从评论区找到下一篇内容，并复盘

本文改编自开源《豆包工作蓝皮书》（AlephAITech/DoubaoWorkGuide），原作者：刘聪NLP / 甲木 / 苍何 / 袋鼠帝 / 摸鱼小李

很多人做内容复盘，最后只留下三句话：播放一般、收藏不错、下次继续优化。

这不叫复盘，最多算看了一眼后台。

真正能帮到下一篇的复盘，要回答得更具体：大家究竟在问什么？哪几个问题反复出现？哪些评论虽然不多，却关系到信任和安全？收藏率达标了，完播为什么还掉得厉害？下次到底保留什么、优化什么、只测试哪一个变量？

这次我在豆包工作里把两个复盘流程分别跑了一遍：

任务一：32 条评论
→ 完整性检查
→ 主类别标注
→ 主题聚类
→ 事实与推断分开
→ 8 个候选打分
→ Top 3
→ 只推荐一个下一篇主题

任务二：72 小时发布指标 + 发布前目标与制作记录
→ 冻结统计口径
→ 汇总和手算复核
→ 按来源、日期比较
→ 对照目标与制作成本
→ 保留 / 停止 / 测试
→ 下一篇内容 brief

为了能公开展示流程，本文使用的是脱敏样例数据：32 条样例评论、9 行发布指标

先匹配工具：数据已经在本地，就不要多接一圈平台

独立任务	最优组合	为什么这样选
评论区用户洞察	豆包工作的“用户研究与需求洞察” Skill + 本地 CSV 读取 + Markdown 文件生成	这个 Skill 本身就覆盖原声打标、定量分析和用户需求归纳，适合从评论原话里找问题，而不是只做词频统计
发布后复盘	豆包工作的“数据分析” Skill + 指标 CSV + 发布前目标和制作记录	能先冻结指标口径，再做对账、比率、来源差异和经营复盘，结果可追溯
从线上平台直接取数	对应平台连接器或只读 API，按需添加	只有数据还没导出时才需要；本次材料已经在本地，所以没有扩大授权范围
专家团 / MCP	本次不需要	两个任务都是单份本地材料的结构化分析，额外增加代理和连接只会扩大复杂度与权限面

这里有一个很实用的判断：工具不是越多越好，能完成任务的最小组合，通常才是最优组合。

如果你要处理真实评论，先从平台后台导出，或者用已经获得授权的只读连接器取数。不要把用户名、手机号、公司、群号、私信内容等个人信息直接放进公开案例。

本文的 comment_id 和 source_url 都是样例字段，只用于演示证据怎么回查。

---

任务一：评论区到底在问什么，单独做一次用户洞察

这个任务适合内容运营、品牌、公关、产品经理和做知识内容的人。它不要求你先拿到播放、转化等后台指标；只要有一批可以合法使用的评论，就能单独执行。

第一步：找到用户研究与需求洞察

进入豆包工作的“技能 · 连接器 · 伙伴”，搜索“用户研究”或“需求洞察”。这次使用的 Skill 能做开放题原声打标、标签体系、定量统计和原话引用，和“从评论里找下一篇”正好匹配。

第二步：先把分类和证据口径写清

我准备了一份包含 32 条评论的 CSV，字段包括 comment_id、评论正文、点赞、回复和 source_url。

提示词里最关键就是下面这4点：

1. 每条评论只计一个主类别，防止统计重复；
2. 每个主题都要给评论数、互动量、代表性 ID、原话和来源；
3. 用户原话能证明的事实，和分析者的推断分开；
4. 只生成分析文件，不自动回评论、不私信、不发布。

可直接复制的实测提示词

我负责一个面向普通职场人的 AI 工具账号。请使用当前对话已启用的“用户研究与需求洞察”能力，只分析你刚刚找到并读取的 32 条评论文件：

/Users/你的用户名/你的目录/comments.csv

数据说明：这是用于内部练习的脱敏样例数据，不对应真实账号或真实评论者。不要联网补充评论，也不要根据账号画像推断年龄、性别、职业、地域、收入等个人敏感属性。

请按下面步骤完成：
1. 先做数据完整性检查：确认总行数、字段、空值、重复评论和疑似垃圾信息。
2. 给每条评论标一个“主类别”：提问、认可、反对、误解、补充案例、产品需求、情绪表达、垃圾信息。必要时可加副标签，但统计只按主类别计算，避免重复计数。
3. 把评论聚成用户问题主题。每个主题必须给出：评论数、互动量（点赞+回复）、代表性 comment_id、1—2 条原话和对应 source_url。
4. 明确区分“用户原话能直接证明的事实”和“你的推断”。推断必须单独标注，不得写成用户共识。
5. 单独列出：适合公开回复的问题、需要私下处理或谨慎回应的风险、可以忽略的垃圾信息。
6. 生成 8 个下一篇内容候选。分别按需求频次、互动强度、可操作性、信任/安全价值四项各 1—5 分打分，并给总分和证据 comment_id。
7. 选出 Top 3；再明确推荐下一篇只做一个主题，并给出选题标题、读者问题、文章承诺、必须回答的 5 个问题、需要准备的证据、不能夸大的边界。
8. 做一次自检：分类总数是否等于有效评论数，引用能否回到 comment_id/source_url，是否把推断写成事实。

请保存为《评论用户问题地图.md》。聊天里只汇总：有效评论数、垃圾评论数、Top 3 选题和推荐的下一篇主题。

安全边界：只生成分析文件；不要公开回复、发私信、发布内容，也不要写回任何平台。

把路径换成你自己的文件路径即可。如果你的评论已经作为附件上传，也可以把路径那一行改成“只分析当前对话中的【文件名】”。

第三步：结论是经过数据验证的

任务开始后，豆包工作先读取评论文件，检查行数、字段、空值、重复和垃圾信息，再进入分类、聚类和评分。

这一步值得要注意看一下。只要总数都没对上，就会导致后面的主题不可靠；因为如果它把同一条评论同时算进多个主类别，也没有意义。

实测结果：从 31 条有效评论里，筛出下一篇

完整性检查得到 32 条记录、6 个字段、无空值、无重复，识别出 1 条垃圾信息 C032，所以有效评论是 31 条。

豆包工作给出的 Top 3 是：

排名	选题	得分	核心证据
1	长音频转写与人工校对实操	16/20	C026 互动 108，全评论区最高；另有 C009、C007 呼应
2	AI 自动执行权限清单（绿灯 / 黄灯 / 红灯）	15/20	C015、C030、C025 指向同一类权限焦虑
3	真实失败案例与修正过程	15/20	C014 与 C028 合计互动 149，均进入高互动前列

最终只推荐了一个主题：长音频转写与人工校对实操。为什么会选择这个主题？从数据上我们可以看到 C026 明确说“每天都要整理访谈”，单条互动 108；同时还能回应会议录音、只要字幕、新手不知道从哪里开始等相邻问题。

人工还要再检查三件事：引用有没有断章取义；少量但涉及信任、安全、隐私的问题有没有被平均数淹没；推荐主题是不是能拿出真实截图、数据或失败过程来回答。

---

任务二：发布后复盘，下一篇别再从零开始

这个任务和任务一彼此独立。你可以没有评论文本，只拿一份指标表，再配上发布前目标和制作记录，就ok。

这次样例指标覆盖 72 小时、3 天、3 个来源，共 9 行；制作记录里写了内容目标、结构、已知限制和总投入 490 分钟。

第一步：选择“数据分析” Skill

搜索并添加“数据分析”。它的优势是会先检查附件、冻结口径、明确分母、对账，再把事实、解释假设和下一步行动分开。

第二步：写提示词最重要的两点

复盘最容易踩的坑，是分母混乱。完播率到底是完播除以播放，还是除以 3 秒播放？关注转化率是关注除以主页点击，还是除以播放？不先写清，同一份数据能算出完全不同的结果。

可直接复制的实测提示词

这是一个新的、独立的发布后复盘任务。请使用当前对话启用的“数据分析”能力，只读取下面两份本地材料：
1. /Users/你的用户名/你的目录/metrics.csv
2. /Users/你的用户名/你的目录/goals-and-log.md

数据是脱敏样例，不代表真实账号表现。不要联网补数，不要连接内容平台，也不要把单次发布推断成长期规律。

请按以下步骤：
1. 冻结统计口径：72 小时；确认行数、字段、空值、重复、各指标单位。明确每个比率分母。
2. 汇总曝光、播放、3 秒播放、完播、点赞、收藏、分享、评论、主页点击、关注。
3. 计算并复核：曝光→播放率、3 秒留存率、完播率、点赞率、收藏率、分享率、评论率、主页点击率、关注转化率。至少手算抽查 3 个指标。
4. 按日期和来源分别比较，指出变化最大的环节；事实与解释假设分开。
5. 对照发布前目标、内容结构和 490 分钟制作投入，回答：目标是否达成、哪里值得保留、哪里应停止、下次还需测试什么。
6. 不能把相关性写成因果。样本只有一次发布，所有原因判断都标为“假设”，同时写出验证办法。
7. 输出一张复盘卡片，包含：事实摘要、漏斗、来源对比、目标对照、保留/停止/测试、数据限制。
8. 再给下一篇内容 brief：一个选题、目标读者、核心问题、内容承诺、结构、所需证据、成功指标和发布前检查。选题只能来自本次材料中明确出现的评论或限制，不得凭空扩展。
9. 做自检：总量能否与分来源/分日期相加，公式口径一致，结论都有来源，未执行外部操作。

请保存为《发布后复盘卡片.md》和《下一篇内容brief.md》。聊天里只汇总：收藏率是否达标、完播率、表现最强来源、保留/停止/测试各一条和下一篇选题。

安全边界：只生成分析文件，不写回选题库，不发布，不回复评论，不调用外部平台。

第三步：先对账，再解释变化

豆包工作先确认 CSV 是 9 行、12 个字段、3 天 × 3 来源，无空值无重复。随后把分来源和分日期的总量相加，检查能否回到整体总数，再计算比率。

通常在数据对不上时，原因分析写得越流畅，误导越大，一切以数据为准。

实测结果：收藏达标，但不能因此说整条内容成功

72 小时总量是：曝光 51,400、播放 22,890、3 秒播放 19,358、完播 7,537、收藏 1,190。

三个关键比率是：

• 曝光→播放率：22,890 ÷ 51,400 = 44.53%；
• 完播率：7,537 ÷ 22,890 = 32.93%；
• 收藏率：1,190 ÷ 22,890 = 5.20%，超过发布前设定的 3% 目标。

分来源看，粉丝页在 9 项比率中有 8 项最高；搜索的收藏率和分享率领先；推荐流贡献了约 70% 的曝光，但各项转化偏低。

更重要的是，它点出了四个明确动作：

决策	本次输出
保留	实操案例 + 收藏引导结构
停止	把 4 个不相关案例压进一条视频的高密度做法
测试	单独展示失败重试过程，观察完播和具体问题数量
下一篇	《豆包电脑版失败了怎么办：3 个真实报错与重试全过程》

“信息密度导致中段流失”仍然只是一个假设，必须通过后续 A/B 或同类内容对照验证。单次发布 n=1，而且指标表没有评论正文，所以“评论里是否出现更多具体问题”这项目标也无法在本任务中验证。

⚠️ 注意

复盘不是给过去找一个听起来合理的故事，而是给下一次准备一个可以验证的动作。

---

最后，把这套方法压缩成一张检查清单

做评论洞察时：

1. 先脱敏，再把评论交给 AI；
2. 先查总数、空值、重复和垃圾信息；
3. 每条评论只计一个主类别；
4. 主题必须带 comment_id、原话和来源；
5. 用户原话和分析推断分开；
6. 先排 8 个候选，再选 Top 3，最后只定一个下一篇；
7. 不自动回复、不私信、不发布。

做发布后复盘时：

1. 固定统计窗口和指标分母；
2. 总量、分来源、分日期必须对账；
3. 至少手算抽查 3 个关键比率；
4. 和发布前目标、内容结构、制作成本一起看；
5. 结论必须落到保留、停止、测试；
6. 单次发布只提出假设，不总结长期规律；
7. 先生成复盘卡片和下一篇 brief，不直接写回选题库或发布平台。

评论区像一份免费的、持续更新的用户访谈。后台指标同样重要，它能知道你下次该改哪里。

把这两种材料分开处理，再把结果放回下一篇内容里，选题就不需要每次从空白文档开始了。