# Topic-Selector 技能调研原始笔记

## 1. 调研概述

本调研旨在为 ABC 公司的 topic-selector（选题筛选员）提供能力支持。该角色负责从热点库中筛选 5-10 个最具潜力的目标选题，评估排序后传递给深度研究。

## 2. 热点数据源调研

### 2.1 主要热点平台

| 平台 | 数据类型 | 更新频率 | 爬取难度 | 备注 |
|------|----------|----------|----------|------|
| 微博热搜 | 实时热点 | 分钟级 | 高（反爬） | 娱乐、社会热点为主 |
| 抖音热榜 | 短视频热点 | 实时 | 高（反爬） | 短视频内容趋势 |
| 百度热搜 | 搜索热点 | 分钟级 | 中 | 综合热点 |
| 知乎热榜 | 问答热点 | 小时级 | 低 | 深度讨论话题 |
| 哔哩哔哩 | 视频热点 | 实时 | 中 | 年轻用户偏好 |
| 豆瓣 | 兴趣热点 | 小时级 | 低 | 文艺、小众兴趣 |
| 今日头条 | 内容热点 | 实时 | 中 | 算法推荐热点 |
| 腾讯新闻 | 新闻热点 | 实时 | 低 | 时事新闻 |

### 2.2 短剧行业数据源

| 来源 | 类型 | 用途 |
|------|------|------|
| 猫眼专业版 | 短剧榜单 | 热门短剧监测 |
| 骨朵传媒 | 短剧数据 | 行业分析 |
| 新榜 | 抖音/快手数据 | 账号热度 |
| 飞瓜数据 | 短视频数据 | 热度分析 |

## 3. 选题筛选方法论

### 3.1 筛选标准框架

1. **时效性评估**
   - 话题生命周期判断
   - 发展趋势预测（上升期/平稳期/衰退期）
   - 热度增长速率

2. **话题性评估**
   - 讨论量门槛（最低参与度）
   - 传播层级（核心圈→泛圈）
   - 情绪强度（正面/负面/中性）

3. **改编潜力评估**
   - 故事性完整度
   - 人物关系复杂度
   - 情感冲突强度
   - 视觉化难度

4. **受众面评估**
   - 目标受众规模
   - 年龄/性别分布
   - 地域分布
   - 付费意愿预估

### 3.2 评分模型设计

采用多维度加权评分模型：

| 维度 | 权重 | 评分范围 | 说明 |
|------|------|----------|------|
| 热度指数 | 30% | 0-100 | 综合热度值 |
| 时效性 | 25% | 0-100 | 话题新鲜度和生命周期 |
| 争议性 | 15% | 0-100 | 话题争议程度 |
| 改编潜力 | 20% | 0-100 | 故事化改编可行性 |
| 商业价值 | 10% | 0-100 | 变现潜力 |

### 3.3 排序算法

1. **初筛过滤**
   - 热度阈值：TOP 50 以内
   - 类别过滤：排除敏感话题
   - 质量门槛：有效讨论量 > 1000

2. **加权排序**
   - 综合评分 = Σ(维度分 × 权重)
   - 动态权重调整（根据业务需求）

3. **多样性约束**
   - 同类型话题不超过 30%
   - 保证话题覆盖面

## 4. 输出格式规范

### 4.1 选题列表

```json
{
  "topics": [
    {
      "id": "topic_001",
      "title": "话题标题",
      "rank": 1,
      "score": 85.5,
      "dimensions": {
        "heat": 90,
        "timeliness": 80,
        "controversy": 75,
        "adaptation_potential": 85,
        "commercial_value": 70
      },
      "reason": "排序理由",
      "source_urls": ["来源URL"],
      "crawl_time": "2026-03-27T10:00:00Z"
    }
  ]
}
```

### 4.2 评分说明

每个维度需提供：
- 原始分数（0-100）
- 数据来源
- 计算方法

## 5. 实施建议

### 5.1 数据采集策略

1. **多源聚合**
   - 主源：微博、抖音、百度
   - 补充：知乎、豆瓣
   - 行业：短剧平台榜单

2. **频率控制**
   - 实时热点：每 30 分钟
   - 日榜：每日更新
   - 周榜：每周汇总

### 5.2 质量保证

1. **数据清洗**
   - 去除营销话题
   - 过滤无效内容
   - 去重处理

2. **交叉验证**
   - 多源数据对比
   - 异常值检测
   - 趋势一致性检验

---

*调研时间: 2026-03-27*
*调研者: Hunter*