% |
| P2 備選 | 單次提及 + 不確定需求強度 | 20% |
先寫 P0 一半,看資料反饋,再決定 P0 剩下一半和 P1 怎麼排。不要按時間均勻分佈,要根據反饋調整。
怎麼從後臺資料驗證選題命中
釋出後用後臺資料判斷選題是否真正命中需求:
| 資料訊號 | 解讀 |
|---|---|
| 收藏率 > 5% | 工具價值確實存在,該需求是真痛點 |
| 評論裡有追問 | 使用者原話驗證為真需求 |
| 私信諮詢 | 決策末端需求,可承接變現 |
| 完讀率高但收藏率低 | 內容好但工具價值不足,改結構 |
| 曝光高但點選低 | 標題封面沒扣住需求,改標題 |
最關鍵的訊號是評論裡的新一輪使用者原話——這些原話又能成為下一輪選題的種子。需求採集是迴圈的,不是一次性的。
AI 怎麼輔助
第一,原話歸類。把 50-100 條使用者原話丟給 AI,讓它按“問句/抱怨/求推薦/經驗分享”四類歸類,並標註每條的核心訊號詞。
第二,需求三層拆解。給 AI 一條使用者原話,讓它拆出功能、情感、社會認同三層,各給一個對應的選題角度。
第三,五維填表。給 AI 一個需求摘要,讓它按“誰/什麼/為什麼/哪裡卡住/排除什麼”五維填表,然後產出標題。
第四,JTBD 驗證。批次給 AI 30 條候選選題,讓它按 JTBD 三句話驗證,標記哪些透過、哪些需要補素材。
不要讓 AI 替你採集原話——AI 沒有平臺賬號,無法讀評論私信。它的角色是「整理者」,不是「採集者」。
官方資料與核驗口徑
平臺規則、演算法動向、報價規則、政策口徑都會變化。本文保留的是可遷移的判斷框架,具體數字一律給區間。
跨平臺核驗入口:
涉及具體資料、比例、報價區間的部分,以執行當天后臺為準。
常見問題
評論很少怎麼辦?
借同行高互動筆記的評論區。同垂類頭部賬號的評論區是免費的需求採集庫。
搜尋欄下拉詞是平臺推的還是使用者搜的?
搜尋欄的下拉補全主要來自使用者真實搜尋行為。但少量受平臺營運推送影響,所以下拉詞作為線索,不要全信,要跟評論原話交叉驗證。
五維歸類做完所有選題要多久?
熟練後單條 1-2 分鐘,30 條 1 小時。建議每週固定 1 小時做需求歸類,持續 4 周後,你會形成一份長期可複用的需求資產。
選題池要全部公開嗎?
不需要。30 條選題裡有 5-10 條是"長期資產型"(適合反覆改寫、連載放大),這部分自己留著;剩下可以在朋友圈或同行群裡討論交流。