蚂蚁社保标题封面AB测试分析
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @mayishebao/mayishebao-900-900。
技能介绍
要先解决的问题
标题与封面的 A/B 测试做完,通常只剩两张图、一个点击率数字,和一句「B 版本赢了」。真正缺失的是因果链:是关键词命中了,前 3 秒信息密度变了,还是封面在信息流缩略图尺寸下依然可读?说不清原因,结论就无法复用,下一篇选题还是得重新猜。
技能如何工作
核心动作是把测试记录转成证据链。输入要求覆盖平台、正文或视频要点、目标受众、关键词、封面素材、品牌口径、禁用词,以及历史点击率或对照版本。信息不全时先给可执行骨架并标出缺口,不替用户编造数据、经历或平台规则。
执行流程分七步:
- 先确认任务:复述平台、受众、内容目标、发布形态和必须保留的事实
- 读取
references/method.md,选出与当前任务匹配的框架 - 整理证据:把原文、数据、真实经历、品牌口径和待验证假设分开放
- 按「内容拆解型」完成拆解、规划、改写或风险核验
- 去除模板感:删套话、调句长节奏,用真实细节替换空泛形容
- 检查边界:核实事实、版权、肖像、隐私、商业标识与平台规则
- 交付下一步:可直接发布,或给出补料、测试、复盘的明确动作
输出固定为五段:直接结论(最关键的问题、证据强弱、信息缺口)、证据对照表(逐项列原文与数据,猜测不写成事实)、问题分级(必须修改 / 建议优化 / 可以保留)、修改示例(可直接用的局部或完整版本)、下一步验证(补什么数据、做什么小规模测试、取得什么授权)。
机械部分单独处理:需要定位套话、句长、重复片段或连接词时,运行 python3 scripts/content_metrics.py --input <file>。脚本输出只是编辑线索,不用于单独判定内容由 AI 生成,更不为降指标制造病句。
适用边界
- 爆款拆解只提炼受众需求、结构与表达机制,不复刻原文
- 对在世作者或公众人物只做高层特征转化,不近距离模仿
- 不提供洗稿、规避原创检测、伪造互动或绕过审核的方法
- 医疗、金融、法律等高风险表述必须核验官方来源并保留限定
- 使用他人图片、字体、视频前,先确认授权、署名与用途范围
没有真实细节时用方括号占位或直接提问,不编「我亲身经历」,也不给「百分百爆」这类无法验证的承诺。
使用场景
- 打磨小红书笔记时,基于目标受众关键词生成多组封面和标题做AB测试方案。
- 公众号推文排期前,拆解历史高点击率标题的结构,避免无信息量的模板套话。
- 短视频运营复盘阶段,结合历史点击率数据对照分析,给下一版封面提出明确修改建议。
- 撰写知乎干货回答时,检查文案是否存在夸大宣传,确保正文能兑现标题承诺。
适合人员
- 小红书和B站的运营者,需要降低选题试错成本并提升封面和标题的点击率。
- 公众号内容策划,经常碰到标题写不出新意、正文读起来像AI生成的问题。
- 短视频数据分析师,需要从AB测试结果中定位影响完播率的具体封面变量。
- 多平台内容创作者,面对各平台不同规则时,希望系统化地规范文案和素材。