根据话题分布校准爆文筛选规则

这个场景能帮你做什么

某个话题持续没有“爆文”，可能是分布本来如此，也可能是字段、窗口或规则错了。WorkBuddy 可以帮助查原因，并展示调整规则会选中和漏掉哪些作品。

开始前准备什么

提供原始样本、时间窗、现行规则、缺失字段和用途：找可借鉴结构、用户疑问还是高传播作品。不同目的不必共用同一阈值。

具体怎么做

第一步：先排除数据错误

核对日期、去重、单位和赞评藏构成，确认粉丝数是否真实取得。空值与零分开，检查是否因字段缺失错误打成低粉或低互动。

第二步：看话题自身的表现

展示样本分布与典型正文，分别观察收藏、提问、争议或单纯点赞的情况。这些是候选解释，需要回正文，不凭一组比例判用户动机。

第三步：并排试新旧规则

列旧规则保留、新规则新增、两版都排除的代表作品，说明为什么可能值得读，以及新增噪声。零候选若符合实际，不强行改成有结果。

可以直接交给 WorkBuddy 的要求

请先检查数据和现行规则，再分析本话题分布，不直接降低阈值。
缺失、零值、单位和互动构成分别核对，结合正文解释候选价值。
用新旧规则并排给出入选变化、可能误报和遗漏，说明适用目标与样本限制。
保留原始数据，建议经我确认后再使用，不输出统一爆款标准或成功概率。

完成后会得到什么

一份有原因的调整建议和候选对照，知道选出更多内容付出的噪声代价。

结果怎么检查

人工读新增候选，确认它们确实服务当前研究目标；检查规则是否只为某个单篇倒推，或把未知字段变成便利条件。

异常怎么处理

样本少时先观察，不给精确分位结论。来源变化导致字段不可比时先修数据，不继续跨期比较筛选数量。

哪些必须由人决定

运营决定研究目标、规则和可接受噪声。WorkBuddy 可以试算与展示差异，不能证明被选作品必然值得照搬。