DK 语录 · 实战金句收录

“爆款是概率事件,不是必然事件。做到 60 分就够了。”

— DK · 一线操盘手的真金白银沉淀
DK 内容资产 · 母本库与数据底座
实证底牌 · 真金白银砸出来的数据
0W+
累计备货资金(元)
0+
矩阵运营店铺
25万美金
峰值单月 GMV
1–3
AI 单条视频成本
01 / 数据战绩 · 公司结果与案例

真金白银砸出来的结果,不是 PPT。

“算法运行的是人类心理学。你不是内容创作者,你是广告测试员。”

— DK · 商务经理 可乐
1000+ /日
单日出单峰值
SRC · 阶段一后台
400+
手机自养号矩阵
SRC · 阶段二
>3 ROI
实拍带货平均 ROI
SRC · 阶段二
70+ /人天
AI 单人日产视频
SRC · 阶段三
PHASE 01

美区本土卖家

2023.10–2025.12
  • 备货 1860W+
  • 200+ 矩阵店铺
  • 月 GMV 25 万美金
  • 日出 1000+ 单
PHASE 02

重资产实拍

2024.10–2025.10
  • 100㎡ 实景影棚
  • 硬件投入 100W+
  • 400+ 自养号
  • 平均 ROI > 3
PHASE 03

AI 视频破局

2025.12–2026.04
  • 单条成本 3 元
  • 单人日产 70+
  • 峰值 GMV 25 万美金
  • 月算力 1W+
PHASE 04

跨界 Agent

2026.02–至今
  • 产研投入 100W+
  • 服务器月 10W+
  • 自研 Flow / REPOMINT
  • 100Xspeed 矩阵

真实爆款数据(单条视频级)

类型播放成本GMV佣金
品带货 011.3M¥3$5.28万$5,280
品带货 021.5M¥3$2.34万$2,340
品带货 03895K¥1$7,810$781
强广告 031.3M¥2$2.2万$2,220

数据源 · 一线 TikTok Shop 后台 · 飞书《实战成果与数据白皮书》

客户项目 · UNIHIMAL 高尔夫

编导网感策略 + AI 视频批量化生成,从「曝光」到「转化」的工业化跃升。

¥3,500
Token 总消耗
1000 条
产出视频
50 个
脚本数
¥3.5
单条成本(摊薄)

50 脚本批量裂变 1000 条 · Token 累计消耗 ¥3,500,单条摊薄至 ¥3.5

真实后台作证 · 一线数据截图(点击看大图)

8 张未打码的真实后台 —— 全矩阵付款总额已破 ¥800 万,订单 7 万+,而这些数字每天还在涨。别人闷声跑量时,你还在观望。

店铺后台矩阵店铺
店铺矩阵
店铺后台数据看板 GMV ¥627,422 · 订单 75,260;200+ 矩阵店铺浏览器总览,多店并列,单店 $12,193.80 / 772 单。
矩阵 GMV 大盘
GMV大盘
全矩阵后台付款总额 ¥8,274,422 · 订单 70,268 · 客户 69,354 · 客单价 ¥119,几十家店铺并列在跑。
GMV 后台
GMV排行
AI 带货产品排行后台:总 GMV ¥777,099 · 出单 4,830 · 播放 836 万;爆款驱鼠球单品 GMV ¥451,636 / 播放 234.8 万。
GMV 日榜趋势
GMV趋势
单店付款总额 ¥2,592,735 · 订单 22,398 · 客单价 ¥117,每日 GMV 柱状趋势峰值单日破 ¥79,669。
视频数据
播放量
视频数据手机墙:多条 AI 带货视频后台,单条转化 15.2K、销售额 $2.0K 等。
出单统计
出单统计
视频发布 + 每日出单统计:驱鼠球累计 GMV ¥290,469 · 出单 1,849 · 播放 210.7 万。
手机墙
重资产
400+ 手机自养号团队实景,重资产矩阵投入背书。
批量出片
批量出片
工具批量生成 AI 带货视频手机墙:矩阵化批量出片成果实景。
02 / 视频墙 · 视觉多样性饱和测试

66 条竖版带货视频,全部由 100xspeed 批量渲染。

种草 / 品带货 / 强功效 / 人设 UGC / 情感共鸣 / 形象曝光 / 高尔夫案例。滚到此处自动播放,点击全屏。

03 / 文档墙 · 全量飞书原文
0
真金白银沉淀的 SOP · 跨 3 个飞书空间 · 分 4 大类 · 点击任意条目直达原文
04 / TK 带货链路详解

一条带货视频,要跑完六道关卡。

TikTok Shop 的钱,藏在「选品 → 脚本 → 生成 → 矩阵 → 投放 → 回传」的全链路里。每一关都被我们拆成可量化、可复制的 SOP。

01

选品 · 找到能爆的品

蓝海三维筛选(能做 × 能卖 × 能拍)+ 100 分制评分模型,决定「必测 / 可测 / 不测」。选品决定 80% 的成败。
蓝海三维·100 分制评分·选品量化表
02

脚本 · 把心理学写进结构

P.A.I.N.S. 九阶段叙事锁死 [定量] 结构,十大转化钩子填充 {变量} 创意——前 3 秒必须截停。
九段叙事·十大钩子·[定量]×{变量}
03

生成 · 把成本打到地板

提示词工程 → Flow 批量插件 → 100xspeed 渲染,单条 0.5–1.8 元、稳定率 98%+,UGC 真实感降熵骗过算法。
0.5–1.8 元/条·稳定率 98%+·UGC 降熵
04

矩阵 · 把账号养成真人

群控养号 + 筛号流程 + 真实行为轨迹伪装,400+ 手机矩阵防关联,用概率思维对冲单号随机性。
400+ 手机矩阵·群控 / 筛号·防关联
05

投放 · 把一条裂变成一片

定时矩阵发布,按产品 × 语种 × 链接 × 脚本 × 数量多维扇出,单素材一次铺向多账号多市场。
多维扇出·定时分发·多语种 / 多链接
06

回传 · 把数据变成下一个爆款

48h 数据回调写入母本库,对爆款做变量微扰、对哑款做止损,飞轮越转越快。
48h 数据回调·变量微扰·母本库飞轮
实战拆解 · few-shot(可直接照做)
选品
三维筛选:能做 × 能卖 × 能拍
三维同时满足才选。能卖:周销量 >500 且仍在热卖;能做:你保持 60 分一致性时产量能比原卖家 >2 倍;能拍:内容有明确可见的变量、由几个片段组成。
选品
蓝海判定:收益 A ÷ 竞争 B 量化排序
A 预计收益 = 7 天销量 × 佣金比例(越高越好);B 竞争度 = 7 天播放量 ÷ 关联视频数(越低越好,每条视频分到流量少=尚未被挖掘)。优先 A 高 + B 低。
选品
筛品参数清单(美区)
站点 US;近 7 天销量 >500;关联视频数 <300;佣金 >15%;总销量 <15000;按销量降序取前 50。视频榜过品:近 7 天播放 >50w 且千次播放转化 >1.5。
选品
时效标签 T-0 → T-3 定窗口期
T-0 节日品(窗口最短)→ T-1 季节品 → T-2 功效品(美白/减脂,长期)→ T-3 情绪/功能品(最长青)。优先 T-2/T-3,除非 T-0/T-1 的 A 值超过 2 倍。
脚本
9 段叙事,每镜标注卖货功能
P1 Hook(1.5s 截停)→ P2 Pain(我也是)→ P3 Fear(不能再这样)→ P4 Solution(真的假的)→ P5 Demo(用行为证明)→ P6 Trust(不止我)→ P7 Price(不买亏)→ P8 CTA(无压力)→ P9 Closure。
脚本
转化钩子菜单:用行为而非语言
复购声明(所有颜色都买了=最强背书);价格悬念(铺完好处不说价→必须点链接);尺寸冲击(举过头顶,产品比人大);口语自我纠正(被子毯子随便你叫=不像念广告);非命令 CTA(链接在上面≠快去买)。
脚本
情绪能量曲线:故意降能量制造反转
兴奋(4)→满足(3)→认真(2)→反转(4)→震撼(5)→热情(4)→温暖(2)。Trust 段刻意降到 (2) 让 Demo 反转有对比;最高点在 Demo 尺寸 (5) 视觉拉满;收尾降回 (2) 不给购买压力。
矩阵
裂变铁律:只换变量不碰定量
叙事框架(不变骨架)× 变量(换的内容)= 新脚本。定量不动:结构顺序 / 能量曲线 / 钩子位置;变量可换:选题 / 台词 / 卖点 / 语种 / 人设。结构经爆款验证,别自作聪明改。
05 / AI 生成带货视频 · 视频与赚钱的算法

爆款是概率工程,利润是乘法。

成交方程

[定量] 结构框架 × {变量} 创意 = 爆款概率

P.A.I.N.S.:Hook→Pain→Fear→Solution→Demo→Trust→Price→CTA→Closure

[定量] 锁死叙事结构 / 能量曲线 / 钩子排布;{变量} 自由换选题 / 台词 / 卖点 / 语种 / 人设。

利润方程

1 产品=3 脚本·1 脚本=10 视频·1 人/天 = 40 条

放大维度 = 产品×语种×链接×脚本×数量

单条成本 1–3 元 撬动百万播放 × 数万美金 GMV。1 条到 40 条,工作量只增 ≈3 倍。

最小视频执行单元 · 六步流水线(逆向复刻 → 批量生产)

一条爆款进、一批变体出。把「看懂别人为什么爆」拆成 6 个可交付节点,每条连线都是一次确定的产出,最终以 SaaS 方式批量扇出。

01

视频导入

  • 导入爆款视频素材
分割片段
02

智能分镜分割

  • 使用剪映智能分镜功能
  • 拆分视频片段
逐段分析
03

画面反推

  • 逐段分析分镜、动作
  • 人物及运镜信息
分析文案
04

文案反推

  • 分析文案钩子位置
  • 识别爆款镜头
优化提示词
05

画布调教

  • 优化分析出的提示词
  • 确保生成内容稳定
批量生成
06

批量生产

  • 以 SaaS 方式批量生成视频
UGC 真实感降熵 · 四大支柱(骗过算法的关键)
皮肤真实感
保留毛孔 / 油光 / 微纹理,拒绝 AI 塑料光。
相机畸变
手持抖动 / 广角畸变 / 自然失焦。
平凡背景
家居 / 街边 / 杂乱桌面的素人语境。
细节微瑕
1 处刻意瑕疵 + 3–5 步动作链。

一致性控制 · 锁人 / 锁物 / 锁动作

人物:精确到 oval face / single eyelid / dark brown iris,[定量] 锁死、{变量} 可换。
产品:≥30 词描述形状 + 颜色 + 材质 + 尺寸 + Logo + 特征。
动作:拆 3–5 步动作链 + 1 个微瑕,制造真实感。
反推:爆款 URL → 视觉反推 → 提取元提示词 → 再制作。

提示词 19 维度 · 生图 Prompt ≥30 词 · 生视频 Prompt ≥40 词

人力对比

拖动每日所需视频数,对比 AI 工业化与传统人力的用人规模。

每日所需视频 40
AI 工业化 · 40 条/人1 人
传统人力 · 2 条/人20 人
节省人力19 人 · 20×

AI 单人日产 40 条 · 传统拍摄剪辑单人日产 2 条 · 用人规模降 ≈20×

可复制提示词 · few-shot(点「复制」直接用)
元提示词 · [定量]+{变量} 生图模板
[定量]=锁死的人物/产品外观,{变量}=可批量替换的场景/动作/光线;替换 {变量} 即可批量出变体。
把需求发给提示词生成器,要求输出含「场景+人物+动作+光线+镜头+设备参数」公式、模拟 iPhone 随手拍、并标注 [定量] 与 {变量} 的 5 条 UGC 提示词。输出示例(晨间厨房): iPhone front camera selfie, {young woman, mid-20s, messy bun}, standing in [American suburban kitchen], [holding portable coffee maker in right hand], pressing brew button with left thumb, morning sunlight from window casting warm side light, medium shot, slightly tilted angle, countertop has {cereal box, half-eaten toast}, condensation on coffee maker, no text, no subtitles, no watermarks
人物一致性锁定(oval face 原句)
面部几何粒度=一致性核心;写 "beautiful young woman" 是一致性失败的根源。产品同理需 ≥30 词。
人物描述锁死到这个粒度(标记 [定量],新场景不动): oval face, single eyelid, dark brown iris, straight nose bridge, warm ivory skin with visible pores on cheeks 工作流:① 用逆向提示词拆出基准人物参数表 ② 外观全部标 [定量] 锁死 ③ 新场景只改 {变量}(场景/动作/光线)④ 每条提示词完整复制人物描述,不简化。
UGC 三图合一 · 统一光照
多图合成防穿帮:开头声明每张图角色,强制「同一透视 / 焦平面 / 环境光」。
图1人物参考,图2场景参考,图3产品参考。参考人物的外貌发型肤色气质、场景的环境色调光线方向氛围,生成她在该场景中正在 [交互动作] 的 UGC 手机随拍,[视角景别]。三者必须同一光照系统——以场景图光源方向为准,人物与产品的受光面、阴影、色温都一致,产品表面反射环境光。手机随手拍真实感、自然皮肤质感、轻微颗粒、无摄影棚感。同一透视、同一焦平面、同一环境光。
PAINS 九段脚本拆解框架
九段对应用户心理逐步推进,逐镜套转化钩子菜单。
你是 TikTok 带货脚本分析师,逆向工程一份能卖货的脚本,按九段标注每个镜头: P1 Hook 等一下这跟我有关(1.5s 截停)|P2 Pain 我也是这样|P3 Fear 不能再这样|P4 Solution 真的假的|P5 Demo 用行为证明|P6 Trust 不止我觉得好|P7 Price 不买亏了|P8 CTA 马上下单|P9 Closure 我值得拥有 输出表:| 镜号 | 阶段 | 台词原文 | 翻译 | 为什么有效 | 钩子类型 | 用户心理变化 |
视频/图片反推 · VisionStruct UGC
反推核心是「反棚拍偏见」:强制噪点/混色温/毛孔,输出 JSON 可直接抽生图参数。
You are VisionStruct UGC Edition, a CV & data-serialization engine for raw authentic UGC. Transcode every visual element into machine-readable JSON. STRICT UGC: do NOT say "high-quality / cinematic / flawless"; treat scene as raw iPhone 13/14 snapshot — mixed color temperatures, harsh overhead LEDs, blown-out window highlights, oversharpening, digital grain, unstyled clutter, candid posture. Skin realistic: visible pores, uneven tone, oils, redness; ban "smooth/glowing/flawless". Ignore subtitles/watermarks. Return ONLY one valid JSON (meta/global_context/persons/objects/spatial_relationships/background_elements).
分镜 → Veo3 I2V 四维动态
I2V 只写「从 A 到 B 的变化」,静态交给关键帧;动作链加微瑕=真实感;台词必须英语原句。
从关键帧静止图出发,只写接下来 8 秒的四维动态(不重复长相/穿着/房间/光线): ① 动作:身体部位+方向+幅度连续过程,≥3 动词用 → 连接,含 1 个微瑕(右手拿瓶→举到脸颊停顿→拧盖拧到一半手滑重新握紧→倒到左掌) ② 表情:表情变化序列 + 说话嘴型节奏 ③ 微观:头发甩动方向、衣服褶皱、产品材质反应 ④ 镜头:手机怎么动(手持微晃/推拉/对焦游移),不用影视术语 台词(Veo3 直接生成英语语音,引号内只能英语):"Wait wait wait— this is TWENTY dollars?!"
复刻爆款 · 方向性核心指令
四维分析后产出一句核心指令(非填空题),后续分镜全服务它;痛点与受众必须「镜头可拍 / 像活人」。
核心指令(方向性判断,不是四维拼接填空): ✅ 用开箱那一刻的视觉冲击让人觉得「这个价格买到是不是搞错了」,保暖是锦上添花不是核心卖点 ❌ 用卧室场景展示毯子保暖功能解决冬天怕冷的痛点 痛点必须镜头可表现:✅「半夜反复翻身醒来,摸到旁边的被子又薄又冰」(这就是一个镜头) 受众写成活人:✅「二十多岁刚搬进第一套公寓的女生,想让家好看但每分钱都要想过才花」
06 / 工具集合 · 从手工到全自动

能力的进化,写在工具链里。

STAGE 01

手工写提示词

逐字打磨 [定量]+{变量} 元提示词,吃透爆款结构。

STAGE 02 →

Flow 插件

批量化插件把提示词工程接入生成,一次扇出多条。

STAGE 03 →

自研工具

REPOMINT 画布 + 100Xspeed,出片 0.5–1.8 元/次。

STAGE 04 →

Codex 全自动

把 SOP 写成脚本,Viral-Agent 编排,无人值守。

Flow 批量化插件 · 实操演示

真实录屏:把提示词工程接入 Flow,一次扇出多条带货视频。

Flow 插件使用▶ 录屏演示 · 点击全屏
Flow 插件界面

Codex 全自动执行

真实录屏:把链路 SOP 写成脚本,命令行一句话跑完采集→反推→渲染→发布。

Codex 使用▶ 录屏演示 · 点击全屏
# 一条命令跑通爆款复刻 $ viral-agent run --from "tiktok.com/@x/video/..." --fanout 12 --render 100xspeed --publish matrix › 反推 7 分镜 · 裂变 ×12 · 渲染 0.5 元/条 · 矩阵发布 9 账号
SOP 即代码 · 可复用 / 可版本化 / 可回滚
高成本动作前暂停等确认(候选 ≠ 真相)

画布工具 · REPOMINT

把一条爆款拆成「多节点 × 多连线」的可视化画布——选题 / 分镜 / 提示词 / 变量在一张图上批量调教。

REPOMINT 画布(多节点连线)
一键直达 · 工具入口
search

DK Search

全网搜索引擎 · 选品情报 / 爆款检索 / 对标拆解。
43.161.195.190
search →
tools

100xspeed

批量出片平台 · 创意画布 / SaaS 接口 / 矩阵发布。
8.217.168.183
tools →
data

数据看板

矩阵实时监控 · 数据母本库 / 部署看板。
81.71.9.212:1234
data →
agent

Viral-Agent

全自动管线 · 采集→反推→渲染→发布 实时演示。
viral-agent · demo
agent →
07 / 数据回传 · 自用与服务

数据不回传,飞轮转不起来。

数据飞轮系统

DATAFLYWHEEL
01
母本库
02
100xspeed
03
矩阵发布
04
数据回调
逆向拆解 → 变量微扰 → 48h 数据回调

自用 · 内部全链路监控

从采集、反推、渲染到评测、风控,Viral-Agent 全流程可观测,数据实时回写母本库。

服务 · 客户可视化交付

为合作客户单独部署看板,曝光 / 转化 / 素材表现实时回传,交付过程透明可查。

08 / Viral-Agent · 能力与技术落地

从爆款 URL 到矩阵发布,无人值守。

Viral-Agent 为标准产品;Flyagent 为按客户定制的私有化版本。

采集层
爆款 URL · ASR 转录 · 视觉反推
技能库 · 36 模块
Gemini 反推 · 提示词裂变 · 风格/口播/音效
编排与发布
100xspeed 渲染 · Evals 评测 · 风控 · 矩阵发布
爆款URLGemini反推批量扇出渲染Evals发布
viral-agent · live feed
DK'S LAW

先问 AI,先读一遍,先改一遍。
不行就继续循环,决不求人。

— DK
进入 100xspeed →
放大查看