账号复盘最怕做成「感觉最近还行」。凭感觉，得到的是情绪；落到指标上，得到的才是动作。曝光、点击、完读、互动四个指标各管一个环节，用 AI 把数据按环节拆开，问题出在哪一环会直接浮出来。
四个指标对应四个环节，先分清卡在哪
四个指标串成一条链：平台推没推（曝光）→ 用户点没点（点击）→ 读没读完（完读）→ 互没互动（互动）。链式结构的好处是定位准：完读率低的时候去改标题，是无效劳动；点击率低的时候去磨正文，磨得再好也没人看见。复盘的动作顺序是先看链条断在哪一环，再决定改什么。
用 AI 拉数据，先让它把四列指标排成总表，标出各自与历史均值的偏离，偏差最大的那一环就是本次复盘的对象。一次只修一环，全都要改等于什么都改不动。
曝光量：没推出去和推了没人点，是两个问题
曝光量反映分发效果。突然下降时先分两种情况：推了但没人点，是包装问题；压根没被推，可能是账号权重、发布时间或内容触碰了限流条件。两种情况的处理路径完全不同，前者改标题封面，后者排查违规和权重。
让 AI 看曝光数据，要它做的是趋势描述和异常点标记：哪几条内容曝光明显偏离均值、偏离发生在哪个时间点之后。异常点的时间线往往能对上一次改版、一次断更或一次平台提醒，对上了，原因就不用猜。
点击率与完读率：门外和门内各一个漏斗
点击率的解释权在标题和封面。同样的曝光量，点击率高低直接反映包装效果，内容再好也进不了下一步。判断包装问题的方法是横向对比：把点击率最高的三条和最低的三条摆一起，让 AI 找标题句式、封面元素上的差异，差异点就是可改点。
完读率管的是门内的事。低完读的常见原因按顺序排查：开头拖沓、节奏太慢、内容与标题承诺不符。第三种最伤账号——标题承诺了一个正文给不了的东西，读者跳出得快，平台记录的是「点了又快速离开」，分发权重会被双重惩罚。
互动率：共鸣是可复制的资产
互动率是共鸣的证据。互动高的内容说中了读者的心里话，这类内容值得专门总结：共鸣来自哪个具体观点、哪类人群在互动、评论区在重复哪些话。总结出来的共鸣点可以复用，它是账号自己的资产，比模仿别人的爆款靠谱。
分析互动数据时，把评论文本一起交给 AI，让它聚类：读者在追问什么、反驳什么、补充什么。追问多说明选题可以做成系列，反驳多说明观点需要补前提，补充多说明读者里有行家，可以拉出来做共创。
提问方式：分轮问，别一次问全
把最近几十条内容的数据交给 AI 时，分轮问比一次问全更有效。先让它按四个指标列总表，找出最弱一环；再针对最弱一环的代表性内容做深挖，逐条给出判断依据；最后要两三个可执行的调整方向。每轮都要求数据出处，算不出来的指标让它说缺什么字段，而不是硬编一个数。
| 指标 | 反映什么 | 该指标最弱时的动作 |
|---|---|---|
| 曝光量 | 分发效果与账号权重 | 排查限流原因，调整发布时间与选题方向 |
| 点击率 | 标题与封面的吸引力 | 对比高低差异，改标题句式与封面元素 |
| 完读率 | 内容本身的留存能力 | 压缩开头，检查正文是否兑现标题承诺 |
| 互动率 | 内容引发的共鸣强度 | 分析评论聚类，把共鸣点做成系列选题 |
表格的用法是先定位最弱指标，再抄对应动作列。
数据拆不了的部分
AI 能拆数据，拆不了数据背后的语境。标题换了封面也换了，两个变量同时动，它归因不了；平台规则某次调整影响了分发，它看不见；「这条其实踩中了热点」这类背景信息，得你来补。归因前把这些背景标注进数据表，结论才不会跑偏。
它也算不出平台权重。同样的数据表现，不同账号的分发结果可能不同，账号层级的差异它感知不到，这类变量只能靠你自己长期记录对照。
账号复盘速查
- 四指标是一条链，先找断点再改内容
- 曝光降先分「没推」还是「推了没人点」
- 标题承诺必须兑现，否则完读与分发双重受损
- 评论文本交给 AI 聚类：追问做系列、反驳补前提
- 归因前补背景：改版、热点、平台调整
三个常被问到的问题
- 数据量少的小账号也能这么复盘吗？：能，但结论要降级。十条以内的数据只适合看单条异常，别归纳规律；积累到三五十条再让 AI 做横向对比，规律才站得住。
- 四个指标都一般，先改哪个？：从链条最上游改。上游不通，下游的优化全部白做；曝光恢复正常后再逐环往下看，一次只动一个变量。
- 对标账号的数据要不要一起分析？：可以参考，但要分清可得字段。对外可见的通常只有点赞评论，完读和点击构成猜不出来，硬比会得出错误结论。
找到薄弱环节后，改法各有专文。标题句式怎么写，用 AI 写商品标题的关键词思路可以直接迁移；封面主视觉怎么突出，提炼主图卖点的一句文案方法是同一套逻辑；选题与内容怎么配合转化目标，用 AI 做图文带货的选品结合讲得更细；单月复盘的结论要沉淀，年度复盘的总结法帮你在更大周期里验证判断。
