朋友们，不知道你们有没有这种感受：埋头做内容，干货满满，但流量就像跟你捉迷藏。精心发布的内容无人问津，干货满满的内容点赞寥寥？

虽说有时候爆款短视频就像玄学，但还是有一定的底层规律。

那今天我们就从数据的角度，用AI工具，来深度聊一聊，如何去拆解爆款视频选题，找到属于自己内容“流量密码”的全过程，从而得到一套可复制、可学习的内容模型。

第一步：从第三方平台数据里找到“金矿”

我们自己做视频的时候，很多时候是凭自己感觉来，想看看其他牛逼对标账号是怎么做的，更多是点状的去看，刷一刷，觉得“嗯，这个挺好”，但感觉很快就忘了。

而且抖音视频特别特别多，你也不知道你关注的领域，到底有哪些厉害的账号和视频。

所以，想做好视频，第一步应该是抛弃自己的感觉，而是先找到优质视频，看看优质视频到底都是怎么做的。

这里有很多不错的第三方数据平台，比如蝉妈妈、灰豚、飞瓜等等。你可以选一个自己喜欢的。

当然这些平台都不是免费的，而且价格不算很便宜。

你可以去某宝某鱼搞定，先买个周卡体验体验，不用一杯奶茶钱。

我最后选择了用灰豚数据。

这种第三方平台里的模块和数据非常的丰富，能用好里面的数据已经非常厉害了。

我们主要是看短视频，所以我就找到热门短视频的菜单

我平时会做一些AI工具的短视频，所以以AI工具为例，搜索AI工具关键词，选择科技分类。

得到的结果 ，就是所选时间段内的抖音热门视频。

我们可以把数据导出来。

导出来的excel是这样的，我们就有了一份热点抖音视频清单，不只是标题，还把粉丝数、视频时长、点赞、评论、收藏、转发这些核心数据全部扒了下来。

第二步：把原始数据转化成洞察指标

只是有了这样一套原始数据，用处不会特别大，点赞1万和点赞10万，单独看毫无意义，关键在于它们之间的关系，以及视频内容的脚本结构等数据。

我把这一套数据直接copy到飞书多维表格里。

接着我们在多维表格里对这些数据进行一些加工，让他们更有用处。

（一）拆解爆款视频文案

1.获取视频文案

只有标题，还不太够，最好用视频的文案。

但是从灰豚里导出来的数据是不带文案的，所以我们要在多维表格里加工一下，通过视频链接自动获取到文案。

具体方法不在本篇里说了，后续单独写一篇文章说明方法。

2.分析文案

接着我们可以对文案进行分析。我们先说说分析文案的方法。

对于每一个爆款视频，我们一般会从以下六个维度（选题、开头钩子、脚本结构、痛点共鸣、价值与解决方案、互动引导）去分析，我们分别来说明：

（1）选题

“选题”不是一个简单的“视频是关于什么的”一句话描述。它是一个分层结构。

• 第一层：核心领域：这是最宽泛的分类，也就是我们的内容边界。例如：AI工具大全、AI工具深度测评、AI技术前沿…
• 第二层：具体场景/痛点：它回答了“这个内容在什么情况下对谁有用？”。比如在AI工具大全这个领域下，场景可以是：AI做PPT、AI设计、AI生成视频、AI生成图片….
• 第三层：内容角度/形式：这是选题的包装。也就是我们用什么样的方式和切入点来呈现这个场景。比如针对AI做PPT这个场景，角度可以是：

1. a.测评类： “三款AI做PPT工具横评，谁才是王者？”
2. b.教程类： “1分钟，用ChatGPT+Gamma搞定一份高级PPT”
3. c.结果类： “别浪费时间了！看AI如何10秒生成你一周的工作量”
4. d.盘点类： “你不知道的5个免费AI做PPT神器”
5. e.颠覆类： “PPT设计师要失业了？这个AI工具彻底改变游戏规则”

所以，一个完整的选题定义 = 场景/痛点 + 内容角度。

（2）开头钩子

开头是短视频最重要的部分，尤其是黄金3秒，这3秒内，如何阻止用户划走，一般会使用什么技巧。

当然，视频的图像和声音也很重要，我们这里只是先针对文案来进行分析。

比如，我们可以让AI针对文案来分析开头，给开头的特征进行分类。

分类	特点
提问式	直接向用户提出一个尖锐问题
结果/承诺式	开场就展示使用后的震撼效果或做出承诺
悬念/颠覆认知式	制造信息差，挑战常识
场景/痛点式	描述一个用户深恶痛绝的具体场景
指令/通知式	用「赶紧」、「记住」、「别划走」等命令口吻

（3）脚本结构

让用户观看下去，给用户传递价值，这个文案的叙事逻辑是什么？（问题-解决/痛点-产品/是什么-为什么-怎么做）

我们让AI将每个文案归纳到以下最常见的叙事结构中

• P-A-S模型 (问题-激化-解决)： 提出问题 -> 激化痛苦/展示后果 -> 给出解决方案。
• 「是什么-为什么-怎么做」模型： 介绍一个概念 -> 解释其重要性 -> 教导如何做。
• 「前-后」对比模型： 展示使用前的糟糕状态 vs 使用后的理想状态。
• 「步骤/清单」模型： 直接给出3个步骤、5个技巧等。
• 「流水账」叙事模型： 按时间顺序记录一个过程。

（4）痛点共鸣

让用户觉得「这说的就是我」，如何描述痛点场景？使用了什么情绪词？

• 识别痛点： 找出文案中描述「用户烦恼」的句子，例如：效率低下、技能不足、价格昂贵、操作复杂、信息闭塞等。
• 提取情绪词： 列出所有用于放大焦虑、紧迫感、渴望的情绪化词汇（例如：崩溃、麻了、烦死了、惊呆了、秒杀、轻松、逆天）。
• 分析共鸣句： 找出那些能让用户产生「这说的不就是我吗？」感觉的句子。

（5）价值与解决方案

给出「获得感」承诺，是如何展示成果的？提供了什么具体方法或工具？

• 价值承诺： 分析文案是如何描述使用后的美好结果的？（例如：节省X小时、效果提升X倍、从X到Y的转变）。
• 方法拆解： 解决方案是「一个神奇工具」还是「一套可操作的方法」？如果是方法，它被拆解成了几个步骤？
• 成果展示： 文案是通过「数据对比」、「口述感受」还是「视觉呈现」来证明效果的？

（6）互动引导

提升数据，撬动推荐。如何引导点赞、评论、收藏、关注？

将引导策略分为以下几类：

• 收藏引导： （例如：「收藏一下，免得以后找不到！」）
• 评论引导： （例如：「你们还想看哪个工具？」、「在评论区告诉我你的问题」）
• 关注引导： （例如：「关注我，解锁更多AI技巧」）
• 点赞引导： （例如：「如果对你有用，点个赞支持一下」

以上就是分析一个文案，常见的几个维度和方法。

那么基于以上文案分析的维度，我们用AI工具，来快速进行分析。我们在飞书多维表格里，用AI字段批量对每一行的文案进行分析。

类似这样，每个维度，我们都用多维表格中的一个AI字段，写一段prompt，然后对文案进行分析和结论输出。

基于每一个短视频文案的六个维度的分析结果就出来了。

当然AI输出的内容并不一定是百分百准确，调优prompt，以及丰富每个维度的标签库都是必要的，后续用的多了，就会慢慢的越来越准。

（二）数据洞察

对文案进行了分析后，我们再对视频表现数据进行拆解。

我们导出的数据，包含了点赞数、评论数、收藏数和分享数这几个指标。

单纯看这几个数字可能不是很全面，真正的洞察还是得来自于数据之间的关联与组合。

比如，我们通过这四个数据，来组合出以下的几个指标：

• 互动率：=（点赞+评论+收藏+转发）/ 粉丝数。这个指标衡量的是，视频在我的粉丝圈里引爆了没？
• 干货指数：=收藏数 / 点赞数。比值高，说明用户是真想“回头再用”，是实打实的价值认可。价值低，说明更偏向娱乐性或情绪性内容，但没有后续使用的打算。
• 话题指数：=评论数 / 点赞数。比值高，意味着视频成功挑起了话头，引发了大家的表达欲。这类视频能极大提升账号活跃度。
• 传播指数：=转发数 / 点赞数。比值高，说明内容具备了“社交货币”属性，大家愿意转给朋友看，愿意用它来维护自己的社交关系。

所以，通过这几个简单的指标，我们从一堆杂乱的数据中，提炼出清晰、可执行的运营策略。

也说明了单纯追求高点赞是虚的，一个爆款，应该是在这几个指数中找到平衡。有的视频是“干货之王”（收藏奇高），有的则是“话题之王”（评论区炸锅）。

第三步：解构——用AI给所有数据进行宏观趋势分析

多维表格里已经有了所有爆款的视频，以及每个视频的文案拆解和数据表现。

我们还需要把表格里所有的数据，进行整体的宏观的分析。

主要是了解整体情况，找到最大概率的爆款方向。

比如

1. 时长与表现的关系：
   1. 视频时长的分布是怎样的？（多少秒的视频最多？）
   2. 不同时长区间（如0-30s， 31-60s， 61-120s， 120s+）视频的「平均互动率」和「平均干货指数」。 哪个区间段的综合表现最好？
2. 内容类型的王者：
   1. 在「核心领域」、「具体场景/痛点」、「内容角度」这三个维度中，出现频率最高的前5名分别是什么？
   2. 请计算这三者中，前5名类型的「平均互动率」和「平均干货指数」。找出叫好又叫座的内容类型。
3. 开头与结构：
   1. 「开头钩子」类型中，使用最多的是哪3种？
   2. 「脚本结构」中，使用最多的是哪3种？ 它们的收藏+分享如何？这能说明哪种结构最能让人看完并行动。

我们可以把多维表格的内容导出为excel或csv文件，然后丢给AI（这里要注意一点，AI工具对附件识别都有字数限制，不一定能识别到所有的内容，你也可以用工具把表格导出为json或者markdown之类的格式再丢给AI分析）

我们试着发送给AI，然后让AI帮我们进行宏观分析，prompt其实用上面的内容就可以。

我们可以看看AI帮我们分析出来的结果：

---

1.时长与表现的关系

① 视频时长分布

• 0–30秒：10个 ✅ 最多
• 31–60秒：4个
• 61–120秒：2个
• 120秒以上：2个

② 各时长区间的平均互动率与干货指数

时长区间	平均互动率	平均干货指数
0–30秒	1927.56%	95.38
31–60秒	2205.86%	90.49
61–120秒	4303.56%	64.48
120秒+	4162.44%	31.6

结论：

• 61–120秒 区间的视频在互动率上表现最佳；
• 0–30秒 区间的视频在干货指数上最高；
• 综合表现最佳：0–30秒（高干货 + 较高互动）。

2.内容类型的王者

① 高频内容类型（前5名）

维度	高频类型（前5）
核心领域	AI工具大全与导航、AI工具深度测评与对比、AI赋能特定职业解决方案、AI技术前沿动态
具体场景/痛点	AI数字人、AI会议、工具汇总、AI做设计、视频生成
内容角度	宝藏安利、新工具发布、横向测评、行业趋势

② 平均互动率与干货指数（前5类型）

类型	平均互动率	平均干货指数
AI工具大全与导航	2599.62%	108.63
AI工具深度测评与对比	3033.17%	18.44
宝藏安利	2599.62%	108.63
新工具发布	2785.37%	41.97
AI数字人	1065.38%	85.37

叫好又叫座的内容类型：

• AI工具大全与导航 + 宝藏安利：高干货 + 高互动

3.开头与结构

① 开头钩子类型使用频率

开头钩子类型	使用次数
结果/承诺式	6
悬念/颠覆认知式	5
场景/痛点式	3

② 脚本结构使用频率与完播助推指数（收藏+分享）

脚本结构类型	使用次数	平均完播助推指数（收藏+分享）
流水账	7	12,385.29
前-后对比模型	5	9,678.40
P-A-S模型	3	13,894.00

结论：

• P-A-S模型（问题-激化-解决） 的完播助推指数最高，说明最能促使用户收藏和分享。

所以整体来看，对于AI工具类的视频，0–30秒的视频表现不错，大家普遍比较喜欢“AI工具大全与导航 + 宝藏安利”的内容类型，会有比较多的高干货 + 高互动。视频的开头直接展示结果，或者勾起悬念/颠覆认知，脚本结构为P-A-S模型（问题-激化-解决）的方式，表现不错，能促使用户收藏和分享。

---

第四步：破译——用AI给所有数据进行微观爆款拆解

我们还需深入研究样本，总结出特征。

比如

1. 找出“六边形战士”爆款：

请筛选出同时满足以下条件的视频（你可以适当调整阈值）：

• 互动率 排名前10%
• 干货指数 排名前20%
• 话题指数 排名前20%

2. 找出“特种兵”爆款：

请分别找出在单一指标上登峰造极的视频：

• 干货指数 最高的前3个视频
• 话题指数 最高的前3个视频
• 传播指数 最高的前3个视频

对于这两类爆款视频，我们再进行深度归纳，比如：

• 共性总结： 它们在「具体场景/痛点」的选择上有什么偏好？在「内容角度」和「脚本结构」上有什么相似之处？
• 文案分析： 分析它们的「开头钩子」和「价值与解决方案」的表述，提炼出3个最具杀伤力的文案公式。
• 痛点与共鸣： 它们是如何描述痛点的？请总结出最能打动用户的“痛点话术模板”。

同样，我们再把表格数据发给AI，用上面的prompt帮我们分析下微观表现。

看看结果：

---

一、共性总结

1.「具体场景/痛点」偏好：

高频场景：工具汇总、AI数字人、AI做设计、视频生成

偏好特征：选择高频刚需场景（如设计、视频制作）、效率痛点（搜索工具耗时）、技能门槛（专业设计能力不足）

2.「内容角度」偏好：

宝藏安利（占爆款的80%）

核心逻辑：“我给你找到了好东西”的利他心态

「脚本结构」偏好：

前三结构：流水账、步骤/清单模型、前-后对比模型

二、文案分析

1.悬念反差式

暂时无法在飞书文档外展示此内容

制造认知冲突，激发好奇心

2.结果承诺式

暂时无法在飞书文档外展示此内容

密集呈现价值点，制造“超值感”

3.场景痛点式

暂时无法在飞书文档外展示此内容

精准身份定位+场景共鸣

核心洞察

• 爆款本质 = 高价值信息密度 × 情感共鸣 × 低理解成本。
• 最佳时长：30秒以内短视频更适合做“工具安利”类爆款。
• 结构秘诀：不要复杂叙事，要“直接给干货”。
• 痛点挖掘：从“技能不足、效率低下、资源稀缺”三个维度切入最有效。

---

基于以上的分析，相信我们对自己输出领域的爆款内容已经有点一点感觉。大概清楚了应该怎么去做视频内容。

最后，基于结论，我们就可以继续用AI，来为我们生成视频内容创作行动指南了~ 或者我们可以把我们的视频脚本丢给AI，让AI根据分析结论，为我们修改脚本。

当然了，本次的这些分析，只是针对文案，短视频里的视觉冲击，构图，甚至主播颜值，也都会有很大的因素。

多实践，多总结，总归会越来越顺手的。

最后：从数据到决策的闭环

以前选题靠猜，做内容靠感觉。现在，我们就有了一个由数据驱动的 “决策系统”。

我们可以知道粉丝最爱看什么，如何制作有深度的干货教程，视频最好控制在多长时间，如何在开头3秒就用最有效的方式抓住他们….

这套方法不是让我们去抄袭，而是去真正理解爆款背后的“为什么”，用户的需求到底是什么，他们爱看什么。我们的创作，也不应该闭门造车，而是有的放矢。