wb-xhs-low-follower-pattern

name

wb-xhs-low-follower-pattern

description

Use when the user has a Xiaohongshu niche and needs to find, compare, and extract reusable content structures from low-follower high-performing posts, or diagnose why a post did or did not become a breakout using click rate, retention, and interaction signals. Trigger phrases: "找对标", "低粉爆款", "拆爆款", "内容骨架", "点击率", "停留时长", "互动率", "competitor pattern", "viral post structure". Do not use before the monetization direction is clear.

低粉爆款内容骨架拆解

R — 原文

"找低粉爆款，直接拆。"

— 文子, X Article, 2026-07-06

"一条内容能不能爆，本质看这个：点击率 × 停留时长 × 互动率。"

— yanliudreamer, X Article, 2026-07-04

I — 方法论骨架

对新手来说，大号爆款往往混入了粉丝基础、品牌认知和历史权重，不一定能复制。更有价值的样本，是粉丝不多但近期数据突出的内容。

这个 skill 的核心是把“我喜欢这篇”变成结构分析：关键词入口、发布时间、账号粉丝量、封面标题点击承诺、开头三句、正文组织、停留理由、收藏理由、评论区反馈、标签组合。

yanliudreamer 系列补充了爆款判断公式：爆款不是绝对数据高，而是在小流量测试中明显优于平均。拆解时必须把样本拆成三段：点击率靠封面标题，停留时长靠开头和结构，互动率靠收藏、评论、转发背后的价值或共鸣。

拆解的目标不是复制原文，而是提取可迁移骨架，再换成用户自己的经历、观点和素材。

dbskill 的对标模块补充了“五重过滤”：样本是否接近商业目标、机制能否被看懂、结构能否用自己的素材复用、是否剔除了“我不一样”的主观噪音、是否避免空谈赛道。共鸣诊断还要求拆出内容为什么让人想说、想用、想站队、想分享给第一批人。

xhs-visual-director-skill 补充了视觉拆解维度：低粉高数据样本不仅要拆标题和正文，还要拆封面构图、3:4 画幅、信息层级、主视觉、页间节奏、是否有统一视觉母版、是否避免 PPT 感和廉价模板感。

A1 — 文章中的应用

案例 1: 搜关键词并切换最新排序

• 问题: 默认搜索结果容易被旧爆款和大号占据。
• 方法论的使用: 作者建议输入赛道核心词后看较新的高数据内容。
• 结论: 新近跑出的低粉高数据内容更适合新号学习。
• 结果: WorkBuddy 可以基于多个样本总结内容公式。

A2 — 触发场景

用户会在什么情境下需要这个 skill?

1. 用户已经确定赛道，但不知道什么内容能被平台接受。
2. 用户想找对标账号，却只会收藏大号。
3. 用户有 5-10 篇样本，希望让 Agent 总结规律。
4. 用户要把一个爆款结构改写成自己的内容。
5. 用户有一条笔记数据异常好或异常差，想知道卡在点击、停留还是互动。

语言信号

• "帮我找对标"
• "怎么拆小红书爆款"
• "这个赛道低粉爆款怎么看"
• "为什么这条没爆"
• "点击率停留互动怎么看"
• "extract viral structure"
• "competitor content pattern"

与相邻 skill 的区分

• 与 wb-xhs-monetization-backsolve 的区别: 本 skill 不判断赛道值不值得做，只拆已选赛道的内容样本。
• 与 wb-xhs-topic-bank 的区别: 本 skill 从外部样本提取公式；选题库 skill 用公式生成新选题。

E — 可执行步骤

1. 定义搜索词

   • 从用户赛道中提取 5-10 个核心词、问题词和人群词。
   • 完成标准: 每个词都能在小红书搜索框直接使用。

2. 筛选低粉高数据样本

   • 记录账号粉丝量、发布时间、点赞收藏评论、标题、封面承诺。
   • 完成标准: 至少得到 5 个“粉丝不多但数据明显高于同类”的样本。

3. 做五重对标过滤

   • 判断样本是否与变现相关、内容机制是否可理解、是否能用自己的素材复用、是否排除了主观偏见、是否没有陷入抽象赛道讨论。
   • 完成标准: 只保留值得学习的样本，而不是只保留看起来热闹的样本。

4. 拆解内容骨架

   • 对每篇样本拆封面承诺、标题句式、开头三句、正文段落功能、结尾动作、标签。
   • 完成标准: 输出一张样本对比表。

5. 拆三指标杠杆

   • 判断样本主要强在点击率、停留时长还是互动率；记录对应证据。
   • 完成标准: 每篇样本都有“入口强点 / 内容强点 / 互动强点”的判断。

6. 识别五类爆款需求

   • 判断内容满足的是情感共鸣、见证成长、获得新知、学习提升、身份表达中的哪一类或哪几类。
   • 完成标准: 不是只拆形式，也拆用户为什么愿意点、看、藏、评、转。

7. 做共鸣原因解码

   • 判断样本是否释放了用户不敢说的话、满足了具体使用动机、提供了立场框架、让第一批人愿意转述、强化了某种信念。
   • 完成标准: 输出“它为什么会被互动”的心理原因，而不只输出排版结构。

8. 总结可迁移公式

   • 提炼 3-5 个可复用标题模板和 1 个正文结构模板。
   • 完成标准: 模板不含原作者专属事实，可以替换成用户素材。

9. 拆解视觉骨架

   • 记录封面标题占比、主视觉位置、背景风格、字体层级、强调色、页码/角标、内页结构和页面节奏。
   • 完成标准: 输出“可复用视觉公式”，例如封面冲击、内页卡片、对比页、案例页、总结页如何组织。

10. 判断视觉是否值得学

• 检查样本是否手机端可读、是否有收藏价值、是否像小红书图文而不是 PPT、是否有统一风格。
• 完成标准: 只学习视觉结构，不复制原作者图片、素材或专属设计元素。

B — 边界

不要在以下情况使用

• 用户还没确定服务人群或变现路径，应先调用定位 skill。
• 用户要求逐字模仿某篇内容，应提醒只提取结构和逻辑。

失败模式

• 只看点赞，不看账号粉丝量和发布时间。
• 只看最终数据，不拆点击、停留和互动分别发生在哪里。
• 把原文表达搬进自己的笔记，导致账号缺少真实差异。
• 样本太少就总结公式。
• 看到一篇爆了就误以为找到公式，没有连续验证。
• 对标对象与自己的商业目标无关，只是数据好看。
• 只拆标题句式，不拆它让谁获得了表达、使用或站队理由。
• 只学封面颜色和装饰，不拆信息层级、页间节奏和手机端可读性。
• 把别人的视觉样式整体照搬，导致账号缺少自己的视觉识别。

作者盲点

• 文章默认用户能自行判断数据异常，实际可能需要更细的数据阈值。
• 不同赛道的数据基准差异很大，不能用统一数字判断。

相关 skills

• depends-on: [wb-xhs-monetization-backsolve]
• contrasts-with: []
• composes-with: [wb-xhs-topic-bank, wb-xhs-account-profile]

审计信息

• 验证通过: V1 ✓ / V2 ✓ / V3 ✓
• 测试通过率: prompts prepared
• 蒸馏时间: 2026-07-07