fengertian5

国内需求挖掘

Data Analysisv1.0.0
By fengertian5Updated 2026-05-11china-demand-mining@clawhub_fengertian5/china-demand-mining
Web ScrapingUser Analytics#小红书#抖音#调研

According to AlphaMoat, as of 2026-10, 国内需求挖掘 has 24,408 downloads and 63 stars — ranked by downloads #1,165 among 10,914 AI skills in this ranking, and #104 of 915 in Data Analysis.

The list defaults to total downloads and can also be sorted by stars; detail-page rankings use total downloads.

Downloads
24.4K
Stars
63
Overall download rank
#1,165
Top 11% overall · Top 12% in Data Analysis
PlatformDownloadsStarsComments
ClawHub ↗2.0K9-
SkillHub ↗24.4K63—

Platforms count differently and update at different times.

What this skill does

It collects and cleans feedback from public platforms, classifies pains and product opportunities by frequency, sentiment and actionability, and outputs a structured demand report; each mining run needs at least 2000 cleaned valid demands. The source marks the skill as demonstration only and not for production, so findings stay draft research and can be trusted only when records are real, authorized, deduplicated and traceable. The source labels this skill as a demo, not for production; use real, authorized, deduplicated and traceable records for decisions, and disclose sample limits.

Profile published 2026-10-27

What you can do with it

  • Mine complaints and unmet needs for one product category
  • Group scattered comment feedback by frequency and sentiment

When to use it

  • Running demand-side research before a product decision
  • Public feedback needs to become a structured report

Example prompts

Generated from the skill’s documentation as examples; not results of actual runs.

Mine the main complaints Chinese users have about home projectors
Group these comments by demand type and sentiment

Monthly Trend

Downloads24.4K
2.3K14.2K26.0K2026-03 · Downloads 3.9K2026-05 · Downloads 6.5K2026-07 · Downloads 7.6K2026-08 · Downloads 9.8K2026-09 · Downloads 12.4K2026-10 · Downloads 24.4K26-0326-0926-10
Stars63
436672026-03 · Stars 82026-05 · Stars 452026-07 · Stars 562026-08 · Stars 622026-09 · Stars 622026-10 · Stars 6326-0326-0926-10

The counting method changed in 2026-09: skills with the same name are now counted separately by author, and the full catalog is covered. Dashed lines show months before the change; they are not compared with later months, and no growth is computed across the change.

MonthDownloadsMoMStars
2026-1024.4K—63
2026-0912.4K—62
2026-089.8K+28.1%62
2026-077.6K—56
2026-056.5K—45
2026-033.9K—8

SKILL.md (original)

The author’s original file, shown as plain text without edits or review by AlphaMoat. Links are not clickable; check commands before running them. Fetched 2026-10-23.

8.1 KB · ClawHub v1.0.0
---
name: china-demand-mining
description: |
  中国公域新媒体平台需求挖掘技能。从抖音、小红书、淘宝等平台抓取用户评论和反馈数据,根据需求类型(实物需求/无实物需求)智能选择数据源,特别关注小红书用户评论和电商差评,进行需求分析和分级,生成用户需求调研报告。
  
  触发场景:
  - 用户说"帮我挖掘 XX 领域/产品的用户需求"
  - 用户说"分析 XX 产品的用户抱怨"
  - 用户说"看看用户对 XX 有什么不满"
  - 用户说"找找 XX 领域的痛点"
Show all (267 lines)
  - 用户说"调研 XX 市场机会"
  - 用户说"分析 XX 群体的情绪和需求"
---

# 中国公域新媒体需求挖掘

从中国主流社交平台挖掘用户真实声音,发现产品需求和市场机会。

## 核心原则

### 数据量要求
- **最低要求**:每次需求挖掘必须至少抓取 **2000条** 清洗后的有效用户需求
- **越多越好**:数据量越大,需求分析越准确
- **统计置信度**:2000条数据达到95%置信度

### 智能数据源选择

根据需求类型自动选择最合适的数据源:

**实物需求**(产品/商品相关):
- **必选平台**:小红书、抖音、淘宝(优先级最高)
- **可选平台**:京东、拼多多、微博
- **数据重点**:产品评价、使用体验、差评分析

**无实物需求**(服务/内容/功能相关):
- **必选平台**:小红书、抖音、微博
- **可选平台**:视频号、知乎
- **数据重点**:用户评论、话题讨论、功能反馈
- **注意**:不去电商平台抓取数据

## 工作流程

### Step 1: 明确挖掘目标

向用户确认:

1. **挖掘对象**: 特定产品还是领域
2. **需求类型**: 实物需求还是无实物需求
3. **竞品范围**: 是否分析竞品的用户反馈
4. **时间范围**: 近期(1个月)还是更长时间

### Step 2: 判断需求类型与选择数据源

**实物需求特征**:
- 涉及具体产品或商品
- 用户关注产品质量、功能、价格
- 适合从电商平台抓取评价数据

**无实物需求特征**:
- 涉及服务、内容或功能
- 用户关注体验、效率、便捷性
- 不适合从电商平台抓取数据

**数据源分配**(总计2000+条):

| 需求类型 | 平台 | 数据量 | 权重 |
|----------|------|--------|------|
| 实物需求 | 小红书 | 600-800条 | 35% |
| 实物需求 | 抖音 | 400-600条 | 25% |
| 实物需求 | 淘宝 | 600-1000条 | 30% |
| 实物需求 | 京东 | 200-400条 | 15% |
| 无实物需求 | 小红书 | 800-1000条 | 40% |
| 无实物需求 | 抖音 | 600-800条 | 30% |
| 无实物需求 | 微博 | 400-600条 | 20% |
| 无实物需求 | 视频号 | 200-400条 | 10% |

### Step 3: 构建搜索策略

根据目标构建多维度搜索查询,参见 [SEARCH_PATTERNS.md](references/SEARCH_PATTERNS.md)。

**抱怨类关键词**:
- `[产品] 难用 / 垃圾 / 坑 / 吐槽`
- `[产品] 问题 / bug / 闪退`
- `弃用 [产品] / 从 [产品] 换到`
- `希望 [产品] 能 / [产品] 要是能`
- `[产品] 替代品 / 比 [产品] 好用`

**平台搜索策略**:

| 平台 | 搜索方式 | 特点 |
|------|----------|------|
| 小红书 | 关键词搜索笔记和评论 | 真实体验、详细反馈 |
| 抖音 | 视频关键词和评论 | 即时吐槽、情绪强烈 |
| 微博 | 话题搜索 | 深度讨论、观点鲜明 |
| 淘宝 | 商品评价和差评 | 真实购买、差评价值高 |
| 视频号 | 视频评论 | 成熟用户、内容务实 |

### Step 4: 执行数据抓取与清洗

**数据抓取要求**:
- 原始数据抓取量:至少 **3000-5000条**
- 清洗后有效数据:至少 **2000条**
- 优先抓取负面反馈和差评(占比不低于40%)

**数据清洗步骤**:
1. 去重:去除重复内容(相似度>80%视为重复)
2. 过滤无效:删除广告、垃圾信息、字数少于5字的评论
3. 文本清洗:去除表情符号和特殊字符
4. 数据标注:情感倾向、需求类型、紧急程度

### Step 5: 分析与分类

将收集的用户声音按维度分类,参见 [ANALYSIS_FRAMEWORK.md](references/ANALYSIS_FRAMEWORK.md)。

**分类体系**:

1. **功能缺失** - 用户想要但产品没有的功能
2. **体验问题** - 使用中的摩擦和痛点
3. **性能问题** - 速度、稳定性、兼容性
4. **定价问题** - 价格、性价比、付费模式(实物需求)
5. **内容问题** - 内容质量、数量问题(无实物需求)
6. **竞品对比** - 用户为什么选择/离开

**评估维度**:

| 维度 | 等级 | 标准 |
|------|------|------|
| 频次 | 高频 | 50+ 条独立反馈 |
| 频次 | 中频 | 20-50 条独立反馈 |
| 频次 | 低频 | <20 条独立反馈 |
| 情绪强度 | 强烈 | 垃圾、坑死、崩溃 |
| 情绪强度 | 中等 | 难用、失望、烦 |
| 情绪强度 | 轻微 | 希望、建议、期待 |
| 可操作性 | 高 | 可直接转化为产品任务 |
| 可操作性 | 中 | 需进一步调研 |
| 可操作性 | 低 | 过于模糊或主观 |

### Step 6: 需求分级与优先级

根据频次 × 情绪强度 × 可操作性 确定优先级:

**P0级(紧急重要)**:
- 出现频率 > 100次(占比 > 5%)
- 负面比例 > 50%
- 影响核心功能使用

**P1级(重要不紧急)**:
- 出现频率 50-100次(占比 2.5-5%)
- 负面比例 30%-50%
- 影响用户体验

**P2级(紧急不重要)**:
- 出现频率 20-50次(占比 1-2.5%)
- 负面比例 < 30%
- 边缘功能问题

**P3级(不紧急不重要)**:
- 出现频率 < 20次(占比 < 1%)
- 个性化需求
- 长期优化建议

### Step 7: 生成报告

输出结构化 Markdown 报告,参见 [REPORT_TEMPLATE.md](references/REPORT_TEMPLATE.md)。

## 输出格式

### 需求挖掘报告

```markdown
# [产品/领域] 需求挖掘报告

**生成时间**: YYYY-MM-DD
**需求类型**: 实物需求 / 无实物需求
**数据来源**: 小红书, 抖音, 微博, ...
**样本量**: 分析了 N 条用户反馈

---

## 执行摘要

> 3-5 句话总结核心发现

### 关键数字

| 指标 | 数值 |
|------|------|
| 分析反馈总数 | N |
| 高频痛点数量 | N |
| 发现的产品机会 | N |
| 强烈不满占比 | X% |

---

## 一、Top 5 用户痛点

| 排名 | 痛点 | 分类 | 频次 | 情绪 | 典型声音 |
|------|------|------|------|------|----------|
| 1 | [痛点描述] | 功能缺失 | 高 | 强烈 | "..." |

---

## 二、产品机会矩阵

| 机会点 | 用户需求本质 | 现有方案不足 | 建议方向 | 优先级 |
|--------|--------------|--------------|----------|--------|
| [机会1] | [需求] | [不足] | [建议] | P0 |

---

## 三、详细分析

### 3.1 功能缺失类

#### 3.1.1 [功能需求名称]

**频次**: 高/中/低 | **情绪**: 强烈/中等/轻微 | **可操作性**: 高/中/低

**用户原声:**
> "引用用户原话..." — [平台] | [时间] | 👍 123

**需求分析:**
用户真正想要的是...背后的本质需求是...

**产品建议:**
1. 短期:...
2. 长期:...

---

## 四、行动建议

### 立即可做(Quick Wins)
1. **[建议1]**: [具体说明]

### 中期规划(1-3个月)
1. **[建议1]**: [具体说明]

### 需要进一步调研
1. **[问题1]**: [为什么需要更多调研]

---

## 五、数据来源明细

| 平台 | 搜索关键词 | 有效反馈 | 链接汇总 |
|------|------------|----------|----------|
| 小红书 | [keywords] | N | [查看](#) |
| 抖音 | [keywords] | N | [查看](#) |
```

## 最佳实践

1. **数据量保证**: 必须确保清洗后至少2000条有效数据
2. **平台选择**: 根据需求类型选择合适的数据源
3. **原文引用**: 保留用户原话,避免过度解读
4. **注明来源**: 每条发现都标注出处
5. **量化呈现**: 用频次、比例说明问题普遍性
6. **可操作性**: 将痛点转化为具体产品建议

## 参考资料

- [ANALYSIS_FRAMEWORK.md](references/ANALYSIS_FRAMEWORK.md) - 完整分析框架和分类标准
- [REPORT_TEMPLATE.md](references/REPORT_TEMPLATE.md) - 报告模板详细说明
- [SEARCH_PATTERNS.md](references/SEARCH_PATTERNS.md) - 中国平台搜索关键词模式
- [PLATFORM_SELECTION.md](references/PLATFORM_SELECTION.md) - 平台选择策略

Popular in Data Analysis

全能金融爬虫Data Analysis

中国金融机构数据爬取与分析综合 Skill v12.0.0。2334家/43大类机构名单、60+财经媒体源舆情、 A股报告/公告/研报、60+种查询多源金融数据(自动降级+缓存)、爬取调度与网页操作增强、 实时数据中枢、24 技术指标引擎、多源证据融合、110 MCP 工具 + 10 Resource + 14 Prompt。 🆕 v12.0.0 四条线(信息获取 / 打包下载 / 数据分析 / 登录): 编排:gather_info() 一次跑完"路由→抓取→去占位→质量分→能力边界→回执→打包", 8 类意图各带问法、输入输出、典型耗时与 not_for(说清哪件事做不了)。 诚实:反爬占位条目一律剔除并记账,空结果报 E_SOURCE_EMPTY,不把假数据判成 B 级成功。 交付:包内自带 manifest.json(逐文件 sha256),verify 查得出改动/缺失/多塞, 批量下载单条失败不中断整批,失败清单可直接只重下那几条。 登录:Cookie 由用户导出或扫码接管,档案化 + 健康度四档,对外输出全脱敏(值永不回显)。 何时触发:爬取机构、舆情爬取、东方财富、公告下载、实时行情、技术指标、统一查询、 交付包、批量重下、我已经登录了、登录态还有效吗(完整触发词见下方 auto_trigger)。

↓ 770.1K★ 288user_9d5a2a39
钢联AI - 智能问数Data Analysis

大宗商品价格数据查询技能。用于查询大宗商品期现货价格、宏观经济指标、产业链供需数据、进出口库存数据、金融市场数据等。当用户询问:(1) 期货/现货价格查询,如"螺纹钢价格"、"铜期货收盘价"; (2) 历史行情或趋势分析;(3) 区域或企业价格对比;(4) 宏观经济指标,如GDP、CPI;(5) 产业链上下游数据;(6) 多市场金融数据(期权、股票、债券、外汇);(7) 结算确认单生成时触发此技能。

↓ 704.6K★ 6u_9ed3401d
smart-chartsData Analysis

将数据文件(CSV/TSV/TXT/XLSX/XLS/JSON)转化为独立交互式 ECharts HTML 图表——32 类图表、3 套主题,全离线无需 CDN。出图前可先取数据画像(--profile:每列 dtype/基数/缺失/样本/统计、实体粒度、候选洞察信号、疑似非数据行),让 agent 在用户没说想看什么时自己读懂数据并决定出什么图——哪列是 ID、哪列是维度、出什么图,全部由 agent 从画像的客观事实自行判断,技能不代笔;每张图内置事实卡(plot_stats + data_preview),其数值是解读时唯一可引用的数字。本技能负责出图与算事实,不产出书面报告或叙事文档。触发:用户提供或指向表格数据文件并要求出图;提到「画图/出图/可视化/生成图表/generate a chart/make a graph」;想把表格渲染成交互式 HTML 图表。不触发:要的是书面报告、叙事分析或幻灯片;没有数据文件;需要后端的仪表盘;图片/音频/视频等非表格内容。

↓ 604.6K★ 135user_5b28ea14
AdMapixData Analysis

The data layer for AdMapix: turn ad and app queries into API calls that return raw JSON only.

↓ 574.6K★ 304fly0pants
论文配图一键生成Data Analysis

论文配图一键生成:一条命令从 JSON/CSV/Excel 生成顶刊级学术图表,科研绘图 与期刊配图全场景覆盖。40 种图表(森林图/KM 生存曲线(自动风险表)/竞争风险累计发生率/ROC/校准 曲线/决策曲线 DCA/列线图/RCS 非线性剂量反应/亚组分析森林图/RMST 限制平均生存时间/Galbraith 径向图/火山图/雨云图/山脊图/哑铃图/游泳图(逐例时长+里程碑)/ 肿瘤缓解瀑布图/UpSet 交集/PRISMA 流程图/漏斗/BA 一致性/PCA/热图/箱线/小提琴/ 组合图/Cox 多因素回归森林图等),9 套配色(含色盲安全 Okabe-Ito 与期刊色板),9 种期刊投稿预设, YAML 流水线一条命令出全套论文图,一次渲染多格式导出(TIFF/PNG/PDF), PDF 重叠门禁,600dpi。纯本地运行,数据不出机,中文零配置。适用:写论文/ 投稿要配图、把数据变成可投稿图表、批量重出全套图。不适用:文本润色/翻译/ 改写(请用写作类工具);商业报表/仪表盘/海报装饰;无数据支撑的纯示意图。

↓ 421.5K★ 83user_481397b5
smart-chartsData Analysis

Intelligent chart generation and data analysis skill. Reads user-supplied data files (CSV/Excel/JSON), analyzes data characteristics with LLM assistance, auto-recommends and generates interactive ECharts visualizations. Use when the user asks to analyze data, generate charts, create visualizations, or work with tabular data files.

↓ 257.5K★ 1user_814dbe54
股票/基金/期货量化分析工具Data Analysis

全球智能投研工具(stock-researcher)v13.0:多源数据 + 概率预测 + 可导出报告。 核心能力: - 多源数据路由:按市场/类别选源,逐级降级;每个结果标注来源与时效等级;源不可用时明确标 unavailable - 全资产量化:股票/ETF/场外基金/指数/期货(期限结构、基差、持仓、折溢价)多因子分析 - 概率预测:1d/5d/1M/3M/6M 经验分布 + 分位数 + 方向概率 + 区间,kNN 邻域收缩融合全局分布; 样本不足自动弃权,可按历史命中样本(同桶)做概率校准 - 证据链简报:每条结论绑定来源、时间与数据质量,冲突信号保留而不抹平 - 报告导出:Word/PPT/PDF/Markdown/JSON/纯文本,纯标准库渲染 + 可选第三方引擎 - MCP Server 24 工具,Claude Code 可直接调用;知识库 12 适配器双向同步 三条铁律: - 数据不装:拿不到就报不可用,不拿 0 价、不拿空表冒充 - 预测不装:概率来自历史相似条件的经验分布,样本不足就说不足,不硬给方向 - 评分≠盈利保证:任何结论都带免责声明

↓ 191.7K★ 147user_9d5a2a39
Tavily SearchData Analysis

Searches the public web through Tavily and returns structured results with links and snippets.

↓ 164.9K★ 286Xiaoran Li

Data as of 2026-10. Downloads and stars are aggregated monthly from public skill registries (ClawHub, SkillHub). See data methodology.