TikTok 钩子生成器:写一个能让人停下拇指的前 3 秒
目录
上一条我发的视频,48 小时拿了 4,200 次播放。再上一条:110 万。同一个号,同样的灯光,同样的脚本结构——唯一有意义的差别是前 1.7 秒。第二条我大概花了 20 秒写钩子,第一条我大概花了 6 分钟。
这个差距,就是整件事的全部工作。
大部分营销人把"TikTok 钩子"当灵感来处理。他们打开一个文档,写一句"hey guys",盯着天花板发呆,然后发出去什么就是什么。等到视频只拿到 800 播放,又去怪算法。钩子不是你等缪斯来的地方。 它是一项机械性的工作——一旦你这么看待它,你就不再会惊讶为什么是某些视频赢了。
下面是我现在每写一条短视频脚本都会用的体系,以及我用来在 15 分钟内起草 20 条钩子的 AI 工作流。
前 3 秒要做 3 件事,不是 1 件
别再把前 3 秒叫"钩子"了。它是 3 件并行的、独立的工作,而最好的钩子会一次性把这 3 件全做了:
- 让拇指停下来。 你大概有半秒钟——用户拇指已经划过去了。你要做的是打断这个自动滑动的节奏,通常用一个跟前一条视频视觉或听觉节奏对不上的元素。
- 标明体裁(genre)。 第二秒,观众在判断:"这是哪类视频——故事、教程、吐槽、自白?"如果你在第一秒没回答这个,他们不在乎后面的内容有多好。他们照样会划走。
- 打开一个未闭合的回路(loop)。 第三秒,观众在无意识地扫描"这条视频可能回答我什么问题"。如果你没打开一个,那就没有"不划走"的理由。
大多数"还不错的钩子"只做到了第 1 件,用的是一个视觉噱头。那些稳定跑赢账号均值的钩子,会在一句话里同时把第 2、3 件也做完。"我用 60 天在 TikTok 赚了 $0"这个开头,3 件全干了:图案打断($ 符号)、体裁信号(这是一个故事)、未闭合的回路(她怎么做到 $0,后来又变了什么?)。
如果你的钩子只干了 1 件,那你就在为第 2、3 件预扣注意力税。这就是 4,200 播放和 110 万播放之间的差距。
我真正在用的 5 种模式(以及一种我避开的)
我有一个 Notion 页面叫"hooks"(钩子),里面 287 条。其中 261 条是废的,留着是为了提醒自己"差"长什么样。剩下 26 条活下来,可以归到 5 种模式里。我来给它们命个名,讲清楚形状——不是让你照抄话术,而是给你一套稳定的词汇表,这样你自己写的时候有抓手。
具体数字。 "我 30 天发了 47 条 TikTok,其中 3 条破 10 万播放。"数字让人记得住,是因为它把一个主张变成可证伪的。一个整数("3 个技巧")读起来像水货;一个奇怪或具体的数字,读起来像一个真人在做真实的复盘。这个模式最好用的场景是:数字是结果,不是视频里要讲几个点。
自白。 "我每个月在 ChatGPT 上花 $400,跟我自己的会计师都交代不过去。"自白用一句话就完成了体裁信号:这是一条个人视频,不是品牌视频。它还预先让观众假设你会说实话,从而为脚本后半段买到了信任。它会死在你实际上没自白任何东西的时候——"真实的看法"没任何锋刃,就只是穿着帽衫的赞助帖。
图案打断(pattern interrupt)。 静音、奇怪的第一帧、或者直接开场就把结果放出来,而不是铺垫。"就是这张封面让我拿了 200 万播放"——边说边把封面亮出来,不给任何上下文。这个模式之所以奏效,是因为它彻底跳过了第 2 件(体裁信号):视觉本身就是体裁。陷阱是:图案打断的老化速度极快。2023 年所有让你觉得新鲜的东西,放到 2026 年看起来就是"2023 年的 TikTok"。
点名(call-out)。 "如果你是按字数收费的文案,那你应该按秒收费。"点名管用,是因为它让观众在 1 秒内完成自我识别;被识别出来的人会看得更久。它会死在你想"扩大受众"的那一刻:"如果想在社交媒体上成长"谁也不是。把点名收窄到能划掉一部分人。
反共识主张。 "90% 的 TikTok 钩子建议,是给本来就会写钩子的人看的。"反共识主张是 2025 年最被滥用的模式,这也意味着它是最容易写错的。规则是:你的反共识必须具体到一半的观众会不同意。"TikTok 已经过饱和"是一个没人会争的观点;"TikTok 钩子比邮件主题好写,以及为什么"会让 1/4 的观众带着愤怒划走——而这种"愤怒划走"才是目的。
一种我避开的模式:反问句。"想知道上热门的秘密吗?"在 2019 年管用。放到 2026 年读起来像一个 404 页面。如果你发现自己开头写了"你想不想知道……",改成陈述句。
真正能上线的 AI 工作流
这是大多数"AI 钩子生成器"文章搞错的地方。它们给你看一个 prompt,返回 10 条泛泛的钩子,然后管这个叫"工作流"。那不是工作流——那是一个内容搅拌机。
我跑的工作流有 4 步,只有 1 步是 AI 在起草。
第 1 步:把过去 10 条视频 + 留存曲线喂给 Claude。 在我让它写任何东西之前,我把我最近 10 条视频的脚本和 TikTok 分析里的"第 3 秒掉粉率"一起贴进去。我会问:"根据这些脚本,在前 3 秒掉粉率低于 40% 的视频里,出现了哪些语言学特征?在掉粉率高于 70% 的视频里,出现了哪些?"这一步花 5 分钟,但它给模型喂的是我自己的风格,而不是平均 TikTok 创作者的风格。
第 2 步:让它为新脚本起草 20 条钩子。 这是我真正在用的 prompt(带占位符):
这是 5 段来自我自己的视频脚本节选,它们在前 3 秒留存都不错:[粘贴]。我马上要拍一条关于 [话题] 的 TikTok,工作标题是:[标题]。请按这些节选的语气和风格,起草 20 条用于前 3 秒的开场句。每条标注它用到了我前面对话分析中 5 种模式里的哪一种。注意要打散模式,不要给我 20 个变体。
我几乎总能拿回 20 条可用的。我一条都不会直接发。
第 3 步:我自己闭眼排序,砍掉 16 条。 我把 20 条粘到 Google Doc 里,打乱顺序,不看每条对应的是哪种模式,凭直觉 1–20 排个序。模式在我的排序里不重要——我跟着感觉走。然后我把第 5 名以下的全砍。4 条是对的——拍的时候有变化,但不会把拍摄精力摊薄。
第 4 步:4 条全拍,从赢的那条里学。 这是 AI 工作流文章永远跳过的步骤。A/B 测试不是可选项——它是唯一能让你知道"现在"哪种钩子风格对你的观众有用的方法。 每个月我都会回看这 4 条,看它们的 3 秒留存,然后更新第 1 步的脚本池。
在这个工作流里,AI 的角色是一个快、且对风格有感知的头脑风暴搭子。我的角色是编辑。 跳过编辑环节,你发出去的就是一条泛 AI 视频。跳过拍摄环节,你根本不知道哪些钩子真管用。
一个真实的改写前后
一条我 2021 年会写出来的差钩子:
"Hey guys!在今天的视频里,我要分享 3 个用 AI 做营销的技巧。咱们开始吧!"
两句话里有 4 个问题:开场是个泛泛的招呼、主体是个清单、语言是公司腔("分享 3 个技巧")、看完开头就已经知道视频要讲什么了,没有继续看的理由。
同一个关于"AI 营销技巧"的脚本,重写之后:
"我去年在 AI 工具上花了 $4,200。其中两个真的改变了我的工作流,另外 9 个基本就是台灯。"
这个钩子 3 件事全做了。数字是具体的。体裁在一句话里就锁定了(这是个人看法,不是教程)。回路在第一句结尾就打开了——是哪两个、为什么——结尾那个玩笑是恰到好处的质感,让你更愿意信这个人。
视频后半段,两个版本是完全一样的。钩子在干所有的活。
砍掉清单
我从 AI 起草的钩子里,在拍之前一定会砍掉的东西。这些都不存在争议;它们是"这条是模型写的、而且它读过太多'爆款帖'博客"的简单信号。
- "Hey guys""what's up""in today's video""let's get into it""without further ado"。全是零信息开场。
- 副词:really、actually、literally、just。模型对这些词上瘾。大部分创作者也上瘾,所以它们是红旗。
- "I'm going to show you" / "let me show you"。观众在看手机,不在教室里。
- 任何在主要主张出来之前要 6 个字以上的钩子。
- 句中破折号(em-dash)。我有个私人理论:短视频里的破折号读起来像 LinkedIn。数据不支持这个理论,我的直觉支持。
- 一个问题用一整句话才铺垫完的。"你有没有想过,为什么有些视频能上热门,有些不能?"——12 个字说了一句空话。
如果一条钩子活过了砍掉清单,我会大声读出来。如果它听起来像一个人在对另一个人说话,它就上。如果它听起来像一个内容营销人在念 brief,它就下。
让这件事变机械的那个框架
钩子不是观众选择要看的那段视频,而是算法决定要拿去测试的那段。一旦你这么框定它,这件事就不再是创作,而是流程:写 20、砍 16、拍 4、从赢的那条里学。前 3 秒不是创意住的地方,它是品味住的地方——而品味是你发了 200 条平庸的钩子、记住其中 20 条"感觉对了"之后,才慢慢长出来的东西。
算法不是谜。钩子不是氛围。它是一项工作。 把工作做好。