用 AI 做年度复盘：数据与选题的总结法

年度复盘如果只是把全年数据抄一遍，做完就等于没做。复盘真正要产出的是三样东西：哪类内容值得加码、哪类该停、明年选题从哪来。这些判断需要对着数据反复看，AI 恰好擅长把一堆数字和标题整理成规律。方法走对，一两个下午就能完成一份能指导明年动作的复盘，把规律变成明年的活。

先算平台给出的硬数据

复盘从平台后台开始，把关键指标按月导出：发布条数、播放或阅读量、互动数据、涨粉数。这些数字不用自己算，整理成表交给 AI，让它先做描述性分析——全年总量与月度波动、表现靠前的十篇与靠后的十篇、发布时间与数据的关系。注意给 AI 交代清楚数据口径，播放量在有些平台按进入页面计、有些按有效播放计，口径不清会导致它得出错误结论。这一步的产出是一张事实底稿，只陈述发生了什么，先不下判断，判断留到看内容的那一步。

把全年内容摊开找规律

第二步是让 AI 把全年标题和主题列成清单，按你给的维度分类：题材、形式、时长、发布栏目。分类完成后做三个对照。表现靠前的一档和靠后的一档，题材分布有什么差别；你投入时间最多的类型，数据是否配得上投入；有没有意外爆掉的「计划外内容」，它的题材明年要不要立项。这里最容易犯的错是把单篇爆款当成规律，一篇的偶然性很大，AI 的作用正是把几十篇放在一起看分布——某类题材十篇里六篇数据好，和仅凭一篇爆款的判断，完全是两回事。

归因要克制，结论要能落地

数据只能证明相关，归因要靠你对内容的具体了解。某篇数据好，可能因为题材对路，也可能因为蹭上了当时的热点，还可能只是发布时间赶巧。让 AI 列出每种解释需要的证据，再由你逐条确认，比直接让它下结论可靠。结论写成可执行的句式：「明年把 X 类题材从每月一篇提到每月两篇」「停掉连续三个月数据垫底的 Y 系列」，每条结论对应一个明年的具体动作。含糊的判断如「多做优质内容」等于没做复盘，AI 输出里出现这类句子就让它改成带数字、带动作的版本。

让 AI 帮你建明年的选题库

复盘的最后一步是向前看。把全年表现好的题材清单交给 AI，让它沿每个题材做三件事：列出尚未覆盖的角度、把已有内容串成系列的可能、可以常设的栏目化选题。再结合你明年的规划——想试的新形式、想拓展的新观众——让它生成一份分季度的选题池，每条选题注明来源依据，出自哪一年的哪条数据。这份选题库的价值在执行层：下次没选题时打开它，从依据最硬的那条开始做。选题库同时要保留弹性，热点类内容没法提前排进年度计划，留两成机动空间即可。

数据之外必须保留的人工判断

有两类信息数据里没有，复盘时要单独补进去。一是创作成本：有些题材数据中等但你做得快、做得爽，有些数据不错但每次都做到崩溃，纯看数据会把你推向不可持续的方向。二是平台环境的变化：今年的规则、流量结构和明年未必相同，AI 生成内容标识义务这类合规要求也在更新，明年计划里要为规则变化留出调整余地。复盘报告写完存档，明年做季度小结时翻出来对照，偏差出现在哪里、原因是什么，下一次复盘的质量就会更高。

延伸阅读：项目复盘报告的写法、不会写代码也能做数据分析、周报与工作总结怎么写。

复盘结论落地的四个要求

• 每条结论对应明年一个具体动作
• 带数字，别写「多做优质内容」
• 标注结论出自哪一年的哪条数据
• 为规则变化留出调整余地

四条里最容易被写成空话的是第二条，含糊的判断等于没做复盘。

年度复盘里最容易漏掉的数字有哪些？

• 只看播放量会漏掉什么？：完播率和互动深度。播放量受标题封面影响大，完播与互动才反映内容本身的留存能力，两类指标对照着看，才分得清是「标题的功劳」还是「内容的功劳」。
• 掉粉数据要放进复盘吗？：要。按月看掉粉集中的时间点，回查当时发的内容，掉粉高峰往往指向定位漂移或质量波动，这比涨粉数据更能暴露问题。
• 更新条数比去年少，算退步吗？：不一定。条数下降但篇均数据上升，说明效率或质量在改善，用条数、篇均、总量三个数一起看，单看任何一个都会误判。