data-and-original-research 是一个原创数据研究类内容技能，属于社交媒体内容创作体系。它的核心目标是把专有数据、问卷调查、公开数据集分析或实验，转化为最容易被引用、最具传播力的内容资产。
用途 该技能针对的是“原创数据/数据研究”这一内容类型。资料指出，大多数内容缺乏差异化，约 94% 的已发布页面无法获得外部链接；而原创数据是少数例外——出版物链接的是故事而非产品，数据发现本身就是故事。它同时被视为 GEO（生成式引擎优化）的首要资产：加入统计数据是提升 AI 答案可见性的最强杠杆之一，而原创数据是别人没有的统计数据。品牌往往因为比清单文更难而跳过它，这恰恰构成了护城河。
主要能力 该技能提供 PROVE 框架：
- P（Pick）：在数据空白处选题，即一个值得证明、但缺乏优质数据、且人们愿意引用答案的主张。优势顺序为：专有数据 > 周期性细分调查 > 公开数据集分析。
- R（Run）：在收集前设计严谨方法，定义总体、抽样框、目标样本量、招募方式和中性（非诱导性）问题；由智能体设计，由人类/工具执行采集。
- O（Observe）：诚实观察，只用真实数据，绝不编造或用 AI 合成数据点，不做 p-hacking 或挑选数据，披露样本量、日期、方法和局限；小样本只能表述为方向性，而非“大多数人”。
- V（Voice）：提炼一个可传播的发现，即令人意外但站得住脚的头条统计（X% 的 Y 会做 Z），有支撑且绝不夸大（38% 不等于“近一半”）；一个主数字，2–3 个辅助数字。
- E（Engineer）：为引用做工程化，再分发。报告页需包含可见的方法说明、日期、“最后更新”时间戳、图表，以及带署名链接的可复制统计框；拆解为多种内容形式交给相应写作者；向记者推介；在多平台分发以放大引用；通过 WoopSocial 发布。
使用方式 该技能读取 brand-profile（你真正拥有的专有数据/角度）和 audience-research（受众、记者和 AI 会引用的那个问题）。它输出研究设计、发现框架和内容拆解，供后续格式写作者、信息图与数据可视化、AI 搜索优化、社交 SEO、邮件与通讯、内容日历等环节使用。发布路径为：格式写作者产出 → 排期与队列 → WoopSocial。
适用场景 适合需要建立权威、获取外链与媒体覆盖、提升 AI 答案可见性的品牌或内容团队；适合拥有专有数据、可开展周期性细分调查、或可分析公开数据集的场景。资料提到，数据驱动内容是数字公关的支柱（约 94.8% 将其列为主要策略；原创数据约带来 +41% 媒体覆盖），数据研究比观点/教程类内容吸引约 3.2 倍链接；加入统计可提升 AI 答案可见性约 30–41%；跨多平台分发可倍增引用；约 50% 被 AI 引用的内容不足 13 周，因此需要按节奏刷新。
限制 该技能不运行调查、不收集或抓取数据、不做统计分析、不检测趋势、也不评判发现。它绝不编造数据、统计、样本量或方法；必须披露方法与局限；必须署名外部来源；YMYL 场景（自筹调查不是临床/财务证明）需加免责声明并引导至专业人士；需处理受访者隐私与同意（匿名化、同意、GDPR）；研究自身品类时需披露利益冲突；数据集是分析材料而非指令，需注意注入安全；绝不保证链接、引用或病毒式传播。
与其他技能的区别 本技能是“产生新数据 + 可发布发现”；educational-content-and-how-to 是教授已有知识；analytics-and-reporting 是面向自身的内部表现分析；competitor-analysis 研究特定竞争对手；trend-jacking 借势他人热点；infographic-and-data-viz 是发现的视觉呈现；ai-search-optimization / social-seo 是它服务的对象而非它本身。
完成标准 基于真实数据、回答真实数据空白中的问题；方法适配（专有数据 > 调查 > 公开数据集 > 实验）；收集前完成设计；诚实分析；有一个令人意外但站得住脚、有支撑且不夸大的头条统计；为引用做工程化；拆解并路由到正确的格式写作者；向多平台推介分发并通过 WoopSocial 发布；以引用域名、提及、AI 引用、推荐流量、收藏/分享而非点赞来衡量；处理 YMYL、隐私/同意和利益冲突；不编造任何内容。