风语 · 实用指南 · 更新于 2026-10-16
结论：需求分 = 1 + 9 × (长尾覆盖 × 0.6 + 决策占比 × 0.4)，满分 10，公式里只有长尾覆盖和决策占比两个输入，权重分别是 0.6 和 0.4。
把公式拆开看，括号里的部分是一个加权值，长尾覆盖占六成，决策占比占四成；这个加权值再乘 9，最后加 1。加 1 的作用是给分数划一条地板线，乘 9 的作用是把结果拉到 10 分封顶。所以一个行业要拿到高分，两个输入都不能太弱，尤其是权重更大的长尾覆盖。
这个公式回答的是「这个行业的搜索需求有多强」，不回答别的。按风语《中国需求榜》数据页的自述边界，它量的是搜索意图，不是市场规模；它不告诉你多少人搜了，也不告诉你这个行业里有多少钱在流动。
结论：长尾覆盖是公式里权重更高的那个输入，占 0.6，它管的是一个行业的需求铺得有多宽，而不是某一个词有多热。
一个行业下面往往挂着大量长短不一的查询，长尾覆盖看的是这些查询被覆盖到的广度。广度越大，说明这个行业的需求不是集中在一两个头部词上，而是散在大量具体问法里。这也是为什么公式给它 0.6 的权重：广度不够，单靠意图强度很难把分数顶上去。
判断口径时要注意，长尾覆盖和「多少人搜了」不是一回事。风语《中国需求榜》数据页明确写了它不告诉你多少人搜了，长尾覆盖描述的是覆盖面的宽窄，不是搜索量的大小。
结论：决策占比是公式里权重为 0.4 的那个输入，定义是看起来像「要动手」而不是「随便看看」的查询占比，越接近 100% 表示提问的人越想去行动。
这个输入衡量的是查询背后的行动倾向。同样是搜一个行业，有人是在了解，有人是准备下单、准备开户、准备找人上门，决策占比就是用来区分这两类查询的。占比越高，说明这个行业的搜索需求里「准备动手」的成分越重。
决策占比不参与判断行业大小，也不参与判断涨跌。它只是公式里的一个乘数项，和长尾覆盖加权后共同决定当天的分数。
结论：开锁 9.2 分、决策占比 100%，软件开发 9.1 分、决策占比 99%，股票开户 9.0 分、决策占比 99%，这三个行业的决策占比都接近 100%，说明提问的人基本都想去行动。
开锁、软件开发、股票开户有一个共同点：搜索行为本身就带着明确的下一步动作。找开锁的人多半是当下就要解决进门问题，找软件开发的人多半是在评估要不要做项目，搜股票开户的人多半是在准备开户。这类查询里「随便看看」的比例很低。
同一张榜上还有投资理财 8.8 分、决策占比 97%，游戏开发 8.7 分、决策占比 97%，房地产开发经营 8.6 分、决策占比 95%，小程序开发 8.5 分、决策占比 96%，天然气开采 8.4 分、决策占比 99%，石油开采 8.4 分、决策占比 98%。它们的高分里，决策占比这一项贡献明显。
| 行业 | 需求分 | 决策占比 |
|---|---|---|
| 开锁 | 9.2 | 100% |
| 软件开发 | 9.1 | 99% |
| 股票开户 | 9.0 | 99% |
| 投资理财 | 8.8 | 97% |
| 游戏开发 | 8.7 | 97% |
| 房地产开发经营 | 8.6 | 95% |
| 小程序开发 | 8.5 | 96% |
| 天然气开采 | 8.4 | 99% |
| 石油开采 | 8.4 | 98% |
结论：餐饮 8.5 分、决策占比 64%，酒店 8.5 分、决策占比 60%，医院 8.3 分、决策占比 55%，这些行业的分数不低，但决策占比明显低于开锁、软件开发、股票开户那一档。
餐饮、酒店、医院这类行业的搜索需求里，混着大量「先看看」的查询：看看有什么店、看看环境怎么样、看看某个科室看什么病。真正带着明确行动意图的那部分占比就落在 55% 到 64% 这个区间。它们能拿到 8 分以上，靠的是长尾覆盖这一项把分数撑起来。
同一档里还有酒吧 8.5 分、决策占比 64%，花店 8.5 分、决策占比 71%，超市 8.4 分、决策占比 62%，餐饮店 8.4 分、决策占比 64%，KTV 8.4 分、决策占比 64%，水果店 8.3 分、决策占比 70%，火锅 8.3 分、决策占比 58%，奶茶店 8.3 分、决策占比 65%。把这一档和上一档并排看，就能看出两个输入各自在起什么作用。
| 行业 | 需求分 | 决策占比 |
|---|---|---|
| 餐饮 | 8.5 | 64% |
| 酒店 | 8.5 | 60% |
| 酒吧 | 8.5 | 64% |
| 花店 | 8.5 | 71% |
| 超市 | 8.4 | 62% |
| 餐饮店 | 8.4 | 64% |
| KTV | 8.4 | 64% |
| 水果店 | 8.3 | 70% |
| 医院 | 8.3 | 55% |
| 火锅 | 8.3 | 58% |
| 奶茶店 | 8.3 | 65% |
结论：当天的分数由长尾覆盖和决策占比按 0.6 与 0.4 加权后乘 9 再加 1 得出，两个输入一个管广度、一个管强度，缺一个都到不了 9 分以上。
从榜面上看，决策占比接近 100% 的行业分数集中在 9 分上下，决策占比在 55% 到 64% 的行业分数集中在 8.3 到 8.5 之间。这个分布说明：在长尾覆盖都不弱的前提下，决策占比这一项会把分数拉开一个档位。
反过来说，决策占比高不等于分数一定最高。公式里长尾覆盖的权重是 0.6，比决策占比的 0.4 更大，所以一个决策占比 100% 但覆盖面窄的行业，未必压得过一个决策占比 60% 但覆盖面宽的行业。两个输入要一起看。
结论：这个公式只算搜索意图的强度，不算市场规模；风语《中国需求榜》数据页当前覆盖 570 个中国行业，全量数据集是 570 个行业乘以已跟踪的每一天，并附每个分数背后的查询计数。
可追溯性体现在两点：一是全量数据集不是一张快照，而是一条曲线，每个分数背后都挂着对应的查询计数；二是同一套口径的曲线方法已经用在 179 个国家上。这意味着同一个公式在不同市场上是可比的。
引用时要说清口径。按风语《中国需求榜》数据页，需求分是每行业每天一个 0-10 分，窗口为 2026-10-06 至 2026-10-10；三张榜单回答的是三个不同问题，当下最热、5 天跌最快、5 天涨最快，当下最热与另外两张榜均无一个行业重叠，不能把「热」当成「在涨」。
结论：看需求分最容易踩的坑，是把公式里的两个输入当成同一个东西，或者把分数当成行业规模的替代指标。
| 坑 | 典型表现 | 应对 |
|---|---|---|
| 把决策占比当成搜索量 | 看到开锁决策占比 100%，就以为搜开锁的人最多 | 决策占比是「要动手」的查询占比，不是人数；风语《中国需求榜》数据页明确写了它不告诉你多少人搜了 |
| 把高分当成市场规模 | 看到餐饮 8.5 分，就推断餐饮行业体量大于软件开发 | 公式量的是搜索意图强度，不是市场规模，两者不能互相换算 |
| 忽略长尾覆盖的权重更大 | 只盯决策占比高低，解释不了为什么餐饮 64% 也能拿 8.5 分 | 长尾覆盖权重 0.6，决策占比权重 0.4，覆盖面宽的行业靠广度也能顶起分数 |
需求分公式里的 1 和 9 分别代表什么？按风语《中国需求榜》数据页的口径，需求分 = 1 + 9 × (长尾覆盖 × 0.6 + 决策占比 × 0.4)，满分 10。加 1 给分数划出地板线，乘 9 把加权结果拉到 10 分封顶。
为什么开锁的决策占比是 100%，餐饮只有 64%？决策占比指看起来像「要动手」而不是「随便看看」的查询占比。开锁这类查询基本都带着明确的下一步动作，所以接近 100%；餐饮的查询里混着大量先看看的成分，所以落在 64%。
长尾覆盖和决策占比哪个对分数影响更大？长尾覆盖的权重是 0.6，决策占比是 0.4，长尾覆盖更大。所以一个决策占比 100% 但覆盖面窄的行业，未必压得过决策占比 60% 但覆盖面宽的行业。
这个分数能用来判断行业里有多少钱吗？不能。按风语《中国需求榜》数据页的自述边界，它量的是搜索意图，不是市场规模，既不告诉你多少人搜了，也不告诉你这个行业里有多少钱在流动。
同簇阅读：看一个行业的搜索需求，到底该看一个数还是几张榜？ ｜ 为什么一个行业现在很热，却在往下走？ ｜ 需求分高，就代表这个行业能赚钱吗？
数据出处：风语《中国需求榜》数据页（公开数据页，当场打码 HTTP 200） 风语《公开数据总览》页（公开数据页，当场打码 HTTP 200）