餐飲小吃
251 則公開留言、43 個來源頻道、8 個候選題。可作為短影音選題與受眾語言的第一組方法樣本。
先看我已經做出的東西
三個主題，不混成一張熱門清單。
每個主題頁都保留影片樣本、公開留言、候選題、風險語言與資料缺口；目的是讓下一支內容能討論，不是假裝能預測流量。
旅遊體驗
221 則公開留言、31 個來源頻道、8 個候選題。資料量可作第二組方法樣本，但資訊時效需另行標示。
創業與副業
124 則公開留言、12 個來源頻道、8 個候選題。維持較少但較乾淨的創作者型樣本，不為湊數量混入宣傳來源。
新增公開內容觀察｜2026-08-10 凍結
網購冷凍食品：從 12 支公開中長片，看內容怎麼把產品放進生活。
這一組素材只看公開影片裡，網購、好市多、全聯與超市冷凍食品如何被介紹：新品開箱、試吃、氣炸復熱、快速晚餐與小家庭備餐。它不是創作者排行榜，也不是台灣市場研究。
- 研究範圍
- 網購／通路冷凍食品的公開內容呈現方式。
- 已凍結樣本
- 12 支中長影片、9 個公開頻道。
- 時間與片長
- 2026-02-10 至 08-10；每支約 3–30 分鐘。
- 本輪停止點
- 不再新增搜尋、API 呼叫或留言二次分類。
12 支公開內容樣本
01艾比的小日常小家庭冷凍庫／新品開箱
02好食少女氣炸食品開箱
03御膳娘娘全聯新品／必買開箱
04孫榮 Kai Son好市多新品試吃與評比
05MEALPREPERA冷凍料理磚／快速備餐
06艾比的小日常一週冷凍備餐採買
07小羊鈕釦好市多 7 款冷凍美食開箱
08艾比的小日常好市多新品與補貨分裝
09Les小日常5 款懶人料理包一次開箱
10艾比的小日常好市多新品與冷凍分裝
11艾蛙媽 VS. 達樂哥冷凍炸物開箱／評價
12特盛吃貨艾嘉快速炒飯製作／吃播
可討論的內容方向
樣本不是拿來比較誰比較好，而是協助把商品內容要說什麼問清楚。
通路與開箱
第一次接觸商品時，新品、包裝、保存與多品項比較，要先解釋哪一件事？
試吃與評價
口感、份量、食用方式與個人感受，哪些資訊需要被說得更具體？
復熱與快速上桌
氣炸、加熱、料理包與炒飯，能否先減少準備時間與操作疑問？
家庭備餐
小家庭冷凍庫、一週採買、分裝與晚餐，能否對應真實的使用時機？
不做何種推論
公開內容可以幫助找問題，不能替市場下結論。
- 不把「必買」「新品」「好吃」當成市場結論：這些只保留為影片常見語言，不等同商品熱銷、消費者偏好或通路排名。
- 不以觀看數、留言或創作者感受推論台灣內需：本案沒有市場份額、購買／回購、廣告成效或價格與庫存的證據。
- 短片不納入：Shorts、十幾秒短片與中國短劇型短影音，不和本案的 YouTube 中長片一起判讀。
- 若要驗證成效，必須另有授權資料：品牌的商品規格、檔期、後台或內容回饋，需在另一個明確授權的服務階段處理。
第一段｜原型成果
不是概念圖：原始情報站已能從總覽讀到單一主題。
固定保留主頁與餐飲主題頁，讓讀者看見資料整理後的閱讀介面。兩張畫面皆屬 2026-07-06 的公開資料快照，不代表即時熱度或完整市場。
閱讀順序｜已完成原型 → AI 資料治理 → 企業服務情境
先證明我做出了什麼，再說這套方法可以怎麼被公司使用。
這三段不混寫：第一、二段有固定畫面、資料快照與治理紀錄；第三段只呈現可採用的服務設計，不冒充客戶案例或成效。
原型成果
完成餐飲、旅遊、創業三個情報頁，共 99 支公開影片、596 則公開留言與 24 個候選題；以主頁與餐飲頁兩張固定畫面作為可閱讀證據。
AI 資料治理
保留 API 快照、補樣、來源等級、排除紀錄、T0 頻道快照與 `data_gap`。AI 協助整理與轉譯；人設定規則、覆核品質與決定候選題。
企業服務情境
公司提供產品或商品、受眾、任務與禁語；AI 轉成候選內容方向；人檢查賽道契合、可證明事項與風險，再決定要不要進入下一步。
第二段｜核心不是 API 本身，而是資料怎麼被治理
每一筆資料，都要知道它從哪裡來、能回答什麼、不能推論什麼。
影片、留言、補樣候選與頻道快照被分開保存；來源等級、排除紀錄與資料缺口一起保留。AI 可以加速整理，但不能把單支熱門片或少量留言寫成市場結論。
資料快照
主基準為 2026-07-06：近 90 天補樣與欄位覆核記錄於 2026-07-07；新一輪資料要另存快照，不覆蓋舊資料。
品質規則
來源等級、排除清單與 `data_gap`：創業主題排除新聞、招商、加盟、課程廣告與活動申請型來源；沒有歷史快照就不輸出訂閱成長率。
輸出邊界
可整理選題、Hook 與風險語言：不可推論完整市場、人口統計、購買意圖、保證流量或發布後成效。
AI 整理得更快，人把結論守得更準
AI 負責縮小繁瑣資訊；人負責設定問題、判斷與承擔責任。
我定義與覆核的事
主題與樣本規則、來源等級、排除清單、資料缺口、候選題能否進入腳本，以及哪些語言可能誇大或不適合品牌。
AI／Codex 協作的事
將影片、留言與快照資料整理、分類、歸納成主題角度、Hook、候選題與風險語言，並協助形成可閱讀的情報頁草稿。
第三段｜同一套治理方式，怎麼讓不同公司代入
不是兩個新案例，而是兩種公司可採用的服務情境。
每一種情境都先沿用同一份資料治理底稿，再由公司提供自己的產品／商品條件，讓 AI 轉譯成候選內容方向；最後交由人檢查是否符合公司、是否能證明、是否值得執行。
情境 A｜AI／科技產品
從公開內容找出：產品應該先解釋什麼？
適用於需要透過社群說明工具、功能或工作流程的軟體公司。先觀察公開內容裡的工作痛點、比較語言、教學格式與使用者疑問，再放回產品階段、目標客戶與可證明的功能。
- 公司輸入：產品功能、客戶階段、可證明的導入成果與禁語
- AI 轉譯：功能痛點、導入疑問、教學／案例形式
- 人工確認：產品事實、受眾契合、差異化與證據
- 不直接主張：導流、轉換或產品採用成效
情境 B｜冷凍調理食品／年菜團購
從公開內容找出：消費者怎麼安排一桌飯？
適用於需要說清商品情境、選購、保存復熱與團購規則的食品品牌。先把餐桌問題轉成可研究的內容線索，再確認商品、配送與食品說法能否支撐。
- 公司輸入：商品規格、供應配送、品牌訴求、食品標示與禁語
- AI 轉譯：餐桌情境、選購疑問、保存復熱與風險語言
- 人工確認：商品事實、供應條件、法遵與素材權利
- 不直接主張：開團、成交、回購或行銷成效
公開資料的界線
資料可以讓問題更清楚，不能替公司把結果說滿。
- 本案例已完成YouTube Data API 公開影片、公開頂層留言與頻道快照的整理；近 90 天補樣、欄位覆核、排除與 `data_gap` 可回頭查核。
- 本案例沒有完成完整市場研究、品牌競品研究、內容投放、私有受眾分析、CRM、導流、轉換、回購或營收驗證。
- 若企業要進下一階段廣告帳戶、自家頻道分析、網站分析、CRM 與交易資料，必須在授權後另立資料範圍、同意、測試規格與人工覆核。