douyin-viral-analysis

Name: douyin-viral-analysis
Author: jk5626996

ASecurity

把一个抖音账号的爆款作品全流程拆解成数据 —— 采集作品与互动数据、按内容类型分类、量化画风（墨/留白/灰/彩色占比、色相、调色板）、量化文案（结构、句式、文字位置、高频词）、算指标相关性，产出通用「数据速览」页与 PDF，再由 AI 基于 JSON 撰写结论。当用户要「分析某个抖音账号的爆款 / 拆解某账号的内容规律 / 做抖音账号诊断 / 看某账号的画风文案数据 / 竞品内容分析」时使用。同时支持图文号和视频号（视频号自动跳过画面 OCR 与画风量化）。

3 stars

0 votes

0 copies

0 views

Added 9/28/2026

datapythongobashnodeapi

Works with

api

Security Analysis

A92/100

mediumInstalls packages at runtime which could introduce malicious dependencies

Scanned 9/28/2026

Install to Claude Code

$npx -y skills add jk5626996/douyin-viral-analysis --agent claude-code

Installs into .claude/skills of the current project.

Are you the author of douyin-viral-analysis?

Add the live security badge to your README — it updates automatically with every re-scan.

Security grade badge for douyin-viral-analysis

[![Security: A — Skills Directory](https://www.skillsdirectory.com/api/skills/jk5626996-douyin-viral-analysis/badge)](https://www.skillsdirectory.com/skills/jk5626996-douyin-viral-analysis)

More formats (shields.io, HTML) on the badges page.

Files

SKILL.md

---
name: douyin-viral-analysis
description: 把一个抖音账号的爆款作品全流程拆解成数据 —— 采集作品与互动数据、按内容类型分类、量化画风（墨/留白/灰/彩色占比、色相、调色板）、量化文案（结构、句式、文字位置、高频词）、算指标相关性，产出通用「数据速览」页与 PDF，再由 AI 基于 JSON 撰写结论。当用户要「分析某个抖音账号的爆款 / 拆解某账号的内容规律 / 做抖音账号诊断 / 看某账号的画风文案数据 / 竞品内容分析」时使用。同时支持图文号和视频号（视频号自动跳过画面 OCR 与画风量化）。
agent_created: true
---

# 抖音爆款分析（引擎 + AI 写报告）

> 本文件是**给 AI agent 读的入口**（WorkBuddy / Claude Skills 约定格式）。
> 面向人类的介绍、快速开始、合规声明见 [`README.md`](README.md)。
> 两份文档有内容重叠 —— **改流程或改依赖时两边都要改**。

## 这个技能是什么

**一条把抖音账号拆成数据的流水线**。它负责把数字弄对、把口径说清；**结论由 AI 写**。

为什么这么分工：旧版是一份 910 行的报告生成脚本，里面写死了「安全科普转发率最高」「育儿教育性价比最高」这类结论。
换个账号跑，它照样输出这些话 —— **结论是错的，而且从输出里看不出来**。
所以现在拆开：脚本产出干净数据 + 一张中立的速览页，判断交给 AI。

**先读** [`references/口径与坑.md`](references/口径与坑.md)。所有数字错，几乎都不是算错，而是拿两套口径的数去比。

---

## 一、准备

```bash
# 依赖（三选一，按你的机器情况）
cd <技能目录> && npm i puppeteer-core sharp        # 装在技能目录里
# 或：export DY_NODE_MODULES=/path/to/node_modules  # 指向已有的 node_modules
# 或：在 $DY_WORK 里 npm i puppeteer-core sharp

pip install rapidocr-onnxruntime                   # 图文号才需要（模型随 wheel 打包，国内离线可用）
```

环境变量（**都可以不设，有默认值**）：

| 变量 | 默认 | 说明 |
|---|---|---|
| `DY_WORK` | `./_douyin_run` | 工作目录，所有输入输出都落这里 |
| `DY_NODE_MODULES` | — | 存放 `puppeteer-core` / `sharp` 的目录 |
| `DY_CHROME` | 自动探测 | Chrome 可执行文件 |
| `DY_PROFILE` | `$DY_WORK/_browser_profile` | 登录态目录 |
| `DY_PYTHON` | 自动探测 | 跑 OCR 的解释器 |

**先跑自检**，缺什么一次性列清楚，别跑到第 8 步才炸：

```bash
node scripts/preflight.js
```

⚠️ **`DY_PROFILE` 里是你的登录凭据，不要分享给别人。** 同事各自跑一次 `login.js`。

---

## 二、完整流程

```
[0]  preflight.js         环境自检
 ↓
[1]  login.js             扫码登录（只需一次，登录态持久化）
 ↓
[2]  search_user.js       拿到 sec_uid（可给抖音号，也可直接给主页链接）
 ↓
[3]  collect_posts.js     拦截接口采集全部作品 → raw_posts.json
 ↓
[4]  classify.js          关键词粗分内容类型 → categories.json
 ↓        ↑
 ↓        └── AI 读 unlabeled / 并列命中列表，用 --set 写回（可反复）
 ↓
[5]  build_data.js        合成数据集 → data.json（meta / kpi / rows / catStats）
 ↓
[6]  download_media.js    下载素材 → media/（图文下全部图，视频只下封面）
 ↓
[7]  make_sheets.js       每帖拼一张速览长图 → contact_sheets/      可选
 ↓
[8]  ocr_all.py           画面 OCR → ocr_raw.json（图文号）           可选
 ↓
[9]  style_features.js    画风量化 → style_features.json（含切换点自动检测）
 ↓
[10] palette.js           配色拆解 → palette.json
 ↓
[11] copy_features.js     文案量化 + 相关性 → copy_features.json
 ↓
[12] gen_summary.js       数据速览页 → 数据速览.html
 ↓
[13] print_pdf.js         → 数据速览.pdf
 ↓
[14] AI 读 JSON 写结论
```

### 命令序列

```bash
export DY_WORK=/path/to/work DY_NODE_MODULES=/path/to/node_modules

node scripts/preflight.js
node scripts/login.js                      # 扫码，登录态存 DY_PROFILE
node scripts/search_user.js Lumm_6         # 或 --url "https://www.douyin.com/user/MS4w..."
node scripts/collect_posts.js <sec_uid>    # 全量采集（默认连续 12 次无新条目才停）
node scripts/classify.js --min-digg 1000   # 粗分；输出里会列出没命中的，交 AI 判
node scripts/build_data.js --min-digg 1000
node scripts/download_media.js             # 543 张图约 50MB
node scripts/make_sheets.js                # 可选
python scripts/ocr_all.py                  # 图文号；543 张约 15 分钟
node scripts/style_features.js
node scripts/palette.js
node scripts/copy_features.js
node scripts/gen_summary.js
node scripts/print_pdf.js
```

**视频号**：`download_media.js` 之后直接跳到 `copy_features.js`。
`ocr_all.py` / `style_features.js` / `palette.js` 会自动跳过视频帖（靠 `manifest.json` 的 `mediaType`），
不会报错，也不会输出一堆看起来像数据的 0。

---

## 三、分类这一步的用法（重要）

`templates/taxonomy.json` 是**起点不是标准答案**。实测在一个真实账号上，关键词粗分与人工标注的一致率是 **40/44**。

剩下 4 条是**标签边界争议** —— 比如「有些夫妻，或许前世就已经定好了」，算「夫妻婚恋」还是「奇闻灵异」？关键词规则本质上判不了。

**正确用法**：

```bash
node scripts/classify.js --min-digg 1000 --list-unlabeled
# 看输出的 unlabeled 列表 + 并列命中列表，AI 读完标题定类型，然后写回：
node scripts/classify.js --set "7648494718120460648=家庭亲情"
node scripts/classify.js --set "7653674334740889851=奇闻灵异"
```

不要指望调词表能调到 100%，那只会过拟合到某一个账号。

词表规则：**正文（第一个 `#` 之前）命中记 3 分，话题标签命中记 1 分**。
为什么不能一视同仁：实测 `#老师和学生` 这种次要标签会把一条「时隔多年，物是人非」的亲情帖拉成育儿教育。

想换一套分类体系？改 `taxonomy.json`，或在工作目录放一份同名文件覆盖它（同名文件优先）。

---

## 四、产出

| 文件 | 内容 |
|---|---|
| `raw_posts.json` | 采集到的原始接口数据（兜底） |
| `categories.json` | 每条作品的类型判定 + 来源（rule / manual / ai） |
| `data.json` | 账号 meta、KPI、全部作品明细、各类型统计（含均值与中位数） |
| `media/` + `manifest.json` | 图片素材（图文全部，视频仅封面） |
| `contact_sheets/` | 每帖一张速览长图 |
| `ocr_raw.json` | 每张图的逐行 OCR 结果（含坐标） |
| `style_features.json` | 每帖画风指标 + **自动检测的画风切换点** |
| `palette.json` | 每帖彩色主色与线条色 |
| `copy_features.json` | 每帖文案结构指标 + 互动数据 |
| `数据速览.html` / `.pdf` | 中立的数据速览页（**不含结论**） |

---

## 五、AI 写结论时怎么用

速览页只有数据。结论基于这些文件写：

- **`data.json`** → `rows`（逐条明细，含 `aweme_id`）、`catStats`（各类型统计）、`kpi`、`meta`
- **`style_features.json`** → `posts`（逐帖画风）、`regimeSplit`（画风切换点）
- **`copy_features.json`** → `posts`（逐帖文案指标，`hasOCR` 标记是否有画面文案）
- **`palette.json`** → 彩色主色与线条色
- **`ocr_raw.json`** → 需要逐句引用原文时用

写结论时必须遵守的几条：

1. **报数字必须带口径**：「均值」还是「中位数」、「整图」还是「局部」、「全期」还是「某期」。
2. **条数 ≤ 3 的类型只当线索**，不当规律。
3. **跨画风分界做对比必须分期算**。`regimeSplit` 非 null 时，凡涉及画风的对比都要分期。
4. **相关系数用原始词频**（`copy_features.js` 已经是），不是密度。
5. **n < 30 时 |r| < 0.3 视为噪声**；报 r 前先看去掉最高赞那条还成不成立。
6. **不写「应该怎么做」式的空话**，只写数据支持的判断，并标明样本量。

---

## 六、已知的坑（详见 references/）

最容易踩的几条：

- **图文帖的 `video.play_addr` 是背景音乐 mp3，不是画面**。图片在 `a.images[]`。
- **Windows 上 `os.listdir` 会吞掉目录名尾空格** → 必须用 `os.scandir`（本技能已封装成 `lib/paths.py` 的 `list_dirs()`）。
  这个坑实测漏掉 8/44 个目录、442/543 张图，**而且不报错**。
- **点赞数会变，不能当关联键**。一律用 `aweme_id`。
- **抖音号的扁平文本有歧义**（`Lumm_660.6万` 读成 `Lumm_6`+`60.6万` 还是 `Lumm_66`+`0.6万` 都通）。
  必须读最深层的、只含抖音号的那个 DOM 元素。
- **画风切换点不要写死日期**，本技能自动检测（实测自动找到的日期与人工判断完全一致）。
- **报告里最容易出的错是混口径**：实测有份报告「留白/墨/灰」取了全期均值、「彩色」取了切换后的 0%，
  四个数两套口径；而它要描述的是切换后的黑白期，真实墨量是 **8.19%** 而不是 5.4%（差 52%）。

完整清单见 [`references/口径与坑.md`](references/口径与坑.md)；
接口与选择器（抖音改版时看这个）见 [`references/抖音接口与选择器.md`](references/抖音接口与选择器.md)。

---

## 七、这套流程能产出什么（实测）

在一个 190 条作品、44 条爆款（点赞 ≥ 1000）、543 张插画的真实账号上跑通，得到：

- **画风**：全期 墨 5.38% / 留白 81.82% / 灰 9.13% / 彩 3.67%（均值）；
  自动检测到 2026-08-24 从彩色期切到纯黑白期（效应量 d=2.76），
  切换后 **墨 8.19% / 留白 82.26% / 灰 9.55% / 彩 0.00%**
- **文案**：画面汉字数中位 209.5、分镜数中位 11、每图 18.7 字、行数中位 28
- **文字纵向位置**（**必须分期看**）：全期中位 0.281 是个**双峰分布的中位数，两个峰都不描述** ——
  P1 彩色期文字在**底部**（中位 0.790，20/24 在底部），P2 黑白期文字在**顶部**（中位 0.057，**20/20 全在顶部**）。
  这是「全期中位数」最典型的失效场景。
- **相关性**（n=44，**对收藏率**）：
  画面行数 **r = +0.440**、对话次数 r = +0.349、「我/咱」次数 **r = −0.365**、分镜图数 vs 转发率 r = −0.310

**回归验证**：这套脚本的 `copy_features.json` 与原始人工分析结果逐字段比对 —— **528 个值，0 处不一致**；
`style_features.json` 的四项占比均值/中位数也逐位相同。改代码后用这个当回归基线。

这些数字都可用 `node scripts/style_features.js` 和 `node scripts/copy_features.js` 复现。

Attribution

jk5626996

View source More from jk5626996 →

SSkills DirectorySkills Directory

Ship a skill? Prove it's safe.

Free 120-pattern security scan, letter grade, and an embeddable README badge.

Submit a skill

Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.

Comments (0)

No comments yet. Be the first to comment!

--- name: douyin-viral-analysis description: 把一个抖音账号的爆款作品全流程拆解成数据 —— 采集作品与互动数据、按内容类型分类、量化画风（墨/留白/灰/彩色占比、色相、调色板）、量化文案（结构、句式、文字位置、高频词）、算指标相关性，产出通用「数据速览」页与 PDF，再由 AI 基于 JSON 撰写结论。当用户要「分析某个抖音账号的爆款 / 拆解某账号的内容规律 / 做抖音账号诊断 / 看某账号的画风文案数据 / 竞品内容分析」时使用。同时支持图文号和视频号（视频号自动跳过画面 OCR 与画风量化）。 agent_created: true --- # 抖音爆款分析（引擎 + AI 写报告） > 本文件是**给 AI agent 读的入口**（WorkBuddy / Claude Skills 约定格式）。 > 面向人类的介绍、快速开始、合规声明见 [`README.md`](README.md)。 > 两份文档有内容重叠 —— **改流程或改依赖时两边都要改**。 ## 这个技能是什么 **一条把抖音账号拆成数据的流水线**。它负责把数字弄对、把口径说清；**结论由 AI 写**。为什么这么分工：旧版是一份 910 行的报告生成脚本，里面写死了「安全科普转发率最高」「育儿教育性价比最高」这类结论。换个账号跑，它照样输出这些话 —— **结论是错的，而且从输出里看不出来**。所以现在拆开：脚本产出干净数据 + 一张中立的速览页，判断交给 AI。 **先读** [`references/口径与坑.md`](references/口径与坑.md)。所有数字错，几乎都不是算错，而是拿两套口径的数去比。 --- ## 一、准备 ```bash # 依赖（三选一，按你的机器情况） cd <技能目录> && npm i puppeteer-core sharp # 装在技能目录里 # 或：export DY_NODE_MODULES=/path/to/node_modules # 指向已有的 node_modules # 或：在 $DY_WORK 里 npm i puppeteer-core sharp pip install rapidocr-onnxruntime # 图文号才需要（模型随 wheel 打包，国内离线可用） ``` 环境变量（**都可以不设，有默认值**）： | 变量 | 默认 | 说明 | |---|---|---| | `DY_WORK` | `./_douyin_run` | 工作目录，所有输入输出都落这里 | | `DY_NODE_MODULES` | — | 存放 `puppeteer-core` / `sharp` 的目录 | | `DY_CHROME` | 自动探测 | Chrome 可执行文件 | | `DY_PROFILE` | `$DY_WORK/_browser_profile` | 登录态目录 | | `DY_PYTHON` | 自动探测 | 跑 OCR 的解释器 | **先跑自检**，缺什么一次性列清楚，别跑到第 8 步才炸： ```bash node scripts/preflight.js ``` ⚠️ **`DY_PROFILE` 里是你的登录凭据，不要分享给别人。** 同事各自跑一次 `login.js`。 --- ## 二、完整流程 ``` [0] preflight.js 环境自检 ↓ [1] login.js 扫码登录（只需一次，登录态持久化） ↓ [2] search_user.js 拿到 sec_uid（可给抖音号，也可直接给主页链接） ↓ [3] collect_posts.js 拦截接口采集全部作品 → raw_posts.json ↓ [4] classify.js 关键词粗分内容类型 → categories.json ↓ ↑ ↓ └── AI 读 unlabeled / 并列命中列表，用 --set 写回（可反复） ↓ [5] build_data.js 合成数据集 → data.json（meta / kpi / rows / catStats） ↓ [6] download_media.js 下载素材 → media/（图文下全部图，视频只下封面） ↓ [7] make_sheets.js 每帖拼一张速览长图 → contact_sheets/ 可选 ↓ [8] ocr_all.py 画面 OCR → ocr_raw.json（图文号）可选 ↓ [9] style_features.js 画风量化 → style_features.json（含切换点自动检测） ↓ [10] palette.js 配色拆解 → palette.json ↓ [11] copy_features.js 文案量化 + 相关性 → copy_features.json ↓ [12] gen_summary.js 数据速览页 → 数据速览.html ↓ [13] print_pdf.js → 数据速览.pdf ↓ [14] AI 读 JSON 写结论 ``` ### 命令序列 ```bash export DY_WORK=/path/to/work DY_NODE_MODULES=/path/to/node_modules node scripts/preflight.js node scripts/login.js # 扫码，登录态存 DY_PROFILE node scripts/search_user.js Lumm_6 # 或 --url "https://www.douyin.com/user/MS4w..." node scripts/collect_posts.js <sec_uid> # 全量采集（默认连续 12 次无新条目才停） node scripts/classify.js --min-digg 1000 # 粗分；输出里会列出没命中的，交 AI 判 node scripts/build_data.js --min-digg 1000 node scripts/download_media.js # 543 张图约 50MB node scripts/make_sheets.js # 可选 python scripts/ocr_all.py # 图文号；543 张约 15 分钟 node scripts/style_features.js node scripts/palette.js node scripts/copy_features.js node scripts/gen_summary.js node scripts/print_pdf.js ``` **视频号**：`download_media.js` 之后直接跳到 `copy_features.js`。 `ocr_all.py` / `style_features.js` / `palette.js` 会自动跳过视频帖（靠 `manifest.json` 的 `mediaType`），不会报错，也不会输出一堆看起来像数据的 0。 --- ## 三、分类这一步的用法（重要） `templates/taxonomy.json` 是**起点不是标准答案**。实测在一个真实账号上，关键词粗分与人工标注的一致率是 **40/44**。剩下 4 条是**标签边界争议** —— 比如「有些夫妻，或许前世就已经定好了」，算「夫妻婚恋」还是「奇闻灵异」？关键词规则本质上判不了。 **正确用法**： ```bash node scripts/classify.js --min-digg 1000 --list-unlabeled # 看输出的 unlabeled 列表 + 并列命中列表，AI 读完标题定类型，然后写回： node scripts/classify.js --set "7648494718120460648=家庭亲情" node scripts/classify.js --set "7653674334740889851=奇闻灵异" ``` 不要指望调词表能调到 100%，那只会过拟合到某一个账号。词表规则：**正文（第一个 `#` 之前）命中记 3 分，话题标签命中记 1 分**。为什么不能一视同仁：实测 `#老师和学生` 这种次要标签会把一条「时隔多年，物是人非」的亲情帖拉成育儿教育。想换一套分类体系？改 `taxonomy.json`，或在工作目录放一份同名文件覆盖它（同名文件优先）。 --- ## 四、产出 | 文件 | 内容 | |---|---| | `raw_posts.json` | 采集到的原始接口数据（兜底） | | `categories.json` | 每条作品的类型判定 + 来源（rule / manual / ai） | | `data.json` | 账号 meta、KPI、全部作品明细、各类型统计（含均值与中位数） | | `media/` + `manifest.json` | 图片素材（图文全部，视频仅封面） | | `contact_sheets/` | 每帖一张速览长图 | | `ocr_raw.json` | 每张图的逐行 OCR 结果（含坐标） | | `style_features.json` | 每帖画风指标 + **自动检测的画风切换点** | | `palette.json` | 每帖彩色主色与线条色 | | `copy_features.json` | 每帖文案结构指标 + 互动数据 | | `数据速览.html` / `.pdf` | 中立的数据速览页（**不含结论**） | --- ## 五、AI 写结论时怎么用速览页只有数据。结论基于这些文件写： - **`data.json`** → `rows`（逐条明细，含 `aweme_id`）、`catStats`（各类型统计）、`kpi`、`meta` - **`style_features.json`** → `posts`（逐帖画风）、`regimeSplit`（画风切换点） - **`copy_features.json`** → `posts`（逐帖文案指标，`hasOCR` 标记是否有画面文案） - **`palette.json`** → 彩色主色与线条色 - **`ocr_raw.json`** → 需要逐句引用原文时用写结论时必须遵守的几条： 1. **报数字必须带口径**：「均值」还是「中位数」、「整图」还是「局部」、「全期」还是「某期」。 2. **条数 ≤ 3 的类型只当线索**，不当规律。 3. **跨画风分界做对比必须分期算**。`regimeSplit` 非 null 时，凡涉及画风的对比都要分期。 4. **相关系数用原始词频**（`copy_features.js` 已经是），不是密度。 5. **n < 30 时 |r| < 0.3 视为噪声**；报 r 前先看去掉最高赞那条还成不成立。 6. **不写「应该怎么做」式的空话**，只写数据支持的判断，并标明样本量。 --- ## 六、已知的坑（详见 references/）最容易踩的几条： - **图文帖的 `video.play_addr` 是背景音乐 mp3，不是画面**。图片在 `a.images[]`。 - **Windows 上 `os.listdir` 会吞掉目录名尾空格** → 必须用 `os.scandir`（本技能已封装成 `lib/paths.py` 的 `list_dirs()`）。这个坑实测漏掉 8/44 个目录、442/543 张图，**而且不报错**。 - **点赞数会变，不能当关联键**。一律用 `aweme_id`。 - **抖音号的扁平文本有歧义**（`Lumm_660.6万` 读成 `Lumm_6`+`60.6万` 还是 `Lumm_66`+`0.6万` 都通）。必须读最深层的、只含抖音号的那个 DOM 元素。 - **画风切换点不要写死日期**，本技能自动检测（实测自动找到的日期与人工判断完全一致）。 - **报告里最容易出的错是混口径**：实测有份报告「留白/墨/灰」取了全期均值、「彩色」取了切换后的 0%，四个数两套口径；而它要描述的是切换后的黑白期，真实墨量是 **8.19%** 而不是 5.4%（差 52%）。完整清单见 [`references/口径与坑.md`](references/口径与坑.md)；接口与选择器（抖音改版时看这个）见 [`references/抖音接口与选择器.md`](references/抖音接口与选择器.md)。 --- ## 七、这套流程能产出什么（实测）在一个 190 条作品、44 条爆款（点赞 ≥ 1000）、543 张插画的真实账号上跑通，得到： - **画风**：全期墨 5.38% / 留白 81.82% / 灰 9.13% / 彩 3.67%（均值）；自动检测到 2026-08-24 从彩色期切到纯黑白期（效应量 d=2.76），切换后 **墨 8.19% / 留白 82.26% / 灰 9.55% / 彩 0.00%** - **文案**：画面汉字数中位 209.5、分镜数中位 11、每图 18.7 字、行数中位 28 - **文字纵向位置**（**必须分期看**）：全期中位 0.281 是个**双峰分布的中位数，两个峰都不描述** —— P1 彩色期文字在**底部**（中位 0.790，20/24 在底部），P2 黑白期文字在**顶部**（中位 0.057，**20/20 全在顶部**）。这是「全期中位数」最典型的失效场景。 - **相关性**（n=44，**对收藏率**）：画面行数 **r = +0.440**、对话次数 r = +0.349、「我/咱」次数 **r = −0.365**、分镜图数 vs 转发率 r = −0.310 **回归验证**：这套脚本的 `copy_features.json` 与原始人工分析结果逐字段比对 —— **528 个值，0 处不一致**； `style_features.json` 的四项占比均值/中位数也逐位相同。改代码后用这个当回归基线。这些数字都可用 `node scripts/style_features.js` 和 `node scripts/copy_features.js` 复现。