增长 05｜
看懂数据，一次只改一件事：指标分层和九十天复盘

一条内容的数据是天气，
九十天的数据才是气候。

周日晚上，一位做家庭收纳整理的手艺人打开小红书的后台，看上周三篇笔记的数据：一篇曝光两万多，两篇不到两千。她把两万多的那篇又看了一遍，想不明白它好在哪里；又把另外两篇看了一遍，也说不出差在哪里。最后她决定，下周多发几篇，碰碰运气。

后台的数字越来越多：曝光、点击率、平均观看时长、完播率、点赞、收藏、涨粉、主页访问。多数人每天都看，看完只剩下一个感受，这条好，或者这条不好。数据的用处，是告诉你一条内容卡在了哪一环，下一条该改哪里。我的建议是，数据要分层看、按目的看，改动一次只做一处，结论用九十天来下。

这是「平台与增长」系列的最后一篇。前四篇讲了怎样选主平台、内容怎样被推荐和搜索到、规则的红线，以及关系带来的增长。这一篇把它们串起来，讲怎样从数据里读出自己做得怎么样，又该从哪里改起。

一、数据是一条链

一条内容从发布到带来一位客户，要过好几道关：平台先把它送到一些人面前，这些人里有一部分点开，点开的人里有一部分看完，看完的人里有一部分点赞、收藏、评论，其中又有一部分去看你的主页、关注你，最后有很少的人来问你、买你的东西。

每一道关，各平台的创作者后台都有对应的数字。叫法和计算口径各家不完全一样，具体以后台的指标说明为准：

最后一行，多数平台的后台不会替你统计，要自己记。

这张表最有用的地方，是帮你找到卡住的那一环，只修那一环。点击率低，问题多半在标题和封面，反复改正文用处不大（标题和封面怎么写，见《写作 03》）。点开的人不少却很快离开，问题在开头（开头怎么写，见《写作 04》）；视频的留存曲线有几种典型的形状，各自怎么读、怎么改，在《视频 03》里讲。看完的人多却很少收藏，说明内容和标题许下的承诺之间有落差。收藏的人多、关注的人少，可以回头看看主页有没有让人一眼看懂你是谁、能帮他什么（见《人设 03》）。

互动里的几种动作，意思也不一样。收藏多，说明内容有用，读者想留着以后照着做；转发多，说明读者想让别人也看到；评论多，说明内容碰到了读者想说的话，可能是共鸣，也可能是争议。对知识型内容来说，最值得在意的往往是收藏，以及评论里那些具体的提问。平台也在往这个方向调整：抖音公开的算法说明里提到，一条知识视频未必人人看完，却可能被反复收藏和观看，所以收藏、分享、关注、复访都被当作识别长期价值的信号；它还说，越需要用户花心思、花时间的动作，往往越能代表真实的认可。

二、两张成绩单：种草内容和获客内容分开算

很多人发现，自己写得最用心的那类内容，数据反而最差。原因常常在于用错了尺子。

知识型 IP 的内容大致有两种用途。一种是种草内容，种草是平台上常用的说法，指让人对一样东西产生兴趣、想去了解或尝试；在这里，它指那些面向更多人、广泛有用的内容，作用是让更多对的人认识你。另一种是获客内容，讲清你服务的那类人正在经历的具体处境，以及你的解决思路，作用是让真正需要你的人来找你。

以一位做旧房翻新的家装设计师为例。「小户型收纳的十个细节」是种草内容，会有很多人看、很多人收藏，但来问的人不多。「老房翻新，十五万的预算怎么分」是获客内容，看的人少得多，可是私信里来问的，多半是手里真有一套老房子要装的人。

如果用同一把尺子去量，获客内容几乎总会输。所以我会建议准备两张成绩单，发布前先想好这一条用哪一张来评分，这和《起点 01》建议的「发之前先写一句这一条想做到什么」是同一个习惯：

放到《选题 03》讲的四个位置里看，「认识新读者」和「走出圈子」的内容，多半用种草的成绩单；「带来咨询」的内容，用获客的成绩单；「加深信任」的内容数据往往最安静，可以看评论里有没有「说中我了」这样的认同，以及后来来咨询的人有没有提到它。各类内容占多少比例，也在那一篇里讲。

获客内容的「质量」值得多记一笔。每条私信咨询，记下它来自哪一篇内容、问的是什么、是不是你想服务的人。三个月后回头看，你会清楚地知道哪类内容带来的是真正的客户。咨询进来之后怎样合规地承接，见《发售 01》。

三、读数据时常见的五个误会

第一，用一条内容下结论。 单条内容的数据波动很大，同一个人、同一种写法，两条之间差十倍并不少见。微信公众平台在推荐指引里也专门说过，单篇内容的推荐表现受多种因素影响，推荐流量出现波动是正常现象。统计上有一个现象叫回归平均，心理学家特沃斯基和卡尼曼 1974 年那篇讨论人类判断偏差的经典论文里，专门讲过人们怎样误读它：一次表现特别好的之后，下一次大概率会回落一些；一次特别差的之后，大概率会回升一些，这和你做了什么关系不大。如果只看一条，你很容易把运气当成规律。更稳的做法是看连续五到十条的中位数，也就是把这些数从小到大排好、取中间的那一个，它不容易被一条特别好或特别差的内容带偏。

第二，和别人的数字比。 平台并没有公开各个领域的基准，网上流传的「点击率要到多少才算好」「完播率低于多少就别发了」，多半是某个人在某个领域、某个时段的经验，换一个领域就不一定成立。和自己的过去比，才比得出有用的东西。

第三，看得太早、太勤。 刚发布几个小时的数据说明不了什么，推荐需要时间扩散，搜索带来的阅读更会持续几周甚至几个月。后台的数据本身也有延迟，比如 B 站创作中心每天中午 12 点才更新前一天的数据。我会建议发布后第二天看一眼初步数据，一周后再把数字记进表格。

第四，只盯一个数。 经济学家古德哈特在 1975 年提出过一个观察，1997 年人类学家斯特拉森把它概括成一句流传很广的话：当一个指标变成目标，它就不再是一个好的指标。做内容也是这样。为了点击率去写夸张的标题，点击率上去了，看完的人却变少，读者也会失望。所以每次看数据，至少看相邻的两层，比如点击率和平均观看时长一起看。

第五，把数据当成对自己的评价。 数据评价的，是这一条内容在这个时间、这群人面前的表现，和你这个人值不值得被看见没有关系。按自己做了什么来评价自己，在《经营 05》里讲。

四、一次只改一件事

找到卡点以后，最常见的冲动是全部推倒重来：标题换了，封面换了，发布时间改了，内容也缩短了。下一条数据变好，你也不知道是哪一处起的作用；变差了，也不知道该退回哪一步。

一次只改一处，可以按这几步来：

1. 找卡点。 用第一节的表，看过去十条内容里哪一层最弱。和自己的中位数比，别和别人比。
2. 写假设。 用一句话写下来：「如果……，那么……会提高，因为……」。例如：「如果封面直接写出读者的问题，那么点击率会提高，因为现在的封面只有一张好看的照片，读者看不出这篇讲什么。」
3. 排个序。 列出三到五个假设，每个按「可能的影响」和「做起来的难度」各打 1 到 5 分，先做影响大、难度低的那一个。
4. 只改这一处。 选题类型、形式、篇幅、发布时间段，其他都尽量保持不变。
5. 给它几条的时间。 至少连续三到五条用新的做法，再和之前的中位数比。
6. 记下结论。 保留、放弃，或者换一种改法再试。

可以改的地方大致有这些：标题的写法、封面、开头第一句、篇幅、形式（图文还是视频）、发布时间、选题的切入角度、结尾的引导。每次从中挑一个。

一张实验记录表可以长这样：

表里的数字是示意，你要和自己的过去比。还要提醒一句，一个人每周发两三条，样本很小，这样得出的结论是一种倾向，算不上证明。结果不明显时，多半说明关键不在这一处，换下一个假设就好。

五、九十天复盘模板

单条看天气，九十天看气候。九十天大约是一个季度，足够发出十几到几十条内容，能看出趋势；又不算太长，来得及调整。它也正好和按季节安排一年的节奏对上（见《经营 02》）。

每个季度末，花一两个小时，按下面这些问题过一遍：

最后一行最重要。每个季度只定三件事：一件继续，一件停掉，一件新试。复盘写得再长，落不到下个季度的动作上，就只是一份记录。

「自己的状态」这一行也别跳过。一个让你筋疲力尽的节奏，数据再好也走不远。

这张表可以和《起点 01》里的资产账本放在同一个下午填。资产账本看的是注意力、信任和选择权这笔资产有没有在长，这张表看的是内容和做法下个季度该怎么调，一个看方向，一个看手上的动作。

六、什么时候该换方向

复盘做多了，总会遇到这个问题：是继续改，还是换方向？

可以先分清四种「换」，从小到大依次是：换写法（标题、封面、开头）、换选题（同一个领域里讲别的问题）、换平台（同样的内容换一个更合适的地方）、换方向（换一个领域或一群读者）。通常从小的换起，前面的都试过了，再考虑后面的。

值得继续的信号：数据不大，但收藏和关注在慢慢涨；评论里的问题越来越具体；有人来问，而且来的正是你想服务的人；你自己还愿意讲。

可以认真考虑换方向的信号：稳定更新了两个季度以上，写法和选题都做过实验，各层数据仍然没有起色；几乎没有人来问；或者你自己已经不想再讲这个话题。

即使到了这一步，也别急着从零开始。先回到验证：找十个你想服务的人聊一聊，听听他们真正在为什么发愁（见《定位 04》）；再看看自己的兴趣、技能和经历，还能组合出哪些方向（见《定位 02》）。很多时候，需要调整的只是切口，原来的积累都还用得上。

一个知识型 IP 是按年累积的资产（见《起点 01》），判断一个方向，最好也以年为单位。

可以怎么做

1. 建一张数据表。 每条内容发布一周后，记下各层的几个数字，再加一列「种草」或「获客」。
2. 算出自己的中位数。 用最近十条内容，找出最弱的那一层。
3. 写下三个假设。 打分排序，下周只改排在第一的那一处，连续试三到五条。
4. 给私信建一个小记录。 每条咨询记下来源、问题、是不是你想服务的人。
5. 在日历上标出季度末。 留出一两个小时，按复盘模板过一遍，定下继续、停掉、新试的各一件事。

如果你看着后台的数字已经有点泄气，可以先把它关掉，翻翻评论区里那些具体的问题。数据告诉你这一阵子的天气，而那些愿意认真提问的人，会告诉你这件事值不值得继续做下去。

参考

• Tversky、Kahneman（1974），Science：Judgment under Uncertainty: Heuristics and Biases
• Strathern（1997），European Review：'Improving ratings': audit in the British University system
• 抖音安全与信任中心（2026）：为什么你会刷到这条视频 我们用10集讲清推荐算法
• 抖音安全与信任中心（2026）：抖音算法如何借助"懂行用户"识别好内容？
• 微信公众平台运营中心（2026）：公众号推荐功能与内容创作指引
• 哔哩哔哩帮助中心：数据相关