> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://docs.beatapi.io/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://docs.beatapi.io/_mcp/server.

# 选题热词与历史核对

> 取抖音搜索推荐词和内容推荐词，对齐已保存的逐日指数，再读相关作品，决定选题。

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。

```json
{"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](/zh/faq/douyin-search-index)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](/zh/guides/douyin-python-research)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](https://beatapi.io/zh/pricing)。

## 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。