xiaohongshu-analyzer

# 小红书用户深度分析 & 追求策略顾问 ## 概述 这个 Skill 有三个能力层次： 1. **画像分析**：深度浏览小红书公开主页，构建多维度社会画像 2. **理想型画像**：基于心理学理论框架，从发布内容和收藏行为中推断 TA 会被什么样的人吸引 3. **追求策略**：基于画像生成个性化的接近方案、话术建议和分阶段路线图 整个流程：**深度数据采集 → 多维画像分析 → 理想型推断 → 追求策略生成 → 可视化报告输出** ## 前置条件 - 需要 Claude in Chrome 浏览器工具 - 用户需提供一个小红书用户主页 URL - **强烈建议用户在浏览器中已登录小红书**——未登录状态下能看到的内容非常有限（约10条笔记、无法点进详情页、无法看收藏），登录后可以获得 5-10 倍的数据量 第一步永远是提醒用户：「为了获得最好的分析效果，请确保你当前的浏览器已经登录了小红书。」 --- ## Phase 1：深度数据采集 数据采集是整个分析的基础。采集分为三大部分：笔记列表扫描、笔记抽样深读、收藏夹全量扫描。 ### 1.1 主页基础信息 导航到目标用户主页，等待 3 秒加载完成后截图。采集： ``` ├── 昵称、小红书号 ├── 个人签名 / 简介（非常重要——往往是自我定位的浓缩） ├── IP 属地 ├── 星座/年龄等标签（如有展示） ├── 粉丝数 / 关注数 / 获赞与收藏数 ├── 头像风格描述 └── 主页背景图（如有） ``` **确认笔记总量：** 用 `read_page` 或 JavaScript 提取「笔记」tab 旁的数字。记录 `TOTAL_NOTES`。 ### 1.2 笔记列表全量扫描 **目标：扫描所有笔记标题和基础信息。** 这是后续分析的索引。 小红书主页使用虚拟滚动（virtual scrolling）——DOM 中只保留当前可见的笔记元素，滚出视窗的会被移除。所以不能滚完再提取，必须**边滚边收集**。 **自动滚动收集器模式（推荐）：** 注入以下 JavaScript 到页面，它会在滚动过程中持续收集数据并自动去重： ```javascript // 初始化收集器（Map 自动去重） window._noteCollector = { notes: new Map(), scanCount: 0 }; function collectNotes() { const sections = document.querySelectorAll('section.note-item, section[class*="note"]'); sections.forEach(s => { const titleEl = s.querySelector('.title span, a .title span'); const authorEl = s.querySelector('.author-wrapper .name, .footer .name'); const likeEl = s.querySelector('.like-wrapper .count, .engagement .count'); if (titleEl) { const title = titleEl.textContent.trim(); const likes = likeEl ? likeEl.textContent.trim() : '0'; // 用标题前30字符作为去重 key const key = title.substring(0, 30); if (!window._noteCollector.notes.has(key)) { window._noteCollector.notes.set(key, { title, likes }); } } }); window._noteCollector.scanCount = window._noteCollector.notes.size; } // 自动滚动 + 收集 async function autoScrollCollect() { window._scrollDone = false; let prevCount = 0; let sameStreak = 0; for (let i = 0; i < 500; i++) { collectNotes(); window.scrollBy(0, 500); await new Promise(r => setTimeout(r, 400)); const current = window._noteCollector.notes.size; if (current === prevCount) { sameStreak++; if (sameStreak > 20) break; // 连续20次无新内容 = 到底了 } else { sameStreak = 0; } prevCount = current; } window._scrollDone = true; } autoScrollCollect(); ``` 注入后等待 30-60 秒（取决于笔记总量），然后检查 `window._scrollDone` 和 `window._noteCollector.scanCount`。 **Chrome 浏览器扩展断连处理：** 等待期间 Claude in Chrome 扩展可能断开连接。如果 `tabs_context_mcp` 报错或无法访问 tab，重新调用 `tabs_context_mcp` 获取新的 tab 连接，然后用 JavaScript 检查后台脚本是否已完成（检查 `window._scrollDone`）。 **数据提取：** 收集完成后，分批提取（每批100条避免 JSON 截断）： ```javascript const arr = Array.from(window._noteCollector.notes.values()); JSON.stringify(arr.slice(0, 100)); // 第1批 // JSON.stringify(arr.slice(100, 200)); // 第2批，以此类推 ``` **到底确认：** 如果连续 20 次滚动后笔记数不再增加，判定为已到底。记录实际扫到的总数和覆盖率。 ### 1.3 笔记抽样深读（3-5 条精读） 笔记深读的目的不是逐条阅读所有内容（那在大量笔记时不现实），而是**精选有代表性的笔记获取深度信息**。配合已有的全量标题列表，少量精读足以支撑高质量分析。 **选择策略——精准抽样：** 1. **最新 1-2 条**：代表当前状态 2. **互动最高的 1 条**：代表 TA 最受认可的内容 3. **低互动但标题很个人化的 1 条**：往往最真实 4. **最早期的 1 条**（如能找到）：了解变化轨迹 对每条深读笔记，采集： ``` ├── 完整正文（用 get_page_text） ├── 所有 #标签 ├── 发布日期/时间 ├── 点赞、收藏、评论数 ├── 图片内容描述（截图观察） ├── 评论区分析（前 20 条评论 + 博主回复） └── 读完后用浏览器返回主页 ``` ### 1.4 收藏夹全量扫描（极其重要） **收藏内容是整个分析中含金量最高的数据。** 一个人发布的内容是「前台表演」（front-stage performance），而收藏的内容是 TA 的「内隐偏好」（implicit preferences）——TA 真正在意的、想反复看的、不方便发但很向往的东西。 **对理想型推断和追求策略来说，收藏夹数据的价值甚至超过笔记本身。** 操作流程： 1. 在主页找到「收藏」tab 并点击 2. 如果收藏夹加锁（私密），标注「收藏夹不可见」并跳过 3. 如果公开，使用与笔记列表相同的**自动滚动收集器模式**全量扫描： ```javascript // 重置收集器（避免残留笔记 tab 的旧数据） window._favCollector = { notes: new Map(), scanCount: 0 }; function collectFavs() { const sections = document.querySelectorAll('section'); sections.forEach(s => { const titleEl = s.querySelector('.title span'); const authorEl = s.querySelector('.author-wrapper .name, .footer .name'); const likeEl = s.querySelector('.like-wrapper .count'); if (titleEl && authorEl) { const title = titleEl.textContent.trim(); const author = authorEl.textContent.trim(); const likes = likeEl ? likeEl.textContent.trim() : '0'; const key = title.substring(0, 30) + '|' + author; if (!window._favCollector.notes.has(key)) { window._favCollector.notes.set(key, { t: title, a: author, l: likes }); } } }); window._favCollector.scanCount = window._favCollector.notes.size; } async function autoScrollFavs() { window._favScrollDone = false; // 先滚到顶部确保从头开始 window.scrollTo(0, 0); await new Promise(r => setTimeout(r, 1000)); let prevCount = 0; let sameStreak = 0; for (let i = 0; i < 500; i++) { collectFavs(); window.scrollBy(0, 500); await new Promise(r => setTimeout(r, 350)); const current = window._favCollector.notes.size; if (current === prevCount) { sameStreak++; if (sameStreak > 25) break; } else { sameStreak = 0; } prevCount = current; } window._favScrollDone = true; } autoScrollFavs(); ``` 4. **分批提取**后进行**关键词分类统计**： ```javascript // 关键词分类模板（根据实际内容调整类别和关键词） const categories = { '美妆/护肤': ['化妆', '护肤', '防晒', '面膜', '口红', '粉底'], '穿搭/时尚': ['穿搭', 'ootd', '搭配', '时尚', '衣服'], '美食/探店': ['美食', '餐厅', '探店', '甜品', '咖啡'], '旅行': ['旅行', '旅游', '攻略', '打卡', '酒店'], '健身/运动': ['健身', '运动', '瑜伽', '跑步', '减脂'], '情感/恋爱': ['恋爱', '脱单', '约会', '暧昧', '表白', '男朋友', '女朋友'], '职场/学习': ['工作', '面试', '考研', '留学', '雅思', '实习'], '艺术/设计': ['画', '插画', '设计', '摄影', '艺术', 'art'], '家居/生活': ['家居', '租房', '装修', '收纳', '好物'], // 根据目标用户内容动态添加更多类别... }; function categorize(items) { const result = {}; Object.keys(categories).forEach(cat => result[cat] = []); result['其他'] = []; items.forEach(item => { let matched = false; for (const [cat, keywords] of Object.entries(categories)) { if (keywords.some(kw => item.t.toLowerCase().includes(kw.toLowerCase()))) { result[cat].push(item.t); matched = true; break; } } if (!matched) result['其他'].push(item.t); }); return Object.fromEntries( Object.entries(result) .filter(([k, v]) => v.length > 0) .sort((a, b) => b[1].length - a[1].length) ); } const items = Array.from(window._favCollector.notes.values()); JSON.stringify(categorize(items)); ``` 关键词列表应根据目标用户的实际内容动态调整——先看一遍收藏标题的原始数据，识别出高频主题后再设计分类关键词。 5. **重点分析维度：** ``` ├── 主题分布统计（各类别数量和占比） ├── 发布内容 vs 收藏内容的差异 │ （差异越大 → TA 的前台/后台差距越大） ├── 收藏中的情感类内容（恋爱技巧？情侣日常？） ├── 反复收藏的来源（同一博主被收藏多次 = 高度认同） ├── 隐藏兴趣（没发过但大量收藏的主题 = 秘密兴趣 = 破冰利器） └── 消费/审美偏好线索 ``` 如果收藏是私密的，在报告中标注「收藏夹不可见」并跳过。 ### 1.5 关注列表分析（如果可见） 快速扫描 TA 关注了哪些类型的账号，分类统计。 ### 数据采集小结 采集完成后，输出采集报告： ``` 📊 数据采集报告： ├── 笔记总数：X 条 ├── 列表扫描：已扫描 A 条（覆盖率 XX%） ├── 精读深度：已精读 B 条 ├── 收藏分析：已扫描 C / D 条（覆盖率 XX%）| 类别分布已统计 ├── 关注列表：可见/不可见 └── 评论区互动：已分析 E 条笔记的评论区 ``` --- ## Phase 2：多维画像分析 详细的分析方法和信号体系，参见 `references/analysis-framework.md`。 ### 核心分析维度 **维度一：基础人口学** —— 年龄段、性别、地区、城市线级、职业、教育水平 **维度二：消费与生活方式** —— 消费能力、品牌偏好、兴趣标签、生活方式分类 **维度三：心理与人格** —— Big Five、情感基调、价值观、沟通风格 **维度四：社会关系与影响力** —— 用户类型、影响力、社群归属 **维度五：时间行为模式** —— 发布规律、主题演变、活跃周期 ### 追求场景额外维度 **维度六：社交互动偏好** —— TA 回复什么类型的评论、用什么口吻、偏好什么互动方式 **维度七：情感状态推断** —— 是否有伴侣迹象（置信度极低，必须声明） **维度八：「吸引力密码」** —— TA 最引以为豪的身份、在意的品质、社交需求类型 ### 维度九：理想型画像推断（新增核心功能） 这是基于心理学理论框架的综合推断——**TA 会被什么样的人吸引？** 理论基础（在报告中引用，增强可信度）： - **Byrne 相似-吸引范式 (1971)**：人倾向于被与自己态度、价值观相似的人吸引 - **Watson 等人 Big Five 匹配研究 (2004)**：性格中「尽责性」和「宜人性」的匹配度对关系满意度影响最大 - **Aron 自我扩展模型 (1986)**：人被能拓展自己认知/体验边界的人吸引 - **Bowlby/Ainsworth 依恋理论**：安全型依恋者提供稳定、可预测的情感环境更具吸引力 - **Dweck 成长型思维 (2006)**：在亲密关系中，展现成长意愿比展现完美更重要 推断方法：结合「发布内容」（前台形象）+ 「收藏行为」（内隐偏好）+ 心理学理论，从 6 个维度推断理想型： ``` ├── 审美共鸣力：TA 的审美体系是什么？什么视觉风格能引起共鸣？ ├── 文化视野：TA 重视什么文化/知识领域？什么背景的人能产生话题？ ├── 自我扩展力：TA 向往但尚未拥有什么？谁能带来新体验？ ├── 安全型依恋：TA 需要什么样的情感稳定感？ ├── 成长型人格：TA 欣赏什么样的自我提升姿态？ └── 情感联结力：TA 的情感表达习惯是什么？什么沟通方式最舒服？ ``` 每个维度都要有**证据链**：「从哪条笔记/收藏推断出来的 → 理论依据 → 结论 → 置信度」。 报告中必须声明：「此推断基于公开社交媒体内容的间接分析，结合心理学研究结论，但不等同于专业心理评估或现实中的择偶偏好。仅供参考。」 --- ## Phase 3：追求策略生成 基于画像分析和理想型推断，生成个性化的追求策略。策略分阶段、有具体行动步骤、有示例话术、并对不同回应有应对方案。 ### 策略框架 ``` 策略总纲： ├── 核心策略原则（一句话概括） ├── 理想人设构建（Do's & Don'ts） │ ├── Phase 1：刷存在感（1-2周） │ ├── 具体行动：在哪些笔记下评论、评论什么 │ ├── 示例话术：3-5 条量身定制的评论文案 │ └── 分支应对：积极/中性/无回应 │ ├── Phase 2：建立连接（2-4周） │ ├── 具体行动：如何开启私聊 │ ├── 示例话术：首条私信 2-3 个版本 │ └── 分支应对：详细回复/简短/已读不回 │ ├── Phase 3：深入了解（3-6周） │ ├── 转微信时机和话术 │ ├── 聊天节奏指南 │ └── 分支应对 │ ├── Phase 4：线下见面（4-8周） │ ├── 3 个量身定制的约会场景 │ └── 分支应对 │ └── Phase 5：关系升温（6-12周） ├── 增加专属感的行动 ├── 表白时机判断 └── 分支应对 ``` ### 话术量身定制原则 1. **基于 TA 实际发布的内容**——引用真实笔记话题 2. **匹配 TA 的沟通风格**——TA 随性你也随性，TA 文艺你也得有审美 3. **选择低竞争切入点**——优先选赞数少的笔记（被看到概率高） 4. **展现「懂行」而非「追星」**——体现你在这个领域也有见解 5. **避免泛泛夸赞**——"好帅/好美"毫无辨识度，要具体到内容 --- ## Phase 4：报告生成 输出一份**单文件交互式 HTML 报告**，全部中文。 ### 七个 Tab | Tab | 内容 | |-----|------| | 📊 总览 | 一句话画像 + 关键标签 + 基础数据 + 五维雷达图 | | 🔍 深度画像 | 八个维度的详细分析（每个带置信度和证据） | | 💜 理想型画像 | 心理学理论框架 + 收藏行为分析图表 + 6维推断 + 匹配度自测 | | 📋 笔记一览 | 所有已扫描笔记列表（可搜索/筛选） | | 🎯 追求策略 | 核心原则 + Do's & Don'ts + 五阶段路线图 | | 💬 话术锦囊 | 评论话术 + 私信话术 + 场景话术 | | ℹ️ 方法论 | 数据采集报告 + 分析方法说明 + 局限性声明 | ### 理想型画像 Tab 的特殊要求 这个 Tab 需要包含： 1. **方法论卡片**：列出 5 个心理学理论框架及其应用方式 2. **收藏行为分析**：饼图/环形图展示收藏内容的主题分布 3. **六维度分析**：每个维度有「证据」「理论依据」「推断」三个层次 4. **理想型雷达图**：六维度得分可视化 5. **匹配度自测**：交互式评分器，用户可以给自己在每个维度打分，计算与理想型的匹配度 ### 技术规格 - **Chart.js** via CDN（雷达图、环形图、柱状图等） - 主色调：#FF2442（小红书品牌色） - 响应式布局 - 置信度颜色：高(#22c55e) / 中(#eab308) / 低(#9ca3af) - 分支应对颜色：积极(绿) / 中性(黄) / 消极(红) - 保存到 outputs/ 文件夹 - 文件名：`{昵称}_画像分析_{日期}.html`（纯画像）或 `{昵称}_画像与追求策略_{日期}.html`（含策略） --- ## 重要注意事项 ### 浏览器操作技巧 1. **登录弹窗处理**：小红书经常弹登录框。用 `find` 查找关闭按钮，或按 Escape。如果被重定向到登录页，用 `navigate` 的 `back` 返回。 2. **滚动节奏**：使用自动滚动脚本时，每步 500px + 350-400ms 间隔是安全的。手动滚动时每次 3-5 tick，间隔 2 秒。 3. **虚拟滚动的关键影响**：小红书使用虚拟滚动，DOM 只保留可见元素。所以不能「先滚完再提取」——必须用 `Map` 在滚动过程中持续收集并去重。这就是为什么上面推荐注入自动滚动收集器脚本。 4. **Chrome 扩展断连**：等待自动滚动脚本执行时（30-60秒），Claude in Chrome 扩展可能因超时断开连接。处理方式： - 重新调用 `tabs_context_mcp` 获取连接 - 用 JavaScript 检查后台脚本的完成标记（如 `window._scrollDone`） - 如果脚本已完成，直接提取数据；如果未完成，继续等待 5. **数据提取防截断**：大量数据（>100条）通过 JavaScript 返回时可能被截断。分批提取：`arr.slice(0, 100)`、`arr.slice(100, 200)`…… 6. **收藏 tab 切换注意**：从「笔记」tab 切到「收藏」tab 后，之前的 DOM 元素可能仍残留在页面中。收藏收集器必须使用全新的 Map（不要复用笔记收集器），并在开始前 `scrollTo(0, 0)` 回到顶部。 ### 分析的诚实性 - 宁可说「数据不足以判断」也不要编造推断 - 每个推断问自己：「如果我把这个推断给目标本人看，TA会觉得荒谬吗？」 - 心理和情感维度不确定性大，必须标注置信度 - 理想型推断基于间接证据，必须声明其局限性 ### 伦理边界 - 策略建议的核心是「做更好的自己去吸引对方」，而不是「操纵对方」 - 报告末尾始终包含：真诚提醒用户——最好的策略是做真实的自己 - 所有分析仅基于公开可见的信息