X Data Review

80/20 数据复盘四步闭环

R — 原文 (Reading)

> 步骤1数据收集(What Happened);步骤2分析原因(Why);步骤3优化迭代(How to Improve);步骤4记录与追踪。使用数据驱动,避免主观臆断。目标:找出80/20法则(20%内容贡献80%价值)。小复盘聚焦数据(周复盘互动率),大复盘审视战略(月复盘变现路径)。 > > — AIP出海教程, 9.3 内容数据复盘

---

I — 方法论骨架 (Interpretation)

这是一个结构化的内容数据复盘框架,核心是用"布局-执行-复盘-迭代"闭环替代流水账式记录。

四步依次推进:(1) 数据收集——拉取周期内所有帖子的曝光/互动/收藏,按内容类型(故事/列表/观点/教程)分组,记录外部因素(热点/算法变化);(2) 原因分析——对比各类型表现,检查 Hook 是否抓痛点、Body 是否有深度、CTA 是否引导行动,分析受众活跃时段;(3) 优化迭代——问"如果重来怎么做更好",设定可执行的行动计划(调频率/测新角度/加倍高效类型);(4) 记录追踪——用 Notion 或 Excel 建复盘模板,长期追踪形成闭环。

指导原则是 80/20:找到 20% 贡献 80% 价值的内容加倍投入,而非平均用力。

复盘时有两组参考指标:(1) 生命周期——推文自然生命周期 1-3 天,复盘前至少等 3-4 天让数据跑完;(2) 黄金长度——120-220 字的帖子进前 10% 概率更高,可作长度与表现的相关性参考。但两者都是参考而非硬指标,不同赛道数据分布不同,直接套用等于过拟合。

频率分层:周复盘聚焦数据(互动率是否>2%),月复盘审视战略(变现路径/定位是否需调整)。

---

A1 — 书中的应用 (Past Application)

案例 1: 向阳乔木 3 年数据复盘

• 问题: 3 年发了 3861 条帖子,如何从海量数据中找到内容增长的关键规律
• 方法论的使用: 用 3.4G 自有数据做系统复盘——步骤1收集全部帖子互动分(点赞+3倍转发);步骤2按内容原型分类(资源入口型51%/工具教程型39%/AI工具发现型24%/普通表达型9%),对比中位互动和进前10%概率;步骤3发现资源入口型和工具教程型是贡献80%价值的20%内容,加倍投入这两类;步骤4持续追踪形成3年 longitudinal data
• 结论: 20% 的内容(资源入口型+工具教程型)贡献了 80% 的增长;收藏>点赞(37万>31万)说明读者把账号当"工具箱"而非"内容源"
• 结果: 账号从 100 粉增长到 11 万;增长节点出现在"连续出现值得收藏的单位"时,验证了 80/20 加倍投入的方向正确

案例 2: AIP 教程复盘指标体系

• 问题: 复盘时该看哪些指标、目标值是多少
• 方法论的使用: 定义四类核心 KPI——印象数(曝光效率)、互动率((点赞+回复+转发+引用)/印象数,目标>2%)、收藏率(高=干货价值)、回复深度(社区黏性);周复盘查互动率,月复盘查变现路径
• 结论: 互动率>2% 是健康基线;收藏率比点赞率更能反映长期价值;回复深度反映社区黏性而非单条表现
• 结果: 形成可复用的复盘模板(Notion+AI 双重复盘),包含"做对了什么""哪里优化""下步计划"三栏,长期追踪形成闭环

---

A2 — 触发场景 (Future Trigger) ★

用户会在什么情境下需要这个 skill?

1. 周/月复盘周期到了 — "这周发了15条,帮我复盘一下数据"——用户需要一个结构化流程来分析周期内所有帖子的表现并决定下步策略
2. 批量内容表现差异大,需要找原因 — "同样是教程型,为什么有的收藏高有的没人理?"——需要按内容类型分组对比,查 Hook/Body/CTA 差异
3. 决定下步内容策略调整方向 — "下周该多发什么类型?频率怎么调?"——需要基于数据找到20%贡献80%的内容加倍投入
4. 复盘指标不健康需要诊断 — "互动率只有1.2%,低于2%目标,哪里出了问题?"——需要系统性排查是曝光不够(算法/时间)、还是展开不够(Hook弱)、还是不进Profile(门面差)

语言信号 (用户的话里出现这些就应激活)

• "这周发了15条怎么复盘" / "weekly content review"
• "哪些内容类型互动高" / "which content type performs better"
• "下周内容策略怎么调" / "optimize next week's content strategy"
• "帮我分析数据" / "help me analyze my content data"
• "收藏率高的是哪种类型" / "which posts get more saves"
• "月复盘看一下变现路径" / "monthly review conversion path"
• "如果重来怎么做更好" — 原文步骤3的核心措辞

与相邻 skill 的区分

• 与 x-longtail-strategy 的区别: longtail-strategy 是"帖子没爆时调整心态和目标"(心智模型),本 skill 是"系统性分析数据找80/20并优化"(操作方法)。longtail 回答"这正不正常",data-review 回答"怎么改"。先有长尾心态接受常态,再用数据复盘找优化方向。
• 与 x-foryou-algorithm 的区别: foryou-algorithm 是"理解推荐算法怎么打分"(算法知识),本 skill 是"用数据复盘内容策略"(运营操作)。一个是底层机制,一个是基于结果数据的迭代。
• 与 x-short-content-craft 的区别: short-content-craft 是"写单条内容时选类型+Hook-Body-CTA"(内容生产),本 skill 是"复盘一批已发内容的表现"(数据复盘)。一个是产前,一个是产后。
• 与 x-content-archetypes 的区别: content-archetypes 是"按功能分四类原型预测传播上限"(分类框架),本 skill 用原型分类作为复盘的分析维度之一,但核心是四步闭环流程而非分类本身。

---

E — 可执行步骤 (Execution)

当 skill 被激活后,agent 应按以下步骤执行:

1. 数据收集 (What Happened)

• 让用户列出周期内(如一周/一月)所有帖子,按内容类型(故事/列表/观点/教程)分组,拉取每条的曝光数、互动数(点赞+回复+转发+引用)、收藏数
• 计算关键指标:互动率=(点赞+回复+转发+引用)/曝光数,目标>2%;收藏率=收藏/曝光
• 记录外部因素:期间是否有热点事件、算法变化、发布时间段
• 完成标准: 有一张按类型分组的 数据表(曝光/互动率/收藏率)

1. 原因分析 (Why It Happened)

• 对比各类型表现:哪种类型互动率最高?哪种收藏率最高?(如列表型收藏高→读者当工具箱;观点型互动高→引发讨论)
• 逐条查 Hook/Body/CTA:Hook 是否3秒内抓痛点?Body 是否有深度/步骤?CTA 是否引导行动?
• 参考指标校验:帖子长度是否在120-220字黄金区间(参考p09,非硬指标);生命周期是否已跑完1-3天(参考p08,未跑完的数据不代表最终表现)
• 完成标准: 能指出"哪类内容表现好/差,原因是什么(Hook/Body/CTA/长度/时间哪个环节)"

1. 优化迭代 (How to Improve)

• 问核心问题:"如果重来,怎么做更好?"
• 找20%贡献80%价值的内容类型,设定加倍投入计划(如列表型收藏高→下周多发列表型)
• 设定具体行动计划:调整发布频率(每日2-5帖,避免爆发式)、测试新角度、匹配时间段(午间发工具教程/晚间发观点案例)
• 完成标准: 有≥3条具体的、可执行的下步行动项

1. 记录与追踪

• 建议用户用 Notion 或 Excel 建复盘模板,包含三栏:"做对了什么""哪里优化""下步计划"
• 区分复盘深度:周复盘聚焦数据(互动率/收藏率),月复盘审视战略(变现路径/定位是否需调整)
• 长期追踪,形成闭环——本周的下步计划是下周复盘的对比基准
• 完成标准: 用户有一个可复用的复盘模板,并知道下次复盘时对照什么基准

---

B — 边界 (Boundary) ★

不要在以下情况使用此 skill

• 单条内容生产 — "帮我写一条关于 Claude Code 的推文"应走 x-short-content-craft / x-five-piece-checklist。数据复盘是对一批已发内容的周期性分析,不是写单条时用的。
• 帖子没爆的焦虑/心态调整 — "我连发20条只2条过百,是不是该放弃"应走 x-longtail-strategy。焦虑心态需要的是长尾基准校准,不是复盘操作流程。先接受长尾常态,再做数据复盘。
• 理解推荐算法机制 — "For You 算法怎么打分"应走 x-foryou-algorithm。本 skill 基于结果数据做复盘,不解释算法工作原理。

作者在书中警告的失败模式

• ce07 只盯流量不沉淀内容能力 — 复盘时最危险的陷阱是只看数据指标(曝光/互动/收藏)而不看内容能力本身。平台技巧和数据指标会变,内容能力(选题、叙事、深度)才是可迁移的长期资产。复盘时除了看"哪类内容数据好",还要问"我的内容能力有没有提升"——否则就是在流沙上盖楼。指标异常信号:内容产出依赖模板而非真实洞察、涨粉靠技巧而非内容质量。
• ce15 把过拟合的经验当通用公式 — 复盘时引用的参考指标(如黄金长度120-220字、生命周期1-3天、互动率>2%)来自特定账号(AI/产研赛道、华人受众、2023-2026算法版本)的过拟合数据。不同赛道、不同受众、不同时期的数据分布不同。复盘时应把这些当参考方向而非硬指标——用它发现"长度和表现是否相关",而非判定"不在120-220字就一定不好"。

作者的盲点 / 时代局限

• 80/20 法则是经验观察而非因果定律。"20%内容贡献80%价值"是统计现象,不保证加倍投入那20%就一定有80%产出——可能存在时机/运气/平台流量倾斜等不可控因素(ce16 幸存者偏差)。
• 复盘指标体系(互动率>2%、收藏率等)基于当前算法版本。算法更新后,指标基准线可能漂移。

容易混淆的邻近方法论

• x-longtail-strategy(长尾心态)— longtail 是"接受大多数帖普通"的前提,data-review 是"找20%加倍投入"的操作。先有长尾心态,再做数据复盘,顺序不能反。
• x-content-archetypes(四类原型)— 原型分类是复盘步骤2的分析维度之一,但 data-review 的核心是四步闭环流程,不等于分类本身。

---

相关 skills

• depends-on x-longtail-strategy: 数据复盘依赖长尾心态先行——先接受大多数帖普通是常态(中位数42),再用80/20找20%加倍投入。先有心态再做复盘,顺序不能反。

---

审计信息

• 验证通过: V1 ✓ / V2 ✓ / V3 ✓
• 测试通过率: 待测 (详见 test-prompts.json + test-results.md)
• 蒸馏时间: 2026-07-14

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: kangarooking
• Source: kangarooking/X-growth-skills
• License: MIT

Install and usage instructions live in the source repository linked above.