Topic-Selector 选题筛选技能 - 调研报告

任务概述

调研topic-selector选题筛选技能所需的知识体系和数据来源。

核心能力需求

1. 筛选目标

从热点选题库(100个热点)中筛选出5-10个最有价值的选题

2. 评估维度

维度	说明	评估方式
市场热度	话题当前的流行程度	搜索量、阅读量、讨论量
IP价值	是否具备IP化改编潜力	故事性、角色原型、情感共鸣
话题争议性	是否有讨论空间和槽点	正反观点数量、舆论走向
用户参与度	用户的互动意愿	点赞、评论、转发占比
转化潜力	付费转化可能性	付费意愿调研、历史转化数据

数据源清单

国内热点源

数据源	类型	更新频率	热度指标	备注
微博热搜	榜单	实时	排名+热度值	娱乐新闻主阵地
抖音热榜	榜单	实时	热度值	短视频风向标
百度热搜	榜单	实时	搜索指数	搜索场景为主
知乎热榜	榜单	实时	热度值	深度讨论为主
豆瓣话题	榜单	实时	热度值	文化圈层为主
小红书热点	榜单	实时	热度值	种草+消费风向
36氪	资讯	实时	点击量	科技创业
虎嗅	资讯	实时	点击量	商业分析
钛媒体	资讯	实时	点击量	TMT行业

国外热点源

数据源	类型	更新频率	热度指标	备注
Twitter/X Trending	榜单	实时	热度值	全球热点
Reddit Hot	榜单	实时	投票数	社区讨论
Google Trends	趋势	实时	搜索趋势	搜索热度
YouTube Trending	榜单	实时	观看量	视频热点

行业垂直源

数据源	领域	更新频率	备注
猫眼专业版	电影	实时	票房、想看
云合数据	电视剧	实时	网播量
七麦数据	App	实时	排名波动
蝉妈妈	直播电商	实时	带货榜单
新榜	新媒体	实时	账号排名

评估模型设计

评分算法

综合评分 = w1×市场热度 + w2×IP价值 + w3×争议性 + w4×参与度 + w5×转化潜力

权重建议:
- w1(市场热度): 0.25
- w2(IP价值): 0.25
- w3(争议性): 0.15
- w4(用户参与度): 0.20
- w5(转化潜力): 0.15

筛选流程

1. 初筛: 热度TOP100进入候选池
2. 维度打分: 5个维度各0-100分
3. 加权计算: 综合评分=Σ(维度分×权重)
4. 排序输出: 按综合评分降序排列
5. 人工复核: 选出TOP5-10

产出格式

候选选题列表

{
  "candidates": [
    {
      "rank": 1,
      "topic": "选题标题",
      "source": "来源平台",
      "source_url": "原始链接",
      "heat_score": 850000,
      "dimensions": {
        "market_heat": 95,
        "ip_value": 88,
        "controversy": 70,
        "engagement": 82,
        "conversion": 75
      },
      "weighted_score": 84.5,
      "reason": "筛选理由",
      "crawl_time": "2026-03-27T10:30:00Z"
    }
  ]
}

技术实现

数据采集策略

• 多源并行抓取: 微博+抖音+百度+知乎
• 频率控制: 每5分钟更新一次
• 数据去重: 按话题指纹去重
• 异常处理: 单源失败不影响整体

缓存策略

• 热点数据: 内存缓存5分钟
• 评分数据: Redis缓存1小时
• 候选列表: 数据库持久化

参考资料

评估维度相关

• 百度指数: https://index.baidu.com/
• 微博微热点: https://weibo.com/aj/_hotsearch
• 新榜数据: https://www.newrank.cn/

技术实现参考

• Python爬虫: requests + BeautifulSoup
• 数据存储: SQLite + Redis
• 定时任务: cron/apscheduler

---

调研完成时间: 2026-03-27 调研人: Hunter