← 返回
未分类

公众号爆款选题雷达

聚合多平台热点,智能评估选题潜力,提供爆款切入角度、竞品分析及差异化内容方案,助力公众号内容创作。
聚合多平台热点,智能评估选题潜力,提供爆款切入角度、竞品分析及差异化内容方案,助力公众号内容创作。
sxzxlj sxzxlj 来源
未分类 clawhub v1.0.0 1 版本 100000 Key: 无需
★ 2
Stars
📥 516
下载
💾 0
安装
1
版本
#latest

概述

Skill: 公众号爆款选题雷达


version: "1.0.0"

name: "wechat-topic-radar"

display_name: "公众号爆款选题雷达"

description: |

全网热点聚合分析工具,智能发现公众号爆款选题。

采集知乎、微博、小红书、公众号等多平台热点,

通过综合热度算法识别高潜力选题,

提供切入角度建议、竞品分析和内容差异化方案。

author: "liujian"

tags: ["内容创作", "公众号", "热点分析", "选题工具", "数据分析"]


功能特性

🔥 多平台热点采集 (20+平台)

  • 国内热点: 百度热搜、微博热搜、知乎热榜、今日头条、抖音热搜、B站热搜/日榜
  • 技术社区: 掘金、CSDN、GitHub、V2EX、HackerNews
  • 新闻资讯: 网易新闻、少数派、爱范儿
  • 自动故障转移: 多源备份,确保数据稳定采集

🌡️ 综合热度算法

基于5大维度评估选题价值:

  • 平台热度 (20%):原始热度数据
  • 互动热度 (25%):点赞/评论/分享数据
  • 趋势热度 (20%):新鲜度和增长趋势
  • 内容质量 (15%):标题质量和完整性
  • 爆款潜力 (20%):情绪价值和传播潜力

🎯 智能选题建议

  • 切入角度推荐:5种角度类型(情感共鸣/实用干货/观点评论/数据洞察/故事叙事)
  • 标题优化建议:基于爆款标题公式生成
  • 文章结构规划:提供完整的内容大纲
  • 情绪定位分析:匹配目标读者情绪

📊 竞品分析

  • 相似话题识别:发现同主题竞品内容
  • 角度分布分析:避免同质化竞争
  • 差异化策略:提供独特的切入建议

📈 可视化报告

  • HTML交互报告:美观的可视化分析
  • 热度趋势图表:TOP10热度排行、雷达图分析
  • 关键词云图:热点词汇提取
  • JSON数据导出:便于二次分析

使用方法

完整扫描

# 执行完整的热点扫描和分析
python scripts/radar_main.py scan

# 指定平台和数量
python scripts/radar_main.py scan -p zhihu weibo -l 30

快速扫描

# 快速获取热点概览
python scripts/radar_main.py quick

# 按关键词筛选
python scripts/radar_main.py quick -k 职场

单选题分析

# 分析单个选题
python scripts/radar_main.py analyze "为什么年轻人都不结婚了?"

多选题对比

# 对比多个选题
python scripts/radar_main.py compare "标题1" "标题2" "标题3"

Python API调用

from scripts.radar_main import WechatTopicRadar

# 初始化雷达
radar = WechatTopicRadar('config/config.yaml')

# 执行完整扫描
result = radar.scan()

# 获取TOP10热门选题
top_topics = result['scores'][:10]
for score in top_topics:
    print(f"{score.topic.title} - 热度: {score.total_score}")

# 快速扫描
quick_result = radar.quick_scan(keyword="职场")

# 分析单个选题
analysis = radar.analyze_topic("你的选题标题")
print(analysis.angles[0]['suggested_title'])

输出示例

控制台输出

============================================================
🔥 公众号爆款选题雷达 - 开始扫描
============================================================
📱 扫描平台: zhihu, weibo, xiaohongshu, wechat
📊 每平台采集: 50 条
⏰ 开始时间: 2024-01-15 09:30:00
------------------------------------------------------------

📡 Step 1: 多平台数据采集...
   ✅ 共采集 156 条热点数据

🌡️  Step 2: 综合热度计算...
   ✅ 计算完成,89 条达到热度阈值

📈 Step 3: 热点趋势分析...
   ✅ 提取 45 个关键词
   ✅ 识别 23 个上升话题

🔍 Step 4: 选题深度分析...
   ✅ 完成 10 个选题深度分析

📄 Step 5: 生成分析报告...
   ✅ HTML报告: ./data/reports/topic_radar_report_20240115_093015.html
   ✅ JSON数据: ./data/topic_data_20240115_093015.json

============================================================
✨ 扫描完成!
============================================================
🏆 TOP 5 热门选题:
   1. [知乎] 2024年最赚钱的10个行业... (热度: 92.5)
   2. [微博] 为什么年轻人都不结婚了?... (热度: 89.3)
   ...

分析报告内容

  • 📊 数据概览:采集统计、平台分布
  • 📈 可视化图表:热度排行、雷达图、关键词图
  • 精选推荐:当下最热/高潜力/被低估选题
  • 🔍 深度分析:TOP5选题的切入角度、差异化建议

配置说明

配置文件位置:config/config.yaml

# 扫描平台配置
data_collection:
  platforms:
    - zhihu
    - weibo
    - xiaohongshu
    - wechat
  limit_per_platform: 50

# 热度算法权重
heat_algorithm:
  weights:
    platform: 0.20
    interaction: 0.25
    trend: 0.20
    quality: 0.15
    potential: 0.20

# 报告配置
report:
  output_dir: ./data/reports

项目结构

wechat-topic-radar/
├── SKILL.md                    # Skill定义文件
├── README.md                   # 项目说明
├── requirements.txt            # Python依赖
├── config/
│   └── config.yaml            # 配置文件
├── scripts/
│   ├── radar_main.py          # 主控模块
│   ├── data_collector.py      # 数据采集
│   ├── heat_algorithm.py      # 热度算法
│   ├── topic_analyzer.py      # 选题分析
│   └── report_generator.py    # 报告生成
├── data/                      # 数据存储
│   └── reports/              # 报告输出
└── assets/                    # 静态资源

技术栈

  • Python 3.8+
  • requests:网络数据采集
  • jieba:中文分词和关键词提取
  • numpy:数值计算
  • plotly:交互式可视化
  • pyyaml:配置管理

数据来源

| 平台 | 类型 | 数据源 |

|:---|:---|:---|

| 百度热搜 | 综合热点 | 小尘API |

| 微博热搜 | 社交媒体 | 小尘API |

| 知乎热榜 | 问答社区 | 小尘API |

| 今日头条 | 新闻资讯 | 小尘API |

| 抖音热搜 | 短视频 | 小尘API |

| B站热搜/日榜 | 视频社区 | 小尘API |

| 掘金 | 技术社区 | 小尘API |

| CSDN | 技术社区 | 小尘API |

| GitHub | 开源社区 | 小尘API |

| 网易新闻 | 新闻资讯 | 小尘API |

| 少数派 | 科技媒体 | 小尘API |

| 爱范儿 | 科技媒体 | 小尘API |

| V2EX | 技术社区 | 官方API |

| HackerNews | 技术社区 | 官方API |


注意事项

  1. 数据准确性:网络数据采集可能存在延迟或波动
  2. 合规使用:请遵守各平台的数据使用规范
  3. 热点时效:热点内容具有时效性,建议及时跟进
  4. 人工判断:算法建议仅供参考,最终选题需结合人工判断

更新计划

  • [x] 接入更多数据源(抖音、B站、今日头条等)
  • [ ] AI智能标题生成
  • [ ] 历史热点趋势分析
  • [ ] 个性化推荐算法
  • [ ] 定时自动推送报告

联系作者

  • 作者: liujian
  • 邮箱: sxzxlj@163.com
  • 版本: 1.0.0

版本历史

共 1 个版本

  • v1.0.0 当前
    2026-05-03 09:48 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

content-creation

humanizer-zh

liuxy951129-cpu
去除文本中的 AI 生成痕迹。适用于编辑或审阅文本,使其听起来更自然、更像人类书写。 基于维基百科的"AI 写作特征"综合指南。检测并修复以下模式:夸大的象征意义、 宣传性语言、以 -ing 结尾的肤浅分析、模糊的归因、破折号过度使用、三段
★ 64 📥 30,713
content-creation

Marketing Mode

thesethrose
{"answer":"营销模式整合23项全能技能,涵盖策略、心理、内容、SEO、转化优化及付费增长。适用于营销策略、文案、SEO、转化优化、付费广告及各类营销战术需求。"}
★ 163 📥 25,310
content-creation

Humanizer

biostartechnology
消除AI写作痕迹,使文本更自然真实。基于维基百科"AI写作特征"指南,识别并修正夸张象征、宣传用语、肤浅-ing分析、模糊归因、破折号滥用、三项排比、AI词汇、负面平行结构及冗长连接词等模式。
★ 935 📥 211,604