为什么选题比内容更重要

微信公众号的数据残酷而真实：80%的阅读量差异来自选题，而非写作质量。同样的写作水平，追到热点的选题阅读量是普通选题的5-10倍。但大多数运营者的选题方式还是拍脑袋：今天想到什么写什么。本教程用AI工具链搭建一套数据驱动的选题体系，从热点追踪到选题评估，让每个选题都有数据支撑。

第一步：建立热点追踪系统

选题的第一个来源是热点，但追热点要快：

  1. 用AI每天自动汇总热点：在ChatGPT中设置每日热点追踪提示词
  2. 提示词模板：「请汇总今天微信、微博、知乎、百度四大平台的热搜话题，按以下格式输出：
    话题 | 平台 | 热度值 | 适合的切入角度
    只输出与[你的领域]相关的热点」
  3. 每天早上花5分钟查看AI汇总的热点
  4. 评估追热点的可行性：热点相关度、写作难度、时效性
  5. 决定追热点时，6小时内必须发布（公众号热点的黄金窗口是6-12小时）

热点追踪工具：

  • 微信指数：输入关键词查看微信生态内的搜索热度
  • 新榜：查看公众号热门文章榜单
  • 西瓜数据：竞品公众号数据分析
  • 知乎热榜：知识型热点发现
  • 微博热搜：大众热点追踪

第二步：竞品爆款逆向分析

竞品的爆款文章是最好的选题来源：

  1. 列出5-10个同领域竞品公众号
  2. 用新榜或西瓜数据导出竞品近30天阅读量Top10文章
  3. 将标题和摘要发给AI分析
  4. 提示词：「以下是5个竞品公众号近30天的爆款文章标题。请分析：
    1. 这些选题的共同特征是什么？
    2. 哪些角度被反复验证有效？
    3. 哪些选题我的公众号还没有写过？
    4. 基于分析，推荐10个我有差异化优势的选题」
  5. AI输出分析报告和选题推荐
  6. 筛选出3-5个高潜力选题加入选题库

提示：不要直接复制竞品选题，而是找到竞品选题背后的用户需求，用你独特的角度重新切入

第三步：用户画像与需求挖掘

最持久的选题来自对用户需求的深度理解：

  1. 收集用户提问：从公众号后台消息、评论区、社群中收集用户问题
  2. 将收集到的问题整理成清单
  3. 用AI分析需求模式：「以下是用户最近提出的问题，请按需求类型分类，并找出最高频的5个需求主题」
  4. AI输出分类报告，标注高频需求
  5. 针对高频需求设计选题：每个需求可以衍生3-5篇不同角度的选题

用户需求分类框架：

  • 知识需求：用户想学会什么（教程类选题）
  • 工具需求：用户想用什么（推荐类选题）
  • 决策需求：用户想选什么（对比类选题）
  • 认同需求：用户想被理解（情感类选题）
  • 避坑需求：用户想避免什么（避坑类选题）

第四步：AI选题生成与评估

用AI批量生成选题并打分评估：

  1. 在AI中输入领域、用户画像和近期热点
  2. 提示词：「请生成20个公众号选题，每个选题包含：
    标题建议 | 选题类型 | 预估阅读量级别 | 写作难度
    选题类型分为：热点型、干货型、情感型、盘点型、争议型
    预估阅读量分3级：S（预计爆款）、A（预计良好）、B（预计一般）」
  3. AI生成20个选题并给出预估评分
  4. 人工筛选S级选题，评估写作可行性
  5. 将筛选后的选题加入选题日历

第五步：选题评分模型

建立标准化的选题评分模型，避免主观偏差：

四个评分维度（每项1-5分）：

  • 热度分：关键词在微信指数的搜索热度（5=日均1万+，1=日均100以下）
  • 差异分：同主题已发布文章数量（5=蓝海，1=红海）
  • 能力分：你在这个选题上的专业度和素材积累（5=专家级，1=外行）
  • 时效分：选题的时效性（5=必须立刻发，1=随时可发）

总分16-20分为S级（立即写），12-15分为A级（本周写），8-11分为B级（备选），8分以下放弃。

用AI辅助评分：「请为以下5个选题打分（1-5分），维度：热度、差异性、写作难度、时效性。并给出总分和优先级建议」

第六步：选题日历管理

选题不是一次性工作，需要持续管理：

  1. 用Notion或飞书文档建立选题日历
  2. 按周规划：每周5篇，2篇热点型 + 2篇干货型 + 1篇情感/盘点型
  3. 热点预留位：每周留2个位置给突发热点
  4. 常青内容储备：准备5-10篇不受时效影响的备选选题
  5. 每月复盘：分析上月各类型选题的阅读量表现，调整比例
  6. 用AI辅助复盘：「以下是上月20篇选题的阅读量数据，请分析哪种类型的选题表现最好，给出下月选题建议」

常见问题与误区

  • 过度追热点：热点型选题阅读量高但涨粉率低。建议热点:常青 = 3:7
  • 选题同质化：用AI生成选题后必须人工筛选，加入独特角度
  • 评分模型不更新：随着公众号成长，评分标准需要调整。每月更新一次
  • 选题太多写不过来：选题库不是越大越好，保持20-30个待写选题即可
  • 忽略用户反馈：评论区是选题金矿。每月至少花1小时看评论区找选题
  • AI选题太泛：在提示词中给出具体的领域限定和用户画像，生成更精准

效率数据

  • 选题效率：从每周头脑风暴2小时 → AI生成5分钟 + 人工筛选15分钟
  • 选题质量：数据驱动选题的爆款率从10% → 30%
  • 热点响应：从发现热点到发布，从6小时 → 2小时
  • 用户需求匹配：基于用户画像的选题，阅读完成率提升25%
  • 某科技公众号实测：使用AI选题体系后，月均阅读量提升60%，粉丝增长速度翻倍