finding-trending-twitter-topics-for-content

查找热门 Twitter 话题，获取内容灵感

识别 Twitter 上某个细分领域中的热门讨论，为及时创作内容提供参考。Twitter 热度通常只持续 48–72 小时——要么迅速行动，要么转向常青内容角度。

前提条件

• 已设置 APIFY_TOKEN 环境变量
• 可选：已安装 Apify MCP 服务

输入

参数	类型	必填	默认值	说明
searchTerms	数组	✅	[]	Twitter 高级搜索查询（例如 ["#AI lang:en", "from:NASA"]）
sort	字符串	可选	Top	排序方式：Latest、Top 或 Latest+Top
tweetLanguage	字符串	可选	—	ISO 639-1 语言代码（例如 en）
maxItems	数字	可选	不限	返回的推文数量上限
onlyVerifiedUsers	布尔值	可选	false	仅包含已认证用户的推文
onlyTwitterBlue	布尔值	可选	false	仅包含 Twitter Blue 订阅用户的推文
onlyImage	布尔值	可选	false	仅包含带图片的推文
onlyVideo	布尔值	可选	false	仅包含带视频的推文
onlyQuote	布尔值	可选	false	仅包含引用推文
author	字符串	可选	—	筛选特定作者账号的推文
inReplyTo	字符串	可选	—	筛选回复特定账号的推文
mentioning	字符串	可选	—	筛选提及特定账号的推文
geotaggedNear	字符串	可选	—	筛选某个地点附近的推文
withinRadius	字符串	可选	—	geotaggedNear 周围的半径
geocode	字符串	可选	—	经纬度 + 半径字符串
placeObjectId	字符串	可选	—	筛选标记了某个地点的推文
minimumRetweets	数字	可选	—	最低转推数
minimumFavorites	数字	可选	—	最低点赞数
minimumReplies	数字	可选	—	最低回复数
start	字符串	可选	—	此日期之后的推文（YYYY-MM-DD）
end	字符串	可选	—	此日期之前的推文（YYYY-MM-DD）
includeSearchTerms	布尔值	可选	false	在每条推文中添加匹配的搜索词
customMapFunction	字符串	可选	—	用于转换每个输出对象的 JavaScript 函数

工作流

Progress:
- [ ] Step 1: Search niche keywords + trending signals
- [ ] Step 2: Extract high-engagement tweet clusters
- [ ] Step 3: Identify topic themes and their velocity
- [ ] Step 4: Score content opportunity per topic
- [ ] Step 5: Deliver trending topic brief

步骤 1：搜索推文

推荐 — run_actor.js（自动处理等待、输出和文件保存）：

# Quick answer (prints table to chat)
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}'

# Save as CSV
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.csv --format csv

# Save as JSON
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.json --format json

必须在环境变量或 .env 文件中设置 APIFY_TOKEN。

如果可使用 Apify MCP：

Tool: apify:run-actor
Actor: "apidojo~tweet-scraper"
Input:
{
  "searchTerms": ["[NICHE]", "#[niche]", "[NICHE] [current_year]"],
  "maxItems": 500,
  "tweetLanguage": "en",
  "since": "[7 days ago]"
}

REST API 备用方案：

curl -X POST   "https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=$APIFY_TOKEN"   -H "Content-Type: application/json"   -d '{
    "searchTerms": ["B2B SaaS", "#saas", "B2B SaaS 2026"],
    "maxItems": 500,
    "tweetLanguage": "en"
  }'

步骤 2：识别热门话题

使用关键词共现将推文归入不同的话题簇。针对每个话题簇：

topic_velocity = count_of_tweets_in_cluster
topic_engagement = sum(likeCount + replyCount * 3 + retweetCount * 2) / topic_velocity

话题时效性：

freshness = proportion of cluster tweets from last 48 hours

步骤 3：评估内容机会

opportunity_score = (topic_velocity / 50, max 1) * 0.30
                  + (topic_engagement / 100, max 1) * 0.30
                  + freshness * 0.20
                  + (top_tweet_by_influencer ? 1 : 0) * 0.20

根据时效性推荐内容角度：

• 时效性 > 0.7 → “及时回应类文章 / 热点观点”；在 24 小时内发布
• 时效性为 0.3–0.7 → “分析 / 深度解读”；在 72 小时内发布
• 时效性 < 0.3 → “常青内容解读”；无需赶时间

步骤 4：特殊情况

• 话题是新闻事件，而非常青话题：标记为 NEWS_REACTIVE — 适合社交媒体帖子，但投入长期内容创作存在风险
• 热门话题涉及负面争议：标记为 RISK_TOPIC；参与争议可能损害品牌；提供“保持距离进行说明”的选项
• 细分领域过于宽泛（返回无关话题）：添加第二个限定词——例如使用“B2B SaaS 增长”，而不只是“SaaS”
• 热门词语是缩写或行业术语：在输出中解释，以便非母语受众理解

输出格式

# Trending Twitter Topics: [NICHE]
Period: [DATE_RANGE] | Tweets analyzed: [N] | Topic clusters identified: [N] | Date: [DATE]

## Top Trending Topics
| # | Topic | Tweets | Avg Engagement | Freshness | Type | Score |
|---|-------|--------|---------------|---------|------|-------|
| 1 | [topic] | [N] | [N] | [X%] | [TRENDING/NEWS/EVERGREEN] | [0.XX] |

## Content Opportunities

### 1. [Topic Name] (Score: [X])
Volume: [N] tweets | Avg engagement: [N] | Freshness: [X%]
Angle: [recommended content format and angle]
Top tweet: @[handle] ([N] likes): "[excerpt]"

### 2. [Topic Name] ...

## Hashtag Map
| Hashtag | Usage Count | Avg Likes | Co-used With |
|---------|------------|-----------|-------------|

故障排查

没有热门话题（分布平缓）：该细分领域在 Twitter 上可能不太活跃；试着将时间范围延长至 14 天，或改用 Reddit 研究该领域的内容。 话题全是政治或新闻：在搜索词中更积极地添加细分领域限定词；大多数泛新闻话题在任何宽泛搜索中都会出现。 内容创意不适合你的形式：热门话题是输入，而非规定——根据你的形式调整切入角度（例如，关于定价的 Twitter 争议 → 一篇题为“如何传达价格变更”的博客文章）。