适用项目：MPlus（百万加）AI驱动自媒体选题助手 用途：头脑风暴选题生成 & 模拟预测引擎基础参数 最后更新：2026-02-15
本画像是一个可直接用于模拟的独立平台类型，适用于未指定具体平台、跨平台分析或通用场景的模拟预测。同时也可作为新增平台画像时的结构参考。
- 平台定位：可直接用于模拟的跨平台通用基准模型
- 核心价值主张：当用户未指定目标平台时，作为默认平台进行完整的传播模拟与内容预测；其参数取自六大主流平台的加权中位数，代表"中国社交媒体平均水平"
- 平台类型：通用平台（独立可用，非仅模板）
- 支持内容形式：图文、视频、直播
- 核心数据：基于六大主流平台的加权平均值
- 平台调性关键词：多元、通用、基准
- 性别：女性约53%，男性约47%（综合六大平台加权）
- 年龄分布：
- 18-24岁：约30%
- 25-34岁：约35%
- 35-44岁：约20%
- 45岁以上：约15%
- 城市线级：一线约25%，新一线+二线约35%，三线及以下约40%
- 中国互联网用户总规模：约11亿（2024年底），移动互联网用户约10.9亿
- 注意力稀缺：用户平均注意力窗口约3-8秒
- 情绪驱动：能引发情绪反应的内容传播力更强
- 实用性需求：解决问题或提供价值的内容留存率更高
- 社交货币：用户愿意分享能提升自我形象的内容
- 从众心理：高互动内容更容易获得更多互动（滚雪球效应）
- 通用活跃时段：午间12:00-14:00、晚间20:00-22:00
- 使用场景：通勤碎片时间、午休、睡前、等待间隙
- 日均社交媒体使用时长：约2-3小时
- 跨平台行为：用户通常活跃在2-4个社交平台上
- 生活方式/日常分享
- 知识/教育/干货
- 娱乐/搞笑/情绪
- 美食/旅行/探店
- 职场/成长/励志
- 科技/数码/评测
- 美妆/穿搭/时尚
- 健康/运动/养生
- 黄金3秒/3行法则：开头3秒（视频）或3行（图文）决定用户去留
- 标题五要素：数字、悬念、利益、情绪、人群定位（至少包含2个）
- 内容结构：钩子开头→价值主体→互动引导结尾
- 情绪价值：引发共鸣、好奇、惊讶、感动中的至少一种
- 视觉吸引：首图/封面质量直接决定点击率
- 互动设计：在内容中主动引导用户互动（提问、投票、评论引导）
- 虚假信息/谣言
- 色情/暴力/低俗
- 涉政敏感内容
- 侵权内容（图片/音乐/视频/文字）
- 绝对化用语（广告法限制）
- 诱导分享/关注的违规操作
- 未标识的AI生成内容（2024-2025年新趋势）
- 短视频仍是增长最快的内容形式
- AI辅助创作成为常态
- "真实感"和"人格化"内容受欢迎
- 知识类/深度内容价值回归
- 搜索SEO在各平台重要性提升
- 私域+公域结合的运营模式
所有主流平台的推荐算法都遵循以下通用框架：
- 内容理解：平台对内容进行多模态分析（文字/图像/视频/音频）
- 用户画像：基于用户行为构建兴趣模型
- 匹配分发：将内容与最可能感兴趣的用户匹配
- 反馈优化：根据用户实际行为（互动/停留/跳出）动态调整
| 因子 | 权重等级 | 说明 |
|---|---|---|
| 完播率/阅读完成率 | ★★★★★ | 用户是否看完内容 |
| 互动率 | ★★★★★ | 点赞/评论/收藏/分享 |
| 停留时长 | ★★★★☆ | 用户在内容上的停留时间 |
| 点击率(CTR) | ★★★★☆ | 封面/标题的吸引力 |
| 原创度 | ★★★★☆ | 内容的原创性 |
| 时效性 | ★★★☆☆ | 内容的新鲜程度 |
| 作者权重 | ★★★☆☆ | 创作者历史表现 |
| 社交信号 | ★★★☆☆ | 社交关系链中的传播 |
- 初始曝光：300-1000次不等（视平台而异）
- 关键窗口：发布后1-6小时的互动数据决定后续分发
- 赛马机制：与同类型内容竞争曝光份额
- 标签匹配：内容标签与用户兴趣标签的匹配度
各平台流量池层级结构的通用基准如下（曝光范围为跨平台中位数估计值，晋级阈值以综合互动分 CES 衡量）：
| 层级 | 名称 | 曝光范围 | 晋级 CES 阈值 |
|---|---|---|---|
| 一级池 | 初始分发 | 300-1,000 | --（起始） |
| 二级池 | 扩展分发 | 3,000-15,000 | 约 80 |
| 三级池 | 热门推荐 | 30,000-150,000 | 约 500 |
| 四级池 | 爆款级 | 300,000+ | 约 3,000 |
其中，综合互动分（CES）的通用加权公式为：CES = 点赞x1 + 收藏x2 + 评论x3 + 转发x4 + 关注x8。该权重反映各平台对不同互动行为的价值赋权中位数：关注和转发的权重远高于点赞，体现了深度互动对内容传播的更大贡献。
| 指标 | 低水平 | 平均水平 | 优秀 | 爆款 |
|---|---|---|---|---|
| 点赞率 | <1% | 2-4% | 5-8% | 10%+ |
| 评论率 | <0.3% | 0.5-1.5% | 2-4% | 5%+ |
| 收藏率 | <0.5% | 1-2% | 3-5% | 6%+ |
| 分享率 | <0.2% | 0.5-1% | 2-3% | 5%+ |
| 关注转化率 | <0.05% | 0.1-0.3% | 0.5-1% | 2%+ |
以下为跨平台用户行为的中位数基线概率（即一次曝光转化为相应互动的典型概率）：
| 行为 | 基线概率 |
|---|---|
| 点赞 | 3.0% |
| 收藏 | 1.5% |
| 评论 | 0.8% |
| 转发 | 0.5% |
| 关注 | 0.2% |
这些基线值代表"普通内容在无特殊加持下的自然互动水平"，可作为评估内容表现的参照基准。实际互动率因内容质量、创作者影响力、平台特性等因素波动较大。
- 互动具有"马太效应"：高互动内容吸引更多互动
- 评论>点赞的权重：评论通常被算法赋予更高权重（在 CES 公式中，评论权重约为点赞的3倍，见 4.4 节）
- 及时回复评论可显著提升整体互动率（提升20-30%），建议在发布后60分钟内回复首批评论
- 引导式互动（提问/投票/选择题）比被动等待互动效果好3-5倍
- 每个平台都有独特的社区文化和语言风格
- "入乡随俗"是跨平台运营的基本原则
- 硬广在任何平台都不受欢迎，内容价值是基础
- 真诚和一致性是建立粉丝信任的关键
| 变现方式 | 适用阶段 | 收益特点 |
|---|---|---|
| 平台广告分成 | 中期 | 被动收入，与流量正相关 |
| 品牌合作/软文 | 中后期 | 单次收入高，需维护口碑 |
| 直播带货 | 中后期 | 爆发力强，需运营能力 |
| 知识付费/课程 | 后期 | 利润率高，需专业积累 |
| 电商/私域 | 后期 | 可持续性强，需供应链 |
| 打赏/充电 | 全阶段 | 粉丝经济，收入不稳定 |
- 1000粉丝理论：1000个铁粉即可实现基本变现
- 先做内容再做变现：内容质量是商业价值的基础
- 多元化变现：不依赖单一收入来源
- 品牌一致性：商业合作不应偏离账号定位
- 定位期(0-1个月)：确定内容方向、目标人群、差异化定位
- 起步期(1-3个月)：稳定更新频率，测试内容方向，积累初始粉丝
- 成长期(3-12个月)：找到爆款模式，优化内容质量，建立个人风格
- 成熟期(1年+)：IP化运营、商业化变现、团队化发展
- 垂直定位：专注1-2个领域，不要什么都做
- 稳定更新：建立读者/观众的阅读/观看习惯
- 数据驱动：关注数据指标，持续优化内容
- 热点借势：30%内容可以借势热点
- 互动维护：积极与粉丝互动，建立社区感
- 跨平台分发：同一内容必须针对每个平台调整内容风格和格式后再分发，不同平台的用户预期和算法偏好差异显著
| 术语 | 释义 |
|---|---|
| KOL | Key Opinion Leader，关键意见领袖（大V/头部达人） |
| KOC | Key Opinion Consumer，关键意见消费者（素人/小达人） |
| MCN | Multi-Channel Network，多频道网络（达人经纪机构） |
| UGC | User Generated Content，用户生成内容 |
| PGC | Professionally Generated Content，专业生成内容 |
| AIGC | AI Generated Content，AI生成内容 |
| CTR | Click Through Rate，点击率 |
| CPM | Cost Per Mille，千次展示成本 |
| CPC | Cost Per Click，单次点击成本 |
| CPA | Cost Per Action，单次行为成本 |
| ROI | Return On Investment，投资回报率 |
| GMV | Gross Merchandise Volume，商品交易总额 |
| DAU | Daily Active Users，日活跃用户数 |
| MAU | Monthly Active Users，月活跃用户数 |
| 私域 | 品牌/创作者可直接触达的自有用户池 |
| 公域 | 平台公共流量池 |
| 种草 | 通过内容推荐影响消费决策 |
| 拔草 | 实际消费体验或取消购买意愿 |
| 人设 | 账号的人格化定位和形象 |
| 矩阵 | 多个相关联的账号协同运营 |
| 垂直 | 聚焦特定细分领域 |
| 长尾 | 内容发布后长期持续获得流量的效应 |
以下内容为 Ripple CAS 模拟引擎的通用基准参考值，取各主流平台的中位数或经验均值。 这些参数由 AI 动态确定，此处仅作为认知参考和校准锚点。
wave_time_window：4h
每轮模拟 Wave 对应现实时间 4 小时。此为跨平台通用基准值，取各主流平台的中位数：
- 微博 1h、抖音 2h、微信 2h、小红书 4h、B站 12h、知乎 12h → 中位数约 3-4h，取整为 4h
- 通用基础衰减率约 0.88（每周期衰减 12%），4 小时的粒度在精度与计算成本之间取得平衡
- 以 48 小时模拟为例：48h ÷ 4h = 12 个 Wave，与默认 5 个脉冲步×中等分辨率匹配
- 当指定了具体平台时，应优先使用该平台画像中定义的 wave_time_window
本画像中所有出现"时间步"和"模拟时间步"的表述，均指此 4 小时时间窗口。
通用平台内容传播呈现中等陡峭度的非线性特征。相变敏感度参数（k）约为 0.15，代表内容从"低互动"到"高互动"的跃迁既不过于突然也不过于缓慢。正反馈放大因子为 1.0（中性基准，无额外放大或抑制），受众饱和速率约为 0.025，跨群体影响扩散敏感度约为 0.25。
内容生命力（vitality）按时间步衰减，通用基础衰减率约为 0.88（即每个模拟时间步衰减约 12%）。此外，曝光量累积也会加速衰减，曝光衰减系数约为 0.0002。这意味着一条普通内容在无外部助推的情况下，经过约 5-6 个时间步后生命力将降至初始值的一半以下。
模拟中用于检测涌现现象（emergence）的参考阈值如下：
- 聚集涌现：KL 散度阈值 0.30，冷却期 2 个时间步
- 结构涌现：z-score 阈值 2.0，冷却期 2 个时间步
- 变异涌现：余弦相似度阈值 0.40，冷却期 3 个时间步
- 相变检测：置信度阈值 0.70，冷却期 1 个时间步
模拟中每个时间步约有 12% 的概率触发宏观随机事件。典型事件类型及其概率分布：
| 事件类型 | 触发概率 | 影响范围 |
|---|---|---|
| KOL 转发 | 35% | 正向 1.5x-5.0x |
| 热点话题关联 | 30% | 正向 2.0x-8.0x |
| 竞品事件干扰 | 20% | 负向 -50%至-20% |
| 算法调整波动 | 15% | 双向 -30%至+30% |
模拟中 Agent 的记忆窗口为最近 3 个事件，累积疲劳衰减率为 0.85，路径签名长度为 10。这些参数控制 Agent 对历史信息的遗忘速度和行为模式的稳定性。
通用场景下，默认模拟 5 个时间步（wave），使用 20 条集成轨迹（ensemble trajectories）以提供概率分布估计。
本文件为 Ripple 平台画像系统的组成文件之一。前 8 章提供非结构化的平台认知描述，供 LLM prompt 上下文注入使用；第 9 章提供模拟参数的自然语言参考，供 AI 动态校准时作为认知锚点。数据来源包括平台官方公开数据、第三方数据分析平台、行业研究报告及社区运营实践总结。数据基于 2024-2025 年公开信息整理，实际数值可能因平台策略调整而变化。建议定期更新以保持准确性。