账号与竞品拆解
从选题池、开头钩子、叙事节奏、用户评论里提炼可复用的内容模型。
What I Deliver
从选题池、开头钩子、叙事节奏、用户评论里提炼可复用的内容模型。
批量生成选题、脚本、标题、分镜和素材方向,再由人工筛选与校准。
基于播放、完播、互动和反馈做复盘,把经验沉淀为模板和长期上下文。
Selected Work
Case 01 · 结果证明
以成熟内容账号为对标样本,完成选题、脚本、画面、发布和复盘闭环。单条视频播放量达到 115.18 万,验证了模型拆解与复刻方法。
对标账号、爆款视频、标题、评论区反馈、平台热词。
按主题、时长、互动、情绪触发点筛选高相关样本。
拆解开头钩子、叙事节奏、关键转折和结尾行动点。
沉淀强结论、反常识、案例、机制、方法等内容模板。
生成选题、脚本、字幕、画面方案和剪辑节奏。
观察播放、点赞、收藏、分享和互动曲线。
判断爆点、流失点、可复用变量和二次优化方向。
把有效模式写入知识库,形成下一轮内容生产上下文。
Case 02 · 系统能力
围绕目标账号和内容样本,完成数据采集、结构拆解、脚本生成、发布验证和复盘沉淀,形成可持续迭代的内容生产流程。
Case 03 · 分析能力
通过成品画面与互动数据展示内容表现,结合后台曲线判断标题、画面节奏和用户收藏动机的有效性。
Case 04 · 新工具敏感度
使用 AI 视频与图像工具测试画面风格、镜头语言和素材一致性,探索将 AIGC 接入短视频素材生产链路。
Operating System
用 Obsidian 沉淀案例、打法、概念、推流机制和复盘结论。表达重点不是临时调用工具,而是把内容经验长期结构化,作为后续选题、脚本、质检和复盘的上下文。
Resume