wechat-keyword-analyzer

# 微信公众号关键词分析 根据关键词搜索公众号文章，进行四维深度分析，生成选题参考报告。 ## 工作流程 ### 1. 提取搜索关键词 从用户输入中提取 1-2 个核心搜索词： - 保留最具搜索价值的词汇 - 去除过于宽泛的表述 - 可拆分为多个关键词分别搜索 示例： - "我想了解最近AI应用的热门文章" → `AI应用` - "帮我找找关于Claude的公众号文章" → `Claude` ### 2. 搜索文章 使用搜索脚本获取文章数据： ```bash python3 scripts/search_articles.py "关键词" \ --period 7 \ --pages 3 \ --sort time \ -o /tmp/wechat_keyword_articles.json ``` 参数说明： - `--period 7`: 最近7天 - `--pages 3`: 获取3页（约30篇文章） - `--sort time`: 按时间排序（可选 `relevance` 按相关性） - `-o`: 保存到文件 多关键词搜索时，分别执行并合并结果。 ### 3. 四维深度分析 读取文章数据后，从以下四个维度进行分析： #### 维度一：标题分析 分析所有标题的特征模式： | 分析项 | 具体内容 | |--------|----------| | 长度分布 | 统计标题字数，找出最优长度区间 | | 数字使用 | 是否包含数字（"3个方法"、"2025年"） | | 疑问句式 | "为什么"、"如何"、"怎么"等问句 | | 情绪词汇 | 紧迫感、好奇心、惊讶等情绪触发词 | | 关键词密度 | 核心关键词在标题中的出现频率 | | 标题结构 | 常见模式（对比式、清单式、悬念式等） | 输出： - 高阅读量标题的共同特征 - 推荐的标题写作模板 - 具体标题优化建议 #### 维度二：话题归类 将文章按主题/角度分类： 1. **自动分类**：根据标题和摘要归纳主题类别 2. **统计分布**：各类别的文章数量和平均阅读量 3. **热门话题**：识别当前最受欢迎的细分方向 输出： - 3-5个主要话题分类 - 每个分类的代表文章 - 话题热度排名 #### 维度三：写作风格拆解 分析高阅读量文章的写作特点： | 分析项 | 关注点 | |--------|--------| | 开篇 Hook | 如何在前几行抓住读者 | | 文章结构 | 总分总、递进式、故事线等 | | 语言风格 | 口语化、专业性、情感化程度 | | 互动设计 | 提问、引导评论、分享触发 | | 视觉排版 | 小标题、列表、重点标注 | 输出： - 成功文章的写作模式总结 - 可复用的写作框架 - 具体写作技巧建议 #### 维度四：互动数据分析 分析文章的互动表现： | 指标 | 计算方式 | 参考基准 | |------|----------|----------| | 阅读量 | read_num | 主要指标 | | 点赞量 | like_num | 内容认可度 | | 评论量 | comment_num | 互动深度 | | 点赞率 | like_num/read_num | >1% 优秀 | 输出： - 数据分布统计（平均、中位数、最高最低） - 高互动文章的共同特征 - 数据表现与内容特征的关联 ### 4. 生成分析报告 将分析结果整理为结构化 Markdown 报告。详细报告模板见 [references/report_template.md](references/report_template.md)。 **报告核心内容：** ```markdown # 公众号关键词分析报告：[关键词] ## 数据概览 - 搜索关键词：XXX - 分析文章数：XX篇 - 时间范围：最近X天 - 平均阅读量：XXX ## 一、标题分析 ### 高效标题特征 ### 标题模板推荐 ## 二、话题归类 ### 主题分布 ### 热门方向 ## 三、写作风格拆解 ### 成功模式总结 ### 可复用框架 ## 四、互动数据洞察 ### 数据分布 ### 高互动文章特征 ## 五、选题建议 ### 推荐选题方向 ### 具体选题示例 ## 附录：文章列表 ``` ### 5. 保存报告 **命名规则**：`{关键词}_关键词分析报告.md` **存储路径**：保存到以当前日期命名的文件夹 ```bash # 创建日期文件夹 mkdir -p $(date +%Y%m%d) # 保存报告 # 完整路径：{日期文件夹}/{关键词}_关键词分析报告.md ``` 完成后告知用户： > 分析报告已保存至：`20260122/AI应用_关键词分析报告.md` ## API 配置 API 详细参数见 [references/api_reference.md](references/api_reference.md)。 ## 分析指南 深度分析方法和指标说明见 [references/analysis_guide.md](references/analysis_guide.md)。