fengertian5

国内需求挖掘

数据分析v1.0.0
作者:fengertian5更新于 2026-05-11china-demand-mining@clawhub_fengertian5/china-demand-mining
网页抓取用户分析#小红书#抖音#调研

据 AlphaMoat 统计,截至 2026-10,国内需求挖掘 累计下载 24,408 次、获 63 个星标,按累计下载量在本次参与排名的 10,914 个 AI 技能中排名第 1,165 位,在「数据分析」分类(915 个)中排名第 104 位。

列表默认按累计下载量排序,也可按星标排序;详情页排名按累计下载量计算。

累计下载
2.4万
星标
63
全站下载量排名
#1,165
全站前 11% · 「数据分析」前 12%
平台累计下载星标评论
ClawHub ↗2,0479-
SkillHub ↗2.4万63—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

收集并清洗公开平台反馈,按频次、情感与可执行性对痛点与产品机会分类,输出结构化需求报告;每次需求挖掘至少要 2000 条清洗后的有效需求。源文标注该技能仅供演示、不适用于生产,结论应视为草稿调研,只有在来源真实、获授权、去重且可追溯时才可采信。 来源标注此技能仅供演示、不适用于生产;决策前应使用真实、获授权、去重且可追溯的记录,并披露样本限制。

资料发布于 2026-10-27

可以用来做什么

  • 为某个品类挖掘用户抱怨与未被满足的需求
  • 把散落在评论区的反馈按频次与情感归类

什么时候用

  • 做产品立项前的需求侧调研时
  • 需要把公开反馈整理成结构化报告时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

帮我挖掘国内用户对家用投影仪的主要抱怨
把这些评论按需求类型和情感倾向分类

月度数据趋势

累计下载2.4万
2,2901.4万2.6万2026-03 · 累计下载 3,9282026-05 · 累计下载 6,5282026-07 · 累计下载 7,6482026-08 · 累计下载 9,7942026-09 · 累计下载 1.2万2026-10 · 累计下载 2.4万26-0326-0926-10
星标63
436672026-03 · 星标 82026-05 · 星标 452026-07 · 星标 562026-08 · 星标 622026-09 · 星标 622026-10 · 星标 6326-0326-0926-10

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份累计下载环比星标
2026-102.4万—63
2026-091.2万—62
2026-089,794+28.1%62
2026-077,648—56
2026-056,528—45
2026-033,928—8

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 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"
展开全部(共 267 行)
  - 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

「数据分析」分类下的热门技能

全能金融爬虫数据分析

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)。

↓ 77.0万★ 288user_9d5a2a39
钢联AI - 智能问数数据分析

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。

↓ 70.5万★ 6u_9ed3401d
smart-charts数据分析

32种图表,3 个主题,2步生成: 1.上传数据 — 将 CSV / Excel / JSON 等格式的数据文件拖入对话框; 2.查看结果 — 交互式图表(HTML),可保存图表为图片.

↓ 60.5万★ 135user_5b28ea14
AdMapix数据分析

AdMapix 的取数层:把广告与应用相关的查询转成接口调用,只回原始 JSON。

↓ 57.5万★ 304fly0pants
论文配图一键生成数据分析

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。

↓ 42.1万★ 83user_481397b5
smart-charts数据分析

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.

↓ 25.7万★ 1user_814dbe54
股票/基金/期货量化分析工具数据分析

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

↓ 19.2万★ 147user_9d5a2a39
Tavily Search数据分析

走 Tavily 检索公开网页,返回带链接与摘要的结构化结果。

↓ 16.5万★ 286Xiaoran Li

数据月份:2026-10 · 下载/星标数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。