# Self Media Benchmark Finder

> Self Media Benchmark Finder

- Skill: `willnam/self-media-benchmark-finder` (Agent Skill)
- Install (CLI): `npx skillmds@latest add willnam/self-media-benchmark-finder`
- Raw SKILL.md: https://api.skillmd.com/api/skills/willnam/self-media-benchmark-finder/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: WillNam (https://skillmd.com/u/willnam)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/willnam/self-media-benchmark-finder

---


# 真对标筛选（优化版）

## 目标

避免「收藏一堆大号却学不会」。先筛，再拆。

## 输入

- 你的平台、赛道、当前粉丝量级（可估）  
- 候选链接 5–20 个，或公开搜索关键词  
- 你能接受的制作成本（是否出镜、单条时长）

## 筛选闸门（必须过）

1. **仍在更新**：近 30 天有更新（否则暂不推荐）  
2. **阶段匹配**：粉丝落在目标区间（例 1k–1w / 1w–10w），过大只作天花板参考  
3. **近期高表现**：近 10 条里至少 1–2 条明显高过自身中位（弱信号也要标明）  
4. **可模仿**：结构可迁，不依赖名人身份/团队片/重投流（若疑似，降权）  
5. **证据可核验**：至少公开互动字段可读

## 输出标签

| 标签 | 含义 |
|---|---|
| 主对标 | 本周期重点学，进入短名单 |
| 相邻参考 | 学局部（标题/封面/节奏） |
| 单条样本 | 只学这一条机制，不学账号 |
| 不推荐 | 断更/过大/不可模仿/赛道不符 |

## 交付

对每个保留账号写：

- 标签  
- 过闸理由  
- 可学：选题 / 标题 / 封面 / 结构 / 评论需求 / 更新节奏（勾选）  
- 不学：什么  
- 建议下一步：拆哪 1 条  

最终只给 **3–5 个主对标**，避免清单膨胀。

## 交棒

选中账号后 → `self-media-viral-breakdown`  
需要四榜量化 → `ai-launch-coach` 同行研究部脚本