outlier-post-finder

异常表现帖子查找器

概述

查找表现优于账号正常水平的社交帖子。目标不只是按浏览量排序，而是找出对该创作者或品牌而言表现异常出色的帖子，并说明其中可重复的模式。

使用 ScrapeCreators 作为数据层。获取近期公开帖子，规范化互动指标，计算每个账号的基准水平，并生成包含来源 URL 和实用建议的异常表现报告。

适用场景

当用户要求执行以下操作时，使用此技能：

• 查找表现异常的帖子、爆红帖子、热门帖子、最佳 Reels、最佳 Shorts、最佳 TikTok 或最佳推文
• 分析创作者的内容为何有效
• 查找值得模仿或借鉴的竞争对手帖子
• 根据表现出色的社交帖子建立灵感库
• 比较创作者近期帖子的表现

如果用户只是要查询原始端点，请勿使用此技能。直接进行 API 路由时，请使用 scrapecreators-api。

数据来源

优先使用平台专属的信息流端点，仅在需要时再补充单条帖子的详细信息。

平台	信息流端点	详情／补充信息端点
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
Facebook	/v1/facebook/profile/posts、/v1/facebook/profile/reels	/v1/facebook/post、/v1/facebook/post/transcript
LinkedIn	/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

调用端点前，如果不确定参数名称或响应字段，请先获取其文档或对应端点的 OpenAPI 规范。

工作流

1. 仅在需要时明确范围

   • 平台
   • 用户名或 URL
   • 时间范围／帖子数量范围
   • 是否包含转录文本／评论分析

2. 获取近期帖子

   • 尽可能获取至少 20 条帖子。数量越多，基准越可靠。
   • 如果端点支持游标，且用户希望扩大范围，则进行分页。
   • 保留来源 URL 以供引用。

3. 规范化指标

   • 记录所有可用指标：浏览量、播放量、点赞数、评论数、分享数、转发数、收藏数。
   • 保留原始指标后，再计算综合互动得分。
   • 对于视频优先平台，浏览量／播放量通常是主要指标。
   • 对于文本优先平台，点赞数 + 回复／评论数 + 转发／分享数通常更合适。

4. 计算账号基准值

   • 使用中位数而非平均值，避免一条爆款帖子扭曲基准值。
   • 分别计算平台和账号的基准值。
   • 如果存在多种内容形式，尽可能按形式拆分：Reel 与轮播、短视频与长视频、文本与视频。

5. 评估异常表现

   • view_lift = post_views / median_views
   • engagement_lift = post_engagement / median_engagement
   • 为帖子标注：
     • 极高异常： 基准值的 5 倍及以上
     • 显著异常： 基准值的 2 到 5 倍
     • 轻微异常： 基准值的 1.5 到 2 倍
   • 如果样本少于 10 条帖子，则将置信度标记为低。

6. 深入分析表现突出的内容

   • 获取排名靠前的异常帖子的详细信息。
   • 在有帮助时，获取视频帖子的转录文本。
   • 也可以获取评论，了解受众反应。

7. 解释其成功原因 关注以下方面：

   • 开场钩子风格
   • 主题／类别
   • 内容形式
   • 情绪触发点
   • 新颖性／时效性
   • 创作者的证明材料或权威性
   • 争议或辩论
   • 表现出困惑、兴趣或购买意向的评论

输出格式

# Outlier Posts Report: {creator_or_brand}

## Summary
- Sample: {n} posts from {platforms}
- Window: {window}
- Baseline: median {primary_metric} = {value}
- Confidence: High/Medium/Low

## Biggest Outliers
| Rank | Post | Platform | Date | Primary Metric | Lift | Why it likely worked |
|---:|---|---|---|---:|---:|---|
| 1 | [title/hook](url) | TikTok | 2026-01-01 | 1.2M views | 8.4x | Contrarian hook + clear before/after |

## Repeatable Patterns
1. **Pattern name** — evidence and examples.
2. **Pattern name** — evidence and examples.

## Hooks to Steal
- "Exact hook from caption or transcript"
- "Exact hook from caption or transcript"

## Content Ideas Based on the Outliers
1. ...
2. ...

## Notes and Caveats
- Public data only.
- Small samples are directional, not definitive.

常见陷阱

• 如果对比对象中既有大型账号，也有小型账号，不要把原始浏览量最高的帖子称为表现最突出的异常帖子。应根据各账号自身的基准值计算提升幅度。
• 不要将 TikTok、Instagram、YouTube 和 LinkedIn 的指标平均后合并为一个基准值。应分别评估各个平台。
• 不要编造转录文本中的引述。应获取转录文本，或仅引用可见的说明文字／文本。
• 样本少于 10 条帖子时，不要过度夸大置信度。
• 如果用户询问近期表现，不要忽略较早的爆款帖子。应遵循用户指定的时间范围。