数据分析看起来简单，放到Medium / Substack这样长文为主的平台上，细节就多了。核心目标是：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。

示例背景（虚构）

「晴天手作」是一个在Medium / Substack上运营不久的账号。运营者发现自己在数据分析上没有章法，于是按下面的方法重新梳理。以下过程为示意，不代表真实案例。

第 1 步：了解后台各项指标的含义（以官方说明为准）

原本以为可以跳过，后来发现少了这一步，后面的效果很难判断。

第 2 步：为不同目标选择核心指标

原本以为可以跳过，后来发现少了这一步，后面的效果很难判断。

第 3 步：建立数据记录表，每条文章发布后定时记录

原本以为可以跳过，后来发现少了这一步，后面的效果很难判断。

第 4 步：对比同类内容找出差异

一开始做得比较粗糙，后来参照同领域账号补充了细节。

第 5 步：结合评论等定性信息解读数据

运营者把这一步交给 AI 先出初稿，再自己逐条修改。

第 6 步：把发现转化为下一步行动

一开始做得比较粗糙，后来参照同领域账号补充了细节。

复盘

回头看，「晴天手作」最大的改进是：

  • 建立周、月两级数据看板
  • 给每条内容打标签便于分组分析
  • 设置异常提醒，及时发现问题

评估时主要看：

  • 平台提供的阅读、打开与订阅数据

可以借鉴的模板

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）

Medium / Substack的环境与规则

在Medium / Substack，内容会出现在订阅邮件、平台推荐、搜索和社交分享等位置；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。

如果你也要这样做

  • 避免：只看播放/阅读
  • 避免：单条数据下结论
  • 避免：忽视定性反馈

读者常问

问：数据突然下降怎么办？

答：先排查内容、发布时间和外部因素，不要急于下结论，也不要轻信“限流”传言。

问：要不要用第三方数据工具？

答：可以辅助，但注意账号授权安全。

问：该关注哪个指标？

答：取决于目标：涨粉看关注，信任看收藏与评论，转化看点击和成交。

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。