narrative-design

叙事设计

遵循以下共享的公开技能规则：

• postplus-shared 公开技能规则

在开场钩子机制和观众问题确定后、开始编写分镜或提示词前使用此技能。

此技能用于：

• 为视频主体选择合适的叙事弧线
• 明确产品的融入时机和深度
• 梳理贯穿整段视频的情绪节拍序列
• 定义 CTA 机制及其位置
• 为后续提示词工作提供清晰的叙事逻辑交接

此技能不用于：

• 选择钩子开场或阻止滚动的机制（如果有 hook-design，请使用它；否则使用 pattern-router）
• 编写最终分镜表或提示词
• 视觉执行或首帧设计（使用 visual-hook）
• 生成前审批（使用 prompt-preflight-qa）

核心规则

钩子引发观众的问题。叙事必须以一种让产品成为顺理成章的结论、而非突兀插入的方式回答这个问题。

在叙事充分深化观众的问题或愿望、让产品的出现显得理所当然之前，不要引入产品。

方法

使用上游钩子背景作为叙事设计的输入。

理想的上游输入是由 hook-design 生成的 Hook Brief。如果尚未运行 hook-design，至少请提供：

• 开场引发的观众问题
• 使用的钩子机制
• 产品是否出现在开场画面中

叙事设计从钩子机制结束的地方开始。

默认工作流

1. 确认上游钩子背景

如果既没有 Hook Brief，也没有直接的钩子描述，请先询问开场机制和观众问题，再继续。

不要仅凭模糊的需求或偏好用语进行叙事设计。

至少确认：

• 钩子引发的观众问题
• 使用的钩子机制
• 产品是否出现在开场画面中

特殊情况：产品／结果优先型钩子

如果钩子在第一帧展示产品或结果，则弧线的产品时机规则会有所不同。产品已经亮相。此时弧线决定的不再是产品何时首次出现，而是何时首次解释产品。

相应调整产品融入规则：

• hold until solve → 主体部分逐步构建问题；产品解释在解决问题的节拍出现，而非等到产品首次出现
• reveal at inversion → 产品从第一帧起就可见，但其不明显的能力要到反转节拍才揭示
• show early, explain late → 这会成为默认做法；主体部分完全围绕如何让观众相信他们已经看到的内容展开

实际操作中，产品／结果优先型钩子会将主体部分的任务从让产品亮相显得理所当然，转变为让观众相信他们已经看到的产品。

特殊情况：负面钩子

如果钩子以负面画面开场（“大家都做错了”“别再买 X 了”“别这么做”），则钩子已经表明观众持有错误的看法或做法。

与负面钩子的弧线兼容性：

• problemAgitatedSolve：最适合——钩子点明了错误；主体部分进一步揭示其后果并给出纠正方法
• expertExplainer：非常适合——钩子确立了权威性；主体部分解释正确的理解方式
• transformation：部分适用——将之前的状态重新定义为错误做法，而非不完整状态
• surpriseSatisfaction：可以使用，前提是反转能够证明常规做法是错误的
• urgencyClose：避免使用——负面钩子营造的问题紧张感，无法在要求观众采取行动前由 urgencyClose 化解

注意：与正面钩子相比，负面钩子所隐含的承诺更强。如果第 2 个节拍未能兑现纠正承诺，叙事失约带来的冲击会比中性开场更强。

2. 对视频片段类型进行分类

选择一项：

• conversion — 主要目标是促成购买或点击
• trust — 主要目标是减少购买顾虑
• awareness — 主要目标是提升品牌或产品认知度
• engagement — 主要目标是获得分享、收藏或评论

片段类型决定了适用的叙事弧类型，以及 CTA 可以有多强。

3. 选择叙事弧

使用以下叙事弧选择捷径，在阅读完整的叙事弧标准之前缩小候选范围。

捷径 A：按内容类型选择

如果已知预期内容类型，请先使用此表：

内容类型	主要叙事弧	次要叙事弧	避免
价格震撼／优惠	problemAgitatedSolve	urgencyClose	transformation
评论回复	expertExplainer	—	urgencyClose
产品效果	transformation	expertExplainer	urgencyClose
生活方式／愿景	transformation	surpriseSatisfaction	urgencyClose
视觉／情感	surpriseSatisfaction	transformation	expertExplainer

转化效率排序（根据平台数据）：价格震撼 > 评论回复 > 产品效果 > 生活方式 > 视觉／情感。对于面向冷受众的新账号内容，可从评论回复或产品效果入手——制作要求较低，信任回报较高。

捷径 B：按片段类型选择

片段类型	最佳叙事弧匹配项	说明
conversion	problemAgitatedSolve	转化率最高；直接解决购买障碍
conversion（温受众）	urgencyClose	仅适用于重定向受众或已经熟悉品牌的受众
trust	expertExplainer	权威性与清晰度是建立信任的关键
trust	transformation	可信的前后对比能建立审慎的信任
awareness	surpriseSatisfaction	分享率最高；能传播品牌认知
awareness	expertExplainer	知识差距能加深记忆
engagement	surpriseSatisfaction	反转会引发评论和分享
engagement	transformation	值得收藏的内容；收藏率高

当片段类型或内容类型不明确时，默认选择 expertExplainer。它在所有叙事弧类型中完播率最高，适用于任何受众熟悉度，也不需要特定的情绪前提。

---

选择一个主要叙事弧。除非时长安排明确支持，否则不要混用多个叙事弧。

---

1. expertExplainer

适用于：

• 观众需要先理解某件事，才会对产品产生兴趣
• 权威性和清晰度是建立信任的主要手段
• 钩子制造了一个必须由正文解答的知识缺口

结构：

Concept → Why it matters → How it works or how to get it

产品出场时机：在“如何”阶段引入，不要更早。

节拍 4 内容：“如何获得它”这一步——获取方式、购买路径或唯一的下一步行动。不要重复概念或原因。这个节拍将理解过渡到行动。

重看潜力：中高。节拍 2 的信息密度较高，观众会倒回去查看错过的细节。可在概念解释中加入具体数字和不寻常的对比，提高重看率。

数据：在 TikTok 病毒级内容中最常见的叙事弧（OpusClip 对 1350 万条视频片段的分析）。在所有叙事弧类型中完播率最高。

常见失误：先强调资历，却没有先提供价值。

---

2. problemAgitatedSolve

适用于：

• 观众已经深受其痛
• 情绪放大能提升紧迫感
• 产品是直接解决方案，而非生活方式附加品

结构：

Name the pain → Deepen the consequence → Deliver the solution

产品时机：将产品保留到 solve 节拍。焦虑必须在产品出现之前形成。

Beat 4 内容：证明解决方案有效——不是声称，而是演示。展示产品解决焦虑节拍中提到的具体后果。观众内心的疑问是「它真的有用吗？」用画面回答，而不是用语言。

重看潜力：中等。如果后果的构建足够生动、让人感到与自身相关，焦虑节拍可以触发重看。如果焦虑是泛泛的，重看率低。

数据：在短视频电商内容中，转化率高于所有 arc 类型。

常见失败：在焦虑尚未制造出真正张力之前就引入产品。

---

3. transformation

适用于：

• 前后状态在视觉或情感上差异明显
• 观众可以将自己代入 before 状态
• 变化本身是价值的主要证明

结构：

Before state → Turning point or discovery → After state

产品时机：产品是转折点，或是 after 状态的成因。它不应在 before 状态建立之前出现。

Beat 4 内容：让 after 状态可信——不是令人向往，而是具体。after 状态必须是具体、可验证的说法（「每月省下 $200」「每天都准时到达」），而不是一种感觉（「感觉很棒」「改变了我的人生」）。Beat 4 的可信度决定了观众是否会收藏视频以便之后重新考虑。

重看潜力：高。前后对比是天然的重看触发点——观众会再次比较两种状态以确认差距。通过让 after 状态在视觉上和具体细节上都不同于 before 状态来最大化这一点，而不只是「总体上更好」。

数据：收藏率高。适合需要时间权衡购买决策的受众。

常见失败：after 状态让人感觉是向往，而非可信。

---

4. surpriseSatisfaction

适用于：

• 产品的第一印象有违直觉
• 观众的预期可以被建立然后反转
• 反转本身就是价值的证明

结构：

Set ordinary expectation → Subvert it with product reality → Deliver satisfying resolution

产品时机：产品可以更早出现，因为机制依赖于预期与产品现实之间的落差。

Beat 4 内容：对反转的逻辑解答——解释为什么这一颠覆不是魔法或运气，而是产品特性。反转之后观众的隐含疑问是「等等，怎么做到的？」回答它。这一节拍正是把分享诱饵转化为购买考虑的关键。

重看潜力：所有 arc 类型中最高。反转瞬间是主要的重看触发点——观众会重看以捕捉第一次遗漏的内容，或展示给他人。设计颠覆节拍时，用一个第一次观看时不明显的细节来奖励第二次观看。

数据：所有 arc 类型中分享率最高。适用于产品具有非显而易见能力的情况。

常见失败：颠覆在视觉上令人印象深刻，但在逻辑上与产品主张脱节。

---

5. urgencyClose

适用于：

• 观众已经理解产品
• 阻碍来自惯性，而非怀疑
• 价格、可得性或时机是真正的差异化因素

结构：

Scarcity or timing signal → Value compression → Single clear action

产品时机：默认产品已知。这一叙事弧不负责建立理解——它负责转化理解。

第 4 拍内容：价值压缩——用一句话把产品的核心主张与稀缺信号打包在一起。不要引入新信息。把观众已经看到的内容压缩成最令人难忘的形式。

示例："[product's defining spec], [key differentiator] — and [scarcity signal, e.g. this price / this configuration] is only available until [date]."

重看潜力：所有叙事弧类型中最低。这一叙事弧是为即时行动设计的，而不是为重看设计的。如果你的目标是算法分发而非即时转化，这一叙事弧是最弱的选择。

数据：所有叙事弧类型中即时 CTR 最高。完播率最低。不要将其作为面向冷启动受众的主要叙事弧。

常见失败：虚假稀缺，如果观众之前见过该产品，会损害信任。

注意：urgencyClose 最适合作为附加在另一叙事弧之上的收尾层，而不是面向冷启动受众的独立结构。一个完全建立在稀缺 → 价值压缩 → CTA 之上的 30–45 秒完整视频很少奏效，除非受众已经预热。

---

4. 规划节拍序列

选定叙事弧后，将每一拍映射到一个时间窗口。

对于 30–45 秒的视频（病毒级中位数为 41 秒），使用以下结构：

0–3s    Hook beats (from upstream hook context — do not redesign here)
3–8s    Beat 1: [arc opening move]
8–16s   Beat 2: [arc middle — problem depth or proof]
16–28s  Beat 3: [product integration]
28–38s  Beat 4: [arc-specific resolution — see arc descriptions above]
38–43s  CTA

在第 1–2 拍中，每 2–3 秒切换一次画面。除非内容明确值得停留，否则单个镜头不要超过 3 秒。

根据更短或更长的格式调整比例。不要通过重复节拍来延长主体——应改为剪辑。

可选：重看触发拍

如果叙事弧和内容自然支持，在第 3 拍或第 4 拍中埋入一个值得二次观看的细节：

• 一个需要片刻才能消化的数字
• 一个包含的信息多于口头陈述的画面
• 一个观众想要验证的反转时刻

重看率高于 15–20% 是一个独立的分发信号：一位观众看三次胜过三位观众各看一次。不要人为设计这一拍——如果内容有自然的重看时刻，请在叙事简报中明确命名，以便下游工作保留它。

5. 锁定产品植入规则

选择一项：

• hold until solve —— 产品直到叙事弧的解决拍才出现
• reveal at inversion —— 产品在预期反转的时刻出现
• show early, explain late —— 产品从第 1 拍就可见，但直到第 3 拍才被命名或解释
• assumed known —— 本视频不建立产品身份（再营销或续集内容）

不要让产品早于所选规则允许的时机出现。

多功能产品的功能排序规则

当第 2 拍或第 3 拍包含多个产品功能或规格时，按感知影响力降序排列——而不是按规格表顺序或逻辑分组排列。

把单独出现就能让人停止滑动的功能放在最前面。随后是强化主要主张的辅助功能。最后是消除异议的功能。

车辆或出行产品的示例排序：

1. 性能差异化因素（动力、速度、续航阈值）——感知影响力最高（“这不一样”）
2. 性能的物理证明（地形、能力演示）——主张的视觉证明
3. 异议消除项（续航、电池、充电）——消除“但是……”的疑问
4. 辅助功能（车灯、显示屏、控件）——起支持作用，而非主导

反向排序（车灯在前，电机在后）会在观众获得关心理由之前就分散注意力。

6. 定义情绪弧线

为每个主要节拍映射预期的观众情绪状态：

Hook exit state:    [curious / unsettled / self-identified / surprised]
Beat 2 target:      [problem felt / desire raised / trust building]
Product arrival:    [relief / proof / upgrade / inversion]
CTA state:          [ready to act / want to save / want to share / happy-satisfied]

产品登场时的情绪状态必须合乎逻辑地承接节拍 2 的目标。如果不是，说明情绪弧线的选择有误。

注意：58% 的爆款级 TikTok 视频在结尾触发“开心”或“满足”的情绪状态（OpusClip，1350 万条视频片段分析）。在情绪弧线和产品允许的情况下，将 CTA 状态设计为走向积极结局，而不是仅靠紧迫感。

7. 设计 CTA

选择一种 CTA 机制：

• direct purchase — 链接点击或 TikTok Shop 点击
• save for later — 适用于决策周期较长的高考量产品
• comment trigger — 提出一个能引发回复的问题；适用于评论循环内容
• follow hook — 预告续集或系列，将观众转化为粉丝
• share bait — 将视频包装成观众会想分享给别人的内容

每条视频只用一种 CTA 机制。多个 CTA 会削弱每一个的效果。

CTA 位置：最后 3–5 秒。不要把 CTA 放在结局节拍之前。

评论循环设计说明

使用 comment trigger 时，CTA 在两个层面起作用：即时互动（算法信号）和内容生成（评论成为下一条视频的钩子）。

为评论循环做设计时：

• CTA 问题应能用一句话回答，但暗示多种可能的答案
• 视频正文应证明问题确实会被回答（引用之前的评论，或在钩子中展示“Replying to @username”图形）
• 每条回复视频消除一个异议并产生新问题——循环自我维持

对于新账号：在所有内容类型中，使用 expertExplainer 的评论循环内容制作门槛最低，每次观看带来的信任回报最高。在账号建设的前 30 天优先采用这一结构。

评论循环不需要真实的先前评论即可启动。用观众已经存在的可能问题为第一条视频播种。如果还没有真实评论，可使用产品知识中可能出现的异议。

8. 输出叙事简报

在交接给分镜或提示词工作之前，输出此区块：

Segment type:
Hook context:
  Viewer question carried in:
  Hook mechanism:
  Product reveal rule from hook:

Narrative arc:
Beat sequence:
  0–3s:   [hook — from upstream hook context]
  3–8s:   [beat 1]
  8–16s:  [beat 2 — visual switch every 2–3s]
  16–28s: [beat 3 — product integration]
  28–38s: [beat 4 — arc-specific resolution]
  38–43s: [CTA]
Rewatch trigger beat: [beat and description, or none]

Product integration rule:
Feature sequence: [highest-impact feature first, if multi-feature]

Emotional arc:
  Hook exit state:
  Beat 2 target:
  Product arrival state:
  CTA state:

CTA mechanism:
CTA placement:

Tone target:        [warm expertise (default) | educational authority |
                     casual peer | urgent advisor]
Perspective:        [third-person narration (default) | first-person testimonial]
Caption requirement: burned-in animated captions — key words enlarged or
                     color-differentiated; numbers and prices at maximum
                     readable size
Downstream handoff: [next skill name + one sentence on what it needs from
                     this brief]

这是分镜和提示词撰写所需的交接对象。

语气与视角规则

语气目标：温暖的专业感。

定义为对话式表达配合实质性内容。不是广播式的正式感。也不是只有反应的随意感。

避免：

• 正式的产品发布语言
• 缺乏具体性的空泛生活方式语言
• 没有清晰信息载荷的反应式内容

跨视频的语气一致性比语气变化更重要。每条视频都使用相同语域的账号会同时得到算法和观众的回报。除非情绪弧线类型明确要求不同的语域，否则不要在视频之间切换语气。

视角：默认使用第三人称叙述。

在 OpusClip 的 1350 万条视频片段分析中，第三人称叙述出现在 77.8% 的顶级表现片段中。无论是否有出镜人物，它都同样有效。B-roll、屏幕录制和素材片段都能支持第三人称叙述。

仅在以下情况使用第一人称：

• 创作者的身份本身就是信任机制
• 证言式情绪弧线需要个人署名

字幕要求：烧录式动态字幕。

80.2% 的爆款级片段使用烧录字幕。78.6% 为其添加动画。这是制作要求，不是风格选项。在叙事简报中明确说明这一点，以便下游提示词工作将其包含在内。

AIGC 专属节拍设计

当下游输出为 AI 生成视频时，节拍设计应充分利用真实拍摄无法低成本实现的能力。这正是 AIGC 的结构性优势——不是降低成本，而是获得那些拍摄成本高得离谱或物理上不可能实现的场景。

围绕以下 AIGC 原生能力设计节拍：

极端场景节拍

真实拍摄需要专业设备、场地准入或安全布置才能完成的镜头：极限负载地形、非道路表面的高速性能、极端天气或物理压力测试。将这些用作核心证明节拍（节拍 2 或 3），而不是 B-roll 填充素材。

参数可视化节拍

让抽象规格在物理上可见：扭矩以力量动画呈现，瓦特输出以功率激增图形呈现，续航以路线图叠加呈现。真实拍摄没有大量后期制作就无法做到这一点。AI 可以原生生成。

多场景压缩节拍

在单个 5 秒节拍内呈现三个不同环境，并在三者之间保持一致的视觉识别。无需实地拍摄即可传达多样性与多用途性。

一致的虚拟叙述者

在所有视频中使用同一个虚拟角色，相比使用不同的出镜人员或纯旁白形式，能提高观众留存率。如果使用虚拟角色，应在钩子节拍中建立该角色，并在 CTA 节拍中回到该角色。

移交给提示词工作前的诊断测试：针对序列中的每个节拍，问——人类创作者能否用一部手机和一个下午拍出来？如果每个节拍都是肯定的，那么 AIGC 就没有被用作结构性优势。至少重新设计一个节拍，以利用 AI 的原生能力。

注意：截至 2026 年，TikTok 的算法对真人创作者内容相较纯 AI 生成内容表现出轻微偏好。混合形式——钩子或 CTA 中使用真实素材，证明节拍中使用 AI 生成场景——目前在以转化为目标的片段中，比完全由 AI 生成的视频表现更好。

写作规则

• 将观众疑问从钩子延续到第一个叙事节拍——不要重置
• 在产品出现之前深化问题或欲望
• 选择一条弧线并贯彻到底——不要在视频中途混合弧线
• 让产品出现时机明确，而非隐含
• 将成功定义为观众行为信号，而不是语气词
• 保持节拍序列紧凑——宁可删减也不要延长
• 将 CTA 写成机制选择，而不是需要润色的台词
• 多特性产品揭示按感知影响力从高到低排序

失败模式

如果你至少无法确定以下内容，就停下来并说明叙事简报（Narrative Brief）规格不足：

• 正文遵循哪条弧线
• 产品何时允许出现
• CTA 到来时观众应处于什么情绪状态
• 正在使用哪种 CTA 机制

不要在弧线含糊或产品时机未解决的情况下移交给分镜或提示词工作。

卡住时，默认使用 expertExplainer。它是最宽容的弧线：它不要求观众具备特定情绪前提，不要求产品揭示时机精确，并且在所有弧线类型中完成率最高。如果钩子上下文和产品清晰，expertExplainer 总能产出有效的叙事简报。

如果上游钩子上下文本身规格不足，请先返回 hook-design 或 pattern-router 再继续。不要在叙事设计内部解决钩子歧义。

限制

本技能处理弧线选择、节拍排序、产品时机、情绪弧线和 CTA 设计。

它不处理：

• 钩子机制选择（使用 hook-design 或 pattern-router）
• 第一帧视觉执行（使用 visual-hook）
• 基准参考解码（使用 reference-decode）
• 生成前提示词验证（使用 prompt-preflight-qa）

实践应用

短视频的完整技能链如下：

1. pattern-router — 选择开场路线和片段类型
2. hook-design — 锁定钩子机制和 Hook Brief（如果 hook-design 不可用，直接使用 pattern-router 的输出）
3. narrative-design — 锁定 Narrative Brief ← 本技能
4. reference-decode 或 visual-hook — 当参考素材或视觉执行需要处理时
5. prompt-preflight-qa — 在生成前进行验证

如果没有叙事设计，一个强大的钩子上下文经常会交给提示词，而过早引入产品、丢失观众疑问，或者到达观众尚未准备好接受的 CTA。

编排工作流

在实践中，大多数短视频问题是工作流问题，而不是单一技能问题。

像 PostPlus 这样的系统将其作为一条编排链来处理，其中路由、钩子设计、叙事设计、视觉执行和 QA 会自动连接。