41期线下小班实操课 · 21大更新
这一期，我们把"你公司缺什么数据"这件事解决了

你的同行在网上干了什么，现在能一条条拉回你自己的表格里

很多老板做内容，判断依据就四个字：我感觉。感觉这个选题行、感觉那个不行。为什么？因为你根本看不到全貌——你能刷到的，永远是算法愿意推给你的那几条。

• 打通了哪 11 个平台：抖音、快手、小红书、B站、知乎、微信公众号、微信视频号、TikTok、YouTube、Instagram、X（推特）。
• 每个平台能干 8 件事：查账号数据、查作品数据、扒评论区、按关键词搜、看话题榜单、把视频下载下来转成文案、解析主页、导出成表格。
• 一共 46 个技能，全部跑通：抖音 5 个、TikTok 3 个、快手 4 个、B站 4 个、小红书 5 个、知乎 4 个、YouTube 3 个、Instagram 3 个、X 4 个、视频号 5 个、公众号 2 个。不是"支持"，是我们自己一个个真跑出数据来了。
• 为什么这事重要：它是后面 19 项更新的地基。没有真实数据，选题是拍脑袋、竞品分析是编的、话术是空的。

用户原话就一句：帮我查这三个关键词的全球数据

三个关键词：办公室装修、儿童房装修、AI企业化改造。没有写代码，没有填表单，没有配置任何参数。

• 用了 35 分 6 秒：不是"预计"，是任务跑完之后系统自己报的实际耗时。
• 交付 21 份平台关键词表 + 1 份汇总表：合计 1737 条分组记录，77 个工作表全部渲染验收，公式错误 0 个。
• 最实在的一点：查不到就明说查不到。微信视频号不支持关键词搜索，系统没有拿别的数据糊弄你，而是单独交了 3 份「未采集说明表」，写清楚为什么没有。
• 这条规矩很重要：一份报告里如果有编的数字，那整份报告都不能用了。所以我们宁可留空，也不用 0 冒充。

为什么非要洗？因为原始数据你根本看不懂

抖音管点赞叫 digg_count，B站叫 like，小红书又是另一个名字；有的平台给收藏数，有的平台压根没有这个指标。你把 11 个平台的表拉到一起，就是一团乱麻。

• 去重清洗：同一条内容在多个地方重复出现，先合并。
• 视频图片转文字：视频里说了什么、封面上写了什么字，全转成文字才能检索。真实案例里 2202 条封面做了识别，1792 条读出了文字。
• 跨平台字段翻译 + 归一化：把 11 套叫法翻译成同一套表头。没有的指标就留空，绝不用 0 假装成"有但是零"——这两者含义完全不同。
• 爆款量化 + 智能标签：算出这条内容在它自己那批数据里到底算不算爆，再自动打上行业、题材、钩子类型的标签。
• 双数据库入库 + 每日增量：进库之后每天只补新增的，不用每次从头再跑一遍。

你早上八点打开电脑，报告已经在那儿了

这一条是给企业负责人的。说白了就一句话：把"老板每天刷两小时手机看同行"这件事，交给机器在半夜干完。

• 以前：自己刷手机、耗时间、靠感觉、信息碎、而且只看得到同行——因为算法只推给你这些。
• 现在：凌晨 1 点自动跑数、自动清洗分析，早上八点桌面上已经躺着一份上万字的行业报告。
• 报告里有什么：这周什么选题在涨、哪个竞品动作变了、评论区在集中吐槽什么、有哪些新出现的机会点。
• 为什么这是"总线"：因为它把前面几条线（选题、竞品、客户声音）的结果全汇到一处，你只看一份，不用挨个点开。

缺哪一类，AI 就少一块判断力

很多公司上 AI 失败，不是模型不行，是喂的东西不对。这五类数据，你可以照着盘一遍自己公司现在有哪几类：

• ① 互联网实时最新数据：今天发生了什么、行业有什么新政策新事件。缺了它，AI 说的都是去年的话。
• ② 底层通用数据：常识、基础方法论。这块模型自带，不用你操心。
• ③ 行业公共数据：你这行的标准、规范、通用做法。多数公司这块是空的。
• ④ 企业自己沉淀的数据：你的报价单、合同、话术、施工工艺、售后记录、老师傅的经验。这是别人抄不走的那块，也是最难的一块。
• ⑤ 竞品数据：同行在干什么。前面五条更新解决的就是这一块。

这五类喂进去，才叫"企业专属 AI 大脑"。它能往下接的活很具体：经营决策、爆款选题、销售话术、标准 SOP、产品创新、风险预警。

数据只是原料，生产线才是能天天用的东西

很多人拿到数据之后就卡住了：看着一堆表，不知道下一步干嘛。所以我们把它固化成了 10 条线，每条线都是"输入什么 → 出什么 → 谁来看"写得清清楚楚。

• ① 选题雷达：每天给你一批值得拍的选题，带理由。
• ② 爆款结构与分镜：把火的视频拆成开头、转折、结尾，告诉你怎么套。
• ③ 多平台改编：一条内容自动改成抖音版、小红书版、公众号版。
• ④ 投流创意迭代：哪个素材跑得动、哪个该换，有依据地换。
• ⑤ 竞品战情：同行有动作立刻知道。
• ⑥ 客户声音到产品和客服：评论区、私信里的抱怨，变成产品改进项和客服话术。
• ⑦ 机会侦察与小步试错：发现新苗头，先做个最小版本试。
• ⑧ 销售与私域话术：客户常问的问题，配上验证过的答法。
• ⑨ 直播策划与复盘：播前给脚本，播后给复盘。
• ⑩ 老板情报总线：就是上一条更新讲的那份早八点报告。

第一把刀：把画面老老实实还原成文字

给它一个视频，它给你一份客观的《画面还原报告》——第几秒出现了什么人、什么物、什么字幕、镜头怎么动。只描述，不评价，不发挥。

• 为什么要单独做：因为后面所有的分析都建立在"画面到底有什么"之上。这一步不客观，后面全是编的。
• 一次真实结果：一条 48 秒的带货视频，还原出 3725 字的客观描述。
• 视频只上传一次：拿到一个长期有效的链接，后面所有环节复用，不重复传、不重复花钱。

第二把刀：像编导一样逐帧拉片

拿着上面那份客观描述 + 视频链接，出一份《爆款视频深度拆解报告》：这条为什么能爆，你要复刻的话该怎么改。

• 看四层：讲了什么 → 怎么讲的 → 为什么这么讲有效 → 换成你的行业怎么改。
• 钩子分七类、黄金三秒有 4 个公式、结构有 5 个模板，不是"感觉这个开头不错"这种废话。
• 红线：不捏造画面、不捏造数据，事实和推断分开写。规律优先于复述——不是把视频重讲一遍。
• 纯干货视频走另一条路：不拆钩子，直接"当书读"，把里面的知识扒出来。

改进一：网页动画转成视频，自动带上解说

以前把带解说的网页动画转成 MP4，出来是个哑巴片——画面对了，声音没了，还只录了一小段。现在什么参数都不用加，自动识别里面的解说、自动对齐、自动混音。

• 真实结果：一条带解说的生产线演示动画，自动识别出 15 段解说、总时长 157 秒，画面和声音严丝合缝。
• 用在哪：公司内部流程讲解、产品演示、朋友圈发的短科普。做完直接发，不用再找人配音。

改进二：网页、Word、一堆图片，都能变成正经 PDF

这个看着小，但凡是要给客户交东西的人都懂：一份排版乱的 PDF，直接让人怀疑你这家公司专不专业。

• 治好了三个老毛病：① 每页顶部被导航条盖住正文；② 满篇大片空白页（页面动画没触发，文字全是透明的）；③ 表格和图从中间被切断。
• 还顺手做了三件事：文件下载卡按类型换图标（PDF 红、Word 蓝、Excel 绿），视频做成能点的封面卡，正文链接前加个小图标、点了能跳。
• 验收方式很土但有效：转完自动逐页检查有没有空白页，有就删掉——不能只看程序说"完成了"。

它一天到底产出什么

你只需要给一个行业、一句话的产品说明，剩下的它自己往下跑：从场景里挖题目、写正文、起标题、配图、排版、配音，最后打包成能直接发的成品。

• 产量：一天几百篇。不是几百段废话——每篇 5000 字起步，配 10 到 20 张图，图不够就用图表补，绝不硬凑。
• 怎么保证不空洞：每篇必须先挖出至少 5 个"微场景"再动笔。不是写"我们服务好"，是写"业主晚上十点发现墙面返潮，这时候该先拍什么照片、找谁、怎么定责"。
• 去 AI 味是一道硬工序：写完自动过一遍，把那种一看就是机器写的腔调洗掉，再上你自己的说话口气。
• 一篇出两种格式：网页版（图挂在公网链接上，谁点开都能看）+ Word 版（图直接嵌在文档里，方便发客户）。
• 还能带配音：整篇自动读出来，顺手变成一条能发的音频内容。

以前的做法：把 PDF 丢给 AI，问一句答一句

听着挺美，实际一问就露馅。你问"这本书里讲的那个方法，我们厂子该怎么用"，它给你背一段原文；你问"作者是从哪件事推出这个结论的"，它开始编。根子在于：书只是被"存"进去了，没有被"读懂"。

• 第1层 · 拆结构：331 页的书，先拆成 15 讲，每讲讲什么、和上一讲什么关系，先理清楚。
• 第2层 · 挖事件：把书里出现的 66 个真实事件逐个抠出来——谁、什么时候、干了什么、结果怎样。这是后面所有推理的证据。
• 第3层 · 抽方法：从事件里提炼出 12 套可复用的方法，每套写清楚"适用条件 + 操作步骤 + 什么情况下不适用"。
• 第4层 · 造场景：把方法落到 34 个具体场景里——不是"企业管理"这种大词，是"新来的店长第一周该怎么盘库存"这种。
• 第5层 · 出问答：最后生成 113 条训练数据，每条都带原文出处，机器答完你能顺着追回书里第几页。
• 第6层 · 反过来验：拿这 113 条去考它自己，答不上来的、答跑偏的，退回上一层重训。

不是"识别成文字"就完事，那只是第一步

很多老板手机里存着几百张翻拍：培训手册、老师傅笔记、厂里的工艺卡、师徒手写的调试记录。以前顶多用个 OCR 转成一堆乱七八糟的文字，转完还是没人看。这一期我们把它做成了一条完整的产线，最后交付的是能查、能用的模块化教材。

• 置信度 0.993：识别完每一页都打分，分低的单独挑出来标记"待人工复核"，绝不混在正文里蒙混过关。
• 顺序靠内容不靠文件名：手机拍出来的 IMG_1、IMG_10、IMG_2 排序全是乱的，得看页眉页码、看内容承接关系重排。
• 风景图别急着删：中间夹的那几张"没字的图"，很多时候是章节分隔页，删了整本书的结构就断了。
• 改名要留映射表：原图改成规范名之后，必须留一份"新名 ↔ 原名"对照，出了问题能追回哪张照片。

一个小口诀，救回整个知识库的命中率

我们训了 3000 多条问答之后发现一个要命的问题：很多问题长这样——"这本书讲了什么""这篇日记的核心闭环是什么"。你自己看当然懂，因为你有上下文。但客户是从搜索框里进来的，他零上下文，这种问题的命中率约等于 0。

• 口诀：把材料名删掉，客户还看得懂 → 留下；看不懂 → 重写。
• ❌ 反例："这本书讲了什么" / "六哥这篇日记的核心闭环" —— 删掉材料名就成了空气。
• ✅ 正例："《七个习惯》里的要事第一，怎么落到车间排产上" / "如何降低员工对新流程的抵触情绪" —— 一个点了名，一个本身就能独立成立。
• 不靠人肉自觉，靠机器卡：写了一个质检脚本，扫全表的问题列，揪出"这/该/本/此 + 材料名词"却不带书名号的裸指代，直接判硬违规、退回重写。

我们给自己立的规矩：绝不凑数

拆一个 48 秒的短视频，按时长规则最多能出 3 条问答。我们最后只写了 2 条——因为第 3 条实在没有新东西可讲，硬写就是注水。知识库里一条注水的数据，会污染后面所有的检索结果。

• 每条答案 1500 字起，而且必须写满 7 到 8 层：核心观点 → 机理解释 → 原材料里的案例 → 跨行业改编案例 1 → 跨行业改编案例 2 → 可复用公式 → 实操步骤 → 边界和避坑。
• 缺一层就不算过：只有观点没有机理 = 正确的废话；只有机理没有案例 = 客户看不懂怎么用；没有"边界和避坑" = 客户照做出事。
• 三相等验收：说好写几条 = 实际写了几条 = 表里真实存在几条，三个数对不上就是没干完，不许标"已完成"。
• 宁缺毋滥不是偷懒：条数上限是"最多不超过"，不是"必须写够"。

以前一个技能得写好几天，现在是"喂文档 → 出成品"

你们公司有 ERP、有 CRM、有进销存，都带接口文档。以前想让 AI 用上这些数据，得找程序员一个个对接。这一期我们做了一台"母机"：把接口文档丢进去，它自己读、自己写代码、自己测试，最后吐出一个能直接用的技能。

• 不是照着文档抄：它会先真跑一遍接口，拿真实返回的数据当证据，文档写错了以真实数据为准。
• 自动认字段：某个平台返回 54 个字段，哪个是播放量、哪个是点赞、哪个是发布时间，它自己认，认不出的原样保留 + 记一笔"这个我不认识"，等人确认。
• 自己给自己出考卷：生成完技能自动跑测试，某个平台跑了 187 项；母机本身也做了 63 项自检，过了 62 项，剩下那 1 项写清楚为什么没过。
• 13 类任务自动分流：拿到文档先判断这是"取列表""取详情""搜索""下载"还是别的，不同类型走不同的生成路线。

技能多了以后，最怕的是"重名"和"越权"

官方有一套上传阿里云的技能，你们公司自己也写了一套上传自家服务器的，员工小王还偷偷写了一个自己用的——三个都叫"上传"。AI 到底调哪个？这一期我们把这事儿用规矩定死了，不靠 AI 自己猜。

• 物理分三个仓库：官方区 / 你们公司区 / 员工个人区，各放各的，谁也覆盖不了谁。
• 每个技能一个全名，带归属前缀，重名从物理上就不可能发生。
• 清单上标户口：每次干活前先生成一份带归属标记的技能清单，AI 只在这份标好户口的清单里挑，它从来不需要自己判断归属。
• 红线一条：官方技能内部要调别的技能，永远只解析到官方区 —— 谁也别想拿同名技能把官方的调用劫走。

同样是爆款，在不同赛道里根本不是一个数量级

我们实测过：自闭症康复这个赛道，一条内容平均才 5 个赞；减肥赛道平均 1100 个赞。你要是拿"过千算爆款"这把尺子去量，自闭症赛道里一条爆款都挑不出来 —— 但那个赛道里 50 个赞的内容，可能已经是天花板了。

• 不设固定门槛，只看这批数据自己的水位：在同平台、同一批数据里排队，前 10% 就是这个赛道的爆款，跟别的赛道无关。
• 缺的数据不补零：某个平台不给"收藏数"，就把这个指标的权重转移给别的指标，而不是当 0 分算——补零等于诬陷。
• 粉丝数不猜：拿不到就写"拿不到"，绝不用播放量倒推一个假粉丝数出来。
• 不认识的指标原样留着：新平台冒出个没见过的字段，原样存进"平台特有指标"里 + 记一笔映射日志，等人确认，绝不靠数字长得像就猜它是点赞。

AI 敢瞎编一次，你后面所有的答案都不敢用了

很多老板不敢把 AI 放到客户面前，就一个原因：它答不上来的时候不承认，硬编一个像模像样的答案。编错保养周期、编错政策条款、编错报价，出了事是你的责任。这一期我们把"什么时候必须说不知道"写成了硬规矩。

• 先查自家知识库，有权威答案直接给，并注明出处。
• 没有就去查官方来源，而且要交叉核验两个以上来源一致才敢用。
• 还是查不到，就明说"我查不到" —— 并且告诉你去哪儿能查到（哪个部门、哪份手册、打哪个电话）。
• 答案带有效期：政策、价格、参数这类东西会变，回答里必须写清"这是哪一版、什么时候的口径"。
• 不确定的部分单独列出来，不混在肯定的答案里一起说。

为什么很多公司买了一堆 AI 工具，最后全烂在电脑里

不是工具不好，是交付的时候只给了工具，没给"怎么用"。老板自己会用，员工不会；这个员工会用，换个人又不会。这一期我们把交付标准改了：做完任何一套东西，必须同时交出三样。

• ① 一份图文使用说明书：不是技术文档，是给完全没接触过的人看的——这是什么、三步上手、每个环节输入什么输出什么、出错了怎么办、常见问题。里面配框架图和流程图，一看就懂。
• ② 资料自动植入：讲到哪儿，旁边就顺手附上对应的文档、教程、案例链接，不是全堆在文末让人自己翻。能下载的文件单独做成醒目的下载卡。
• ③ 一张思维导图：整套东西的结构一张图看完，新人入职拿这张图能自己顺着摸清楚。