做海外市场选题,怎么用 X 国家趋势判断一个话题值不值得跟?
做海外市场选题,用 twitter.web.fetch_trending 给目标国家取一份趋势快照,例如日本填 country:"Japan"。从实际返回的话题里挑出和品牌有关的几个,再用 twitter.web.fetch_search_timeline 按话题搜索,读原帖核对事件和时间。
交付的选题简报保留发现市场、快照时间、话题原名、实际帖子和准备采用的角度,同事能逐条复查简报里的判断。
先定市场和这轮要做的内容
先明确要服务的市场、读者和产品问题,再决定看哪个国家。实际记录 country 输入,不从话题语言或作者账号推断国家。twitter.web.fetch_trending 返回指定国家的快照;不传 country 时返回美国快照,不能称为全球榜。
同一轮比较多个市场时,尽量在相近的时间取各市场的快照,并保留每份快照的实际时间。榜单内的位置不是可以跨国比较的热度分数;同一个名字在不同市场也可能指不同事件,先分别核实各市场的语境再合并。
拿到榜单,哪些话题值得继续读?
下表是常见候选情况的编辑判断方法:
每个选中的话题先读一页搜索结果,核对含义、发布时间和与品牌的关联。需要严格日期范围时,用实际返回的时间核查。twitter.web.fetch_search_timeline 没有国家筛选,不能由趋势的来源国家推断发帖者所在地。
交给同事什么,才能决定发不发?
交一份简短的选题卡,包含:目标市场与观察时间、原始话题名、实际读到的来源、与受众的关联、拟回答的问题或角度、还需核实什么,以及“考虑/排除/待核”的人工决定。原名和事实原句与编辑归纳分开写。
本地脚本 prepare_trends.py 生成 trends.csv、selected-searches.json 和 coverage.json。脚本只整理已保存的快照、生成未执行的搜索计划,不写选题卡、不验证新闻,也不发布内容。编辑理由在另一份工作表里填写;缺失的字段保持缺失。合同没有提供热度、帖子总量或历史增长,就不要生成这些数值。
先用小范围决定是否值得继续花费
先取一个国家的快照,选定话题后再批准搜索;已有快照时直接在本地制表,不为重新制表再取一次。一个国家快照加一个话题的一页搜索是两次调用;每多一个国家、一个词或一页,都各增加一次调用,按各动作的当前价格分别计算。
搜索结果不相关时,先修改选题判断,不要自动把榜上所有词都搜一遍。简报里说明实际观察范围和未核实的部分;一份快照不代表连续监测,也不证明话题正在增长。下面第 1–6 步是取快照、读帖和生成计划的具体步骤。
1. 检查国家参数
Inspect 免费。当前参数是 country,默认值 UnitedStates;公开说明列出的其他值包括 Japan、Germany、UnitedKingdom 等。不要用别家的 region: JP。不传 country 得到的是默认的美国结果,不能解释成全球榜。
2. 获取一个国家的趋势快照
确认价格后,请求日本的趋势快照:
检查执行状态。已发布的输出列表是 data.trends,每项的 name 是话题名,context 是分类或上下文。description 在已观察的样本里为 null;不要把 AI 写的解释当成返回的官方简介。
3. 先看名称,再选词
下面的命令只读取刚保存的文件,不发起新请求:
打印的序号只是条目在已保存响应里的位置,不是合同保证的官方 rank 字段。合同没有承诺固定 30 条、热度数值或历史曲线,也没有发布翻页参数,所以不要给这些内容造列。
4. 搜索一个真实返回的话题
先免费 Inspect 搜索能力,再根据当前价格决定是否付费搜索:
将 <returned_trend_name> 换成实际返回的完整名称,JSON 中的引号等字符需要正确转义:
twitter.web.fetch_search_timeline 没有 country 参数。返回的是匹配这个话题的帖子,不能宣称这些帖子全部来自日本。按每条帖子的实际正文和 lang 判断相关性;选了某个国家的趋势,不等于按作者所在地筛选。
5. 交付选题简报
保存国家输入、获取时间、原始话题名、返回的上下文、引用的帖子和你的选题判断。敏感事件或歧义词先核实;热门标签不是已确认的新闻。
一次国家趋势加一次话题搜索,共两次收费调用;比较两个国家并各搜一个词,共四次。金额按两个 action 执行前 Inspect 到的单价分别计算,不能套用别家的单价或失败计费规则。
检查日本 X 趋势能力与价格,确认后取一次快照。让我选择一个话题,再确认搜索价格并取一页相关帖子。保留原话题、时间与来源,不生成未返回的热度、官方排名或作者国籍。
来源:免费合同 data:twitter.web.fetch_trending 和 data:twitter.web.fetch_search_timeline;本文不提供当天的真实热榜。翻页与 CSV 处理见关键词搜索。
6. 交付国家趋势表与选题查询计划
做多市场选题会时,先把已保存的国家快照排成一张表,再选需要了解背景的话题。
- 创建
trend-inputs.json,country记录每次请求实际发送的值,不能从话题语言反推国家。 - 同一批里每个国家只用一份快照。
- 用
response_position选择话题;response_position是条目在一次响应里的位置,不是官方排名。
下面的示例只选日本快照的第一项,不预设这一项的内容:
把脚本保存为 prepare_trends.py,执行 python3 prepare_trends.py trend-inputs.json trend-review。脚本输出 trends.csv、selected-searches.json 和 coverage.json;选定的话题名经 JSON 编码后直接放进搜索的 params.keyword,不用手工拼字符串。prepare_trends.py 不发请求,只生成待批准的计划。空的趋势数组会输出空表,但不能选择不存在的位置。
执行计划前,先核对搜索单价,再按计划条数批准费用。搜索结果没有国家筛选,source_country 只记录“这个话题来自哪份趋势快照”。拿到搜索结果后,复用搜索指南的离线导出器,把具体原文和你的编辑判断写进选题简报;不要把模型生成的解释冒充缺失的官方 description。
输出还为每份快照保存一个 raw-N.json,并在 sources.json 里记录每份快照的原国家输入、时间、请求号和字节哈希。每条选中的搜索都引用所来自快照的哈希。空榜也有 sources.json 记录和保存的原文件,但不生成搜索计划条目。原输入清单也一并保存:国家和时间是记录下来的请求上下文,不是从帖子语言推断的,也没有经过密码学验证。

