我们自己的访问统计默认开启。Google Analytics 只在你同意后启用，用来了解公开页面是否有用，不统计登录后的工作台。详见 隐私政策。

万有引擎
搜索⌘K
中文
登录免费开始

用评论区卖选题报告：给YouTube中腰部创作者的实测账本

实测 5 个频道 921 行评论：一份月度选题报告数据成本约 $0.05，难点在人工判读。附平台免费工具对比、建议售价、获客和不成立的情况。

示意插图：一个视频播放器框里流出许多评论气泡，进入一台分拣机，被分进几个不同颜色的话题箱，右边吐出一页月度报告。

能卖，但卖的不是「评论摘要」，YouTube Studio 已经免费给创作者做了这件事；能卖的是「同领域几个频道的观众反复在问、却还没人拍成视频的问题」，并且每个结论都能点回原评论。2026 年 10 月 25 日 14:36–15:11（新加坡时间），我们用 EveryInfra 真调了 5 个公开的品牌或机构频道（YouTube 上的 Figma、Fermilab、Adafruit、Platzi，B 站的中科院物理所账号），53 次计费调用共花 $0.029468，拿回 921 行评论（含回复）和 83 条弹幕。按这个用量推算，一份「1 个客户频道 + 4 个同类频道」的月度报告，数据成本约 $0.05；真正的成本是人工判读：关键词规则挑出来的「问题类评论」里，只有 36%–84% 是真正能拍成一期视频的需求。

本文说的「选题洞察报告」，是每月交给一位创作者的一份文件：把他自己频道和 4 个同类频道近 30 天视频下的评论、回复（B 站加上弹幕）拉下来，先用规则挑出提问和请求，再由人逐条判断是不是真需求、归到哪个话题，最后按条数和点赞加权排出「下个月值得拍的 3 个题」，每个题附 3 条原评论链接。它回答的是「观众想看什么」，不预测播放量。

等距插图：一台投币分拣机。左后方的料斗代表评论区，顶上堆着小圆片（评论），一串逐级降低的台阶斜槽把圆片往右送；斜槽前面是一条开了 6 个宽窄不同分拣孔的长轨，大部分圆片落进右后方的大箱子（夸奖、玩笑、观点），少数进入前排 6 根竖管，每根管有多高代表一个诉求簇有多少条真需求；最高的那根亮着，代表这个月排第一的选题；机器右侧有一台小秤，称的是这一簇的点赞加权；底座前沿是一把带刻度的尺子。

先看样品：一份报告的核心页长什么样

我们没有拿个人创作者做样品，因为样品要公开写出来，评论者的用户名也一律隐去。5 个频道都是品牌或机构的账号，订阅数从 46.9 万到 246.8 万不等；严格说，其中只有 Adafruit、Figma、Fermilab 落在本文定义的「中腰部」（10 万–100 万订阅）里，另外两个用来对照。

动手前我们在检查记录里写下了 6 条判据，其中两条是通过线：问题类评论占去重后顶层评论的比例 ≥10%；同一频道至少 3 个诉求簇、每簇 ≥3 条不同的真需求评论。下面是逐个频道的结果。

实测一：Figma，产品教程频道，评论区就是需求清单

14:38 我们用YouTube 用户内容爬虫 API（youtube/user_posts）列出 Figma 频道近期的视频，频道订阅数 794,000；再对其中 6 条视频分别调用YouTube 视频详情爬虫 API（youtube/video）和YouTube 评论爬虫 API（youtube/comments，sort: popular，limit: 100）。6 条视频共 241,270 次播放、94 条评论，平均每 1,000 次播放 0.39 条评论；评论接口返回 91 行，其中 16 行是回复，去重后 75 条顶层评论，覆盖率 83%–100%，基本是全量。

75 条里，规则挑出 32 条提问或请求（42.7%），人工复核后 27 条是真需求（36.0%），判据一通过。27 条里，有 5 个簇各有 3 条以上真需求，判据二通过：

  • 接进真实代码库和原生平台：6 条，点赞加权 36。例如「如果代码库很大，怎么让代理只看某一部分？」「会生成 Swift 或 Kotlin 吗？」这一簇集中在 10 月 15 日那条代码层介绍视频下面。
  • AI 额度和接自带模型：6 条，加权 28。从「能不能自带 Key」到「这个练习用了多少 token」，再到「请给教育席位多一点额度」。
  • 设计系统规范：要教程和最佳实践：6 条，加权 18。
  • 上线时间和入口：5 条，加权 17，都是「我在付费版里看不到，什么时候能用」。
  • 节目形式和素材出处：3 条，加权 8。

按条数排和按点赞加权排，前 3 名一样。对一个产品频道，这一页已经够写出下个月的 3 个选题：「代码层接真实项目的完整演示」「AI 额度怎么算、怎么省」「设计系统规范从零写一遍」。最后一个已经有观众在评论里原话请求：「请出一期用 Figma 代理从零做设计系统的教程」。

分组条形图，5 个频道去重后的顶层评论里，规则挑出的问题类评论占比和人工复核后的真需求占比：Figma 42.7% 和 36.0%；Fermilab 17.6% 和 6.3%；Adafruit 7.1% 和 7.1%（只有 14 条评论）；Platzi 13.8% 和 7.1%；中科院物理所 B 站 37.5% 和 17.5%（每条视频只拿到 10 条评论）。10% 处有一条虚线，是动手前写下的通过线。

实测二：Fermilab，科普频道，热门评论里几乎没有需求

Fermilab 是美国费米国家加速器实验室的频道，订阅 831,000。14:49–14:56 我们读了它近两个月的 3 条视频，其中一条「多久才能找到万有理论」（10 月 9 日发布）有 265,796 次播放、772 条评论。这条视频我们取了两次：一次按热门（popular），一次按最新（newest），各 100 行，合并后两次重复的顶层评论只有 15 条，说明「热门」和「最新」看到的几乎是两批人。

3 条视频去重后 256 条顶层评论，规则挑出 45 条（17.6%），过了 10% 的线；但人工复核后真需求只有 16 条（6.3%），落在「勉强」区间。原因是这个频道的评论区以致敬和闲聊为主：「万有理论」这条视频按点赞排的前 10 条评论没有一条是需求，第一名是一句和视频无关的玩笑（145 赞），后面是「主讲人气色真好」「欢迎回来」。16 条真需求一共只拿到 11 个赞，占顶层评论总点赞 2,165 的 0.5%。

哑铃图，每个频道两个点：真需求评论占顶层评论条数的比例，和它们拿到的点赞占总点赞的比例。Figma 36.0% 和 31.7%；Fermilab 6.3% 和 0.5%；Platzi 7.1% 和 1.3%；中科院物理所 17.5% 和 60.5%（其中一条复现小便池的评论拿了 2,617 赞）。结论：只看热门评论的前几名，会把需求漏掉。

这一组数说明一件事：如果报告只截「点赞最高的 10 条评论」，Fermilab 这一页会是空的。需求藏在点赞很少的长尾里，而且分散：能聚到 3 条真需求的簇只有 2 个（「主讲人回归和更新频率」「量子传感器实验的细节和用途」），判据二不通过。但如果把观点和反问也算作「话题信号」，几个题反复出现：「要多高的能量、多少年才能做到」6 条，「AI 会不会缩短找到万有理论的时间」5 条，「反物质去哪了、怎么分辨」2 条。点赞加权以后排序也变了：「制作反馈（配乐盖过人声）」按条数只有 1 条，排在后面；那一条拿了 5 个赞，加权后升到第 2 名。判据三（加权会不会改变排序）在这个频道成立。

对科普频道，报告要换一种写法：不是「观众要什么」，而是「观众在哪个概念上卡住了」，并且注明样本量。这条视频一次调用只覆盖 13% 的评论，两次也只有 26%，判据五要求这种情况必须标「样本」。

实测三：中科院物理所 B 站号，弹幕比评论更有用

中文创作者更关心 B 站。14:56 我们用B站主页或对象详情爬虫 API读了「二次元的中科院物理所」，粉丝 2,468,433，认证为「中国科学院物理研究所官方账号」；再用B站（哔哩哔哩）评论爬虫 API（bilibili/comments）读了 10 月 8 日–15 日的 4 条视频。这 4 条视频的主题都跟着节点走：两条讲 2026 年的诺贝尔物理学奖（诺贝尔奖新闻稿：10 月 6 日授予 IceCube 中微子天文台的弗朗西斯·哈尔岑），一条讲当年拿了搞笑诺贝尔物理学奖的防溅小便池研究（Nature 9 月 3 日报道）。

这里有一个边界要先写清楚：我们传了 limit: 50，每条视频只返回 10 条评论；改用异步模式重跑一次，还是 10 条。4 条视频一共 713 条评论，我们只拿到 40 条，覆盖率 2.9%–34.5%。所以 B 站这一路，单靠评论接口不够。

补上的是弹幕。14:58 我们用B站（哔哩哔哩）弹幕爬虫 API（bilibili/danmaku）读了「我们用一个十来块的塑料盒子看到了宇宙射线」这条视频的弹幕，返回 83 条，和视频页显示的弹幕数 83 一致，是全量。每条弹幕带视频内的秒数（video_time_seconds），能看出观众在哪一秒卡住：

  • 磁场或磁铁会不会让轨迹拐弯：6 条，分别在 1:23、1:34、3:27、4:06、4:11、4:11；
  • 粒子轨迹为什么看起来这么慢：4 条，在 0:50、0:53、3:25、7:49；
  • 怎么确认是宇宙射线、看到的概率多大：4 条；
  • 怎么自己做、没有干冰能不能用别的代替：3 条；
  • 这是不是云室：3 条，全挤在开头 6–8 秒。
时间轴散点图，横轴是视频的 0 到 7 分 49 秒，纵轴是 5 个弹幕话题。「这是不是云室」3 条全在 6 到 8 秒；「轨迹为什么这么慢」4 条在 50 秒、53 秒、3 分 25 秒、7 分 49 秒；「磁场会不会让轨迹拐弯」6 条集中在 1 分 23 秒到 4 分 11 秒；「怎么确认是宇宙射线」4 条；「怎么自己做」3 条。共 83 条弹幕，其中 25 条归入这些话题。

评论区给了同样的答案。这条视频拿到的 10 条评论里，点赞第三高（57 赞）的一条问的就是「轨迹有一个生长的过程，但高能粒子速度接近光速，这是 CMOS 读取的伪影还是凝结机理？」；点赞最高的一条（218 赞）是「没有干冰的不用急，网购一箱雪糕会送干冰」，另有一条说「做出来了，怎么盒子里全是线，哪一步搞错了」。弹幕和评论两条独立的线索落在同一组问题上，这就是一份报告能交出去的结论：下一期可以拍「云室里的轨迹为什么看起来慢，放一块磁铁会怎样」，并且附一份「没有干冰怎么做」的材料清单。

4 条视频的评论去重后 40 条，规则挑出 15 条（37.5%），真需求 7 条（17.5%），判据一通过；只看评论，能聚到 3 条以上的簇只有「原理追问」1 个，判据二不通过；加上弹幕，有 5 个话题各 ≥3 条，判据二通过。

两个反例：Adafruit 和 Platzi

Adafruit（电子元件零售商，订阅 469,000）：4 条近期视频共 21,580 次播放、18 条评论，去重后 14 条顶层评论，只有 1 条是需求（「学习指南会讲怎么读这个旋钮吗？」）。短视频和产品演示为主的品牌号，评论区撑不起一份月报。

Platzi（拉美在线教育公司，订阅 1,950,000，西语为主）：5 条视频去重后 254 条顶层评论，真需求 18 条（7.1%），但有 4 个簇过了 3 条线；按条数排第一的是「企业用付费 AI，数据安不安全」（6 条），按点赞加权排第一的是「AI 时代学什么、有没有对应课程」（4 条，加权 43）。另一个现象更值得记住：其中一条视频播放 5,124,393 次，评论只有 36 条，每 1,000 次播放 0.007 条，播放量大不等于评论区有料。西语版文章会细讲这个频道。

规则挑候选、人来判：为什么不能全自动

上面每个「真需求」的数字都经过人工复核，我们把规则和复核结果（analysis.py、labels.json）都存了档，可以复算。复核暴露了两个问题。

第一，规则的准确率差很多。 问号和「怎么、为什么、能不能」这类词挑出来的候选里，真需求所占比例：Figma 84.4%，Platzi 51.4%，中科院物理所 46.7%，Fermilab 只有 35.6%。科普频道里有大量反问、玩笑和个人理论，比如「万有理论要多久？取决于这批物理学家还能干多久」，带问号，但不是需求。西语的「Cuándo」既是「什么时候」，也是「当……的时候」，「Cuándo estudiaba la universidad…（我读大学的时候）」会被误判成提问。

第二，规则会漏。 我们从每个频道「没被规则挑中」的评论里按固定随机种子各抽至多 20 条，人工看有几条其实是需求。按抽查比例推算，规则的召回率：中科院物理所约 85%，Figma 约 76%，Fermilab 约 60%，Platzi 只有约 35%。漏掉的多是不带问号的祈使句：「Hagan que certificarse valga la pena（让认证值得考）」「You should make a RP2350 version」「烟雾报警器里的镅会不会在这留下超多轨迹」（中文的「会不会」在第一版规则里漏掉了）。

散点图，横轴是规则挑中的候选里真需求的比例（准确率），纵轴是按抽查推算的召回率。Figma 84% 和 76%；Fermilab 36% 和 60%；Platzi 51% 和 35%；中科院物理所 47% 和 85%；Adafruit 只有 1 条候选，不画。右上角是规则好用的区域，只有 Figma 接近。

这两点决定了生意的形状：数据几乎不要钱，判读要人。学界很早就在做同一件事：Madden 等人 2013 年人工分析了 66,637 条 YouTube 评论，分出 10 大类、58 小类，用途包括「提问与回答」（Journal of Documentation）；路易斯安那州立大学 2017 年的一篇硕士论文专门分析编程教程视频的评论，目的是帮创作者理解观众需要什么（LSU 学位论文）。他们都先人工建分类，再谈自动化。

平台已经免费给了什么

写售价之前，先看创作者不花钱已经能拿到什么。这是这门生意最大的对手。

YouTube Studio 自带的评论工具（10 月 25 日读帮助中心）：

  • 评论摘要：在 Studio 的评论页点「Get summary」，AI 会总结观众怎么回应、有哪些可以用在下一期的反馈；评论太少的视频没有这个按钮（YouTube 帮助：查看和回复评论）。
  • 按含义搜评论：同一页面的 AI 搜索可以输入「关于我器材的问题」这样的描述，也有「兴奋和热情」「负面反馈」等建议话题，和「查找类似评论」。限制写在帮助页里：只在电脑版 Studio 可用，按话题找只覆盖最近 90 天，不能按用户搜。
  • 评论话题：观众在手机 App 上评论很多的视频里会看到「Topics」，由 AI 归纳，创作者不能关闭（YouTube 帮助：评论话题）。
  • Ask Studio：帮助页写明它可以回答关于「你视频上的评论」的问题，也能生成选题，但「只使用你频道和你观众的数据，别的创作者不能问你的频道」（YouTube 帮助：Ask Studio）。
  • Research（研究）：YouTube 9 月 23 日在 Made on YouTube 上宣布新的 Insights 和 Research 页面，用来「发现表现突出的视频，激发下一个选题」（YouTube 博客，总览）。一位 YouTube 策略顾问在测试版里看到的筛选项包括「我的观众看过」（LinkedIn 帖子，二手），这是第三方做不到的数据。

第三方工具的公开价（10 月 25 日读取，都是美元）：

  • vidIQ：Boost $19/月或 $199/年，MAX $49/月或 $468/年，美国标价，「本地价格可能不同」（价格页）。
  • TubeBuddy：Pro 月付 $4.50（年付折合 $3.60）（免费版页面），Legend 月付 $32.99、年付折合 $26.39（Legend 页面）。同一页写明：订阅 5 万以上的频道不能买个人版，只能走企业定制价。
  • Spotter Studio：$49/月，年付 $299；只支持英文内容，只对美国、加拿大、英国、澳大利亚和欧盟的创作者开放（价格页）。
  • 1of10：Basic 年付折合 $15/月，Pro 年付折合 $69/月（价格页）。
  • CommentShark（评论自动化）：Starter $19/月，Creator $49/月，Pro $139/月，功能表里有情绪分析、AI 标签和日/周/月活动报告邮件（价格页）。
  • Hadzy（评论搜索和导出）：免费，支持者 $5/月；它的对比页自己写着「自己频道的评论先用 YouTube Studio」，它补的是「不是你的视频」和导出（对比页）。
  • 人工咨询：Koch Consulting 的企业频道诊断一次 $2,500（服务页）。
横向条形图，对数刻度，每格 10 倍：一份月度选题报告的数据成本 $0.053；Hadzy 支持者 $5/月；1of10 Basic $15/月；vidIQ Boost $19/月；TubeBuddy Legend $32.99/月；vidIQ MAX、Spotter、CommentShark Creator 各 $49/月；1of10 Pro $69/月；本文建议价 $99/月（标为建议）；CommentShark Pro $139/月；Koch 一次性诊断 $2,500。

这份报告做不到的：没有「我的观众还看了谁」，没有留存曲线，看不到被系统扣留的评论，也拿不到创作者后台的任何数据。它能做到的：同时看客户和竞品频道的评论；每个结论有条数、有点赞加权、有原评论链接，可以复核；每月和上个月对比；B 站能加上带时间点的弹幕。如果一位创作者只想知道「我自己视频下大家在说什么」，YouTube Studio 免费就够了，这门生意对他不成立。

卖给谁

我们把买家定为订阅 10 万到 100 万的频道，理由有三条，都能从上面的数据里找到：

  1. 这一段的工具最尴尬。 TubeBuddy 的个人版在 5 万订阅以上就不卖了；Spotter 只做英文；平台自带的工具只看自己频道。
  2. 这一段的评论量刚好需要人帮忙，又不至于看不完。 Figma（79.4 万订阅）6 条视频 94 条评论，创作者自己能读完；Fermilab（83.1 万）一条视频 772 条，自己读就很累，而且热门评论里看不到需求。
  3. 这一段的频道已经在赚钱，而且门槛还在抬高。 现在加入 YouTube 合作伙伴计划要 1,000 订阅加 12 个月 4,000 小时有效观看，或 90 天 1,000 万次 Shorts 有效观看（YouTube 帮助）；YouTube 8 月 10 日宣布，从 2027 年 2 月 1 日起新申请者要 8,000 小时或 2,000 万次，并写明计划里已有 300 多万创作者（YouTube 博客）。10 万订阅以上的频道有预算，也有「下一期拍什么」的压力。

频道类型比订阅数更重要。按这次的样本，排序是：产品和软件教程（Figma，真需求 36%）> 实验和科普（中科院物理所 17.5%、Fermilab 6.3%，但弹幕里需求集中）> 观点和评论类（Platzi 7.1%，而且多是观点）> 短视频和产品演示（Adafruit，评论太少）。

B 站的盘子也在变大。哔哩哔哩 2026 年第二季度财报写明月活 3.71 亿、日均使用 113 分钟（财报原文，8 月 27 日）；电话会上管理层说，千粉以上的 UP 主同比增加 30%，UP 主平均收入增长 21%（雅虎财经转述电话会，二手）。

一份月报的数据成本

按 10 月 25 日 14:34 读取的能力目录（以价格页为准），这次用到的 YouTube 和 B 站能力都是每次调用 $0.000556，YouTube 评论单次最多 100 行。一份「1 个客户频道 + 4 个同类频道、每个频道近 30 天最多 6 条视频」的月报：

  • YouTube 版：每个频道 1 次 user_posts + 6 条视频 ×（1 次 video + 1 次热门评论 + 1 次最新评论）= 19 次；5 个频道 95 次 × $0.000556 = $0.05282。
  • B 站版：每个频道 1 次 user_posts + 6 条视频 ×（1 次 comments + 1 次 danmaku）= 13 次；5 个频道 65 次 × $0.000556 = $0.03614。
  • 第一次建档时，用YouTube 关键词搜索爬虫 API找同类频道，每次 $0.000556，按 3 次算 $0.0017。

空结果和失败不扣费：这次 Crehana、Khan Academy 西语频道和 Prusa 的 user_posts 返回 0 条，Adafruit 一条视频返回 0 条评论，都自动退了。账单怎么逐条核对，见失败返还与对账。

真正的成本是时间。按这次的实测量估：评论多的频道（Fermilab、Platzi）去重后各有约 250 条顶层评论，规则挑出其中 14%–18%；5 个这样的频道约 1,250 条，挑出约 175–225 条，再加上每个频道 20 条召回抽查，一个月要人工判读约 300 条。如果每条 10 秒（这是本文的假设，不是实测），约 50 分钟，再加上写报告 1 小时左右。

卖多少钱

我们的建议是每个频道每月 $99，含 4 个同类频道和一次 30 分钟的电话解读，第一份免费。这是建议，不是市场数据，依据是：

  • 比自助工具贵：vidIQ、Spotter、1of10、CommentShark 的主力档在 $19–$69/月，这些工具给数据和 AI 建议，不替你逐条判读，也不看竞品评论区。
  • 比人工咨询便宜很多：一次性的频道诊断在 $2,500 这个量级。
  • 毛利不受数据成本影响：$0.053 只占 $99 的 0.05%；按上面估的约 2 小时工作量，折合时薪约 $45–50。

西语和中文市场的支付能力不同，B 站 UP 主更习惯按单次付费，可以改成「每份 $29、按需下单」，这也是建议值。

交付流程：每月一次

流程动画，8 秒一圈：签约时一次性选定客户频道和 4 个同类频道。之后每月一圈 6 步：第 1 步列出 5 个频道近 30 天的视频；第 2 步每条视频取热门和最新评论，B 站加弹幕；第 3 步按评论 ID 去重，剔除频道自己的回复；第 4 步用规则挑出提问和请求；第 5 步人工判读真需求、归簇，并从没挑中的评论里抽 20 条查漏；第 6 步按条数和点赞加权排出 3 个选题，每个附 3 条原评论链接，交给客户。中间写着每份数据成本约 $0.05。
  1. 签约时定范围：客户频道 + 4 个同类频道，写进合同；同类频道用关键词搜索按订阅数筛，和客户一起选。
  2. 列视频：youtube/user_posts 带 since。注意：我们传了 since: 2026-09-25，Fermilab 仍返回了 8 月 31 日的视频，posted_at 还是「2w ago」这种相对时间。所以每条视频要再调一次 youtube/video，用它返回的精确发布时间自己过滤。
  3. 取评论：热门和最新各一次。高评论量视频一次只覆盖 13%–26%，报告里写「样本」。B 站评论每次只回 10 条，补一次弹幕。
  4. 去重和清理：按评论 id 去重，剔除频道自己的回复；is_reply 为真的行单独存，用来看讨论在哪里展开。Platzi 返回的 436 行里 182 行是回复，占 41.7%，只看顶层会漏掉讨论。
  5. 人工判读：只判「下一期能不能回答」，夸奖、玩笑、观点不算；再从没挑中的评论里抽 20 条查漏，把召回率写进报告。
  6. 出报告：3 个选题，每个写条数、点赞加权、3 条原评论链接（不写用户名）和「什么情况下这个题不成立」。

用代码和 AI 客户端跑

一次取一条视频的热门评论（Key 写成占位符）：

bash
curl -s https://api.everyinfra.com/api/v1/social \
  -H "Authorization: Bearer <API Key>" \
  -H "Content-Type: application/json" \
  -d '{"platform":"youtube","action":"comments","params":{"url":"https://www.youtube.com/watch?v=pLmLi-pJ604","sort":"popular","limit":100}}'

报告用到的字段（和目录 response_fields 逐个对过）：

  • youtube/comments 返回 9 个字段：id（去重主键）、text（正文）、author_name（用户名，报告里不用，存储时可以直接丢掉）、like_count（点赞，加权用）、reply_count（回复数）、posted_at（发布时间，这次返回的是「8 days ago」这类相对时间）、is_reply（是否回复）、reply_to_id（被回复的评论 ID）、platform。
  • youtube/video 和 youtube/user_posts 共用 25 个字段，报告用到 id、title、view_count、comment_count（算覆盖率）、posted_at（视频详情里是精确时间）、author_follower_count（订阅数）、is_comments_disabled。
  • bilibili/comments 返回 id、text、like_count、reply_count、author_name、author_id、author_url、posted_at、video_id、platform；bilibili/danmaku 返回 id、text、video_id、video_time、video_time_seconds（视频内秒数）、mode、color、pool、sent_at、platform。

在 Claude Code 里，先按快速开始建一把 Key，再加 远程 MCP 服务器：

bash
claude mcp add --transport http everyinfra https://api.everyinfra.com/mcp \
  --header 'Authorization: Bearer ${EVERYINFRA_API_KEY}'

然后说：「用 everyinfra_call_api 取这 5 个频道近 30 天每条视频的热门和最新评论，按 id 去重，挑出提问和请求，列成表给我逐条确认。」最后一步「逐条确认」不要省。

报错与扣费（都是这次真实遇到的，都不扣费）：

  • 没带 Key：401 missing_key；
  • 枚举值写错（sort: top）：422 invalid_value，附允许值 newest、popular；
  • 参数名拼错（sortt）：422 unknown_param，did_you_mean: ["sort"]，并列出 url、limit、since、sort；
  • 每分钟超过 10 次：429 rate_limited，retry_after: 8；
  • 同步请求超过 85 秒：503 timeout，提示改用 "mode":"async"；我们改异步后，同一条 Platzi 视频的 100 条评论正常返回；
  • 空结果：200，charged: false，原因 empty_result_refunded。

报错后怎么让脚本或 AI 自己改参数重试，见API 报错后怎么处理；YouTube 评论回复为什么会漏，见两层分页与完整性核对。YouTube Data API 文档也写明，评论线程里附带的回复「不一定是全部回复」（YouTube Data API 文档）。

第一批客户怎么找

  1. 先做 10 份免费的「一期选题」：挑 10 个目标频道，各读最近 2 条视频的评论（每个频道约 7 次调用，$0.004），每份只写 1 个选题、3 条原评论，发给对方。总数据成本不到 $0.05。
  2. 名单从数据里来：用关键词搜索拉一个细分领域的视频，按返回的 author_follower_count 筛出 10 万–100 万订阅的频道，再按「每 1,000 次播放的评论数」排序。这次的样本里，单条视频的这个指标从 0.007（Platzi 那条 512 万播放的视频）到 2.90（Fermilab 那条万有理论视频）差了 400 多倍，评论密度低的频道不要先去谈。
  3. 通过公开的商务渠道联系：频道简介里的商务邮箱、B 站的商务合作入口。不要在评论区或私信里群发。B 站用户协议把上传、发送「广告函件、促销资料、垃圾邮件」列为限制行为（哔哩哔哩用户使用协议 5.5 条）。
  4. 找剪辑师和运营外包：他们手上有一批固定客户，正缺「下一期拍什么」的依据，可以按份批发给他们。

什么情况下这门生意不成立

  • 客户只想看自己的评论。 YouTube Studio 的评论摘要和 AI 搜索免费；Ask Studio 也能回答「我的评论区在说什么」。
  • 频道评论太少或多是观点。 本次 Adafruit 14 条顶层评论只有 1 条需求；Platzi 的真需求只占 7.1%。每月真需求少于 15–20 条的频道，改卖季度报告或一次性诊断。
  • 客户要的是「我的观众还看谁」。 这类观众重合数据只有平台自己有。
  • 评论区被机器人占了。 10 月 24 日，快科技报道 B 站不少科技类视频的评论区被大量自动发评论的 AI 账号刷屏，B 站已对异常账号限流（新浪财经转载快科技，二手）。判读时要先剔除这类账号，否则一个簇可能全是机器写的。
  • 平台条款和个人信息。 YouTube 服务条款禁止除公开搜索引擎外以机器人、爬虫等自动化方式访问服务，也禁止收集可识别个人的信息（如用户名），除非对方允许；B 站用户协议 5.6 条禁止未经书面许可用爬虫等自动程序获取平台数据。中国的《个人信息保护法》第二十七条允许在合理范围内处理个人自行公开的信息，但对个人权益有重大影响的要取得同意。报告里只写话题和条数、不存用户名，是最低限度的做法；商用前请律师按你所在地评估，这不是法律意见。

最近的变化（2026 年 9–10 月）

  • 9 月 23 日，YouTube 宣布 Studio 新的 Insights 和 Research 页面、视频 A/B 测试和 AI 评论管理测试（YouTube 博客；路透社；Tubefilter 现场报道）。对你：平台在把「找选题」做进后台，你的报告要卖平台看不到的竞品评论和人工判断。
  • 10 月 8 日，YouTube 证实测试过把创作者数据直接放进少数品牌频道的 Studio（「Channel Search」），并说只面向品牌频道（Tubefilter，二手，含 YouTube 发言人表态）。对你：品牌方能看到的数据在变多，「同类频道对比」这件事迟早会有官方版本。
  • 10 月 14 日，YouTube 开始逐步放开评论区发 GIF（9to5Google，二手）。对你：只有 GIF 没有文字的评论，文本规则读不到，报告要单独计数。
  • 10 月 20 日，YouTube 文化与趋势团队发布生成式 AI 报告：受访的 14–44 岁上传者里 72% 用过 AI 处理视频或图片（YouTube 博客）。对你：创作者已经习惯 AI 给的选题建议，报告要靠「每条结论能点回原评论」区别于 AI 的泛泛建议。
  • 10 月 22 日，YouTube 澄清：只有创作者看自己的视频时，踩的按钮才收进三点菜单，完整踩数仍在 Studio（9to5Google，含 YouTube 发言人表态）。对你：负面反馈越来越只在后台可见，公开评论是第三方唯一能读到的反馈。
  • 10 月 24 日，B 站评论区出现大量 AI 自动评论账号（见上一节）。
  • YouTube 在特定地区试点 Shorts 奖金计划，仅限受邀，按每月上传的 Shorts 数量和有效观看计算，2027 年扩大（YouTube 帮助：Shorts 奖金计划，10 月 25 日读取；10 月中旬起陆续有创作者收到邀请）。对你：被邀请的创作者要每月发够数量，「这个月拍什么」的需求更急。

常见问题

B 站评论数据能直接分析吗，要不要先爬下来？ 搜索联想里「b站 评论 数据分析」「b站 评论 数据爬取」都在前几位（10 月 25 日查到的搜索联想）。能分析，但这次实测每条视频只拿到 10 条评论，覆盖率最低 2.9%；要补弹幕。是否能爬取要看平台条款，B 站用户协议 5.6 条明确限制自动程序获取数据，见上文。

UP 主靠选题报告能多赚钱吗？ 联想词「up 主 赚钱」（同上）背后是这个问题。我们只能回答报告本身的成本：一份约 $0.036（B 站）到 $0.053（YouTube）的数据加约 2 小时人工。它能不能带来更多播放，这次没有做前后对照，不能承诺。

只读热门评论够不够？ 不够。这是本次实测得出的：Fermilab 按点赞排的前 10 条没有一条是需求，16 条真需求只拿到全部点赞的 0.5%；同一条视频按热门和按最新各取 100 行，重复的顶层评论只有 15 条。

相关阅读

参考资料

  1. Figma，Design with Code Layers（YouTube 视频），2026-10-15，https://www.youtube.com/watch?v=ukY9Dvwm7Gc
  2. Fermilab，How long until we find a theory of everything（YouTube 视频），2026-10-09，https://www.youtube.com/watch?v=pLmLi-pJ604
  3. The Royal Swedish Academy of Sciences，Press release: Nobel Prize in Physics 2026，2026-10-06，https://www.nobelprize.org/prizes/physics/2026/press-release/
  4. 二次元的中科院物理所，《年度最实用物理学！凭“防小便飞溅”拿下诺奖》（B 站视频），2026-10-08，https://www.bilibili.com/video/BV1avHQ6dE1y
  5. Nature，Buried underpants and a new definition of kissing win 2026 Ig Nobel prizes，2026-09-03，https://www.nature.com/articles/d41586-026-02650-x
  6. 二次元的中科院物理所，《我们用一个十来块的塑料盒子看到了宇宙射线》（B 站视频），2026-10-09，https://www.bilibili.com/video/BV1dgp46ZEWt
  7. Madden, Ruthven, McMenemy，A classification scheme for content analyses of YouTube video comments，Journal of Documentation 69(5)，2013，https://www.emerald.com/jd/article-abstract/69/5/693/204541
  8. Elizabeth Poché，Analyzing User Comments on YouTube Coding Tutorial Videos，路易斯安那州立大学硕士论文，2017，https://repository.lsu.edu/cgi/viewcontent.cgi?article=5453&context=gradschool_theses
  9. YouTube 帮助中心，查看和回复评论（电脑版），2026-10-25 读取，https://support.google.com/youtubecreatorstudio/answer/9482367?hl=zh-Hans
  10. YouTube 帮助中心，探索评论话题，2026-10-25 读取，https://support.google.com/youtube/answer/14239105?hl=zh-Hans
  11. YouTube 帮助中心，了解 YouTube 工作室中的 Ask Studio，2026-10-25 读取，https://support.google.com/youtube/answer/16291691?hl=zh-Hans
  12. YouTube 博客，New tools to power your creation journey from start to finish，2026-09-23，https://blog.youtube/news-and-events/made-on-youtube-new-tools-power-creation-journey/
  13. YouTube 博客，Innovation for the YouTube Era: What's new for viewers and creators，2026-09-23，https://blog.youtube/news-and-events/innovation-youtube-era-made-on-viewers-creators/
  14. Mario Joos（LinkedIn），YouTube Studio launches its own experimental ideation tool，2026-07 前后，https://www.linkedin.com/posts/mariojooss_major-update-youtube-studio-launches-its-activity-7483621816926924800-pcFN
  15. vidIQ，Pricing & Plans，2026-10-25 读取，https://vidiq.com/pricing/
  16. TubeBuddy，TubeBuddy Free，2026-10-25 读取，https://www.tubebuddy.com/free/
  17. TubeBuddy，Legend，2026-10-25 读取，https://www.tubebuddy.com/legend-2/
  18. Spotter Studio，Pricing，2026-10-25 读取，https://www.spotterstudio.com/pricing
  19. 1of10，Pricing，2026-10-25 读取，https://1of10.com/pricing
  20. CommentShark，Pricing，2026-10-25 读取，https://www.commentshark.com/pricing
  21. Hadzy，Hadzy vs YouTube Studio AI Comment Search，2026-10-25 读取，https://hadzy.com/compare/hadzy-vs-youtube-studio
  22. Koch Consulting，YouTube Channel Audit for Businesses，2026-10-25 读取，https://kochconsulting.co/youtube-channel-audit
  23. YouTube 帮助中心，YouTube 合作伙伴计划概览和资格要求，2026-10-25 读取，https://support.google.com/youtube/answer/72851?hl=zh-Hans
  24. YouTube 博客，New opportunities to earn and changes to the YouTube Partner Program，2026-08-10，https://blog.youtube/news-and-events/youtube-partner-program-updates-2027-new-opportunities-earn/
  25. 哔哩哔哩，Bilibili Inc. Announces Second Quarter 2026 Financial Results，2026-08-27，https://ir.bilibili.com/media/ywxkb3pf/bilibili-inc-announces-second-quarter-2026-financial-results.pdf
  26. Yahoo Finance，Bilibili Q2 Earnings Call Highlights，2026-08-27，https://finance.yahoo.com/markets/stocks/articles/bilibili-q2-earnings-call-highlights-140438119.html
  27. EveryInfra，数据能力目录 GET /api/v1/social/catalog，2026-10-25 14:34 SGT 读取，https://api.everyinfra.com/api/v1/social/catalog
  28. Google for Developers，CommentThreads（YouTube Data API），2026-10-25 读取，https://developers.google.com/youtube/v3/docs/commentThreads
  29. 哔哩哔哩，《哔哩哔哩弹幕网用户使用协议》（2025-05-07 生效），2026-10-25 读取，https://www.bilibili.com/protocal/licence.html
  30. 快科技（新浪财经转载），《B站评论区被AI大肥鱼占领 赛博鱼塘刷屏引热议》，2026-10-24，https://finance.sina.com.cn/stock/t/2026-10-24/doc-iniwhxps4912249.shtml
  31. YouTube，Terms of Service（2023-12-15 版），2026-10-25 读取，https://www.youtube.com/static?template=terms
  32. 全国人民代表大会常务委员会，《中华人民共和国个人信息保护法》，2021-08-20 通过，国家网信办网站，http://www.cac.gov.cn/2021-08/20/c_1631050028355286.htm
  33. Reuters，YouTube unveils AI creator tools, shopping features at annual event，2026-09-23，https://www.reuters.com/business/youtube-unveils-ai-creator-tools-shopping-features-annual-event-2026-09-23/
  34. Tubefilter，YouTube is using AI to tinker with everything，2026-09-23，https://www.tubefilter.com/2026/09/23/made-on-youtube-2026-ai-personalization-creator-tools/
  35. Tubefilter，A YouTube test brought creator analytics directly into brands' YouTube Studio dashboards，2026-10-08，https://www.tubefilter.com/2026/10/08/youtube-studio-creator-analytics-tool-discovery/
  36. 9to5Google，GIFs are showing up in YouTube，2026-10-14，https://9to5google.com/2026/10/14/youtube-begins-rolling-out-gif-support/
  37. YouTube 博客，Inside YouTube's findings on generative video and personal creativity，2026-10-20，https://blog.youtube/culture-and-trends/youtube-generative-ai-video-creativity-report/
  38. 9to5Google，YouTube says it isn't hiding the dislike button，2026-10-22，https://9to5google.com/2026/10/22/youtube-dislike-button-ui-change-explanation/
  39. YouTube 帮助中心，了解 Shorts 奖金计划，2026-10-25 读取，https://support.google.com/youtube/answer/18336041?hl=zh-Hans

引用编号 LF-24