使用背景
用户想在 LinkedIn 上复刻高阅读量帖子。此前基于单篇样本（2 赞）的判断认为该账号互动极低，因此在做任何内容决策前，先拉取最新 50 篇做全量画像。
// 已授权用户案例
分析 LinkedIn 账号发帖，找出可复刻的高互动模式
一次社媒信号检索：抓取某 LinkedIn 账号最新 50 篇帖子，画像其互动结构，提炼可复刻的高互动内容模式。
- 执行时间
- 使用工具
$research-social-signals
研究目标
分析该 LinkedIn 账号的发帖情况，找到可复刻高阅读量（高互动）帖子的方法。
// Prompt
原始提示词
@skill:Social Signal Retrieval 分析一下 https://www.linkedin.com/in/xx.这个账号的发帖情况，分析目的是找到复刻阅读量高的帖子的方法// Process
实际执行过程
- 01
抓取最新帖子并确认数据边界
通过 get_linkedin_user_posts 抓取最新 50 篇。50 篇的展示量（impressions）全部为 null，因此改用点赞/评论/转发作为可用互动指标；分页返回同一批次，更早帖子暂不可取。
- 02
画像账号与互动总览
确认账号资料（市场研究员，关注者数百人、500+ 连接；姓名与公司已脱敏），并汇总 50 篇互动：总赞 295（中位 4、最高 46）、7 篇共 22 评论、7 篇共 15 转发；带图 34/50、长帖 34/50。
- 03
Top 排序与内容类型拆解
按点赞+评论+转发排序 50 篇并归为四类：App 排行榜（7 篇，平均 15.3 赞，占 36% 点赞）、增长案例分析（10 篇，平均 6.6）、DTC/品牌营销（13 篇，平均 4.0）、纯标签帖（14 篇，平均 2.1）。
- 04
时间趋势与形态特征分析
发现明显策略拐点：2026-06（98 赞）与 07（96 赞）每月互动跃升约 4 倍，与内容从“纯标签/泛营销”转向“数据排行 + 增长案例”在时间上吻合。
// Evidence
执行证据
// Result
本次执行得到什么
- Top 1 帖：Appark 全球 App 营收 Top 30（ChatGPT $314M 领衔）——2026-06-11，46 赞 / 6 评 / 2 转。
- 内容类型差异显著：App 排行榜（7 篇）平均 15.3 赞、占 36% 总点赞；纯标签帖（14 篇）平均仅 2.1 赞。
- 2026-06 起互动跃升约 4 倍，与转向数据榜单 + 增长案例在时间上吻合。
- 高互动帖均为“带图 + 数据锚点”（榜单/增长率/排名跳升）；低互动帖多为无图纯标签帖。
- 修正了此前单样本结论：绝对互动仍偏低（平均 6.4 赞），但账号存在明确的相对高互动内容线。
使用工具
$research-social-signals