流水线
- 搜一批候选内容
同一个关键词搜 10 条，不要只看第一条——最热的那条往往是个段子，不带购买意图。 - 按互动量排序取前 3
把 likes + comments + shares + views 相加排序。互动高但评论少的说明是「好看不好聊」，跳过。 - 逐条拉评论洞察
重点是三个读数：提问占比（有购买/使用意图）、高频词（他们用什么词描述痛点）、高赞评论（真实语气，可直接当文案素材）。 - 汇总成一个选题清单
把三条里重复出现的高频词取交集，交集就是这个词下最硬的痛点；再用高赞评论的原话写标题。
真实跑批结果
真实跑批结果（TikTok，关键词 coffee，采样 30 条评论）
提问占比 27%（8/30）→ 意图明确；高频词 coffee / people / photo / sticker / waiting；单条最高点赞 16,100。结论：这个词下的观众在等「结果展示」，不是在问「怎么买」——内容方向该做「做出来的样子」，而不是「原料链接」。
提问占比 27%（8/30）→ 意图明确；高频词 coffee / people / photo / sticker / waiting；单条最高点赞 16,100。结论：这个词下的观众在等「结果展示」，不是在问「怎么买」——内容方向该做「做出来的样子」，而不是「原料链接」。
需要的接口
这一篇用到 get_comment_insights，参数如下；写程序用 REST，接客户端用 MCP，两者返回一致。
复制即可运行
cURL
curl -s https://lucydomi.com/mcp/v1/get_comment_insights \
-H "Authorization: Bearer $BUSYBEE_API_KEY" \
-H "Content-Type: application/json" \
-X POST \
-d '{"platform": "tiktok", "post_id": "7659488435199053088", "sample": 30}'Python（标准库）
import os, json, urllib.request
KEY = os.environ["BUSYBEE_API_KEY"]
req = urllib.request.Request(
"https://lucydomi.com/mcp/v1/get_comment_insights",
data=json.dumps({"platform": "tiktok", "post_id": "7659488435199053088", "sample": 30}).encode(),
headers={"Authorization": f"Bearer {KEY}", "Content-Type": "application/json"},
method="POST",
)
data = json.load(urllib.request.urlopen(req, timeout=60))
for it in data["items"]:
print(it.get("url"), it.get("text", "")[:60])常见问题
为什么不用播放量排序？
播放量高的常常是平台推荐流偶然命中；互动综合值更能反映「看完还想说两句」，这才是选题信号。
采样多少条评论够用？
20–50 条判断选题足够。要出统计结论再往上调，越大越慢。
多个平台一起看会不会重复劳动？
字段是统一的，同一套脚本换 platform 参数即可；先把一个平台跑通再扩。