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。做了数据分析之后，怎么知道是否有效？关键是选对指标、按时记录、和自己比较。

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。

一个示例场景

「Lily」在Medium / Substack上分享通勤穿搭，受众是25～35 岁职场女性。在数据分析这件事上，ta 的困扰是：图片好看但缺少可以照做的信息。按本文的思路，ta 第一步做的是「了解后台各项指标的含义（以官方说明为准）」，接着以「一衣多穿」为切入点完成「建立数据记录表，每条文章发布后定时记录」，最后通过「把发现转化为下一步行动」形成闭环。（人物与情节均为虚构，仅作演示。）

核心指标

指标记录方式判断方式
平台提供的阅读、打开与订阅数据发布后固定时间记录与自己的历史数据比较

复盘记录表（示意）

日期：【】
本期做了什么：【】
指标变化：【填写你的真实数据】
用户反馈：【评论/私信要点】
原因分析：【】
下次调整：【】

复盘时问自己的问题

  • 哪条内容表现最好？它和其他内容有什么不同？
  • 用户的反馈与数据是否一致？
  • 这次的变化是否可能来自外部因素（节假日、热点）？
  • 下一步只改一件事，是哪件？

数据不好时先检查这些

  • 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。

对照的标准做法

  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

让 AI 帮你分析

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。

执行建议

遇到拿不准的情况，可以先在小范围试：选一两条内容应用新做法，与原做法对比，再决定是否全面推广。

不要试图一次做到完美。先按最简单的版本跑两到三周，再根据反馈逐步加细节——这比一开始就设计复杂流程更容易坚持。

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。