# Phase 3 · 采集规划 Collection Planning

> 把 H1-H8 假设 → **关键词 × 平台 × 批次** 矩阵 —— 决定接下来 50-120 分钟的 API 调度。

---

## 🎯 目标

**输入**：P2 的 VOC 思路文档（含 8 假设 + 竞品地图）  
**输出**：`docs/<品类>/3.采集矩阵.md`，包含：
1. **30-50 关键词** × **2-3 批次**（P0/P1/P2 优先级）
2. **2-6 平台**的关键词映射（不同平台有不同热词）
3. **每 kw 预期条数**（指导 API `max_items`）
4. **假设覆盖表**（验证每条 H 都有 ≥ 3 kw 覆盖）

---

## 🔑 核心框架

### 框架 A · 关键词四象限

每个品类的关键词应该覆盖 4 个象限：

```
                   本品 ←──────────→ 对立品
                    │                 │
                    │                 │
           头部 ────┼─ 象限 I ─┼── 象限 II
                    │  本品直搜  │  头部竞品
                    │           │
                    │ 象限 III  │ 象限 IV
                    │  场景痛点  │  长尾 / 相邻
           长尾 ────┴───────────┴──────
```

| 象限 | 例子（乳酸菌素片儿童版） | 预期条数 |
|---|---|---|
| **I · 本品直搜** | 江中乳酸菌素片 · 江中乳酸菌素片儿童 · 乳酸菌素片 | 每 kw 60-100 条 |
| **II · 头部竞品** | 妈咪爱 · 合生元益生菌 · 亿活 儿童 · 拜奥 · 金双岐 | 每 kw 50-80 条 |
| **III · 场景痛点** | 宝宝便秘 · 宝宝积食 · 宝宝腹泻 · 儿童挑食 · 抗生素 益生菌 | 每 kw 40-60 条 |
| **IV · 长尾/相邻** | inne 噗噗宝 · 康萃乐 · 万益蓝 · 儿童营养软糖 · 瓶瓶罐罐 | 每 kw 20-50 条 |

**合理比例**：30% I + 30% II + 20% III + 20% IV  
（本品 + 头部竞品共占 60%，保证数据基础）

---

### 框架 B · 批次设计（P0 / P1 / P2）

**为什么要分批**：
- API 有 rate limit，一次跑完 50 关键词容易失败
- 分批可以**边采边分析**，发现 VOC 不足及时补采
- 出错后只需要重跑单一批次

**三批次标准划分**：

| 批次 | 内容 | kw 数 | 预期耗时 | 何时跑 |
|---|---|---|---|---|
| **P0 Batch 1** | 本品 + 头部竞品（象限 I + II） | 12-18 | 20-30 分钟 | 先跑，确保基础盘 |
| **P1 Batch 2** | 次级竞品 + 核心场景（象限 II 尾 + III） | 10-15 | 15-25 分钟 | 等 B1 跑完评估后 |
| **P2 Batch 3** | 长尾 + 决策 + 相邻（象限 IV） | 10-15 | 12-20 分钟 | B2 跑完后补齐 H6/H7/H8 |

**实战参考**（乳酸菌项目）：
- Batch 1: 11 XHS + 5 DY = 16 kw, 20 分钟
- Batch 2: 10 XHS + 3 DY = 13 kw, 15 分钟
- Batch 3: 10 XHS + 2 DY = 12 kw, 12 分钟
- **总计**：31 XHS + 10 DY = 41 kw / ~50 分钟 / **2566 真实评论**

---

### 框架 C · 多平台关键词映射

**不同平台有不同的用户表达习惯**，同一假设要换用不同的热词：

| 平台 | 用户特点 | 关键词偏好 | 避免 |
|---|---|---|---|
| **小红书 XHS** | 新手妈妈 / 年轻女性 / 种草 | 日常 / 真实测评 / 避雷 / 平替 | 太专业的医学术语 |
| **抖音 DY** | 泛娱乐 / 下沉 / 场景化 | 医生科普 / 剧情 / 对比视频 | 长尾冷门 kw |
| **京东 JD** | 理性决策 / 对比选购 | 规格 / 价格 / 效果 / 副作用 | 情感化 kw |
| **天猫 TM** | 品牌忠诚 / 复购 | 品牌名 + 人群（男士/儿童） | 通用 kw |
| **Amazon 海外** | 跨境 / 英文 | milk thistle / kids probiotics / liver detox | 中文品牌名 |
| **微博 Weibo** | 热点 / KOL 爆发 | 明星话题 + 品类 | 长尾 |

**同一假设的跨平台 kw 示例**：
| 假设 | XHS | DY | JD | Amazon |
|---|---|---|---|---|
| H1 护肝片痛点 | "护肝片真的有用吗" | "护肝片伤肝" | "护肝片 副作用" | "milk thistle side effects" |
| H3 儿童便秘刚需 | "宝宝便秘" | "宝宝便秘调理" | "儿童便秘 药" | "kids constipation" |

---

### 框架 D · 每 kw 条数设计

```js
// 在 collect.js 的 BATCHES 定义里
BATCHES[1].xhs = [
    { keyword: '江中乳酸菌素片', max_notes: 15, max_comments_per: 10 },
    { keyword: '妈咪爱',         max_notes: 12, max_comments_per: 8 },
    // ...
];
```

**标准配置**：
| 类型 | max_notes | max_comments_per | 预期 item |
|---|---|---|---|
| 本品直搜（高权重） | 15-20 | 8-15 | 80-150 |
| 头部竞品 | 10-15 | 6-10 | 50-100 |
| 场景痛点 | 8-12 | 5-8 | 30-60 |
| 长尾/相邻 | 6-10 | 3-6 | 15-40 |

**总量目标**：
- 5000 万目标项目 → **≥ 1500 条**
- 1-3 亿目标项目 → **≥ 2500 条**
- 10 亿目标项目 → **≥ 4000 条**

---

## 📋 `3.采集矩阵.md` 必写清单

### 开篇 · 采集目标（1 节）
1. ☐ 目标总量（条）
2. ☐ 目标覆盖平台数
3. ☐ 预期耗时（分钟）

### 关键词矩阵（1 节 · 大表）

```markdown
| 象限 | 关键词 | 平台 | 批次 | max_notes | 关联假设 |
|---|---|---|---|---|---|
| I 本品 | 江中乳酸菌素片 | XHS | B1 | 15 | H1+H2+H3 |
| II 头部 | 妈咪爱 | XHS | B1 | 12 | H1+H5 |
| ... | ... | ... | ... | ... | ... |
```

### 批次执行计划（3 节）
- Batch 1: P0 kw 清单 + 预期产出 + 预估时间
- Batch 2: P1 kw 清单 + 前置条件（B1 必须完成）
- Batch 3: P2 kw 清单 + 触发条件（某假设 VOC 不足则补采）

### 假设覆盖验证表（1 节）
```markdown
| 假设 | 覆盖 kw | 预期条数 | 备注 |
|---|---|---|---|
| H1 | 妈咪爱, 亿活, 金双岐, 宝乐安 | ≥ 250 | 4 kw |
| H2 | 合生元, 万益蓝, 拜奥, 康萃乐, inne | ≥ 250 | 5 kw |
| ... | | | |
```

### 回路触发（1 节）
```markdown
| 触发条件 | 追加 kw | 放入批次 |
|---|---|---|
| H6 < 100 条 | 儿童无糖, 宝宝包装, 好看包装 | B4（补采） |
| H7 < 50 条 | 告别瓶瓶罐罐, DHA 软糖 | B4（补采） |
```

---

## 🛠️ 实操建议

### 建议 1 · 关键词先写中文再去平台验证

先在 markdown 里头脑风暴 40-50 个 kw，然后**逐个在平台手动搜一下**：
- 如果结果页前 10 条笔记和 VOC 主题相关 ✅ 保留
- 如果结果页全是不相关内容 ❌ 删除或换词

例如「儿童益生菌推荐」在 XHS 结果都是带货软文 → 换成「**宝宝益生菌怎么选**」效果好很多。

### 建议 2 · 头部竞品不要只选自认为的第 1 名

实战发现：**客户方认为的 #1 竞品经常不是 VOC 最多的**。

- 乳酸菌项目：客户以为主要对手是合生元，但 VOC 吐槽最多的是妈咪爱（药品线）
- 肝纯片项目：客户以为主要对手是 Swisse，但 VOC 吐槽最多的是易善复（处方壁垒）

**解决方案**：P3 里列 **3-5 个候选头部竞品**，P4 Batch 1 都先采一点，看哪个 VOC 最集中再扩展。

### 建议 3 · 场景 kw 要写"人称+场景"

❌ 差：「便秘」（太宽，大量成人便秘 VOC 不相关）  
✅ 好：「**宝宝便秘**」「**儿童便秘**」（锁定儿童场景）

❌ 差：「积食」  
✅ 好：「**孩子积食**」「**宝宝积食调理**」

### 建议 4 · 相邻赛道 kw 做跨品类比较

例如乳酸菌的 H7「告别瓶瓶罐罐」：
- kw 1：`儿童营养软糖` → 反映家长给孩子吃多少瓶
- kw 2：`儿童补钙` → 反映钙剂市场的重复消费
- kw 3：`儿童 DHA` → 反映 DHA 市场
- kw 4：`瓶瓶罐罐` → 直接反映家长抱怨（高信号词）

这 4 个 kw 加起来就构成 H7 的证据池（601 条 / 乳酸菌项目）。

---

## 🚫 常见失误

### 失误 1 · 关键词太宽
- ❌ 差：`益生菌`（搜 XHS 几十万篇笔记，采出来的 VOC 不聚焦）
- ✅ 好：`儿童益生菌` / `宝宝益生菌` / `妈咪爱` / `合生元益生菌`

### 失误 2 · 漏掉场景痛点类
- ❌ 差：只采品牌名（本品 + 竞品）
- ✅ 好：品牌名占 60%，**场景痛点 20%**，**相邻/长尾 20%**

### 失误 3 · 所有 kw 的 max_notes 一样
- ❌ 差：所有 kw 都 max_notes=10（本品数据不够 / 长尾数据浪费）
- ✅ 好：本品 15-20 / 头部 10-15 / 场景 8-12 / 长尾 6-10

### 失误 4 · 忘记"回路触发"
- ❌ 差：P3 一次写死，跑完就算
- ✅ 好：P3 预留 Batch 4（补采），触发条件明确（H6 < 100 条等）

---

## ✅ 退出门控

Phase 3 完成的 **5 个条件**：
1. ☐ 关键词矩阵 **30-50 kw** 全部列明
2. ☐ **每条 H 假设**都有 **≥ 3 kw** 覆盖
3. ☐ 批次划分 **B1/B2/B3** 明确 + 预估时间
4. ☐ 平台分配明确（XHS / DY 主力，其他按需）
5. ☐ 假设覆盖表 + 回路触发表 完整

---

## 📚 模板 + Prompt

- [`templates/3.采集矩阵.template.md`](./templates/3.采集矩阵.template.md)
- [`prompts/P3-collection.prompt.md`](./prompts/P3-collection.prompt.md)

## 📖 案例参考

- [肝纯片](./case-studies/01-jiangzhong-liver-DMY.md) · 46 kw × 3 平台（含 Amazon）
- [乳酸菌](./case-studies/03-jiangzhong-lactic-children.md) · 41 kw × 2 平台