青虎Agent做小红书选题分析？热榜选题法

做小红书最让人焦虑的环节不是写内容，而是决定写什么。同一个账号，同样的拍摄水平和更新频率，选题踩中了，笔记互动量级能高出好几档；选题偏了，内容再用心也只在低互动区徘徊。选题决定了后面的拍摄、剪辑、文案投入有没有放大的基础。

多数人选题靠感觉：翻一翻关注列表，看看最近谁的内容火，再凭经验找一个相近的方向改写。这个方法能出结果，但极不稳定，因为感觉无法复现，也无法解释一条笔记为什么火。想把选题变成可控动作，需要把感觉替换成数据。

小红书上的选题信号其实是公开的：笔记的点赞收藏评论分布、话题标签下笔记的密度与更新节奏、同类账号的选题重复度、评论区里反复出现的诉求、搜索词下的笔记数量与互动中位数。这些数据单独看都不难查，难的是把它们组织成一件事——判断哪个选题值得投入内容资源。

这篇文章讲清楚这条路径：选题分析该看哪些数据，这些数据怎么组合成判断标准，以及用青虎AI 的青虎Agent 怎么把选题采集与整理固定成流程。方法在前，工具在后。

一、选题为什么不能靠灵感

灵感型选题的根本问题不是想不出来，而是无法沉淀。一个人凭直觉选中的题，成功之后很难说清为什么成功，失败之后也难找到原因。团队里换一个人做同一个账号，成效往往立刻下滑，因为判断标准停留在个人脑子里。

数据型选题解决的是可复现性。把选题判断拆成几个可观测的指标，每次按同一套指标评估，即便结论不完全准确，至少方向和过程是稳定的。稳定的过程带来两个好处：一是可以优化，知道哪个环节判断偏了；二是可以交接，新人按同一套标准也能跑出及格线以上的结果。

还有一层区别值得说明。数据分析处理的是公开信息，比如笔记的公开互动数据、话题标签下的公开笔记、评论区的公开评论。它给出的不是爆款保证，而是把候选选题的可信度拉开差距。数据好的选题失败的概率更低，数据差的选题需要更强的理由才值得做。

判断标准也不是越多越好。指标一多，评估一条选题要填十几项，实际执行中很快就会被放弃。更现实的做法是挑三到五个真正能区分方向的指标，其余作为补充观察。指标少但每次都用，比指标全但只用一次有价值得多。

二、小红书选题要看的六类数据

把选题判断拆开，需要采集的数据大致分六类。类别不必多，关键是要覆盖关注度、竞争度和需求点三个方向。三个方向少一个，结论就容易偏：只看关注度会挤进拥挤的方向，只看竞争度会错过真正有机会的方向，不看需求点则容易做出没人关心具体问题的内容。

第一类是笔记互动结构。看的是同类笔记的点赞、收藏、评论三者的比例关系。收藏明显高于点赞，通常说明内容有实用价值，用户存起来准备照做；评论活跃则说明话题能引发讨论。三个数字的相对关系比绝对数字更有信息量，因为绝对数字受账号体量影响很大。

第二类是话题标签下的笔记密度。同一个标签下近期发布的笔记数量、发布频率、互动中位数处在什么水平，能反映这个方向的拥挤程度。密度高但互动中位数不低，说明需求足够大；密度高而互动明显偏低，说明供给已经超出需求。

第三类是搜索词下的笔记情况。用户主动搜索的词，需求意图比信息流推荐更明确。采集搜索词下笔记的数量与互动水平，能判断这个词是刚起步、正在上升还是已经饱和，也能顺带看出哪些词是长尾里被忽略的机会。

第四类是评论区里的需求表达。评论是受众原话，比二手总结可靠得多。把同类笔记评论区里反复出现的提问、抱怨、追问整理出来，得到的是一份直接可用的选题清单。很多内容之所以有互动，就是因为它回答了评论里反复被问的问题。

第五类是同赛道账号的选题重复度。统计一批对标账号近期的选题分布，看哪些方向被人反复做、哪些方向长期没人碰。重复度高说明验证充分但竞争激烈，长期空缺的方向需要额外判断是机会还是伪需求。

第六类是达人与内容的匹配关系。同一个选题由不同量级的达人做，互动表现差异很大。看达人的粉丝画像与内容方向是否匹配，能帮助你判断这个选题适合哪一类创作者表达，自己的账号属于哪一档。

第六类数据还有一个延伸用途：判断内容形式的偏好。同一个方向上，图文笔记和短视频笔记的互动结构可能有明显差异。如果某个方向下的短视频互动显著更高，而你的账号擅长图文，就要考虑这个方向是否适合自己，或者是否需要调整内容形式再进入。

六类数据里，互动结构和评论区需求是必看的，其余四类用于交叉验证。原因很直接：前两类直接指向内容能不能被需要，后四类解释的是为什么需要、需要多少。采集时先抓前两类，再有选择地补后四类，能显著节省时间。

采集的颗粒度也要控制在合理范围。抓得太细，报告会变成一堆数字堆叠，反而看不出方向；抓得太粗，结论又没有支撑。一个务实的做法是每个方向只保留三到五个关键指标，其余作为备注，让报告保持可读，也让复盘时更容易定位问题。

图2：收藏型、讨论型、传播型笔记的互动结构明显不同，选题方向也不同

三、用青虎Agent做选题分析的五个步骤

六类数据分散在搜索结果、话题页、笔记详情和评论区里，人工翻查一遍要花掉半天。这类采集与归并的工作适合交给工具。青虎AI 的青虎Agent 是平台内的电商数据分析 AI 工具，入口在青虎AI 平台左侧导航栏的「Agent」，采用对话式任务下发，五大模块为选品分析、市场分析、Listing生成、商品库、技能市场，覆盖平台包括亚马逊、TikTok、Ozon、Shopee、哔哩哔哩、小红书、抖音、1688。

下发任务的格式是：@技能名称 + 任务描述 + 链接或关键词。选题场景里把品类、目标人群、内容形式说清楚，返回的就不是一堆零散笔记，而是一份带数据支撑的选题候选清单。

任务描述里最好带上你要排除的方向。比如明确说明不考虑价格对比类内容、不涉及需要专业资质的领域。给出排除项之后，返回的候选会明显更贴合账号的实际情况，后续筛选的工作量也随之下降。

图1：从交代账号方向到形成选题库，五步把选题从灵感变成可查证的过程

整个流程里，工具负责采集和归并，判断标准由人设定。这也是为什么要先想清楚自己的账号定位：定位越清楚，筛选条件越具体，工具返回的结果就越有用。定位模糊时，再完整的报告也难以落地。

五个步骤之间可以循环。第一次跑出来的候选如果都不满意，不必换工具重来，只需要回到筛选环节调整条件，把某个指标的阈值放宽或收紧再跑一次。调整条件的成本很低，比重新设计整个任务更高效，也更符合选题这件事本来的试错节奏。

会话留存是这套流程里容易被低估的部分。在同一个会话里追加提问，Agent 能沿用前面已经采集到的数据继续分析，不需要重新采集一遍。做选题经常需要来回追问，会话不中断能省下大量重复动作，也让前后几次结论的口径保持一致。

图3：用技能加任务描述下发指令，青虎Agent 会把笔记、评论与关键词数据整理成选题候选清单

四、互动数据怎么读：三个指标的关系

互动数据最大的坑是只看总量。一条笔记的绝对互动量受账号体量、发布时间、是否被推荐影响很大，横向比总量几乎没有意义。更有价值的是看三项互动之间的比例关系。

收藏高于点赞，通常说明内容具备可复用价值，用户担心错过所以先存下来。这类选题适合做攻略、清单、步骤类内容，做出来之后收藏会持续累积，长尾效应明显。

评论活跃而收藏一般，说明内容引发了表达欲，用户更想讨论而不是记录。这类选题适合做观点、对比、提问式内容，互动集中在发布后的短时间内，对账号权重的作用偏即时。

点赞明显领先，收藏和评论都偏低，说明内容传播性好但留存价值一般。这类选题适合承担曝光任务，用来拉新，但很难转化成长期可复用的内容资产。把三类数据放在一起看，就能判断一个选题承担的是什么角色。

互动结构	信号含义	适合的内容形式
收藏高于点赞	内容有复用价值，用户存下来备用	攻略、清单、步骤、对比
评论活跃	话题有讨论空间，能引发表达	观点、争议点、提问、经验分享
点赞领先	传播性好，情绪或视觉冲击强	曝光型内容、视觉展示、情绪共鸣
三项都低	方向本身关注度不足，或表达没接住	先检查选题，再检查表达

使用这张表时要注意数据的时间口径：是发布后短期的表现，还是一段时间累积的结果。短期数据反映即时反馈，累积数据反映长尾能力，两者的用途不同，混在一起比较会得出错误结论。

三项互动之外，还要看它们在时间上的分布。有的笔记发布当天表现一般，几天后因为被搜索到而持续获得收藏，这类内容的长尾价值高；有的笔记集中在发布后短时间内爆发，之后迅速回落。把时间分布一起记下来，能判断一条选题适合冲短期还是适合做沉淀，排产时也更容易安排。

五、热榜与搜索词：两种热度怎么看

热榜和搜索词都能反映关注度，但含义不同。热榜反映的是短时间内的注意力集中，变化快、衰减也快；搜索词反映的是相对稳定的需求意图，变化慢但持续性强。两个信号配合使用，判断会比单看一个稳。

看热榜时，重点不是榜上有没有你的方向，而是你的方向在榜上出现的频率和位置变化。频繁出现说明处于注意力集中的窗口期，适合做时效性强的内容；偶尔出现说明热度不稳定，适合做不受时效影响的长尾内容。

看搜索词时，重点是词下的供给情况。同一个词，如果笔记数量少但互动不低，说明需求存在而供给不足，是典型的空缺机会；如果笔记数量多而互动中位数偏低，说明供给已经超过需求，进入要付出更高内容成本的阶段。

两种信号交叉之后会出现四种组合：热榜与搜索词同时走强，适合快速跟进；热榜强而搜索词平，适合做曝光型内容；搜索词强而热榜平，适合做长期承接型内容；两者都弱，则需要重新考虑方向。

信号组合	判断	内容策略取向
热榜走强 + 搜索词走强	关注度和需求同时上升	快速跟进，抢占窗口期
热榜走强 + 搜索词平稳	注意力集中但需求未沉淀	做曝光型内容，不必追求长尾
搜索词走强 + 热榜平稳	需求稳定，热度不外显	做长尾承接型内容，持续更新
两者都弱	方向整体关注度不足	暂缓投入，或换人群角度重做判断

需要说明的是，热榜类数据反映的是平台上的公开热度信息，不等于你的账号一定能获得对应曝光。它提供的是方向判断，不是流量承诺。把它当作筛选工具而不是保证书，预期才不会跑偏。

热榜类数据的更新频率高，同一天不同时段看到的榜位可能不同。看的时候不要纠结某一次的具体位置，而是看连续几次观察里方向是否稳定出现。稳定出现的信号比单次上榜更能说明问题，也更能支撑长期的选题决策。

判断过程中还要区分方向热度与内容热度。方向热度是某个主题整体受到关注的程度，内容热度是具体的某条笔记或某种表达方式受欢迎的程度。前者决定要不要做这个方向，后者只决定这条内容做成什么样，两者不能混用。

六、选题库怎么搭：从清单到可执行目录

选题采集完如果没有落成库，两周之后就会散掉。选题库的作用是把零散的判断沉淀成可以排产的内容目录，让更新不再依赖当天有没有想法。

归类时建议限制主题的数量，控制在四到六类之间。类别太少，看不出方向分布；类别太多，每条选题都会犹豫该放进哪一类，最后放弃归类。类别数量稳定的另一个好处是，长期回看时能直接比出各主题的内容占比变化。

选题库还有一个隐性价值：它把账号的内容方向固定下来。长期看，账号的辨识度来自内容方向的稳定程度，而不是单条笔记的表现。有库的账号更容易在方向上持续积累，没库的账号容易在每次更新时重新摇摆。

库里还要有一条固定的取用规则，例如每次排产从库中取三条主选加一条备选。规则的作用是防止临时起意打乱内容方向，也让库里的选题能被持续消耗，而不是积压到失效。规则越简单越容易执行，复杂的分级机制往往撑不过一个月。

选题库也要留出机动位置。内容平台上经常会出现临时性的热点，完全按库排产会错过这类机会。比较稳妥的安排是从排产里空出一两成的份额给临时选题，其余按库执行，既有稳定输出，也保留应变空间。

七、选题分析的四个误区

数据能提高判断质量，但用错方向反而会被数据带偏。以下四个误区在小红书选题场景里很常见。

四个误区有共同的根源：把数据当成答案。数据提供的从来是判断材料，不是判断本身。同一份报告，放进不同的账号基础和内容能力里，该取的方向可能完全不同。先把材料摆齐，再结合自身条件取舍，才是用数据的方式。

八、用好选题分析的四个技巧

四个技巧里，固定关键词组合是最容易坚持也最见效的一条。同一组词反复观察，你对这组词的正常波动范围会逐渐形成感觉，一旦某个方向明显偏离这个范围，就知道该进一步查证。这种对数据的熟悉度，本身就是使用水平的一部分。

技巧的价值不在于把选题变简单，而在于让判断留痕。留痕之后，分工、交接、复盘都能落在同一份材料上，不必依赖口口相传。这也是建议把技巧写进团队常规动作、而不是当作个人习惯的原因。

九、三个可以照做的使用场景

图4：冷启动期找空缺、成长期找承接、成熟期找系列化，选题重点随阶段变化

三个场景的共同点是选题分析只负责把方向定下来，内容怎么表达仍然取决于创作者。数据能告诉你哪个方向有需求，却告诉不了你用什么样的角度表达最容易被打动。这部分判断来自对受众的理解，也来自一次次发布之后积累的经验。

十、总结：把选题变成可查证的动作

十一、常见问题解答

选题这件事，从来没有一种方法能让每条内容都被看见。能做的只是把判断依据从感觉换成可查证的数据，把每次选择的结果记录下来，逐步建立对方向的判断力。数据不会替你做决定，但它能让每次决定的依据更清楚一些。