content-platform-analyzer

通用内容平台分析技能 - 帮助创作者深度分析内容质量、识别爆款模式、对标学习、制定增长策略。适用于公众号、小红书、知乎、博客等内容平台。核心:内容理解优先,数据验证为辅。使用场景:分析自己的内容质量、学习对标账号的成功模式、基于数据洞察改进内容策略。

Safety Notice

This listing is imported from skills.sh public index metadata. Review upstream SKILL.md and repository scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "content-platform-analyzer" with this command: npx skills add linyuan3421/content-analysis-skill/linyuan3421-content-analysis-skill-content-platform-analyzer

内容平台分析技能

帮助创作者系统化地分析内容数据、识别成功模式、生成可执行的改进建议。

核心理念

内容理解优先,数据验证为辅

  • 先读懂内容:理解内容类型、结构、手法、情绪
  • 再用数据验证:统计数据是否支持内容理解
  • 最后生成洞察:结合内容+数据,生成可执行建议

适用场景

  • ✅ 分析自己的文章/视频内容质量
  • ✅ 学习对标账号的成功模式
  • ✅ 识别爆款内容的共性特征
  • ✅ 生成内容改进建议和增长策略
  • ✅ 适用于公众号、小红书、知乎、博客等平台

数据要求

数据格式:完全灵活,支持JSON、Excel、Markdown、CSV等任何格式

最低要求

  • 对标账号数据:10-50篇文章/视频
  • 自己账号数据:10-50篇文章/视频
  • 核心字段:标题、内容/描述、阅读量/播放量

推荐数据(如有,会让分析更深入):

  • 互动数据:点赞、评论、转发、收藏
  • 时间数据:发布时间
  • 内容数据:字数、标签、分类

分析流程(4步框架)

第1步:内容理解

目标:理解内容本身的特征和模式

5个分析维度

  1. 内容基础:发布频率、内容长度、发布节奏
  2. 爆款模式:Top 10-20内容为什么火?标题、结构、手法
  3. 主题分析:高频主题、主题组合、内容领域
  4. 内容类型:教程型、观点型、故事型、种子型
  5. 写作/表达手法:案例驱动、数据支撑、情绪调动、结构框架

输出:内容模式总结(如:"数字型标题占70%,平均字数2500字,教程型内容为主")

第2步:数据验证

目标:用数据证明内容理解的有效性

分析方法

  1. 相关性验证:验证内容模式与数据表现的关系
    • 示例:数字型标题是否真的阅读量更高?
  2. 时间趋势:识别阅读量的时间模式和成长轨迹
  3. 分位数分析:对比Top 20% vs Bottom 20%的内容特征差异
  4. 标签效果:哪些主题/标签更容易出爆款

输出:数据验证结论(如:"数字型标题平均阅读量5000,非数字型3000,提升67%")

第3步:对标分析

目标:对比对标账号与自己账号,识别差距和优势

对比维度

  1. 内容深度:完整性、独特性、实用性
  2. 写作技巧:标题技巧、内容结构、情绪调动
  3. 数据表现:平均阅读量、爆款率、内容长度、发布频率
  4. 优势劣势:自己的独特优势 vs 明显短板

输出:差距清单 + 优势识别(如:"阅读量差距75%,但技术深度是优势")

第4步:建议生成

目标:提供可执行的具体建议

建议类型

  1. 标题优化:基于爆款模式生成标题模板
  2. 内容结构:提供可复用的结构框架
  3. 写作技巧:提炼可学习的手法清单
  4. 内容策略:主题布局、发布节奏、内容系列

输出:具体可操作的建议(如:"下周开始增加数字型标题,每周至少2篇")

交互式分析流程

当用户调用本技能时,按以下步骤引导:

Step 1: 理解需求

  • 询问目标:分析对标账号?分析自己账号?两者都分析?
  • 识别平台:公众号、小红书、知乎、博客?
  • 确认数据:数据格式是什么?有哪些字段?

Step 2: 准备数据

  • 引导用户准备数据:说明需要哪些字段,格式灵活
  • 数据加载:根据用户实际格式加载数据(JSON/Excel/Markdown等)
  • 数据检查:确认数据完整性,提醒缺失关键字段

Step 3: 执行分析

  • 对标账号分析:按照4步框架分析对标账号
  • 自己账号分析:按照4步框架分析自己账号
  • 对比分析:生成差距分析和优势识别

Step 4: 生成报告

  • 参考报告模板:使用三模块报告结构
  • 填充具体内容:根据实际分析结果填充
  • 生成可执行建议:提供具体、可操作的行动清单

报告结构(⚠️输出深度标准)

生成报告时,参考 references/report-templates.md 中的模板,但必须遵守以下输出深度要求

目标长度:600-800行(单文件)

Module 1: 对标账号内容深度解构(250-350行,约40%)

必须包含

  1. 执行摘要(10-15行)

    • 为什么这个对标账号值得研究?
    • 核心数据表格(硬证据)
    • 可借鉴价值概述
  2. 爆款文章深度拆解(80-120行)⭐核心

    • Top 5爆款文章的逐篇分析(不是列表!)
    • 每篇包含:数据、标题分析、开头钩子、内容结构、可复用技巧
    • 爆款成功密码总结(3-4个关键发现)
  3. 完整统计数据(40-60行)

    • 核心指标分布(分位数、偏度分析)
    • Top 10爆款文章(按阅读量)
    • Top 10病毒传播文章(按分享率)
    • 相关性分析(什么驱动什么)
  4. 写作技巧完全拆解(80-120行)⭐核心

    • 标题工程:提取3-5个高频公式
    • 开头钩子:识别3-5种模式(痛点共鸣、数据冲击、个人故事等)
    • 内容结构:提炼2-3种可复用模板
    • 视觉元素:Emoji使用规范、对比表格、截图技巧
    • 结尾CTA:固定的结尾模式
  5. 内容策略分析(20-30行)

    • 内容系列的支柱(如信息差+教程+测评)
    • 人设打造的维度
    • 发布时间最佳实践
  6. 数据驱动的成功法则(10-20行)

    • 从数据中提炼3-5个关键法则
    • 每个法则:数据验证+可借鉴点

Module 2: 自己账号内容质量诊断(150-200行,约25%)

  1. 自己账号概况(10-15行)
  2. 内容基础诊断(20-30行):发布节奏、内容特征
  3. 内容质量评估(40-60行):标题质量、内容结构、写作手法、内容价值
  4. 数据表现分析(30-40行):整体表现、爆款分析、低表现分析
  5. 主题与内容类型(20-30行)
  6. 优势与问题总结(20-25行):核心优势、核心问题、快速改进点

Module 3: 差距分析与增长建议(200-250行,约35%)

  1. 数据表现对比(20-30行):核心指标差距、数据结论
  2. 内容质量对比(40-60行):内容深度、写作技巧对比
  3. 优势与劣势识别(30-40行):核心优势、劣势、差异化定位
  4. 可学习的写作模板(40-60行)⭐核心
    • 基于对标账号提取2-3个可复用的内容模板
    • 每个模板:结构框架+写作要点+适用场景
  5. 标题优化建议(15-20行):3-5个标题公式
  6. 内容结构优化建议(15-20行):推荐的内容框架
  7. 可执行的内容策略(30-40行):
    • 标题优化、发布频率、主题聚焦、内容深度、结构优化、数据支撑
    • 每个策略:行动+目标+优先级

输出质量控制(⚠️禁止简化)

禁止

  • ❌ 只提供统计表格,没有深度分析
  • ❌ 只说"优化标题",不给具体公式和示例
  • ❌ 只说"改进结构",不提供可复用模板
  • ❌ 爆款文章只有列表,没有逐篇拆解

必须包含

  • ✅ 爆款文章的逐篇拆解(Top 5,每篇30-50行)
  • ✅ 写作技巧的完全拆解(标题、开头、结构、emoji、结尾)
  • ✅ 可复用的内容模板(2-3个,带详细说明)
  • ✅ 数据驱动的成功法则(3-5个)
  • ✅ 具体可执行的策略(每个策略包含行动+目标)

分析方法参考

详细的分析方法论参考 references/analysis-methods.md

  • 内容理解方法:如何识别内容类型、提取爆款模式
  • 数据验证方法:如何验证内容模式的有效性
  • 对比分析方法:如何量化差距、识别优势

技术栈

核心依赖(建议,非强制):

  • 数据分析:pandas(数据统计)、openpyxl(Excel支持)
  • 可视化:matplotlib 或 plotly(图表,可选)
  • 文本处理:re(正则表达式,提取标题模式)

不需要

  • ❌ 复杂NLP模型(TF-IDF、BERT、LDA、情感分析等)
  • ❌ 机器学习(clustering、classification)
  • ❌ 主题建模(topic modeling)

原因:小样本(10-200篇)用基础统计+规则分析即可,重点是"读懂内容"而非"自动分析"。

FAQ

Q: 最少需要多少篇文章? A: 最低10篇,推荐20-50篇。文章越多,分析越准确。

Q: 必须有阅读量数据吗? A: 不是必须,但强烈推荐。有阅读量数据才能做数据验证和对比分析。

Q: 数据格式有什么要求? A: 完全灵活。JSON、Excel、Markdown、CSV都可以。只要有标题、内容、阅读量即可。

Q: 分析需要多长时间? A: 取决于文章数量和AI助手的分析深度。一般10-50篇,5-15分钟。

Q: 适用于哪些平台? A: 适用于任何有标题、内容、阅读量的内容平台。公众号、小红书、知乎、博客都可以。

Q: 可以分析视频吗? A: 可以。将"标题"→"视频标题","内容"→"视频描述/文案","阅读量"→"播放量"即可。

示例

示例1:公众号内容分析

  • 平台:微信公众号
  • 数据:50篇文章(标题、内容、阅读量、发布时间)
  • 目标:学习对标账号的爆款模式
  • 输出:爆款模式总结 + 可复用的标题/结构模板

示例2:小红书笔记分析

  • 平台:小红书
  • 数据:30篇笔记(标题、文案、点赞数、收藏数)
  • 目标:诊断自己的内容质量
  • 输出:内容质量诊断 + 改进建议

示例3:对标账号深度分析

  • 平台:公众号 + 小红书
  • 数据:对标账号100篇 + 自己账号50篇
  • 目标:全面对标学习
  • 输出:完整的三模块分析报告

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

Research

Blog Writer Pro

博客写作助手。完整文章生成(Markdown输出)、多角度大纲、SEO优化诊断、开头段落、系列文章规划、风格改写、CTA文案。Blog writer with full articles, outlines, SEO analysis, hooks, series planning, rewriting, CTA...

Registry SourceRecently Updated
Research

aliyun-domain

通过阿里云 OpenAPI 管理域名资产,支持域名查询、续费、转移、注册、信息修改等操作。涉及资金操作时需要用户二次确认。同时提供阿里云国内站域名优惠政策咨询,包括注册活动价格、批量注册优惠、转入优惠、续费折扣、优惠口令等。新增域名、建站、备案行业咨询能力,基于 RAG 检索本地知识库(knowledge/ali...

Registry SourceRecently Updated
Research

Meme Coin Scanner

Scan new meme coins for risks and opportunities — honeypot detection, liquidity analysis, holder concentration, and rug pull indicators using DexScreener and...

Registry SourceRecently Updated
Research

Web Search Plus 2.8.6

Unified search skill with Intelligent Auto-Routing. Uses multi-signal analysis to automatically select between Serper (Google), Tavily (Research), Exa (Neura...

Registry SourceRecently Updated