营销选题会经常被“这个热点能不能蹭”带偏，最后产出的是一批看起来热闹、却没有回答用户问题的内容。把选题会改成一场证据驱动的决策：谁在什么场景遇到什么问题，我们有什么事实、案例和素材能回答它，发布后怎样判断是否有效。
会前先让 AI 整理“问题池”
输入客户咨询、销售记录、评论、站内搜索词和复盘笔记，要求 AI 按人群、场景、问题、证据来源整理，而不是按热度直接给标题。每个候选选题至少要能回答一个明确问题，并拥有可核验的产品事实、案例或演示素材。
| 选题维度 | 要问的问题 | 淘汰信号 |
|---|---|---|
| 人群 | 谁会在什么情境下阅读？ | 只写“所有人” |
| 问题 | 读完能解决哪一步？ | 没有具体行动 |
| 证据 | 有什么素材可支持？ | 只能凭感觉下结论 |
| 目标 | 希望读者做什么？ | 无法定义衡量方式 |
会议上只做三类决定
确定优先级、确定内容形式、确定负责人和验收信号。优先级可参考问题出现频率、解决价值、现有证据和制作成本，不要把单一曝光量当成唯一依据。AI 可以为同一问题提供图文、短视频、案例拆解等结构候选，但最终选择要匹配受众的阅读场景。
把素材库视为内容生产线
给截图、演示、案例、数据说明和可复用段落标上主题、适用场景、最后核对日期。内容发布后回收到对应选题卡，记录点击、阅读完成、咨询质量和负面反馈。想继续建立稳定的内容边界，可结合 AI 营销内容避免跑偏的方法。
复盘不是只看数据高低
比较“原本假设—实际读者反应—下次改动”：是选题不对、证据不足、形式不匹配，还是承诺表达有误？将答案写回问题池，下一次会议就会少靠猜测，多用已经验证过的资产。
