我做了一个小插件,把评论区变成了选题库

我做了一个小插件,把评论区变成了选题库

👤 夏家的冰雹 📅 未知日期

我做了一个小插件,把评论区变成了选题库

摘要:从抖音评论采集、CSV 导出,到 WorkBuddy 分析报告和素材沉淀。


我以前做选题,很多时候还是靠感觉。

看到一个话题有意思,就想写。

看到一条评论很扎心,也想写。

但问题是,我觉得有意思,不代表用户真的关心。

有些选题,我自己写得很兴奋,发出去以后才发现,评论区根本不接。

还有些选题,我一开始没太在意,结果评论区反而一直有人追问。

所以我最近在想一件事:

能不能先不急着写,先看看用户已经在讨论什么?

这句话听起来很简单。

但真要做,就需要一套流程。

于是我做了一个小工具:抖音评论采集插件

它的作用也很简单。

打开抖音视频页,点击插件按钮,把评论采下来,导出成 CSV。

然后我再把 CSV 丢给 WorkBuddy,让它帮我整理成评论分析报告,最后再做成 HTML 可视化页面。

这样一来,评论区就不只是评论区了。

它变成了我的选题库、素材库,甚至是一个很真实的用户需求池。


🧩 为什么我要做这个插件

我做公众号,最怕的不是没东西写。

而是写了一堆自己觉得有道理的东西,最后发现跟读者真正关心的问题错位了。

比如同样是“年轻人要不要试错”这个话题。

我原来可能会直接写:

年轻人要多尝试,多探索,多经历。

但评论区真实的声音不是这样。

很多人真正纠结的是:

我不是不想试错。
我是没有钱、没有方向,也没有人兜底。

这就完全不一样了。

前者是观点。

后者是处境。

如果我只写观点,文章很容易变成空话。

但如果我能从评论里看到用户的处境,文章就会更接地气。

这就是我做这个插件的原因。

不是为了“扒数据”。

而是为了让自己写文章之前,先听见真实的人在说什么。


🔧 这个插件是怎么用的

这个插件是 Chrome / Edge 浏览器插件。

我用 WorkBuddy 辅助做出来的。

它不是一个复杂产品,现在更像是我的内部工具。

基本使用方式是这样:

  1. 打开 Chrome 或 Edge;
  2. 登录抖音网页版;
  3. 打开一个想分析的视频页面;
  4. 点击浏览器右上角的插件;
  5. 设置最大采集数量,比如 500 条
  6. 开启“展开长评论”;
  7. 如果想看评论区争论,就开启“采集二级回复”;
  8. 点击开始采集;
  9. 最后导出 CSV 或 JSON。

插件里我主要做了几个功能。

一个是自动滚动评论区。

一个是监听新加载出来的评论。

还有一个是自动展开长评论,尽量避免采集出来只有 ...

后面我又加了去重、评论 ID、评论时间地点、评论图片链接这些字段。

这些听起来有点技术,但对我来说,核心目的只有一个:

尽可能把评论区还原成一份能分析的原材料。


📄 导出的 CSV,才是原材料

插件采集完以后,可以导出一个 CSV 文件。

这个文件里面会有很多字段。

比如:

字段
用途
userName
谁在评论
commentText
评论内容
commentTime
评论时间和地点
level
一级评论 / 二级回复
parentCommentText
它回复的是哪条评论
commentImageUrls
评论里的图片链接
commentId / domId
用来去重和定位评论

CSV 本身其实不好看。

打开就是一堆表格,一堆文字。

但它很重要。

因为它把原本散落在抖音页面里的评论,变成了一个可以被分析的文件。

这一步有点像把矿石挖出来。

还不能直接用。

但原材料已经有了。


🤖 下一步,丢给 WorkBuddy 分析

CSV 有了以后,我会把它丢给 WorkBuddy。

不是让它直接写文章。

而是先让它分析评论。

我一般会这样问:

请你分析这份评论数据,帮我完成:

  1. 用户主要在讨论什么;
  2. 高频痛点有哪些;
  3. 评论区有哪些明显争论;
  4. 哪些评论适合做文章素材;
  5. 哪些问题适合做公众号选题;
  6. 如果我要写一篇文章,推荐几个切入角度;
  7. 最后帮我整理成一份结构化报告。

这一步很关键。

因为我不是要 AI 替我判断世界。

我是让它先帮我把杂乱的评论整理成结构。

人看 500 条评论,很容易看花。

但 AI 可以先帮我做粗筛。

比如:

哪些词反复出现?

哪些问题很多人都在问?

哪些评论不是简单情绪,而是一个具体处境?

哪些反驳说明这个话题有争议?

这比直接让 AI 写文章有用多了。


📊 我这次采了 508 条评论

这次我用插件采了一批抖音评论,一共 508 条

然后丢给 WorkBuddy 做分析。

最后发现,这批评论表面上在讨论:

20 多岁到底该试错,还是该稳定?

但更底层的问题其实是:

普通人在没有存款、没有方向、没有人兜底的时候,到底怎么安全地成长?

这个发现对我很有启发。

因为如果我只看视频主题,我可能会以为大家关心的是“年轻人要不要努力”。

但看完评论才发现,大家真正关心的是“我这种普通人有没有试错成本”。

这就是评论分析的价值。

它会把一个看起来很大的话题,拆成真实的人正在经历的具体问题。


🧭 评论区暴露出来的六个痛点

分析报告里,我把这批评论归纳成了六个痛点。

第一个是方向感缺失

很多人不是不努力,而是不知道自己适合什么。

第二个是试错成本焦虑

支持者说年轻要试错,反对者说试错要钱。

第三个是稳定和自由之间的拉扯

稳定的工作不喜欢,喜欢的生活不稳定。

第四个是技能焦虑

大家都知道要学技术,但不知道该学什么,也不知道自己能不能学会。

第五个是家庭、父母和关系压力

父母希望稳定,自己想出去闯。

第六个是创业冲动和创业创伤并存

有人不想打工,想自由职业。

也有人创业亏钱、被合伙人坑,欠债后不敢动。

这些痛点如果让我自己凭感觉写,不一定能这么快整理出来。

但当评论被结构化以后,它们就非常清楚。


⚖️ 真正有价值的是争论

我后来发现,评论区最有价值的,不是“说得对”。

而是争论。

因为争论说明这个话题不是单向度的。

它背后有不同处境、不同成本、不同价值排序。

这次评论里有三组很明显的争论。

第一组:30 岁之前应该多试错吗?

支持方觉得,年轻的时候时间不值钱,应该多探索。

反对方觉得,试错不是免费的,没钱试错就是赌博。

第二组:稳定是不是一种退路?

有人觉得稳定值得珍惜。

也有人觉得稳定会把人困住。

第三组:年轻人应该先赚钱,还是先探索?

有人说先积累原始资金。

也有人说,就是因为没钱才更要往上冲。

这三组争论,比单纯的观点更适合写文章。

因为文章不是拿一个标准答案去压别人。

而是把不同处境摊开,让我自己也重新想清楚。


📦 评论可以变成素材库

这一步是我觉得最有用的。

以前我看评论,看到好的就截图。

但截图多了以后,也很难整理。

现在不一样。

我可以把评论分成几类:

评论类型
可以怎么用
痛点评论
做选题
提问评论
做标题
反驳评论
做文章结构
长故事评论
做案例
高频词
判断用户关心什么
争议点
判断哪类内容容易有讨论

比如这条评论:

没人兜底,全靠自己,一天不上班就怕交不起房租了。

这就不是普通评论。

它可以直接变成一篇文章的切口。

比如写:

《没有试错成本的人,怎么试错?》

再比如这句:

我说的不是去借钱创业,那不是试错,是拿未来赌博。

这也可以直接变成一个小标题。

评论区里有很多这样的句子。

它们不是现成文章,但它们是非常好的素材。


👥 评论还能帮我理解用户画像

这次分析里,我还把评论背后的人分成了几类。

第一类是 18-23 岁刚出社会的人

他们刚毕业或者刚工作,对行业没有判断,最关心第一份工作怎么选。

第二类是 24-27 岁已经换过几份工作的人

他们有一些社会经验,但没有沉淀成职业能力,开始焦虑 30 岁

第三类是 想创业、想自由职业的人

他们讨厌打工的束缚,但又容易把“不想上班”理解成“适合创业”。

第四类是 被家庭和关系推着走的人

他们要处理父母期待、应届生身份、婚恋和年龄压力。

这一步对写公众号很有帮助。

因为我不是在面对一个抽象的“读者”。

我是在面对一群具体的人。

他们的年龄、处境、纠结点都不一样。


✍️ 从评论反推选题

最后,WorkBuddy 会帮我把这些分析整理成选题。

比如这次就能拆出很多篇文章:

  • 年轻人最容易误解“试错”
  • 没有试错成本的人,怎么试错?
  • 为什么你越换工作越迷茫?
  • 不想上班,不等于适合创业
  • 年轻人该不该听父母安排?
  • 普通人 20 多岁最该攒的不是钱,而是选择权

这些选题不是我拍脑袋想出来的。

它们是从评论区长出来的。

这个感觉完全不一样。

以前我写文章,是先问:

我想写什么?

现在我会先问:

用户已经在讨论什么?

这个变化,对我来说很重要。


🗂️ 我准备怎么整理进素材库

后面我会把这类分析继续沉淀到自己的素材库里。

不是简单把文件丢进去。

而是按用途分类。

1. 选题库

存放那些可以直接写成文章的问题。

比如:

  • 没有试错成本的人,怎么试错?
  • 稳定工作到底该不该辞?
  • 普通人怎么判断一个行业值不值得坚持?

2. 评论素材库

存放真实评论。

尤其是那些有处境、有情绪、有反驳的评论。

3. 洞见库

存放我自己的判断。

比如这次我得到的一个判断是:

年轻人不是不知道要成长,而是不知道怎样在现实压力下安全地成长。

这句话以后可能会反复用到。

4. 反方观点库

这个也很重要。

因为文章如果只有我的观点,很容易单薄。

评论区里的反驳,刚好能帮我把文章写得更立体。


⚠️ 这套流程也不完美

这套流程现在还不是完美状态。

比如这次采集里,有一部分长评论还是只采到了 ...

这说明插件的“展开全文”逻辑还要继续优化。

另外,这次基本都是一级评论。

如果想看用户之间真正的争论,还要继续采二级回复。

但即便这样,它已经足够让我看到一个方向。

内容创作不一定要从“我想写什么”开始。

也可以从“用户已经在讨论什么”开始。

这里也补一句边界。

我这个插件只采集公开视频页面里已经展示的公开评论。

不涉及私信,不绕过登录,不抓取隐私数据,也不做批量骚扰。

目的不是扒数据,而是帮助我理解公开讨论里的真实需求。


🏁 最后

这套流程做完以后,我最大的感受是:

AI 不只是帮我写文章。

它更像是在帮我整理真实世界的反馈。

以前我把评论当反馈。

现在我开始把评论当原材料。

插件负责采集。

CSV 负责保存。

WorkBuddy 负责整理。

HTML 报告负责展示。

最后,我再把它变成自己的选题、素材和洞见。

这对我来说,是一次内容创作方式的变化。

不是从“灵感”开始。

而是从“证据”开始。

不是先问我想表达什么。

而是先看用户已经在讨论什么。

我觉得这才是 AI 工具真正有意思的地方。

它不是替我思考。

而是帮我把那些原本散乱的东西,整理成我能继续思考的结构。