TikTok 广告视频生成 Skill · Seedance 2.0 专用版 (v4.0.1-Adaptive)

语言：中文为主，英文为辅，用于 Seedance 2.0 原子化 Prompt 生成
核心机制：贝叶斯概率诊断 + 动态权重引擎 + 遗忘因子在线学习
适用平台：TikTok / Reels / Shorts / Threads / Lemon8
适用品类：新奇特/家居/美妆/3C/服装/食饮/户外等全域消费品

---

一、核心铁律（违反即退出 Skill）

1. 极简主义：单镜头 30-60 词，单一运镜，禁止复合动作。Seedance 2.0 的注意力机制在多主体场景下显著退化。
2. Hook 独裁：前 3 秒必须包含声音 Hook + 视觉冲突。无 Hook = 废片。
3. 正向锚点：所有场景描述用正向词汇（"金光闪烁的"），严禁负向否定词（"不要黑暗的"）。
4. 原生至上：60% 画面需含真实材质（铁锅/木桌/布料），避免过度 CG。2026 年 AIGC 标签已导致 15-30% 的自然流量折损。
5. AIGC 合规三大禁区：禁止虚构商品效果、禁止伪造"使用后"虚假效果、禁止编造悲情故事诱导下单。

---

二、完整工作流（8 阶段）

v4.0 新增阶段 5.5：动态权重校准

阶段 1：趋势信号扫描

• 锁定目标品类，输出以下信号清单：
  • 当前热搜 Hashtag × 3
  • 正向情绪词（Energetic/Satisfying/Relaxing）× 2
  • 负向规避词 × 2
  • 当前平台算法侧重指标（完播率 / 互动率 / 分享率）
• 依据：TikTok 2026 年 3 月算法更新：完播率权重 +35%，互动率 +25%，分享率 +20%，播放量仅 20%。
• 最佳发布窗口：美区 EST 8:00 PM-10:00 PM。

阶段 2：竞品链路拆解

• 分析 3 条同行/跨行爆款视频，输出：
  • 内容标签集合
  • 节奏图谱（快/慢/快-慢-快）
  • 视觉锚点类型（材质/光影/冲突/移情）
  • 声音设计（ASMR/POP音/氛围乐）

阶段 3：钩子矩阵生成与盲测（Thompson Sampling）

• 🆕 v4.0 升级：钩子盲测从简单 A/B 测试升级为 Thompson Sampling。
• 利用 16 个失败案例编码的 Beta(α₀, β₀) 作为先验分布，生成 3 个 Hook 选项：
  • A: 本周趋势向（算法友好）
  • B: 竞品反脆弱向（差异化）
  • C: 盲盒向（极低概率高回报惊喜钩）
• 用户盲选后，系统更新 Beta 分布的后验参数，下一次推荐的 Hook 类型向高 CTR 方向收敛。

阶段 4：15 秒脚本生成（公式化输出）

格式强制：

文案 [字数≤5，情感锚点]
镜头1 (0-3s) | 景别·运镜·时长 | 画面描述（含声音Hook+视觉冲突） | 口播
镜头2 (3-8s) | 景别·运镜·时长 | 画面描述（核心卖点视觉化） | 口播
镜头3 (8-12s)| 景别·运镜·时长 | 画面描述（使用场景+结果对比） | 口播
镜头4 (12-15s)| 景别·运镜·时长 | 画面描述（CTA购买引导+复播彩蛋） | 口播

• 复播彩蛋原理：最后 1.5 秒设置开放循环（重复一个未完成动作，如锅铲入画但未接触锅面），利用 Zeigarnik 效应强制触发复播，推高完播率。

阶段 5：贝叶斯诊断与风控（原三层诊断 + 概率输出）

v4.0 核心升级：三层扣分制 → 贝叶斯概率输出 + Bootstrap 置信区间

致命层（Critical Layer）

• □ 视觉冲突前 3 秒是否出现？
• □ 声音 Hook 存在？
• □ AIGC 合规三大禁区无触碰？
• 结果：全部通过 → 继续；任一未通过 → 禁止提交，返回阶段 3

核心层（Core Layer）

• □ 垂直信号（产品特征）前 5 秒口述 + 字幕双出现？
• □ 原生感：60%+ 真实材质占比？
• □ 场景逻辑自洽？
• 结果：通过 → 继续；2 项以上未通过 → 警告 + 微调；全部未通过 → 返回阶段 4

卫生层（Hygiene Layer）

• □ 无"不/别/没"负向锚点词？
• □ 单段提示词 ≤ 100 词？
• □ 无文化敏感元素（高 PDI 地区禁用夸张冲突）？
• 结果：自动修正，不阻断

🆕 贝叶斯爆款概率输出

• 先验分布：基于 16 个失败案例编码的 Beta(α₀, β₀)
• 似然更新：用户盲选 Hook 的结果作为新观测，更新后验 Beta(α₁, β₁)
• 输出格式：
  • P(Viral) = α / (α + β)
  • 95% Bootstrap CI (n=1000 resamples)：[下限, 上限]
• 决策规则：
  • P(Viral) < 0.55 且上限 < 0.60 → 🛑 建议重新设计 Hook
  • P(Viral) ∈ [0.55, 0.75] → ⚠️ 小预算测试（$50-100 投放验证）
  • P(Viral) > 0.75 → ✅ 正式投放

阶段 5.5：动态权重校准（🆕 v4.0 新增）

• 校准频率：每完成一轮完整生成（从 Hook 盲测到投放反馈），触发一次权重更新。
• 更新公式（v4.0.1 步长裁剪）：

  ctr_ratio = min(2.0, CTR_actual / CTR_predicted)
  w_i_new = w_i_old × ctr_ratio × e^(-λ·t)

  其中 λ = 0.0462（半衰期 15 天），t 为距离上次校准的天数。
• 步长裁剪说明：min(2.0, ratio) 防止单次异常反馈（如突发流量倾斜）造成权重过冲。上限 2.0 允许一次正向反馈最多将权重翻倍，已足够捕捉真实趋势变化。
• 遗忘机制：连续 30 天无正向反馈的权重降至原值的 25%，连续 60 天降至 6.25%，实质上退出决策。
• 约束：n < 10 时不触发更新；n ∈ [10, 30) 时仅做方向性调整，不输出"显著"判断。

阶段 6：提示词工程（生成即用）

• Seedance 2.0 官方推荐格式（天然符合 Prompt Engineering 最佳实践）：

  [镜头编号] [景别]镜头, [运镜方式], [主体]在[环境]中[动作], [光线]照明, [细节质感描述], [声音Hook描述], 4K画质, Seedance 2.0专用

• 阶梯式算力分配：
  • 镜头 1（前 3 秒）：Standard 模式，0.13 美元/次
  • 镜头 2-4：Fast 模式，0.10 美元/次
  • 总计约 0.43 美元/组，对齐"最小成本试错"目标

阶段 7：平台分发与多语言

• 主平台：TikTok（核心），Reels / Shorts / Threads / Lemon8（复用）
• AIGC 标签：按 2026 年 3 月新规，在字幕中标注视频来源属性
• 多语言策略：
  • 英语区：叙事型软广（调用 narrative-playbook.md）
  • 西语区：热情冲突型
  • 东亚区（高 PDI）：权威背书型，禁用夸张冲突 → 调用 cultural-tensor.md
  • 东南亚区：价格锚点型

阶段 8：数据回收与闭环迭代

• 回收指标：前 3 秒留存率、完播率、分享率、评论情感倾向
• 回写贝叶斯先验：成功案例更新 Beta(α, β) 的 α 参数；失败案例更新 β 参数
• 连续收敛判定：连续 10 条视频 P(Viral) 的中位数不再显著变化 → 该品类的 Hook 策略已收敛，可降低盲测频率至每 5 条一次

---

三、输出规范

• 每次输出结尾，附加诊断摘要：

  ---
  【贝叶斯诊断】
  · P(Viral): 0.68
  · 95% CI: [0.52, 0.81]
  · 决策建议: 小预算测试（$50-100）
  · 致命层: ✅ | 核心层: ✅ | 卫生层: ✅
  · 动态权重: 上次校准 7 天前，λ 衰减至 72%

---

四、扩展资源索引

需要时加载	文件	内容
系统决策心脏	DECISION-LOOP.md	🆕 三大核心回路伪代码（先验初始化、汤普森采样、权重更新）
完整 Hook 变体库 & 动态权重引擎	references/core-knowledge.md	40+ Hook 变体、权重更新完整实现、多语言策略
叙事软广模板（美国市场）	references/narrative-playbook.md	5 种叙事结构 + 评论区运营 + 系列化
失败案例先验库	references/failure-case-library.md	16 个案例，编码为 Beta Prior
跨文化张量	references/cultural-tensor.md	🆕 Hofstede 维度映射

---

SKILL.md v4.0.1-Adaptive · 2026-04-24 Locked · 加载此文件即视为接受 Bayesian Decision Framework