跳到导航

选题热词与历史核对

做抖音选题时,先用 douyin.index.fetch_hot_trend_word 取两类线索:搜索推荐词(type:0)反映大家常用的问法,内容推荐词(type:1)反映近期的表达角度。再对齐你已保存的逐日指数,打开相关作品和评论,决定下一期具体讲什么。例如已有「手冲入门」和「办公室冷萃」两个候选时,直接从逐日指数开始核对。

分开记搜索线索和内容线索

使用 BeatAPI Bearer 鉴权,向 POST https://api.beatapi.io/v1/social-data/call 发送下面的请求。type:0 取搜索推荐词,type:1 取内容推荐词;只需要其中一种时,只发对应类型的请求。

{"action":"douyin.index.fetch_hot_trend_word","params":{"app_name":"aweme","type":0}}

douyin.index.fetch_hot_trend_word 返回推荐词,不接收种子词或日期。做咖啡选题时,从实际返回里筛相关词,记下获取时间、推荐词类型和每个词的保留理由。手里已有明确候选时,直接开始下方的历史核对。

把候选词接到同口径的历史材料

如果你有逐日导出,给每个词保留原始日期、来源时区、指标名称、数值和缺失状态。用户用词和来源写法分两列记录,只保留有根据的对应关系。用同一来源的搜索指数比较两个等长日期窗口,综合指数单独成列。缺失日期单独列出,按抖音指数周报计算实际可比的变化。

BeatAPI 目录里的关联词和多词历史动作目前没有公开输入合同,所以历史核对从你已有的资料开始。只有推荐词时,交付候选名单、每个词的出处,以及需要趋势数据才能回答的问题。

用作品解释为什么值得做

例如已有材料显示「办公室冷萃」在两个完整周之间上升,就用抖音搜索与评论研究核对相关作品,看用户问的是保存时间、设备还是冲泡比例。交付候选词、依据、需要阅读的作品和拟做题目。如果变化集中在某一天,先补查当天的内容或活动,再决定「办公室冷萃」是否适合做长期选题。

每种推荐词类型单独请求一次,费用见价格页。

要看榜单变化,先留两次同口径快照

douyin.index.fetch_current_hot_topic 接收空参数,返回本次的实时热点榜。保存原响应、请求号和取得时间。想研究其中一个热点时,把榜单上的实际名称作为 topic_name 传给 douyin.index.fetch_hot_detail。每次观察都记下榜单来源和推荐词类型,同一来源的连续观察放在一起整理。

例如上午和下午各存一份快照,按能确认的热点标识对齐,给每个热点标「初见」「仍在榜」或「这次未见」,并把两次的实际名次或热度原值并排放;缺项留空。选短视频题目前,先读相关作品。报告写实际采集时间;平台刷新间隔和每次返回条数,以保存的响应为准。

要选背景音乐,怎样保留音乐榜观察?

用 douyin.app.v3.fetch_music_hot_search_list 取第一批,例如参数 {"chart_type":"hot","cursor":"0"}。trending 和 original 榜单分别单独请求。续页时,按实际返回的 has_more 和下一页游标继续。保存榜单类型、取得时间、能确认的曲目和原始响应。

如果每周都要选音乐参考,在自己的流程里保存同一榜型的多次观察。按能确认的曲目标识对齐,记录新出现和继续出现的曲目。音乐榜用来发现配乐参考;发布前按使用场景逐首确认你实际可用的音乐。