Douyin Viral Content

抖音爆款文案生成器

核心理念

用户只需说："生成新文案"，提供书籍摘录或金句内容。

所有分析、优化、打分、预估全部自动完成，直到输出5星级爆款文案。

全自动化工作流程

当接收到生成文案请求时，按照以下步骤自动执行：

步骤1：历史数据自动读取与分析

自动扫描 已发布/ 文件夹下的所有历史文案：

• 提取每条文案的预估播放量、实际播放量、各维度得分
• 识别哪些爆款要素得分高的文案实际表现更好
• 分析预估模型是否存在系统性偏差（总是高估或低估）
• 总结账号的内容特色（更擅长哪类情感、风格、话题）

如果历史数据不足（少于3条）：使用通用模型，无需调整策略

步骤2：策略自动校准

基于历史分析结果，自动调整：

• 要素权重：提高表现好的要素权重（如"情感权力反转"高分文案播放量好，则增强该要素）
• 预估参数：校准播放量预估模型（如历史总是高估20%，自动降低预估系数）
• 标签策略：优化标签选择（如某些标签组合表现更好，优先使用）
• 内容方向：强化账号擅长的内容类型

步骤3：应用9大爆款要素生成文案

参考 references/viral-factors.md，确保文案包含关键要素： 1. 情感权力反转 2. 认知重构 3. 权威背书 4. 宿命论哲学 5. 算法友好标签 6. 金句传播性 7. 完播率优化 8. 互动钩子设计 9. BGM适配建议

融入历史学习：基于步骤2的策略调整，强化成功要素。

步骤4：多维度打分评估

参考 references/scoring-system.md，自动计算：

• 内容质量分（100分）：爆款要素覆盖度、金句质量、情感共鸣度
• 算法适配分（100分）：标签策略、完播率预期、互动引导
• 创新度分（100分）：角度创新性、差异化表达
• 综合爆款指数（总分300，换算成5星制）

步骤5：质量控制与自动优化迭代

质量标准：必须达到5星（240-300分）才能输出

如果首次生成未达到5星： 1. 识别得分最低的维度（如创新度不足） 2. 自动优化该维度（如：更换角度、增强金句、优化开头） 3. 重新打分评估 4. 重复迭代直到达到5星标准

自动规避风险：在生成过程中自动规避潜在风险（如文案过长、开头不够吸引、标签不够正向等），无需告知用户。

自动应用优化点：在迭代过程中直接优化文案，无需告知用户优化了什么。

步骤6：播放量智能预估

参考 references/estimation-model.md，基于以下因素预估：

• 内容质量得分（步骤4的打分结果）
• 账号历史表现（平均播放量、粉丝数）
• 赛道竞争度（情感治愈类基础流量）
• 标签热度和组合效果
• 预估完播率

使用校准后的模型：应用步骤2中调整的预估参数，提高预估准确性。

步骤7：输出优化文案文件

将文案输出到 未发布/ 文件夹，文件名格式：

[类型]_[主题]_[日期]_第X批.md

文件包含以下内容： 1. 文案正文 + 精选标签（4-6个） 2. 综合评分（必定是5星） 3. 视频分析（仅展示优势，风险已自动规避） 4. 预估播放量（基础预估 + 爆款上限） 5. 实际播放量板块（待用户第二天填写）

输出模板结构

生成的文案文件严格按照以下结构：

# [文案主题]

## 📝 文案正文

[生成的完整优化文案]

## 🏷️ 推荐标签

#标签1 #标签2 #标签3 #标签4

## 🎯 综合评分

- 内容质量分：XX/100
- 算法适配分：XX/100
- 创新度分：XX/100
- **综合爆款指数：★★★★★（XXX分）**

## 📊 视频分析

### ✅ 内容优势
- 优势点1：[具体说明]
- 优势点2：[具体说明]
- 优势点3：[具体说明]

### 💡 创作建议
- BGM推荐：[音乐风格建议]
- 视觉建议：[画面/文字动画建议]
- 节奏控制：[时长和节奏建议]

## 📈 预估播放量

- **基础预估**：XX-XX万
- **爆款上限**：XX万+
- **完播率预估**：XX-XX%

**评分依据**：
[基于当前得分、历史数据、赛道特征的详细分析]

## 📊 实际播放量（待填写）

- 实际播放：_____
- 点赞数：_____
- 转发数：_____
- 评论数：_____
- 完播率：_____
- 发布时间：_____

## 🔍 复盘分析

[当用户填写实际播放量后，下次生成新文案时会自动分析这条数据，并融入到策略优化中]

关键原则

✅ 自动化原则

• 所有分析、优化、迭代全部自动完成
• 用户无需手动触发任何子任务
• 用户无需了解优化过程，只需看到最终5星文案

✅ 质量控制原则

• 必须达到5星标准才能输出
• 自动识别问题并迭代优化
• 自动规避风险，无需展示给用户

✅ 学习进化原则

• 每次生成都读取历史数据
• 自动识别成功模式并强化
• 预估模型持续校准优化

✅ 用户体验原则

• 输入极简：只需提供原始内容
• 输出完美：保证5星质量
• 过程隐藏：不展示中间步骤

参考资源

本 skill 包含以下参考文件，按需自动读取：

• references/viral-factors.md：9大爆款要素详细分析和评分标准
• references/scoring-system.md：300分打分机制和5星换算规则
• references/estimation-model.md：播放量预估算法和参数调整方法
• references/optimization-guide.md：自动优化规则和迭代策略
• references/learning-guide.md：历史数据分析方法和策略校准指南

播放量预估模型

本文档定义抖音文案播放量的智能预估算法，支持历史数据校准。

预估模型架构

基础公式

预估播放量 = 基础流量池 × 内容质量系数 × 账号权重系数 × 赛道系数 × 时间系数

---

模型参数详解

1. 基础流量池

抖音为每条新内容分配的初始流量。

默认值：如果不知道账号情况，使用 1000 作为基础流量池。

---

2. 内容质量系数

基于综合爆款指数（300分制）计算：

计算公式：

质量系数 = (综合得分 / 300) ^ 2 × 100

示例：

• 268分：(268/300)² × 100 ≈ 79x
• 240分：(240/300)² × 100 ≈ 64x
• 180分：(180/300)² × 100 ≈ 36x

---

3. 账号权重系数

综合账号历史表现和粉丝基础。

计算方法

如果有历史数据（≥3条）：

账号权重 = (历史平均播放量 / 基础流量池) × 0.7 + (粉丝数 / 10000) × 0.3

如果无历史数据：

账号权重 = 1.0（默认值）

权重范围：0.5 - 5.0

• <1.0：账号表现低于平均
• 1.0-2.0：正常账号
• 2.0-5.0：优质账号
• >5.0：头部账号

---

4. 赛道系数

不同内容赛道的流量特征。

本skill默认值：1.2（情感治愈赛道）

---

5. 时间系数

发布时间对流量的影响。

默认值：1.2（假设合理时间发布）

---

完整预估流程

步骤1：收集参数

从文案评分和历史数据中提取：

• 综合得分（已计算）
• 基础流量池（根据账号粉丝数）
• 历史平均播放量（如有）
• 账号粉丝数（如有）

步骤2：计算各系数

1. 内容质量系数 = (综合得分 / 300)² × 100 2. 账号权重系数 = 根据历史数据计算，或默认1.0 3. 赛道系数 = 1.2（情感治愈） 4. 时间系数 = 1.2（默认）

步骤3：计算基础预估

基础预估 = 基础流量池 × 内容质量系数 × 账号权重 × 赛道系数 × 时间系数

步骤4：计算爆款上限

基于算法推荐机制，优质内容会获得多轮推荐：

爆款上限 = 基础预估 × (1 + 算法适配分/100 × 2)

逻辑：

• 算法适配分90+：可能获得3-4轮推荐，上限3-4倍
• 算法适配分80-89：可能获得2-3轮推荐，上限2.5-3倍
• 算法适配分<80：1-2轮推荐，上限1.5-2倍

步骤5：输出预估范围

基础预估：80%置信度的播放量 爆款上限：如果内容表现优秀且运气好的上限

---

预估示例

示例1：268分高质量文案，小账号

参数：

• 综合得分：268/300
• 基础流量池：1000（假设1万粉账号）
• 账号权重：1.5（历史平均播放5万）
• 赛道系数：1.2
• 时间系数：1.2

计算： 1. 内容质量系数 = (268/300)² × 100 = 79.6 2. 基础预估 = 1000 × 79.6 × 1.5 × 1.2 × 1.2 = 171,648 ≈ 17万 3. 算法适配分：92/100 4. 爆款上限 = 171,648 × (1 + 0.92 × 2) = 490,200 ≈ 49万

输出：

• 基础预估：15-20万
• 爆款上限：40-50万+

---

示例2：240分合格文案，新账号

参数：

• 综合得分：240/300
• 基础流量池：300（新账号）
• 账号权重：1.0（无历史）
• 赛道系数：1.2
• 时间系数：1.2

计算： 1. 内容质量系数 = (240/300)² × 100 = 64 2. 基础预估 = 300 × 64 × 1.0 × 1.2 × 1.2 = 27,648 ≈ 2.8万 3. 算法适配分：85/100 4. 爆款上限 = 27,648 × (1 + 0.85 × 2) = 74,500 ≈ 7.5万

输出：

• 基础预估：2-3万
• 爆款上限：6-8万

---

历史数据校准

当累积≥5条有实际播放量的文案后，自动校准模型。

校准流程

1. 计算预估偏差

对每条历史文案：

偏差率 = (实际播放量 - 基础预估) / 基础预估

2. 分析偏差模式

• 系统性高估：平均偏差率 < -20%
• 系统性低估：平均偏差率 > +20%
• 预估准确：平均偏差率 -20% 到 +20%

3. 调整校准系数

校准系数 = 1.0 + (平均偏差率 / 2)

示例：

• 平均偏差 -30%（总是高估）：校准系数 = 1.0 + (-0.30/2) = 0.85
• 平均偏差 +40%（总是低估）：校准系数 = 1.0 + (0.40/2) = 1.20

4. 应用到新预估

校准后预估 = 原始预估 × 校准系数

校准示例

历史数据：

平均偏差：-25%（系统性高估） 校准系数：1.0 + (-0.25/2) = 0.875

新文案预估：

• 原始预估：17万
• 校准后：17万 × 0.875 = 14.9万 ≈ 15万

---

特殊情况处理

情况1：爆款历史（某条文案播放量>>平均）

不应将爆款文案纳入校准计算，避免拉高预期。

处理方法：

• 剔除超过历史平均3倍以上的异常值
• 只用正常表现的文案校准

情况2：历史数据不足（<5条）

使用通用模型，不进行校准。

输出提示：

**预估说明**：基于通用模型，随着历史数据积累，预估将更精准。

情况3：账号类型变化（如涨粉）

当粉丝数增长超过50%时，更新基础流量池和账号权重：

• 重新计算基础流量池
• 使用最近5条数据（而非全部历史）计算权重

---

输出格式

在生成的文案文件中，预估板块格式：

## 📈 预估播放量

- **基础预估**：15-20万
  - 基于综合得分268分（★★★★★）
  - 账号历史平均表现：5万/条
  - 赛道流量系数：1.2（情感治愈）

- **爆款上限**：40-50万+
  - 高算法适配分（92/100）
  - 多轮推荐潜力
  - 需配合热门BGM和黄金时段发布

- **完播率预估**：55-60%
  - 强力开头吸引
  - 金句密集保持完播

**预估依据**：
本预估基于历史12条文案数据校准，平均偏差±15%。  
实际表现受发布时间、BGM选择、封面设计等因素影响。

**历史校准**：
- 历史预估准确率：82%（±20%误差范围内）
- 校准系数：0.88（模型曾轻微高估，已调整）

---

模型迭代

随着数据积累，模型持续优化：

优化方向

1. 要素权重：识别哪些爆款要素与实际播放量相关性更强 2. 赛道系数：根据账号特色细化赛道定位 3. 时间系数：分析账号粉丝活跃时间 4. 账号权重：更精准地评估账号影响力

优化触发

• 每累积5条新数据：小幅校准
• 每累积20条数据：大幅优化模型参数
• 预估偏差>30%：紧急调整

输出透明度

在每次预估中说明：

• 使用了多少条历史数据
• 校准系数是多少
• 预估准确率是多少

让用户建立对模型的信任。

历史数据分析与策略学习指南

本文档定义如何从历史文案数据中学习并持续优化生成策略。

数据读取流程

自动扫描历史数据

每次生成新文案前，自动执行：

1. 扫描 "已发布/" 文件夹
2. 读取所有 .md 文件
3. 提取关键数据字段
4. 建立数据库（临时内存）
5. 执行分析

关键数据字段

从每个历史文案文件中提取：

数据有效性判断

IF 实际播放量 ≠ 空白:
    → 纳入分析（有效数据）
ELSE:
    → 仅作为生成参考，不参与统计分析

---

核心分析维度

分析1：预估准确率

目的

评估播放量预估模型的准确性，识别系统性偏差。

计算方法

对每条有实际数据的文案：

偏差率 = (实际播放量 - 基础预估中值) / 基础预估中值

示例：

• 预估：15-20万（中值17.5万）
• 实际：70万
• 偏差率：(70-17.5)/17.5 = +300%

分析维度

1. 平均偏差率

   平均偏差 = Σ(偏差率) / 有效数据条数

2. 偏差分布

• 系统性高估：80%文案实际<预估
• 系统性低估：80%文案实际>预估
• 预估准确：实际在预估范围内的比例>60%

3. 极端值识别

• 超预估5倍以上：爆款异常值（单独标记）
• 低于预估50%：可能存在发布问题

输出结论

**预估准确率分析**（基于12条历史数据）：
- 平均偏差：+15%（轻微低估）
- 准确率：67%（±30%误差范围内）
- 系统性偏差：略低估高质量内容的爆款潜力
- 建议校准：提升校准系数至1.15

---

分析2：要素相关性分析

目的

识别哪些爆款要素与实际播放量相关性更强。

分析方法

对9大爆款要素，分别计算：

相关系数 = Corr(要素得分, 实际播放量)

相关性解读

实例

假设分析结果：

应用：下次生成文案时，自动强化"认知重构"和"金句传播性"要素。

---

分析3：标签效果分析

目的

识别哪些标签组合实际表现更好。

分析方法

1. 提取所有标签

   标签频次统计：
   #学会释怀: 8次
   #爱情: 10次
   #治愈系: 7次
   #情感共鸣: 6次
   ...

2. 计算标签平均播放量

   标签平均播放 = Σ(使用该标签的文案播放量) / 使用次数

3. 标签组合分析

• 识别高频组合（如 #学会释怀+#爱情 出现5次）
• 计算组合平均播放量

输出结论

**高效标签TOP3**：
1. #学会释怀（平均播放35万）
2. #情感共鸣（平均播放32万）
3. #治愈系（平均播放28万）

**最佳标签组合**：
#学会释怀 + #爱情 + #治愈系 + #情感共鸣
平均播放：42万

**建议**：优先使用这4个标签组合

---

分析4：内容方向洞察

目的

识别账号更擅长的内容类型和情感方向。

分析维度

1. 情感类型分布

• 分手释怀类：6条，平均播放30万
• 自我成长类：4条，平均播放25万
• 爱情哲学类：2条，平均播放40万

2. 得分段表现

• 270-300分文案：平均播放50万
• 240-269分文案：平均播放28万
• 需分析：高分是否真的带来高播放

3. 时间段表现

• 晚间发布（18-22点）：平均播放35万
• 午间发布（12-14点）：平均播放22万
• 其他时段：平均播放18万

输出结论

**账号内容特色**：
- 最擅长：爱情哲学+分手释怀（平均播放40万+）
- 建议强化：宿命论哲学深度
- 最佳发布时间：晚间19-21点

**策略调整**：
下次生成时优先选择：
1. 爱情哲学角度切入
2. 强化宿命论要素
3. 保持高质量金句（相关系数0.75）

---

分析5：完播率与播放量关系

目的

验证完播率预估的准确性，以及完播率对算法推荐的影响。

分析方法

Corr(预估完播率, 实际完播率)  → 预估准确度
Corr(实际完播率, 实际播放量)  → 完播率重要性

输出结论

**完播率分析**：
- 预估准确度：72%（预估55%，实际50-60%）
- 完播率对播放量影响：强相关（0.78）
- 关键阈值：完播率>55% 的文案平均播放量高3倍

**优化方向**：
- 必须确保开头吸引力（前3秒决定性）
- 控制文案长度（60-80字最佳）
- 金句密度要高（每30字1个金句）

---

策略学习与应用

学习触发条件

IF 有效历史数据 >= 3条:
    → 启动基础分析
IF 有效历史数据 >= 5条:
    → 启动相关性分析 + 标签优化
IF 有效历史数据 >= 10条:
    → 启动全面策略调整 + 模型校准

策略调整清单

调整1：要素权重动态调整

原理：强化相关性高的要素

实施：

FOR EACH 要素 IN 9大要素:
    IF 相关系数 > 0.7:
        权重 += 10%
    ELSE IF 相关系数 > 0.4:
        权重 += 5%
    ELSE IF 相关系数 < 0.2:
        权重 -= 5%

归一化权重，确保总和=100%

调整2：标签策略优化

原理：优先使用高效标签组合

实施：

提取平均播放量TOP5标签
IF 存在高效组合（平均播放>1.5倍整体平均）:
    优先推荐该组合
ELSE:
    使用通用标签策略

调整3：内容方向强化

原理：发挥账号内容特色优势

实施：

识别表现最好的内容类型（TOP2）
生成新文案时：
- 优先选择该类型的角度
- 强化该类型相关的要素
- 参考该类型成功文案的结构

调整4：预估模型校准

原理：修正系统性偏差

实施：

计算校准系数 = 1.0 + (平均偏差率 / 2)
应用到新预估 = 原始预估 × 校准系数

特殊处理：
IF 存在爆款异常值（>预估5倍）:
    剔除后重新计算校准系数

---

学习成果呈现

在新文案生成时体现

静默应用：用户看不到，但文案质量自动提升

1. 更精准的要素应用

• 自动强化高相关性要素
• 减少低相关性要素比重

2. 更准确的播放量预估

• 基于历史数据校准
• 偏差率持续降低

3. 更优的标签选择

• 使用验证有效的标签组合

4. 更适配的内容方向

• 发挥账号特色优势

在预估说明中体现

透明展示：让用户了解模型可靠性

## 📈 预估播放量

- **基础预估**：18-25万
- **爆款上限**：50-70万+

**预估依据**：
- 基于12条历史数据校准
- 历史预估准确率：78%（±20%误差范围）
- 校准系数：1.15（模型曾轻微低估，已调整）

**历史洞察应用**：
- 你的账号更擅长：爱情哲学+宿命论深度
- 最佳标签组合：#学会释怀+#爱情+#治愈系
- 建议发布时间：晚间19-21点（平均播放提升40%）

---

数据不足时的处理

历史数据 < 3条

策略：使用通用模型，不进行定制化调整

提示用户：

**预估说明**：
当前基于通用模型预估。
随着历史数据积累（建议≥5条），预估将更精准并定制化。

历史数据 3-4条

策略：进行基础校准，但不调整要素权重

原因：样本量太小，相关性分析不可靠

历史数据 >= 5条

策略：启动完整学习机制

---

持续学习机制

每次生成新文案时

1. 读取最新历史数据
2. 重新计算分析指标
3. 更新校准系数
4. 调整要素权重（如有显著变化）
5. 应用到当前文案生成

学习频率

• 轻量更新：每次生成都执行（校准系数、标签策略）
• 深度更新：每累积5条新数据执行（要素权重调整）
• 模型重构：每累积20条数据考虑（如发现要素体系需调整）

学习边界

避免过拟合：

• 不因1-2条爆款文案就大幅调整策略
• 保持9大要素的基本权重分布
• 极端值（>5倍预估）单独标记，不参与权重计算

保持创新性：

• 不完全复制历史成功模式
• 保留创新度评分（30-40%权重）
• 定期尝试新角度、新要素组合

---

异常情况处理

情况1：所有文案都低于预估

原因可能：

• 账号权重下降（违规、活跃度低）
• 内容质量系统性问题
• 发布时间或其他外部因素

处理：

• 大幅降低校准系数（如0.5-0.7）
• 提示用户检查账号状态
• 建议优化发布策略（时间、BGM、封面）

情况2：预估与实际完全无规律

原因可能：

• 数据记录错误
• 外部因素主导（如参与挑战、投放DOU+）
• 内容类型差异过大

处理：

• 检查数据有效性
• 询问用户是否有外部干预
• 仅用无干预数据进行分析

情况3：出现超级爆款（>10倍预估）

处理：

• 单独标记为案例研究
• 深度分析成功要素
• 不纳入常规校准计算（避免拉高预期）
• 提取可复制的要素应用到后续文案

自动优化规则与迭代策略

本文档定义当文案未达到5星标准（240分）时的自动优化方法。

优化总原则

目标

必须达到240分（★★★★★）才能输出

策略

1. 自动识别薄弱环节 2. 针对性优化，不告知用户 3. 迭代直到达标 4. 最多迭代5次

原则

• 静默优化：不展示优化过程给用户
• 针对性强：优先优化得分最低的维度
• 风险规避：自动规避潜在问题，不展示风险点
• 效率优先：每次迭代聚焦1-2个关键问题

---

优化决策树

步骤1：识别问题维度

评估三大维度得分：

IF 内容质量分 < 80:
    → 优先级1：优化内容质量
ELSE IF 算法适配分 < 80:
    → 优先级2：优化算法适配
ELSE IF 创新度分 < 70:
    → 优先级3：优化创新度
ELSE IF 综合得分 < 240:
    → 优先级4：全面微调

步骤2：定位具体问题

深入分析得分最低的维度，识别薄弱要素。

步骤3：应用优化策略

根据问题类型，选择对应的优化方法。

步骤4：重新评分

优化后立即重新评分，检查是否达标。

步骤5：决策下一步

IF 综合得分 >= 240:
    → 输出文案 ✅
ELSE IF 迭代次数 < 5:
    → 返回步骤1，继续优化
ELSE:
    → 输出最佳版本 + 建议用户更换素材

---

优化策略库

策略组1：内容质量优化（<80分）

问题：缺乏认知重构（<20分）

症状：文案停留在情感发泄或普通安慰，无深层转化

优化方法： 1. 重构失败为完成

   Before: "分手后很痛苦"
   After: "遇见是为了还债，离开是因为还清了"

2. 引入因果论

   Before: "为什么会分手"
   After: "今生相见，定有亏欠；缘尽离开，债已还清"

3. 提供意义解释

   Before: "失去了你"
   After: "你的离开是让我遇见更好的自己"

问题：缺乏金句（<20分）

症状：文案流畅但无记忆点，无法独立传播

优化方法： 1. 提炼核心观点为8-16字金句

• 使用对仗："A不B，C不D"
• 使用重复："缘起我在人群中看见你，缘灭我看见你在人群中"
• 使用反转："为了防止你放不下我"

2. 增加金句密度

• 每30-50字至少1个金句
• 开头和结尾必须是金句

3. 优化金句节奏

• 短句（4-8字）：力量感
• 中句（8-16字）：完整表达
• 避免长句（>20字）

问题：开头吸引力不足（<15分）

症状：开头平淡，无法在3秒内抓住用户

优化方法： 1. 使用悬念开头

   ❌ "分手后我想告诉你"
   ✅ "为了防止你放不下我，必须..."

2. 制造冲突反转

   ❌ "失恋了很痛苦"
   ✅ "别以为你离开了，我就会痛苦"

3. 直接击中痛点

   ❌ "关于分手的感悟"
   ✅ "放不下一个人，是因为你还欠ta一笔债"

问题：缺乏情感权力反转（<15分）

症状：停留在受害者视角，无心理优势感

优化方法： 1. 主语置换

   Before: "我放不下你"
   After: "为了防止你放不下我"

2. 视角转换

   Before: "你离开了我"
   After: "我让你自由地离开"

3. 掌控者姿态

   Before: "希望你能回来"
   After: "希望你能学会释怀"

---

策略组2：算法适配优化（<80分）

问题：标签负面或不精准（<30分）

症状：使用"失恋"、"痛苦"等负面标签，或标签过于宽泛

优化方法： 1. 负面转正向

   ❌ #失恋 #痛苦 #心碎
   ✅ #学会释怀 #自愈成长 #情感升华

2. 宽泛转精准

   ❌ #情感 #生活 #感悟
   ✅ #情感共鸣 #治愈系 #爱情观

3. 标准组合公式

   标签1：正向行动词（学会XX、如何XX）
   标签2：热门大类（爱情、治愈系）
   标签3：情感共鸣（情感共鸣、深度好文）
   标签4：细分定位（自愈成长、情感升华）

问题：完播率预期低（<24分）

症状：开头弱、文案过长、节奏拖沓

优化方法： 1. 压缩长度

• 目标：60-80字最佳
• 删除冗余词句
• 合并重复表达

2. 强化开头

• 前5个字必须制造悬念、冲突或情感爆点
• 参考"策略组1：开头吸引力不足"

3. 优化节奏

• 短句为主（每句10-15字）
• 避免长句（>20字）
• 使用标点控制节奏

问题：互动性弱（<24分）

症状：没有引导评论、转发或收藏的设计

优化方法： 1. 增加金句收藏价值

• 确保至少2-3个可独立传播的金句
• 金句要有普适性（不只适用于个人经历）

2. 埋入争议观点

   "有人说时间能治愈一切，但我说..."（引发讨论）

3. 设计转发场景

   "送给那个还放不下的人"（暗示转发价值）

---

策略组3：创新度优化（<70分）

问题：角度陈旧（<35分）

症状：使用"时间会治愈"、"放下就好"等陈词滥调

优化方法： 1. 逆向思维

   常规：时间会治愈一切
   逆向：不是时间治愈了你，是你放过了时间

2. 更换切入点

   常规切入点：分手后如何走出来
   新切入点：分手是一场还债

3. 结合新概念

   传统：缘分天注定
   创新：前世不欠，今生不见（佛学因果论）

问题：表达套路化（<35分）

症状：使用常见句式、模板化表达

优化方法： 1. 避免高频句式

• ❌ "愿你..."、"希望你..."、"相信你..."
• ✅ 直接陈述或反问

2. 创造原创金句

• 不使用网络流行语
• 不抄袭热门文案
• 自己创作对仗句、排比句

3. 个性化表达

   模板化：你要相信，时间会治愈一切
   个性化：命运把你们带到哪里就到哪里，天若有道，自不会让有情人分离

---

迭代实例

实例1：从180分优化到268分

初始版本（180分）

文案：

分手后很难受，但时间会让你慢慢好起来的。
相信自己，一切都会过去。

问题诊断：

• 内容质量：52/100（缺乏认知重构、金句、权力反转）
• 算法适配：58/100（负面情绪、开头弱）
• 创新度：35/100（陈词滥调）

第1次优化（优化内容质量）

策略：加入认知重构、情感权力反转

优化后：

为了防止你放不下我，我要告诉你：
遇见是为了还债，离开是因为还清了。

得分：220分（内容质量提升到78，但仍需加强）

第2次优化（增强金句和哲学深度）

策略：加入宿命论哲学、优化金句

优化后：

为了防止你放不下我，必须把书中这段话念给你听：
遇见是因为有债要还，离开是因为还清了。
前世不欠，今生不见；今生相见，定有亏欠。

得分：250分（达到5星标准）

第3次微调（提升至268分）

策略：完善结构、优化标签

最终版本：

为了防止你放不下我，必须把书中这段话念给你听：
不要遇事就想着和别人共度一生，就自然的相处。
命运把你们带到哪里就到哪里，
天若有道，自不会让有情人分离；天若无道，就该遵循天命。
遇见是因为有债要还，离开是因为还清了。
前世不欠，今生不见；今生相见，定有亏欠。
缘起，我在人群中看见你；缘灭，我看见你在人群中。

标签：#学会释怀 #爱情 #治愈系 #情感共鸣

最终得分：268分 ★★★★★

---

自动规避风险清单

在优化过程中，自动规避以下风险（不告知用户）：

内容风险

• ❌ 负面情绪过重（绝望、抑郁）
• ❌ 鼓励复合或纠缠
• ❌ 攻击性言论
• ❌ 性别对立
• ❌ 过度悲观

平台风险

• ❌ 负面标签（痛苦、失败、绝望）
• ❌ 引战话题
• ❌ 敏感词汇
• ❌ 版权内容（直接引用歌词、诗句）

传播风险

• ❌ 文案过长（>100字）
• ❌ 过于小众的表达
• ❌ 逻辑混乱
• ❌ 自相矛盾

处理方式：发现风险后自动改写，确保输出内容符合平台规范和传播规律。

---

迭代次数控制

迭代上限：5次

如果5次迭代后仍未达到240分：

1. 保存最佳版本：保留得分最高的版本 2. 分析根本原因：

• 原始素材质量不适合？
• 话题本身竞争力弱？
• 表达方式有根本性问题？

3. 建议用户调整：

   虽然已尽力优化，但建议：
   - 更换书籍摘录内容
   - 选择更有深度的金句
   - 尝试不同情感方向

迭代效率

• 第1次：解决最明显的问题（通常是内容质量）
• 第2次：强化核心优势（金句、认知重构）
• 第3次：优化算法适配（标签、完播率）
• 第4次：提升创新度
• 第5次：全面微调

---

输出控制

用户看到的内容

只看到最终5星文案，包含：

• 优化后的文案正文
• 精选标签
• 综合评分（必定5星）
• 视频分析（只展示优势，风险已规避）
• 预估播放量

用户看不到的内容

• 优化过程（迭代了几次）
• 初始版本得分
• 具体优化了什么
• 规避了哪些风险
• 中间版本

原则：给用户最完美的结果，隐藏复杂的优化过程。

---

特殊场景处理

场景1：用户提供的素材本身就是金句

处理：

• 无需大幅改写
• 优化结构和节奏
• 强化开头和结尾
• 确保达到5星标准

场景2：用户提供的素材很长

处理：

• 提炼核心金句（2-3个）
• 删除冗余内容
• 控制在60-80字
• 保留最精华部分

场景3：用户提供的素材角度陈旧

处理：

• 保留核心思想
• 更换表达方式
• 引入新概念（宿命论、认知重构）
• 创造原创金句

300分打分机制详解

本文档定义抖音爆款文案的完整评分体系。

评分架构

三大维度（总分300）

1. 内容质量分（100分）

基于 9大爆款要素（详见 viral-factors.md），换算后满分100分。

评分方法： 1. 按照 viral-factors.md 对9个要素分别评分 2. 加总得到原始分（满分165分） 3. 换算公式：内容质量分 = (原始分 / 165) × 100

分数段解读：

• 90-100分：要素覆盖全面，执行优秀
• 80-89分：核心要素到位，部分优化空间
• 70-79分：基础要素具备，需加强
• 60-69分：要素不足，需大幅优化
• <60分：不符合爆款标准（不应输出）

2. 算法适配分（100分）

评估文案与抖音算法推荐机制的匹配度。

评分细项：

分数段解读：

• 90-100分：算法高度友好，推荐潜力大
• 80-89分：算法友好，基础流量有保障
• 70-79分：算法中性，需要内容质量补充
• 60-69分：算法适配弱，推荐受限
• <60分：算法不友好（需优化后再输出）

3. 创新度分（100分）

评估文案的差异化和新颖性。

评分细项：

分数段解读：

• 90-100分：高度创新，竞争优势明显
• 80-89分：有创新点，差异化清晰
• 70-79分：中等创新，有自己特色
• 60-69分：创新不足，依赖执行
• <60分：缺乏新意（需重新创作）

---

综合爆款指数（5星制）

换算规则

质量控制标准

必须达到5星（240分以上）才能输出给用户

如果初次生成未达到240分，自动进入优化循环： 1. 识别得分最低的维度 2. 重点优化该维度 3. 重新评分 4. 直到达到240分标准

---

评分实例

示例1：70万点赞案例评分

文案："为了防止你放不下我，必须把书中这段话念给你听：...前世不欠，今生不见..."

内容质量分：94/100

• 情感权力反转：19/20 ✅
• 认知重构：24/25 ✅
• 权威背书：14/15 ✅
• 宿命论哲学：20/20 ✅
• 算法友好标签：14/15 ✅
• 金句传播性：24/25 ✅
• 完播率优化：18/20 ✅
• 互动钩子：14/15 ✅
• BGM适配：8/10 ✅
• 原始分：155/165
• 换算后：94/100

算法适配分：92/100

• 标签策略：38/40（正向+精准）
• 完播率预期：28/30（强开头+金句密集）
• 互动引导：26/30（情感共鸣+收藏价值）

创新度分：82/100

• 角度创新性：42/50（权力反转角度较新）
• 差异化表达：40/50（金句原创，但宿命论常见）

综合得分

总分：268/300 星级：★★★★★ 爆款指数：高爆款潜力

---

示例2：需要优化的文案

文案："分手后很痛苦，但时间会治愈一切，慢慢就会好起来的。"

内容质量分：52/100

• 情感权力反转：8/20 ❌（受害者视角）
• 认知重构：12/25 ❌（常规安慰）
• 权威背书：5/15 ❌（无背书）
• 宿命论哲学：6/20 ❌（无哲学深度）
• 算法友好标签：10/15 ⚠️（假设标签通用）
• 金句传播性：11/25 ❌（无金句）
• 完播率优化：13/20 ❌（开头平淡）
• 互动钩子：8/15 ❌（无互动设计）
• BGM适配：6/10 ⚠️

算法适配分：58/100

• 标签策略：22/40（假设用了负面标签）
• 完播率预期：18/30（开头无吸引力）
• 互动引导：18/30（基础共鸣）

创新度分：35/100

• 角度创新性：15/50（陈词滥调）
• 差异化表达：20/50（套路化表达）

综合得分

总分：145/300 星级：★★☆☆☆ 决策：❌ 不输出，需重新生成

---

自动优化策略

当得分<240时，按优先级优化：

优先级1：内容质量分<80

问题识别：核心要素缺失

优化策略： 1. 检查必备要素（认知重构、金句传播性、完播率优化） 2. 重写文案，强化缺失要素 3. 确保至少3个要素达到满分或接近满分

优先级2：算法适配分<80

问题识别：平台推荐受限

优化策略： 1. 优化标签：改为正向行动词+热门标签 2. 强化开头：前5个字制造悬念或冲突 3. 增加互动钩子：金句收藏价值或争议点

优先级3：创新度分<70

问题识别：内容同质化

优化策略： 1. 更换角度：从不同视角重新切入 2. 原创表达：避免套路话术，创造新金句 3. 融合独特元素：结合时事、热点、个性化场景

迭代上限

最多迭代5次，如果仍未达到240分： 1. 记录当前最高分版本 2. 分析核心问题（可能是原始素材不适合） 3. 建议用户更换输入内容或调整方向

---

历史数据调权

当累积一定历史数据后（>=5条有实际播放量的文案），自动分析：

分析维度

1. 各维度得分与实际播放量的相关性

• 计算内容质量分、算法适配分、创新度分分别与实际播放量的相关系数
• 相关性强的维度提升权重

2. 各单项要素与实际表现的相关性

• 分析9大爆款要素中，哪些要素高分文案实际播放更好
• 在内容质量分中调整要素权重

3. 预估偏差模式

• 如果总是高估，降低预估系数
• 如果总是低估，提高预估系数

调权规则

• 单次调整幅度不超过±10%
• 保持总权重为100%
• 至少10条数据后才进行大幅调整
• 每次生成新文案时都应用最新权重

---

输出格式

在生成的文案文件中，评分板块格式：

## 🎯 综合评分

- **内容质量分**：94/100
  - 爆款要素覆盖度：9/9 ✅
  - 必备要素达标：认知重构、金句传播性、完播率优化 ✅
  - 加分要素：情感权力反转、宿命论哲学 ✅

- **算法适配分**：92/100
  - 标签策略：38/40（正向+精准+热门）
  - 完播率预期：28/30（预估55-60%）
  - 互动引导：26/30（强情感共鸣+收藏价值）

- **创新度分**：82/100
  - 角度创新性：42/50（权力反转视角）
  - 差异化表达：40/50（原创金句+宿命论包装）

- **综合爆款指数：★★★★★（268分）**
  - 爆款潜力：高（预估播放量10-30万+）
  - 质量等级：顶级内容

9大爆款要素详细分析

本文档定义了抖音爆款文案的9大核心要素及其评分标准。

要素1：情感权力反转（20分）

定义

颠倒传统受害者/施害者的情感权力结构，给受众心理优势感和自尊修复。

典型特征

• 反向关系：不是"我放不下你"，而是"你会放不下我"
• 掌控者视角：从被动接受变成主动选择
• 心理优势：给分手/受伤的人"我其实更强"的感觉

经典案例

"为了防止你放不下我，必须把这段话念给你听" —— 将"被分手"重构为"我主动帮你释怀"

评分标准

• 18-20分：强烈的权力反转，给受众明确的心理优势
• 15-17分：有权力反转元素，但不够明显
• 12-14分：暗含权力关系调整
• 10-11分：传统视角，无反转
• <10分：纯粹受害者视角（避免使用）

应用技巧

• 开头直接使用"为了..."结构建立主动权
• 使用"你"而非"我"作为需要帮助的一方
• 给出"我已经放下"的暗示

---

要素2：认知重构（25分）

定义

将负面事件重新定义为中性或正面的经历，完成心理治疗级别的认知转化。

典型特征

• 失去→完成：不是失去关系，而是完成任务
• 痛苦→意义：痛苦不是无意义的，而是必经之路
• 被动→主动：从"被抛弃"变成"因果循环"

经典案例

"遇见是因为有债要还，离开是因为还清了" —— 将分手从失败重构为完成

评分标准

• 22-25分：深刻的认知重构，提供全新视角
• 18-21分：有效的重构，给出新解释
• 14-17分：轻度重构，部分安慰作用
• 10-13分：常规安慰，无重构
• <10分：强化负面认知（避免使用）

应用技巧

• 使用因果关系词："因为...所以..."、"是为了..."
• 提供形而上学解释（缘分、宿命、成长）
• 将"结束"重新定义为"阶段性成功"

---

要素3：权威背书（15分）

定义

借用书籍、名人、心理学等权威来源，增加内容可信度和传播力。

典型特征

• 伪引用："书中这段话"、"心理学家说"
• 无需考证：用户不会验证，但会自动赋予权威性
• 知识包装：将个人观点包装成专业知识

经典案例

"必须把书中这段话念给你听" —— 实际可能是改编或原创，但有了"书"的背书

评分标准

• 14-15分：明确的权威引用，可信度强
• 11-13分：暗示权威来源
• 8-10分：专业术语包装
• 5-7分：普通表达
• <5分：纯主观感受

应用技巧

• 开头使用"书中"、"古人云"、"研究表明"
• 无需真实出处，保持模糊性
• 用专业术语增强权威感（如"认知疗法"、"心理学"）

---

要素4：宿命论哲学（20分）

定义

提供形而上学的解释，用因果论、轮回观让理性无法解释的痛苦变得可接受。

典型特征

• 因果论："前世不欠，今生不见"
• 宿命美学：诗意化的命运解释
• 终极答案：解答"为什么"的哲学问题

经典案例

"天若有道，自不会让有情人分离；天若无道，就该遵循天命" —— 无论如何都给出了解释

评分标准

• 18-20分：深刻的哲学思考，提供终极解释
• 15-17分：有效的宿命论元素
• 12-14分：轻度哲学包装
• 8-11分：常规励志
• <8分：无哲学深度

应用技巧

• 使用佛学概念：缘起缘灭、因果轮回
• 引入二元对立：有道/无道、欠/还清
• 诗意化表达：让哲学变得易懂且美

---

要素5：算法友好标签（15分）

定义

选择符合平台正向价值观、热度高、竞争适中的标签组合。

典型特征

• 正向导向：用"学会释怀"而非"分手痛苦"
• 行动指令：包含"学会"、"如何"等行动词
• 热门但不饱和：选择流量大但竞争适中的标签

经典案例

"#学会释怀 #爱情 #治愈系 #情感共鸣" —— 正向+热门+细分的完美组合

评分标准

• 14-15分：4-6个精准标签，正向且热门
• 11-13分：标签合理，但不够精准
• 8-10分：标签过于通用或负面
• 5-7分：标签不足3个或不相关
• <5分：标签错误或违规

应用技巧

• 第一标签必须是正向行动词（学会、如何、提升）
• 包含1-2个热门大类标签（爱情、治愈系）
• 包含1-2个细分精准标签（情感共鸣、自愈成长）
• 避免纯负面标签（失恋、痛苦、绝望）

---

要素6：金句传播性（25分）

定义

文案中包含朗朗上口、易记易转发、可独立传播的金句。

典型特征

• 对仗工整："前世不欠，今生不见；今生相见，定有亏欠"
• 节奏感强：短句、排比、重复
• 独立传播：金句可脱离全文单独流传

经典案例

"前世不欠，今生不见" —— 8字金句，对仗工整，易于传播

评分标准

• 22-25分：包含2-3个独立传播级金句
• 18-21分：1-2个强传播金句
• 14-17分：有金句但传播力一般
• 10-13分：表达流畅但无明显金句
• <10分：平淡表达，无记忆点

应用技巧

• 使用对仗结构：A不B，C不D
• 制造重复：缘起...缘灭...
• 控制长度：8-16字最佳
• 嵌入关键概念：债、还、欠、缘

---

要素7：完播率优化（20分）

定义

通过开头钩子、节奏控制、情感递进确保用户看完全文。

典型特征

• 前3秒钩子：强冲突、悬念、情感爆点
• 长度控制：15-30秒最佳（50-100字文案）
• 情感递进：开头吸引→中间共鸣→结尾升华

经典案例

"为了防止你放不下我" —— 前7个字立刻制造悬念和关注

评分标准

• 18-20分：强力开头+完美节奏+情感高潮
• 15-17分：开头有吸引力，节奏合理
• 12-14分：开头一般，但结构完整
• 8-11分：开头平淡，可能流失用户
• <8分：开头失败，高流失率

应用技巧

• 开头使用悬念、冲突、反常识
• 文案总长控制在60-80字
• 每句话推进情感或信息
• 避免冗余和重复

---

要素8：互动钩子设计（15分）

定义

引导用户评论、转发、收藏的隐性或显性互动设计。

典型特征

• 情感共鸣：让人想说"说到我心里了"
• 争议点：引发讨论的观点
• 收藏价值：金句型内容，值得保存

经典案例

情感共鸣型金句自带收藏属性，用户会转发给相关的人

评分标准

• 14-15分：强互动设计，多维度引导
• 11-13分：有互动潜力
• 8-10分：自然互动，无特殊设计
• 5-7分：互动性弱
• <5分：无互动价值

应用技巧

• 埋入争议观点（如"放不下的是你"）
• 制造金句收藏价值
• 设计转发场景（送给需要的人）

---

要素9：BGM适配建议（10分）

定义

根据文案情感和风格推荐合适的背景音乐类型。

典型特征

• 情感匹配：治愈系文案配治愈系音乐
• 热门音乐：使用抖音热门BGM增加推荐
• 节奏配合：音乐节奏与文案节奏协调

经典案例

情感治愈类文案推荐：《可可托海的牧羊人》、《如愿》、《孤勇者》（治愈版）

评分标准

• 9-10分：精准BGM推荐+具体曲目建议
• 7-8分：明确音乐风格建议
• 5-6分：通用建议
• <5分：无建议或不适配

应用技巧

• 根据文案情感选择BGM类型
• 推荐当前抖音热门音乐
• 考虑音乐版权和可用性

---

综合应用原则

要素权重（总分165分，换算到100分）

实际评分时，各要素满分加总为165分，需换算到100分制：

• 要素1：20分 → 权重12%
• 要素2：25分 → 权重15%
• 要素3：15分 → 权重9%
• 要素4：20分 → 权重12%
• 要素5：15分 → 权重9%
• 要素6：25分 → 权重15%
• 要素7：20分 → 权重12%
• 要素8：15分 → 权重9%
• 要素9：10分 → 权重6%

换算公式：内容质量分 = (各要素得分总和 / 165) × 100

必备要素（必须包含）

• 要素2（认知重构）—— 核心价值
• 要素6（金句传播性）—— 传播基础
• 要素7（完播率优化）—— 流量基础

加分要素（强化爆款潜力）

• 要素1（情感权力反转）—— 差异化竞争优势
• 要素4（宿命论哲学）—— 内容深度
• 要素5（算法友好标签）—— 平台推荐

辅助要素（锦上添花）

• 要素3（权威背书）—— 增强可信度
• 要素8（互动钩子）—— 提升互动率
• 要素9（BGM适配）—— 完善呈现

历史数据调权

当分析历史数据后发现某些要素与实际播放量相关性更强，自动调整权重： 1. 计算每个要素得分与实际播放量的相关系数 2. 相关性高的要素提升权重5-10% 3. 相关性低的要素降低权重5-10% 4. 保持总权重为100%