English | 中文
一个帮你判断「这个选题到底值不值得写」的框架,做成了 Claude Code / Cursor 可以直接用的技能包。
内容团队最大的浪费,不是写得不够多,而是写了一堆「看起来在产出、实际不转化」的东西,和产品关系很弱的选题、蹭一个自己根本不懂的关键词、把过去爆过的老选题再写一遍。这个框架用四道闸把这些筛掉。
这套判断逻辑来自真实的品牌内容运营实战,不是方法论拼凑。
第一道,相关性闸
拿到选题先问,从切入点到产品,中间要转几次弯?
0 到 1 次通过,2 次边缘,3 次以上是「强行关联」,否掉。
否掉的典型是那种逻辑链很长的,从一个跟产品无关的行业政策出发,绕好几个弯才扯到自己的产品,中间每一步都是「所以」,这种强行关联读者一眼能看出来。
通过的典型是选题本身就是产品,讲产品怎么工作、澄清一个关于产品的误解、回答用户真正会问的关于产品的问题。
这是四道闸里唯一可以被高流量补偿的软门槛。流量足够大的选题,可以适当放宽相关性要求。
第二道,信号闸
好选题来自真实外部信号,不是凭空想的。信号按可信度分级。
最高一档有三个,客户直接问的高频问题、用户反馈里的关键词共现、后台行为数据。客户直接问是最强也最省力的信号,用户反复开口问同一个问题,既说明这是真需求,问的人多本身就代表了流量。关键词共现是指用户在聊一个相邻话题时,自然带出了你这个领域的东西,这种「顺带提到」说明真实用户在那个语境里需要你的产品,往往比直接搜你这个品类的人还精准。后者是从用户的真实行为数据里反推业务场景,再针对性地写,数据驱动,可信度高。
第二档是误解需要澄清,你的产品在某个地方被误传了,写一篇说清楚,价值高也天然相关。
第三档是竞品动作、行业动态,有时候值得写,但要仔细过相关性闸,这类经常栽在第一关。
还有一档不需要判断,直接做,就是产品更新和官方资讯,有什么写什么。
没有信号支撑、纯粹「我觉得这个有意思」的选题,降级。
第三道,深度闸
这一关不是问「能不能做实操演示」。有些选题是操作型的,深度就是给读者可复现的步骤,怎么用、怎么配、怎么跑通。有些选题是解释型的,比如原因解析、概念科普、趋势判断,这类没法实操,但只要你真的懂、能讲透、能讲出超出表面的东西,照样有深度。
两条路都行。真正的判断标准是,我们是不是真的懂这个选题,懂到能给读者带走点东西,不管是一套步骤还是一个讲透了的解释。
如果是,写。如果只是为了蹭关键词、自己其实没什么可补充的,那就是水文,不管这个词多好都否掉。那种看起来能写、真动笔发现没东西可写的,栽在这一关。
第四道,排序
通过前三关的选题不多,在这几个里综合看流量大小和时效性,决定先做哪个。两个一起权衡,一个高流量的常青选题和一个中流量但有时效窗口的选题,谁先做取决于那个窗口会不会关上。
AI 最爱犯的错,看到某个选题历史数据好,就再写一篇。但二次写作经常失败。
因为原来那篇爆,可能是靠当时的时效性、或者填补了当时的空白。隔段时间再写,空白被填了、时效过了,主题没变效果也会衰减。
所以判断选题不能只看历史数据,要看当下这个时间点,空白还在不在。有没有别人已经写得很好了?时机是不是过了?如果空白没了,历史数据再好也救不回来。
Claude Code:
```bash mkdir -p .claude/skills git clone https://github.com/pencil20388-eng/content-topic-judgment.git .claude/skills/content-topic-judgment ```
用法:
```
帮我判断这个选题值不值得写,[选题]
这是我下周的 10 个选题候选,帮我筛一遍并排序
这个选题我们三个月前写过,数据不错,现在再写一遍怎么样? ```
Cursor、Codex CLI、Gemini CLI 同样适用。
由 AdsPower 指纹浏览器内容团队构建,这套框架来自我们日常的真实选题决策。
- stop-slop-zh — 干掉中文 AI 味,判断完写什么之后,保证写出来的不像 AI
⭐ 如果这个框架帮你少写了几篇没用的稿子,点个 star。