视频号数据抓取与内容诊断

对微信视频号账号做数据诊断与内容规划。适用于目标账号用户本人授权（需其扫码登录）。

前置约束

• 必须获得账号本人授权：登录需用管理该视频号的微信扫码。未经授权不得尝试登录他人账号。
• 必须先说明能力边界：视频号内容在微信生态内，无法被搜索引擎直接抓取；只能通过视频号助手后台登录后读取。
• 本技能产出商业分析建议，播放量等客观数据以接口返回为准；策略结论应基于数据 + 实际观看内容得出，不做无依据的推断。

工作流

按顺序执行，任一环节失败先解决再继续。

步骤 0：确认账号与目标

向用户确认：账号名称/主体、账号定位、目标受众（B 端客户？C 端消费者？招商？）、期望产出（诊断+规划/仅数据/仅选题）。若用户未指定，默认输出「数据诊断表 + 创作策略方案」。

步骤 1：扫码登录

python scripts/step1_qr_login.py --outdir <工作目录>

• 以 run_in_background=true 启动（脚本要等用户扫码，最长 10 分钟）。
• 启动约 5 秒后生成 qr_login.png。将右侧二维码区域裁剪出来发给用户（用 Markdown 图片语法），提示：保存相册 → 微信「扫一扫」→ 右下角相册 → 选中二维码 → 手机点「登录」。
• 脚本检测到跳转后自动保存 wx_state.json 并输出 LOGIN_OK。
• 若输出 QR_REFRESHED_n，说明二维码过期已自动刷新，需把新截图再次发给用户。
• 若 LOGIN_TIMEOUT，重新运行本步骤。

步骤 2：抓取全部视频数据

python scripts/step2_fetch_posts.py --outdir <工作目录>

输出 all_posts.json（全部视频原始字段）。终端会打印每页条数与总数。若打印 API_ERROR / NO_DATA，说明登录态失效，回到步骤 1 重新登录。

步骤 3：抓取粉丝与流量数据

python scripts/step3_fetch_stats.py --outdir <工作目录>

输出 account_stats.json（粉丝增长趋势、分流量来源的播放数据等）。

步骤 4：下载代表视频并观看内容

先看 all_posts.json 里的标题与播放分布，选定要精看的代表视频（播放 TOP + 各内容类型代表），再执行：

python scripts/step4_download_frames.py --outdir <工作目录> --state wx_state.json \
    --top 6 --keywords 供应商,实验室,车间

• 脚本会先重新拉取最新直链（直链带签名会过期），再下载 videos/*.mp4 并抽 6 帧到 frames/。
• 用 view_image 逐条观看抽出的帧（每次最多 9 张，可一次看 2-3 条视频的各 3 帧），记录：人物是否出镜、场景、字幕/钩子、拍摄方式、传达信息。这是产出内容策略的关键依据，不可跳过。
• 依赖 imageio-ffmpeg（缺则 pip install imageio-ffmpeg）。

步骤 5：生成数据诊断表

python scripts/step5_build_xlsx.py --outdir <工作目录>

输出 视频号数据诊断.xlsx（视频明细 + 分类统计 + 月度趋势 + 图表）。
分类规则 classify() 需按目标账号的实际内容体系调整，不要照搬默认关键词。

步骤 6：撰写内容策略方案

基于步骤 2-5 的全部证据撰写，建议用 docx 技能输出 Word。方案应包含：

1. 数据全景：总播放、粉丝、平均完播率、平均观看时长、流量来源结构；月度趋势。
2. 内容盘点：按类型给出效果排名（条数/均播放/最高/完播/涨粉），点明「什么有效、什么无效」。
3. 核心问题：从数据异常中提炼（如完播率低说明开头没抓人、优质系列未栏目化、缺转化承接）。
4. 战略定位：结合账号目标受众重新定义账号角色与内容配比。
5. 栏目体系：3-4 个固定栏目（栏目名、形式、内容骨架、选题示例、更新节奏）。
6. 制作标准：前 3 秒钩子、时长结构、标题改写对照（原标题 → 观众视角标题）。
7. 转化承接：简介/置顶/私信关键词/线索跟进。
8. 执行排期：分阶段（如 90 天）动作清单。

分析要点见 references/analysis-framework.md。

关键提示

• 直链会过期：视频直链带 token/sign，跨会话再下载会 400，必须下载前重新拉取。
• desc 是 dict：标题在 desc.description，视频在 desc.media[0].url。
• fullPlayRate 是小数（0.113 = 11.3%）。
• 沙箱休眠：等待扫码的长任务必须放在单个脚本里一次跑完，不能拆成后台常驻进程 + 轮询。
• 接口细节、字段表、错误码与全部已知坑见 references/api-details.md。

产出清单