小红书作为日活用户3.2亿的社交平台，每天有3900万用户有明确的商品求购行为。

一位做电商的朋友问我，有没有办法用AI做小红书的选品数据分析？

有的兄弟，我上手实测了一套“爬取+AI分析”组合，批量拿到评论再做分析洞察。

采用2款工具

  • • MediaCrawler，开源的多平台自媒体数据采集工具。
  • • NotebookLM，谷歌推出的AI驱动智能笔记平台。

成果展示

以“苏式绿豆汤”为例\

跑一遍核心流程

项目需要安装前置依赖uv、Node.js，可参考官方指南安装。

首先，创建项目文件夹，执行git clone https://github.com/NanmiCoder/MediaCrawler.git将项目代码拉下来。

执行uv sync安装依赖。

执行uv run playwright install安装浏览器驱动。

通过uv run uvicorn api.main:app --port 8080 --reload在8080端口启动API服务器，访问http://localhost:8080即可打开可视化操作界面。

输入关键词，点击“开始爬虫”。

需要扫码登录后开始爬取评论。

爬取结果在项目文件夹中/data文件夹下查看。

打开NotebookLM，点击新建笔记本。

点击添加来源，爬取的数据可以选择csv、json、excel等格式，这里由于我们是json，直接当作文字添加进去。中间会展示对发帖及评论的概括，右侧可以生成PPT、信息图、表格等。

对内容提问并生成PPT与信息图。

可以看到，目前苏式绿豆汤主要存在“豆子不够熟、配料品质不够高、卫生不够好”等小作坊制作的普遍问题。这些真实评论揭示的问题，为后续的改进提供了方向。

PPT与信息图生成如下。

进阶一些

如果使用Codex、Claude Code或者龙虾等，可以告诉他安装MediaCrawler，通过MCP链接NotebookLM，实现一站式数据分析。

为了避免去踩缝纫机，尽量不要大规模的去爬数据。如果实在一次性的数据需求大了一些，请用代理池并开启CDP模式，降低被封禁概率并提高速度。