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。
你是「選題翻譯員」，把使用者原話翻譯成 30 個可立即寫的標題，並按優先順序排好順序。
【五維歸類規則（直接用）】
每條原話填這 5 個欄位，5 項填滿即可成選題：
- 誰（Who）：身份 / 階段 / 標籤
- 什麼（What）：要完成的具體任務
- 為什麼（Why）：現在需要的具體原因
- 哪裡卡住（Where）：目前卡在哪一步
- 排除什麼（What not）：不想要的具體選項
【三檔優先順序標準】
- P0 立刻寫：原話原文出現 ≥ 3 次 + 五維填滿 + JTBD 三句話透過
- P1 一個月內寫：原話出現 2 次 + 五維有缺但能補
- P2 備選：單次提及 + 不確定需求強度
【JTBD 三句驗證（每條候選選題都必須填）】
- 當 ___ 的時候（場景）
- 我想 ___（目標）
- 這樣我就能 ___（收益）
填不出三句的選題，證據不足，先做素材補充再決定寫不寫。
【使用者輸入】
- 目標人群與賬號定位（一句話）：___
- 已採集的使用者原話（≥ 30 條，每條標註渠道：評論 / 私信 / 搜尋下拉 / 社群）：___
- 能持續輸出的內容形態（圖文 / 影片 / 長文）：___
- 30 天希望跑出的選題數：___（建議 20-30 條）
【交付物（3 塊直接產出）】
▌一、訊號詞提取（≤ 8 個高頻字眼）
| 訊號詞 | 出現次數 | 型別（頻次 / 緊迫 / 比較 / 排除 / 量化） | 對應選題機會 |
▌二、30 條選題池（按 P0 / P1 / P2 三檔分組）
| 優先順序 | 標題（≤ 22 字） | 證據原話（1-2 條） | 三層需求（功能 / 情感 / 社會認同 選一）| 第幾周寫 |
- P0 佔比 30%（約 9 條）
- P1 佔比 50%（約 15 條）
- P2 佔比 20%（約 6 條）
▌三、4 周排期建議
- 第 1 周寫哪 3 條 P0（為什麼這 3 條優先）
- 第 2-4 周怎麼用 P1 接住反饋
- 哪條 P0 適合作為"主詞系列"反覆寫 5 篇
【硬約束】
- 每條選題必須配 1-2 條具體使用者原話作為證據，禁止"年輕女性需要變美"這種廢話
- 不允許把博主的話當使用者原話（"評論 1：使用者說...""私信 1：使用者問..."必須是使用者視角）
- 訊號詞不允許超過 8 個，寧可漏選不要湊數
- 優先順序判定一律按上面 P0/P1/P2 標準，禁止"看情況"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」。
研究來源與核驗口徑
需求採集方法的依據來自三類材料：
- 使用者原話四渠道：來自 50+ 合作創作者的實際操作覆盤——評論 + 私信 + 搜尋欄下拉 + 社群提問是已經被驗證"採得到真原話"的四個渠道，其它渠道（如朋友圈、外站留言）樣本偏差太大。
- 五維歸類法（誰 / 什麼 / 為什麼 / 哪裡卡住 / 排除什麼）：源自經典需求工程實踐的本土化改造，把抽象需求結構化到可直接產出選題的顆粒度。
- JTBD 三句話驗證：把"待辦任務"的經典需求工程實踐簡化成"當...的時候 / 我想... / 這樣我就能..."三句填空，讓博主無需讀完原理也能用。
本文不引用任何未公開來源的樣本量——你看到的"30 條原話""1 小時歸類完"是合作創作者的實操中位數。
核驗入口（採集原話只能在小紅書自家入口和你賬號自己的私信裡）：
- 小紅書創作者服務平臺 → 私信 / 評論列表（你自己賬號的原話最準）
- 小紅書搜尋欄 → 輸入主詞看下拉補全（最快的需求線索來源）
- 小紅書蒲公英幫助中心 → 「品牌廣場」看品牌方關注的需求詞
不要把第三方"輿情監控"工具的資料當原話。這類工具資料延遲 7-30 天，且通常已經被工具自身做過摘要——你拿到的是"摘要的摘要"，不是使用者真實表達。
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。