这个情况在实际操作中非常普遍——你希望借助AI，从抖音评论区中批量筛选出那些真正有挖掘价值、能带来流量的高频用户问题。但往往结果是：你把一堆评论交给它，它分析一通后，只给出“用户普遍关心”“问题类型多样”这类看似合理却毫无实操性的结论。仔细一查，根本区分不出哪些是真实需求，哪些是水军刷屏。问题的根源在于第一步就跳过了“建立筛选标准”这一关键环节。

正确的方式是，先让AI自行制定一套可量化的判断规则，再用这把尺子去衡量每一条评论。没有明确的筛选标准，所有分析都是空中楼阁。

让AI先输出判断标准的提示词写法

核心技巧：在提示词起始位置，强制让AI进入“标准制定者”的角色，禁止它直接跳过标准去分析评论。举个例子：

“你是一名具备3年抖音内容运营经验的数据分析师，专注于从用户评论中识别出高潜力选题。请先明确列出【判断一条评论是否属于‘高频有效提问’的4条硬性标准】，每条标准必须可验证、可计数、不含主观形容词。完成标准制定后，再开始分析我提供的评论列表。”

这种写法的精妙之处在于，它彻底堵死了AI惯用的“我觉得”“看起来”这类模糊表述。它必须给出类似“同一提问句式在24小时内重复出现≥5次”“包含明确对象+具体场景+动作动词（如‘怎么选’‘哪里买’‘能不能出’）”这样实实在在、可执行的具体条款。

为什么必须把标准制定放在分析之前

AI本身不具备“选题敏感度”。它默认按语义相似度进行聚类，结果就是：10条“好香啊”与3条“求链接”放在一起，它会认为前者是高频，因为数量更多；后者语气较弱反而被忽略。但在真实的运营场景中，“求链接”才是实实在在的转化入口，“好香啊”顶多算情绪反馈。如果标准没有提前锁定，后续的分析就全是虚的。

这一步操作虽然不复杂，但一旦遗漏，整套流程就会前功尽弃。因此，务必在提示词中加入一条硬性约束：【标准未输出前，禁止进入评论分析环节】。

三类典型标准模板（可直接套用）

方法一：按行为强度分级

① 高优先级：包含明确动作指令（如“教我”“推荐”“出一期”“怎么解决”），且指向具体对象（如“油皮”“40岁女生”“百元香”）；② 中优先级：提出对比需求（如“和XX比哪个好”“适合夏天还是冬天”），但未锁定使用场景；③ 低优先级：纯情绪表达（如“绝了”“蹲一个”），或泛问（如“有什么推荐”）且无特定限定条件。

方法二：按信息密度锚定

一条有效提问必须同时满足：a）包含至少1个具体人群标签（如“学生党”“哺乳期妈妈”）；b）包含至少1个约束条件（如“预算200内”“要留香8小时以上”）；c）包含明确动作动词（如“选”“避雷”“搭配”）。三项缺一不可。

方法三：按数据可验证性设定

① 同一提问在单条笔记下被≥3人重复发送；② 同一提问跨≥5条同类笔记出现；③ 提问中包含可量化指标（如“30度以下”“通勤2小时”“混油皮T区出油”）。