03-phase3-collection-planning.md 8.9 KB
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：
- 30-50 关键词 × 2-3 批次（P0/P1/P2 优先级）
- 2-6 平台的关键词映射（不同平台有不同热词）
- 每 kw 预期条数（指导 API
max_items） - 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
// 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）
- ☐ 目标总量（条）
- ☐ 目标覆盖平台数
- ☐ 预期耗时（分钟）
关键词矩阵（1 节 · 大表）
| 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）
| 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）
| 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：
- ☐ 关键词矩阵 30-50 kw 全部列明
- ☐ 每条 H 假设都有 ≥ 3 kw 覆盖
- ☐ 批次划分 B1/B2/B3 明确 + 预估时间
- ☐ 平台分配明确（XHS / DY 主力，其他按需）
- ☐ 假设覆盖表 + 回路触发表 完整