很多人在Medium / Substack上卡在数据分析这一步。先说清楚目的——看懂Medium / Substack后台数据，用数据指导选题和优化，而不是被数字焦虑牵着走；再看具体怎么做。AI 可以帮你更快地完成其中的重复工作，但判断和真实经验仍要由你来提供。

提示词合集

提示词 1

这是我过去一个月Medium / Substack的数据（我的真实数据）：【数据】。请找出表现最好和最差的内容的共同特征，并给出下个月的 3 个行动建议。

提示词 2

请解释Medium / Substack后台中【指标名】的含义以及我应该如何利用它，若不确定请提示我查看官方说明。

提示词 3

请扮演Medium / Substack的资深运营，对我写的【内容】从数据分析的角度提出 5 条具体修改意见，并说明理由。不要编造数据。

提示词 4

请根据以下步骤，帮我把数据分析整理成一份团队可执行的操作说明：了解后台各项指标的含义（以官方说明为准）；为不同目标选择核心指标；建立数据记录表，每条文章发布后定时记录；对比同类内容找出差异；结合评论等定性信息解读数据；把发现转化为下一步行动

放到一个具体账号上看（示例）

设想一位虚构的创作者「Mia」，主做英语口语，面向想提升口语的上班族。ta 最常遇到的问题是内容同质化，和其他账号区别不大。如果把数据分析落到 ta 的账号上，可以先拿「地道表达」这个方向试一次：为不同目标选择核心指标；然后对比同类内容找出差异；一段时间后回头检查效果。（人物与情节均为虚构，仅作演示。）

怎么用这些提示词

  1. 先把【】中的信息填完整，信息越具体，输出越可用
  2. 让 AI 输出多个版本，自己挑选和组合
  3. 核对所有事实、数据和规则表述，不确定的去查官方说明
  4. 加入你的真实经历和个人语气
  5. 按平台要求处理 AI 生成内容的标注（如适用）

AI 输出后要人工检查的地方

  • 只看播放/阅读：结合互动、收藏、关注
  • 单条数据下结论：看趋势和多条对比
  • 忽视定性反馈：结合评论

先了解Medium / Substack

内容的主要曝光入口是订阅邮件、平台推荐、搜索和社交分享。读者为深度与观点付费或订阅，稳定更新和清晰定位比单篇爆款更重要。

文字平台重点关注互动和转发。

数据来源主要是平台提供的阅读、打开与订阅数据，各指标的定义以官方说明为准。

配合使用的步骤

  1. 了解后台各项指标的含义（以官方说明为准）
  2. 为不同目标选择核心指标
  3. 建立数据记录表，每条文章发布后定时记录
  4. 对比同类内容找出差异
  5. 结合评论等定性信息解读数据
  6. 把发现转化为下一步行动

提示词配套模板

数据记录表：
| 文章 | 发布时间 | 支柱 | 曝光 | 互动 | 收藏 | 关注 | 关键发现 |
|---|---|---|---|---|---|---|---|
| 【标题】 | 【时间】 | 【支柱】 | 【数】 | 【数】 | 【数】 | 【数】 | 【发现】 |
（表中数据请填写你的真实数据）

节奏与分工

数据分析的效果通常需要一段时间才能看出来。建议设定一个观察周期，在周期结束前不轻易推翻方案，避免被单条内容的表现带偏。

建议把数据分析拆成固定的小任务：每周固定一个时间集中处理，平时只做记录。这样既不会占用太多创作时间，也能保持连续性。

延伸阅读

提示：本文不提供未经核实的统计数字或“算法秘诀”；示例均为虚构，Medium / Substack的规则与功能请以官方公告和帮助中心为准。