社媒数据分析提示词：将帖子数据转成下一步行动
给 AI 一张标明字段的近期帖子表、一个内容目标和一致的观察窗口。先让它检查数据，再找规律，将观察结果转成一个小测试计划。这四个提示词只分析你粘贴或上传的数据，不会连接你的社媒账号。调整发布内容前，请先核对计算。
准备一张 AI 能够真正比较的帖子表
你看着一个月的帖子，想知道哪些值得再试。先选同一平台近期的10到30条帖子。这只是便于操作的起始批次，并非统计学最低样本量。表现平淡的帖子也要放进去。只有赢家的表格，只能说明赢家之间有什么共同点。
导出后台可用的帖子报告，或将能看到的字段复制到表格中。在 YouTube Studio 打开 Analytics，选择 Advanced Mode 或 See more，设置报告和日期，再使用 Export current view。YouTube 正在更新 Studio，界面可能不同。Instagram 和 TikTok 用户也可以根据可访问的帖子分析整理同样的表格，无需假定所有账号都有通用导出按钮。
每条帖子占一行，保留平台的原始指标名称。若报告没有主题、形式、开头和时长，可自行补充简短描述。OpenAI 建议数据分析使用清晰列名，每行一条记录。核对精确数字时，电子表格或文本表格也比截图方便。
日期范围还缺一个细节
十月报告可能把10月1日和10月28日发布的帖子放在一起，两者累计表现的时间不同。记录报告日期，也记录每条帖子的观察窗口，例如发布后的前七个完整日。这只是示例，不是平台规则。如果只有累计总量，请标明，并谨慎比较发布时长接近的帖子。不要简单用播放量除以天数，就称为公平校正。
单独标记付费推广和合作。不同平台、不同播放定义应分开比较。即使主题相同，YouTube Short 和 Instagram 轮播也可能回答不同问题。
| 字段组 | 应包含什么 | 缺失时如何处理 |
|---|---|---|
| 身份与时间 | post_id, platform, published_at with timezone, report_start, report_end, measurement_window | 保留 ID。观察窗口未知会限制比较。 |
| 内容数量 | topic, format, hook, duration_seconds, paid, collaboration | 描述帖子实际包含的内容，未知标签需标明。 |
| 曝光与回应 | 播放量的原始指标、触达、点赞、评论、分享、收藏 | 无法取得的字段填 null；后台报告为零的保留零。 |
| 观看与增长 | avg_watch_seconds, the named retention metric if available, post_attributed_follows | 不可用值保留 null。账号整体涨粉不等于单帖归因涨粉。 |
横向滚动以阅读所有列。
post_id,platform,published_at,report_start,report_end,measurement_window,topic,format,hook,duration_seconds,paid,collaboration,views_metric,reach,likes,comments,shares,saves,avg_watch_seconds,retention_metric,post_attributed_follows
将 views_metric 改为报告中的指标名称。无法提供的列可以删除，或填 null 并解释原因。空白并不意味着没人收藏帖子。
复制四个提示词进行每周复盘
在同一对话中依次使用，或在新聊天中重新附上已检查的表格。将方括号替换为你的目标和数据。若助手无法运行计算，请用电子表格完成算术，再让它解释已核对的结果。
1. 分析表现前先检查数据
这一步能发现使后续建议显得过于确定的问题。先让助手返回数据质量报告，再提供内容建议。
请帮我审查自己的社交媒体帖子数据。仅依据附上的或粘贴的表格开展工作。 输入 平台与账号背景：[platform, niche, audience] 目标：[one goal, such as more saves per account reached] 报告日期与时区：[start, end, timezone] 每条帖子的统计窗口：[for example, first 7 complete days; or lifetime totals with capture date] 指标定义与单位：[paste the report's definitions] 帖子数据表：[paste or attach] 先返回数据质量报告，不要先给内容建议： - 确认已读取的行数、唯一帖子 ID、涵盖的日期，以及任何未读取的行。 - 列出重复 ID、缺失字段、不一致的单位、不可能的数值和为零的分母。不要擅自删除或修复数据行。 - 将 null 或空白视为数据不可用，而不是零。保留报告中的零值。 - 比较需要时，分别处理不同平台、内容形式、统计窗口、付费推广帖子与合作帖子。 - 区分归因于帖子的新增关注与整个账号的粉丝数变化。 - 说明哪些比较可以进行，哪些需要更好的数据。 返回格式：问题 | 受影响的帖子 ID | 后果 | 需要我修正的内容或回答的问题。 继续之前，请先让我解决重要问题。绝不编造缺失指标，也不要声称已经连接了我的账号。
2. 找到能追溯到帖子的规律
有用的规律背后应有可见的比较。要求列出数据行和每组样本量，区分重复出现的信号与单条爆款。
使用上面已检查的表格与定义，围绕我声明的目标比较帖子。 规则 仅在平台、内容形式与统计窗口兼容的组内比较。报告排除的数据行及原因。不要填补缺失数据。 计算比率前，逐一说明分子、分母、单位和公式。如果分母为零或缺失，返回无法计算。 对每组，报告目标指标的样本量、中位数和范围。展示所依据的帖子 ID 与计算值。 在第一份结果中保留异常值。同时展示去掉单个最高观测值后，比较结果如何变化，并明确标注为敏感性检查。不要仅因某条帖子表现差就将其移除。 只有现有数据行支持时，才比较主题或内容形式。将帖子数量较少的组视为待测试的线索。 输出 最多 3 条观察，每条包括： - 比较的组、样本量、统计窗口和帖子 ID - 支持该观察的数字与计算过程 - 其他合理解释或混杂因素 - 接下来要调查的问题 区分观察与假设。不要断言原因在于算法、确定理想发布时间、推断不可见的留存数据，或保证哪种方案一定胜出。如果使用了计算代码，请展示代码。
3. 调查表现异常强或弱的帖子
异常值提示你检查帖子及其背景。数字本身无法说明差异来自开头、主题还是分发条件。
将帖子 [post_id] 与已检查表格中的可比帖子对照调查。 返回一份简短的诊断说明： 1. 说明数值上的异常之处，并提供基准组、样本量、指标定义与统计窗口。 2. 检查发布至今的时长、付费推广、合作、内容形式、内容时长或缺失数据，是否能解释差异。 3. 区分表格已经显示的内容，与需要实际内容或私有分析数据才能检验的假设。 4. 告诉我接下来应查看哪条具体帖子、哪句开场语、哪个时间戳、哪种流量来源或哪个分析字段，并说明原因。 5. 仅在现有证据支持有用假设时，才建议一项可供测试的内容改动。 不要根据平均观看时长推断留存曲线，不要把整个账号的新增关注归因于某一条帖子，也不要根据低观看量断定受到了限制。如果比较无效，请说明需要哪些条件才能使其可用。
4. 将复盘转成下周的测试
决定下周做什么，以及何时检查结果。
将上面有依据的观察转化为下周最多 3 项可行的内容测试。 输入 我能制作的帖子：[number and formats] 制作限制：[time, budget, footage] 必须保留的事实与对受众的承诺：[list] 我将使用的指标与公式：[one primary metric] 统计窗口与复查日期：[window, date, timezone] 对每项测试，返回： - 所依据的观察与帖子 ID - 明确标注的假设 - 唯一要改变的变量 - 用于比较的帖子或匹配的帖子组，并让重要条件保持相近 - 下一条帖子的具体创作简报：受众的问题、开场、承诺的兑现、内容形式 - 主要指标、公式、统计窗口，以及一项防止顾此失彼的护栏指标 - 一条由我在发布前选定的决策规则，以及哪些情况仍无法得出结论 - 我必须收集哪些证据，以及何时复查 不要编造结果、基准、确定性或通用的提升幅度阈值。如果我的可比帖子太少，请建议制作一小批探索性内容，并说明它能与不能告诉我什么。将发布和最终决定留给我。
看看一次复盘如何转成内容测试
构造示例
一位家常菜创作者希望提高每个触达账号带来的收藏量。以下四条帖子来自同一平台，均无付费推广或合作。每行覆盖发布后的前七个完整日。用这些数字核对计算，不要将它们作为表现目标。
| 帖子 | 主题与形式 | 触达 | 收藏 | 收藏 ÷ 触达 |
|---|---|---|---|---|
| A | 刀工技巧，30秒 Reel | 2,000 | 40 | 2.0% |
| B | 食材替换，30秒 Reel | 2,400 | 60 | 2.5% |
| C | 快手晚餐混剪，30秒 Reel | 10,000 | 80 | 0.8% |
| D | 食材替换，30秒 Reel | 2,200 | 55 | 2.5% |
横向滚动以阅读所有列。
帖子 C 的收藏总数最多，但 B 和 D 的收藏率更高。C 的计算是80 ÷ 10,000 × 100 = 0.8%，两条食材替换帖均为2.5%。对于以收藏为目标的创作者，这提供了一个值得探索的主题。你仍需了解用户为何收藏，以及另一条食材替换帖子能否获得相似回应。
下一次可再做一条时长和结果呈现方式相同的食材替换 Reel，只改开头：先展示替换后的成品，再解释。用相同的前七日窗口与 B、D 比较。主要指标为收藏 ÷ 触达，同时关注触达作为保护指标，避免将极少曝光下的高比例自动视为成功。
发布前写下什么结果足以支持再做一次，什么结果需要更多测试。如果新帖只触达少数账号，结论仍应保持探索性。再用一条条件相近的帖子重复比较，不要仅凭一个百分比就宣布新策略。
改变内容前先核对答案
抽查最强建议所依据的数据行。重算一个比例，查看样本量，并确认观察窗口一致。OpenAI 建议在依赖数据分析时检查生成的代码、输出和假设。结果若显得过于完美，请索取代码或中间表。
计算器的比例与上面的收藏率示例回答不同问题。比较结果时，请在标签中保留分子和分母。不要将基于触达的收藏率与基于粉丝的互动率基准比较。
当表格指向内容问题时，打开实际帖子。Kabo 的 AI Video Analyzer 可针对公开 TikTok、Reel 或 Short 提供带时间戳的内容反馈。将反馈用于形成剪辑假设；它无法提供你的私有留存报告，也无法证明表现变化的原因。
发布时间的发现同样需要谨慎。如果所有教程都在上午发、所有混剪都在夜间发，表格就无法区分时间与形式的影响。重排整个日程前，先做条件相近的内容比较。 为什么同一视频会获得不同播放量
把已检查的表格、实际采用的回答和所选测试保存在一起。下周用同样的定义和窗口新增数据行。当你能将预测与实际结果比较，包括没有明确结论的结果，复盘才会有用。
来源与方法
产品与导出细节核验于2026年10月22日。OpenAI 说明了结构化输入、代码支持的分析和计算核对；YouTube 说明了导出当前 Analytics 视图的方法。其他平台请从你能取得的帖子报告开始。提示词、比较建议和烹饪示例由 Kabo 编辑制作。结果取决于你的数据和所用模型。