自动采集各平台内容数据（播放量/点赞/评论/转发），AI 分析爆款规律，生成选题优化建议。
全职自媒体创作者需要数据驱动决策但缺乏分析能力
每周节省 4-6 小时
约 ¥50-150/月
在 n8n 中为每个平台配置数据采集节点：抖音（播放/点赞/评论/完播率）、B站（播放/三连/弹幕）、小红书（曝光/互动/收藏）、公众号（阅读/在看/分享）。设置每日定时采集，数据存入 PostgreSQL。
统一各平台数据格式，计算标准化指标：互动率=互动数/曝光数、完播率、粉丝转化率等。处理异常数据（如被推荐导致的数据突增），标记数据来源和采集时间确保可追溯。
将历史内容数据（标题、封面、时长、发布时间、数据表现）输入 GPT-4，训练识别爆款规律。分析维度包括：选题类型、标题结构、封面风格、发布时间、内容节奏等。输出爆款因子权重排名。
每周自动生成内容数据分析报告，包含：本周数据概览、爆款内容复盘、低效内容诊断、竞品对标分析。报告自动推送到飞书文档，关键发现同步通知到群聊。
基于数据分析结果，AI 自动生成下周选题建议：推荐选题方向、预测数据表现、建议发布时间和平台。将建议与内容日历联动，形成数据驱动的内容生产闭环。
抖音开放平台有日调用限额，B站需要申请数据接口权限，小红书官方 API 较封闭可能需要用第三方工具。建议优先使用官方 API，不足部分用定时截图+OCR 补充。
使用 PostgreSQL 分区表按月存储，建立时间索引加速查询。历史数据定期归档，日常分析只查询近 90 天数据。AI 分析使用摘要数据而非原始明细。
设置多维度爆款标准：互动率超过账号均值 3 倍、24 小时内数据增速超过阈值、跨平台表现一致性。避免单一指标误判（如被推荐但互动率低的虚假爆款）。
定期用人工标注数据校验 AI 判断准确率，持续优化 prompt。将 AI 建议与实际结果对比，计算预测命中率。建议将 AI 分析作为参考而非唯一决策依据。