内容是流量，知识库是资产，系统是护城河。
差距不在用哪个 AI，在有没有一套让每次投入都产生复利的系统。
核心定义：把你脑子里的经验、判断、案例、风格，结构化装进系统，让 AI 可以随时调用。
底层逻辑：决定内容质量的不是模型强弱，是你给 AI 的输入质量。知识库为空，AI 给谁写都一个味道。
| 库类型 | 核心模块 |
|---|---|
| IP 资产库 | 语言风格 · 金句库 · 观点体系 · 故事资产 · 话术应答 · 判断逻辑层 |
| 产品知识库 | 产品档案 · 客户画像 · 竞争差异 · 成交案例 · 销售应答 · 内容素材 |
核心定义：在内容开始之前，先用四问评估法找到核心拳头产品，把所有内容资源聚焦在一个方向。
底层逻辑：内容做了很多但转化率低，通常不是文笔问题——是没有聚焦。产品线越多，内容越散。
| # | 问题 | 评判标准 |
|---|---|---|
| Q1 | 客户真的愿意付钱吗？ | 是否有主动问价或已有成交记录 |
| Q2 | 我能稳定交付吗？ | 交付流程是否跑通且可复制 |
| Q3 | 这是 AI 时代的新机会吗？ | 离开 AI 还成立吗 |
| Q4 | 这个产品能靠内容获客吗？ | 内容能找到潜在客户吗 |
核心定义：不做泛泛的用户画像，用 8D 模型把目标客户从人口标签拆解到价值观层面，找到触发购买的情绪引线。
底层逻辑：内容数据差，大多数情况下不是选题或文笔的问题——是没有看见具体的人。
| 维度 | 层级 | 核心问题 | 价值 |
|---|---|---|---|
| 第 8 维 | 价值观层 (Value) | 他相信什么，追求什么 | 品牌忠诚 |
| 第 7 维 | 情感层 (Emotion) | 他长期缺少什么（掌控感/认可/归属） | 品牌忠诚 |
| 第 6 维 | 情绪层 (Mood) | 他此刻最强烈的情绪 ← 内容穿透力来源 | 写出打动他的内容 |
| 第 5 维 | 生活方式 (Lifestyle) | 他是什么样的人 | 写出打动他的内容 |
| 第 4 维 | 行为场景 (Behavior) | 什么时候、在哪里触发需求 | 找到他 |
| 第 3 维 | 消费模式 (Consumption) | 怎么花钱，多久买一次 | 找到他 |
| 第 2 维 | 社会属性 (Social) | 职业、收入、城市、家庭 | 知道有这么一群人 |
| 第 1 维 | 自然属性 (Demographics) | 性别、年龄 | 知道有这么一群人 |
核心定义：基于用户洞察反推搜索词，用 5 层布局覆盖从认知到成交的完整路径，把每一条内容变成永久在线的流量资产。
底层逻辑：推荐流量是今天有、明天可能没有的。搜索流量是资产，每条内容永久在线。
| Layer | 词类 | 核心作用 | 出单速度 |
|---|---|---|---|
| L1 | 品类词 | 覆盖搜索入口 | 慢 · 量大但泛 |
| L2 | 场景词 | 锁定使用时机 | 中 |
| L3 | 痛点词 | 触发情绪共鸣 | 中 · 共鸣强 |
| L4 | 人群词 | 精准命中目标 | 较快 |
| L5 | 长尾词 | 转化决策终结 | 最快 · 出单率最高 |
核心定义：把关键词 + 用户情绪 + 知识库判断力，组合成可批量复用的内容模板，通过 HOOK 公式确保每条内容能抓住人。
底层逻辑：内容的本质是对话，不是文章。判断脚本好不好只有一个标准——念出来自己会不会觉得尴尬。
| 类型 | 目标 | 占比 |
|---|---|---|
| 观点型 | 破圈传播 | 30% · 追热点/反常识 |
| 案例型 | 建立信任 | 40% · 客户故事/方法论 |
| 方法型 | 促进转化 | 30% · 3步解法/行动引导 |
写完内容后，代入 10 个对标账号的标题风格，一次生成 10-20 个标题候选，从中选最适合当天平台和目标读者的版本。
| 维度 | 评分标准（1-5分） |
|---|---|
| 钩子强度 | 前 3 秒能否让人继续看 |
| 痛点精准 | 是否说出目标用户没说出口的话 |
| 案例具体 | 有无人名/数字/具体场景 |
| 行动引导 | 听完是否知道下一步做什么 |
核心定义：用 3T 内容策略确保内容比例均衡，通过一源多发最大化每条内容的平台覆盖。
底层逻辑：发得多不等于发得好。比例失调的内容矩阵，要么没有增长，要么没有转化。
| # | 要素 | 说明 |
|---|---|---|
| E1 | 怎么触发 | 飞书发消息 / 定时触发 |
| E2 | 去哪读资料 | Obsidian 知识库 / 飞书录音 |
| E3 | 用哪个程序 | 对应的 Skill 类型 |
| E4 | 结果发哪 | 飞书回传 / Obsidian 存档 |
| E5 | 你在哪拍板 | 内容判断类必须保留人工确认 |
核心定义：把平台数据、爆款拆解、改稿过程全部回流进知识库，让每一次发布都给系统升级，形成持续增强的复利效应。
底层逻辑：大多数人把内容发出去就结束了。但用户的行为数据是真实市场反馈，不回收就白白浪费了。
| 维度 | 核心指标 | 异常信号解读 |
|---|---|---|
| 触达层 | 播放量 · 曝光量 | 低 → 标题/封面问题 |
| 留存层 | 完播率 · 停留时长 | 低 → 开头或中段失去人 |
| 互动层 | 点赞 · 收藏 · 评论 | 收藏>点赞 → 实用价值强 |
| 转化层 | 私信量 · 询盘数 | 高互动但低私信 → CTA 需优化 |
| Phase | 时间 | 重点阶段 | 关键交付 |
|---|---|---|---|
| Phase 1 · Build | 第 1 个月 | I · N · S | 双库初版完成；拳头产品确认；3 类用户画像建立 |
| Phase 2 · Launch | 第 2 个月 | I · G · H | 关键词布局完成；每日稳定产出；2-3 个有效内容模板 |
| Phase 3 · Scale | 第 3 个月 | T 驱动全局 | 数据正向回流；搜索流量积累；系统进入复利阶段 |
不从产品出发，从用户深度洞察出发。洞察越深，内容越精准，系统越有竞争壁垒。
单个 AI 工具的能力人人都能用。真正的差距在于有没有一套把工具串起来、让每次投入都产生复利的系统。
每次发布产生数据，数据改进知识库，知识库提升下次内容质量——指数级而非线性的成长曲线。
AI 负责执行和重复劳动，人负责方向、审美和最终判断。完全自动化带来的是数字垃圾，不是有价值的内容。