异常帖子发现器 是做什么的？
概述
找出在社交媒体上表现远超某个账号正常水准的帖子。目标不只是按浏览量排序，而是要识别出那些对该创作者或品牌而言表现异常出色的帖子，然后解释其中可重复的模式。
使用 ScrapeCreators 作为数据层。拉取近期公开帖子，标准化互动指标，计算每个账号的基准表现，并生成包含来源 URL 和实用启示的异常报告。
何时使用
当用户要求以下内容时使用此技能：
- 查找异常帖子、爆款帖子、最佳帖子、最佳 Reels、最佳 Shorts、最佳 TikTok 或最佳推文
- 分析某个创作者的内容为何有效
- 寻找值得复制或学习的竞争对手帖子
- 从高表现的社交媒体帖子中建立灵感文件
- 比较某个创作者最近帖子的表现
不要仅用于原始端点查询。如需直接 API 路由，请使用 scrapecreators-api。
数据来源
优先使用平台特定的信息流端点，仅在必要时才对单个帖子进行补充。
| 平台 | 信息流端点 | 详查/补充端点 |
|---|---|---|
| TikTok | /v3/tiktok/profile/videos | /v2/tiktok/video, /v1/tiktok/video/transcript |
| Instagram 帖子 | /v2/instagram/user/posts | /v1/instagram/post, /v2/instagram/media/transcript |
| Instagram Reels | /v1/instagram/user/reels | /v1/instagram/post, /v2/instagram/media/transcript |
| YouTube 视频 | /v1/youtube/channel-videos | /v1/youtube/video, /v1/youtube/video/transcript |
| YouTube Shorts | /v1/youtube/channel/shorts | /v1/youtube/video, /v1/youtube/video/transcript |
/v1/facebook/profile/posts, /v1/facebook/profile/reels | /v1/facebook/post, /v1/facebook/post/transcript | |
/v1/linkedin/company/posts | /v1/linkedin/post, /v1/linkedin/post/transcript | |
| X/Twitter | /v1/twitter/user-tweets | /v1/twitter/tweet, /v1/twitter/tweet/transcript |
| Threads | /v1/threads/user/posts | /v1/threads/post |
| Bluesky | /v1/bluesky/user/posts | /v1/bluesky/post |
在调用端点之前，如果不确定参数名称或响应字段，请先获取其文档或每个端点的 OpenAPI 规范。
工作流程
-
仅在必要时明确范围
- 平台
- 账号或 URL
- 时间/帖子数量窗口
- 是否包含评论/评论分析
-
拉取近期帖子
- 尽可能拉取至少 20 篇帖子。样本越多，基准越可靠。
- 如果端点支持游标且用户需要更大的窗口，则进行分页。
- 保留来源 URL 以供引用。
-
标准化指标
- 捕获所有可用的数据：观看量、播放量、点赞数、评论数、分享数、转发数、收藏数。
- 在保留原始指标后，再构建综合互动评分。
- 对于视频优先的平台，观看/播放次数通常是主要指标。
- 对于文字优先的平台，点赞 + 回复/评论 + 转发/分享通常更好。
-
计算账号基准表现
- 使用中位数而非平均数，这样一次爆款不会扭曲基准。
- 分别计算每个平台和每个账号的基准。
- 如果格式混用，尽可能按格式拆分：Reel 与轮播，短视频与长视频，文字与视频。
-
评分异常值
观看提升 = 帖子观看量 / 中位观看量互动提升 = 帖子互动量 / 中位互动量- 将帖子标记为：
- 巨大异常值： 基准的 5 倍以上
- 强烈异常值： 基准的 2-5 倍
- 轻度异常值： 基准的 1.5-2 倍
- 如果样本量少于 10 篇帖子，则置信度较低。
-
对胜出帖子深入分析
- 获取最异常帖子的详情。
- 在必要时获取视频帖子的转录。
- 可选地获取评论，以了解观众反应。
-
解释其成功原因 寻找：
- 钩子风格
- 主题/分类
- 格式
- 情绪触发点
- 新颖性/时效性
- 创作者证明或权威
- 争议或辩论
- 评论中显示的困惑、欲望或购买意图
输出格式
# 异常帖子报告：{创作者或品牌}
## 摘要
- 样本：{平台}上的 {n} 篇帖子
- 时间窗口：{窗口}
- 基准：中位{主要指标} = {值}
- 置信度：高/中/低
## 最大异常值
| 排名 | 帖子 | 平台 | 日期 | 主要指标 | 提升倍数 | 成功原因 |
|---:|---|---|---|---:|---:|---|
| 1 | [标题/钩子](url) | TikTok | 2026-01-01 | 120万观看 | 8.4x | 反常规钩子 + 清晰的对比 |
## 可重复的模式
1. **模式名称** — 证据和例子。
2. **模式名称** — 证据和例子。
## 可窃取的钩子
- "来自字幕或转录的准确钩子"
- "来自字幕或转录的准确钩子"
## 基于异常值的内容创意
1. ...
2. ...
## 备注与注意事项
- 仅限公开数据。
- 小样本仅供参考，并非定论。
常见陷阱
- 不要因为一个帖子原始观看量最高就称其为最佳异常值，如果大账号与小账号进行比较，应使用相对于各自账号基准的提升倍数。
- 不要将 TikTok、Instagram、YouTube 和 LinkedIn 的指标平均到一个基准中。应分别对每个平台进行评分。
- 不要编造转录内容。应直接获取转录，或仅引用可见的字幕/文字。
- 不要在少于 10 篇帖子的情况下过度夸大置信度。
- 如果用户要求的是近期表现，不要忽略过去的爆款帖子。尊重用户指定的时间窗口。