按品类筛选 TikTok 达人：垂直赛道定向上线

你要怎么找到某一个特定赛道里的 TikTok 创作者？ 这听起来很简单——按品类筛一下不就行了——但在此之前你做不到， 而原因是结构性的。TikTok、X 和 Douyin 不会像 Instagram 商业账号那样 为创作者暴露一个自我声明的品类。于是，一个建立在这些平台之上的 发现库，它的 category 这一列几乎全是空的， 而搭在它之上的品类筛选器会悄无声息地什么都返回不了。 你只能在一个混杂着美妆、游戏和金融创作者的信息流里反复滚动， 去找那十个真正契合你品牌的人。

这和我们为 国家定向 补上的，是同一种形状的缺口：筛选器存在，但它背后的数据是空的。 修法也一样——别再等平台递给我们一个它永远不会给的字段， 而是从创作者确实给了我们的信号里，自己把它推断出来。 本文会讲清 KOLens 现在如何给每个创作者分类、20 个赛道分别是什么， 以及拉出一份单一赛道候选名单的确切工作流。

KOLens 如何推断一个创作者的品类

分类器会在创作者被抓取的那一刻自动运行——没有额外步骤， 也不用记得去点什么回填按钮。它是一个快速、确定性的启发式规则 （不调用 LLM，没有你无法核查的东西），按优先级顺序读取两个信号：

1. Bio 关键词和 emoji。最强的信号。一个写着 "makeup artist 💄 honest skincare reviews" 的 bio 会归为 beauty；"powerlifting coach 🏋️" 会归为 fitness；"iOS developer · SaaS founder" 会归为 tech。关键词带词边界，所以 "art" 不会在 "start" 里 被匹配上，"cat" 也不会在 "category" 里被匹配上。
2. 近期视频的文案和 hashtag。这是为那些 bio 单薄 或只有 emoji 的创作者准备的回退方案。KOLens 会汇集该创作者 近期视频的文本，用同一套关键词去匹配——所以一个 bio 只写了 "✌️"、但视频全是 #skincare #beauty 的创作者，依然会落到 beauty。

每一条被分类的结果还会带一个 category_source 字段——bio_heuristic 或 hashtag_heuristic ——所以你能看到这个标签背后的依据，并质疑一个误判。 当一个 bio 横跨两个赛道时，优先级更高的商业赛道会确定性地胜出 （一个 "skincare & wellness" 的 bio 是 beauty， 而不是 wellness），这让结果在一次次运行之间保持稳定。

20 个赛道

品类筛选器匹配的是一份受控词表，所以结果是可预期的。当前的 slug：

• 生活方式与外形： beauty、 fashion、fitness、wellness、 food
• 兴趣与爱好： gaming、 travel、pets、automotive、 home、photography
• 创意： music、dance、 comedy、art
• 知识与商业： tech、 finance、education、 parenting、sports

这覆盖了与品牌相关的创作者营销中绝大多数的情况。这份清单 天生就是用来扩展的——新增一个赛道在我们这边只是一行改动—— 所以随着数据集变大，它也会随之变宽。

工作流：赛道 + 市场 + 质量，一次查询搞定

品类本身就很有用，但真正的杠杆在于把它和你已经在用的筛选器叠起来。 目标是从一个混杂的、数千上万创作者的库，一次就收敛成单一赛道、 单一市场、可直接触达的人群。

1. 1

   选定赛道。

   在 /kols 上把品类筛选器设为你要卖进去的赛道——比如 beauty。KOLens 抓取过的、那个赛道里的每一个创作者， 跨平台地，全都收进视野。
2. 2

   加上市场。

   叠加 国家 筛选器（例如 US）。 KOLens 会匹配创作者自我声明的国家或推断出的国家， 所以哪怕爬虫从没抓到过位置信息，瞄准美国的品牌也能把其他人都剔掉。
3. 3

   设一个质量下限。

   加上一个 4% 的最低互动率（KOLens 自己的质量下限）， 以及一个符合你预算的粉丝量区间——例如给 微型创作者 设 10k–100k。打开 require email， 这样每一个留下来的人都是可联系的。
4. 4

   把这批人存进一个 KOL 列表。

   批量勾选留下来的创作者，存进一个 KOL 列表 走触达流程。你现在拿到的是一份单一赛道、单一市场的候选名单， 而不是一个混杂的信息流。

从 Claude 里做（MCP）

如果你通过 MCP 用一个 AI agent 来驱动 KOLens，同样的筛选只是 list_kols 上的一个参数。上面整套配方就是一次调用：

list_kols(category="beauty", country="US", min_engagement_rate=0.04, require_email=True, limit=50)

每一条返回的结果，会在常规统计数据和预先算好的 llm 摘要旁边，带上 category_inferred 和 category_source，这样 agent 就能看到每个创作者 为什么匹配这个赛道，并对整批人做推理，而不必再发一次后续请求。

额外收获：更好的相似创作者搜索

推断出的品类一物两用。KOLens 的 find_similar_creators 在给候选人排序时， 会部分依据他们是否与种子创作者同赛道。在 TikTok 上，这个信号 过去是失效的——品类是空的，所以同赛道匹配从来没触发过。 如今每个创作者都有了推断出的品类，「找更多像这个人一样的创作者」 在每个平台都能浮现出真正同赛道的同行，而不只是 Instagram。

为什么这比手动做法强

下一步

赛道筛选现已上线——无需设置，无需回填。打开 /kols，设好品类筛选器，再把它和国家、以及一个互动率下限叠起来， 拉出你的第一份单一赛道候选名单。新账号附带 免费 credits ——足够你把一次赛道定向的搜索从头到尾跑完一遍。

继续阅读

• 按国家定向找 TikTok 达人 ——和品类配套使用的市场定向筛选器。
• 如何在 TikTok 上找微型网红 ——可以叠加在上面的粉丝量区间 + 互动率配方。
• 如何按关键词找 TikTok KOL ——一开始把库填满的那套发现工作流。