账号诊断与定位
AI 推荐的自媒体选题怎么选？先筛证据，再排制作顺序
AI 批量推荐选题后，按读者问题、可得证据和实际制作条件筛选，避免把模型排序或爆款概率写成平台结果。
AI 一次给出十几个选题时，先删掉无法用自己资料证明的题，再看受众是否真的会问，最后按制作条件排序。推荐顺序不是按标题夸张程度或模型给出的“爆款概率”，而是按“问题明确、证据可得、作者能完成”逐题筛选。
为什么不能直接按 AI 推荐顺序发布？
模型能组合话题和表达角度，却看不到创作者全部后台数据、客户许可、可拍摄素材和平台实际反馈。本文是 Social Ops 品牌的编辑方法；截至 2026-09-30，没有基于真实账号发布结果的选题效果排名，也不提供平台推荐算法分数。
创作工作台可把确定的选题写成可编辑脚本草稿。进入脚本阶段之前，应由创作者先决定这条内容回答谁的什么问题，以及结论能否证明。
第一轮：如何判断选题有没有真实问题？
把 AI 给出的题目改写成读者会问的一句话。比如“账号诊断的五个秘密”太宽；“拿到账号诊断报告，如何核对它读到了哪些公开作品？”能直接决定正文要展示什么。如果说不清读者遇到的场景，先放进候选区。
问题来源可以是自己的咨询记录、评论、公开搜索问题或产品使用中的实际卡点。引用他人的评论时保留原意，公开展示前处理隐私与使用权限；不要把虚构问题写成真实客户提问。
第二轮：证据不足的选题怎么处理？
| 选题中的承诺 | 最少需要什么 | 没有时怎样改写 |
|---|---|---|
| “某方法让账号涨粉” | 自有后台、时间范围和其他变化记录 | 改成具体操作方法，不写涨粉结论 |
| “某工具比另一款更准” | 同任务、同输入、同评价标准的实际比较 | 改成适用任务与公开功能对比 |
| “同行都在用某个套路” | 明确的同行范围和作品样本 | 改成“这些已查看作品呈现了什么” |
| “平台禁止某种写法” | 平台现行规则原文与适用范围 | 查原规则；找不到就不作规则断言 |
这里的“最少”是编辑核对要求，不是官方标准。可公开演示的原始资料越少，越应缩小结论范围。
第三轮：怎样给候选题排制作顺序？
每个题目只回答三个问题：受众现在会问吗？证据今天能拿到吗？自己有能力完成画面或讲解吗？三个条件都满足的，先做；缺证据的先补资料；缺拍摄条件的改形式或暂缓。不要用模型生成的百分比当流量预测。
例如，作者已有自己的录屏，可以先做“从原始资料到账号诊断核对”的操作说明。若没有真实客户授权，就不要先做“客户改账号后成交翻倍”的案例。这个例子说明排序方法，不是 Social Ops 的实际客户结果。
AI 选题和账号诊断怎样衔接？
先在账号诊断中核对公开主页和已读作品，把报告中的“选题方向”当作候选；再用上面的三轮筛选形成自己的发布清单。已有评论问题时，可按评论问题筛选方法补证据。确定题目后才进入脚本草稿，并核对其中的人名、数字和引用。
常见问题
Q：AI 给出 TOP10 选题，应该每天按顺序发吗？
A：不应只按模型顺序。先删去没有证据或不适合当前受众的题目，再按实际素材和制作能力安排。
Q：能用“爆款概率”给选题打分吗？
A：可以记录自己的判断理由，但没有经过实际验证的概率不能写成平台预测结果。发布后的真实数据也应结合样本和时间范围复盘。
总结
AI 负责扩展候选，创作者负责取舍。把每个选题的读者问题、证据来源和制作条件写清，才能从建议走到可核对的脚本与作品。产品输入与限制见Social Ops 产品指南，核对日期为 2026-09-30。