做Medium / Substack，数据分析是绕不开的一环。它要解决的问题是：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。

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。

放到一个具体账号上看（示例）

设想一位虚构的创作者「猫叔」，主做养猫经验，面向新手猫主人。ta 最常遇到的问题是涉及健康问题时不知道说到什么程度。如果把数据分析落到 ta 的账号上，可以先拿「猫粮选择思路」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。）

操作步骤

  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

可以直接套用的模板

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）

把【】里的内容换成你的实际情况即可。

容易出错的地方

  • 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。
  • 数据记录不及时：固定记录时间。
  • 看完不行动：每次分析都写下一步。

做完之后看什么

判断数据分析是否有效，可以关注：

  • 平台提供的阅读、打开与订阅数据

进一步优化

  • 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

常见疑问

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。

执行建议

把每次做数据分析的过程写成简短记录：做了什么、为什么这样做、结果如何。几次之后，你就会有一份属于自己账号的操作手册。

如果是一个人运营，可以把数据分析和内容策划放在同一天做；如果有团队，最好指定一位负责人，避免每个人都改一点、最后没人负责。

接着看

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。