关于 content-performance-analysis
content-performance-analysis 是分析小红书单篇内容和整体内容组合的技能,适合依据历史表现优化内容策略。它帮助识别高低表现内容的规律,并将发现转为可复用的内容公式。
主要功能
- 01收集并计算内容表现指标
- 02识别高表现与低表现内容
- 03比较内容形式和主题规律
- 04诊断表现不佳的原因
- 05制定可复用的内容公式
- 06跟踪表现趋势
适用场景
- 01分析哪些内容主题或形式更受欢迎
- 02找出爆款内容的共同特征
- 03诊断低互动或低触达帖文
- 04据历史数据规划后续内容
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ vivy-yi/ xiaohongshu-skills --skill content-performance-analysis安装后在 Claude Code 中输入/content-performance-analysis确认已加载。
详细介绍
内容效果分析(内容效果分析)
概述
内容效果分析是对单篇帖子和整体内容组合进行系统评估,以识别成功模式、了解哪些内容能引起受众共鸣,并以数据为依据制定内容策略。
适用场景
适用场景:
- 帖子表现不稳定或难以预测
- 需要了解某些内容走红的原因
- 识别表现最佳内容中的规律
- 发现需要改进的表现不佳内容
- 比较不同内容形式(轮播图、视频或单张图片)
- 决定重点关注哪些内容类型
- 根据过往表现制定内容优化计划
不适用场景:
- 账号发布的帖子少于 5 篇(数据不足)
- 需要了解发布后最初几小时的实时表现(请等待 3-7 天)
- 分析付费广告表现(请使用广告分析工具)
核心模式
之前(凭猜测判断哪些内容有效):
❌ "This post should do well, I worked hard on it"
❌ "I don't know why this post went viral, lucky I guess"
❌ "All my content is pretty similar, performance is random"
之后(基于数据洞察内容效果):
✅ "Top 5 posts all use carousel format with before/after structure"
✅ "Posts with question titles get 2.3x more comments than statement titles"
✅ "Video content underperforms images - shift strategy to graphic content"
✅ "Posts published on Tuesday outperform Sunday by 40%"
3 个分析维度框架:
- 互动数据 - 点赞、评论、分享、收藏(受众响应)
- 增长数据 - 新增粉丝、主页访问量(转化影响)
- 传播数据 - 曝光量、发现页流量(触达和算法推荐)
快速参考
| 指标 | 揭示内容 | 良好基准 | 分析方法 |
|---|---|---|---|
| 互动率 | 内容共鸣度 | 平均 8-12% | (点赞+评论+分享+收藏)÷浏览量×100 |
| 收藏率 | 内容价值/复用度 | 3-5% 为良好 | 收藏数÷浏览量×100 |
| 评论率 | 讨论热度 | 平均 2-4% | 评论数÷浏览量×100 |
| 粉丝转化率 | 内容转化为粉丝的能力 | 1-3% | 新增粉丝÷浏览量×100 |
| 传播分数 | 算法推荐程度 | 浏览量÷粉丝数 | >10 = 爆款 |
实施
第 1 步:收集帖子效果数据
从小红书创作者中心获取:
- 打开创作者中心 → 内容数据
- 选择时间范围(建议最近 30 天)
- 导出或手动记录每篇帖子的以下数据:
- 标题
- 内容类型(图片/视频/轮播图)
- 发布日期/时间
- 浏览量(浏览量)
- 点赞数(点赞数)
- 评论数(评论数)
- 分享数(转发数)
- 收藏数(收藏数)
- 新增粉丝数
从千瓜数据获取(推荐,效率更高):
- 账号分析 → 内容效果
- 将所有帖子及指标导出到 Excel
- 按不同指标排序以识别规律
第 2 步:计算关键效果指标
针对每篇帖子,计算:
互动率:
Engagement Rate = (Likes + Comments + Shares + Saves) ÷ Views × 100
- 优秀:>15%
- 良好:8-15%
- 一般:5-8%
- 低于平均水平:<5%
收藏率(内容价值):
Save Rate = Saves ÷ Views × 100
- 优秀:>7%
- 良好:4-7%
- 一般:2-4%
- 偏低:<2%
评论率(互动深度):
Comment Rate = Comments ÷ Views × 100
- 优秀:>5%
- 良好:3-5%
- 一般:1-3%
- 偏低:<1%
传播分数:
Viral Score = Views ÷ Follower Count
- 爆款:>10(触达现有受众规模的 10 倍以上)
- 表现强劲:5-10
- 符合预期:1-5
- 表现不佳:<1
第 3 步:识别表现最佳和最差的内容
表现最佳的内容(分析最近 10-20 篇帖子):
- 按互动率排序——找出前 5 篇
- 按传播分数排序——找出前 5 篇
- 按收藏率排序——找出前 5 篇
表现最差的内容:
- 按互动率排序——找出后 5 篇
- 找出传播分数 <1 的帖子(未能触达现有受众)
步骤 4:从热门内容中提炼成功模式
分析排名前 5 的帖子,寻找常见模式:
内容格式模式:
- 单张图片、轮播图还是视频
- 轮播图页数(3–5 页为最佳)
- 视频时长(少于 60 秒为最佳)
内容结构模式:
- 开场风格(提问、陈述、前后对比)
- 主要内容组织方式(列表、教程、故事、对比)
- 是否包含行动号召及其类型
标题模式:
- 提问式还是陈述式
- 长度(短还是长)
- 关键词的使用
- 情绪触发点(好奇心、紧迫感、收益)
视觉模式:
- 封面设计风格
- 配色方案
- 是否叠加文字
- 是否出现人物面孔,还是仅展示产品
主题模式:
- 内容类别(教育、娱乐、灵感)
- 具体子主题
- 目标受众细分群体
发布时间模式:
- 星期几
- 一天中的时段
- 季节相关性
记录发现:
Pattern: Carousel format
- Frequency in top 5: 4/5 posts (80%)
- Average engagement: 14.2%
- Common structure: Before/after transformation
Pattern: Question-based titles
- Frequency in top 5: 3/5 posts (60%)
- Average engagement: 13.8%
- Comment rate: 4.1% (above average)
步骤 5:诊断表现不佳的内容
分析排名后 5 的帖子:
内容质量问题:
- 制作质量低(图片差、光线不佳)
- 价值主张不明确
- 信息薄弱或令人困惑
- 细节或深度不足
内容格式问题:
- 格式不适合主题(例如,用单张图片呈现复杂主题)
- 轮播图页数不合适(太少或太多)
- 视频时长问题(太长、开场无聊)
标题和封面问题:
- 封面缺乏吸引力(点击率低)
- 标题令人困惑或缺乏吸引力
- 标题与内容不匹配
- 缺少搜索关键词
受众定位问题:
- 内容对受众来说过于宽泛或狭窄
- 不符合品牌调性,或与细分领域无关
- 未涉及受众痛点
发布时间问题:
- 发布时段流量较低
- 撞上重大活动或节假日
- 与季节不匹配
针对每种表现不佳的帖子类型制定改进计划:
Issue: Low CTR on single-image posts
Diagnosis: Covers lack visual hook, text-only, no face
Fix: Add face, use before/after format, bold overlay text
Test: Create 3 new posts with improved covers, measure CTR improvement
步骤 6:构建内容表现矩阵
创建矩阵,以可视化不同内容类型的表现:
Content Type | Avg Engagement | Avg Viral Score | Post Count | Verdict
-------------|----------------|-----------------|------------|--------
Carousel | 12.4% | 6.2 | 8 | ⭐⭐⭐ Primary
Video | 7.8% | 3.1 | 5 | ⭐⭐ Secondary
Single Image | 9.2% | 4.5 | 7 | ⭐⭐ Secondary
策略决策:
- 主要格式(⭐⭐⭐):用于 60–70% 的内容
- 次要格式(⭐⭐):用于 20–30% 的内容
- 弃用格式:逐步淘汰或大幅改进
步骤 7:制定可复用的内容公式
根据表现最佳的内容,创建 3–5 个经过验证的内容公式:
公式 1:问题—解决方案教程
- 格式:5 页轮播图
- 标题:问题式(“是否正为 X 而烦恼?”)
- 结构:问题 → 解决方案 → 分步讲解 → 结果 → 行动号召
- 表现:互动率 14.2%,病毒传播分数 8.3
- 适用于:教育内容、操作类主题
公式 2:前后变化展示
- 格式:3 页轮播图
- 标题:突出收益(“我如何在 Y 天内实现 X”)
- 结构:之前 → 过程 → 之后
- 表现:互动率 15.8%,病毒传播分数 12.1
- 适用于:转变类主题、成果展示
公式 3:列表式技巧
- 格式:4–6 页轮播图
- 标题:数字式(“X 的 7 个技巧”)
- 结构:吸引开场 → 7 个技巧(每页 1 个)→ 总结 → 行动号召
- 表现:互动率 11.3%,病毒传播分数 5.7
- 适用于:分享技巧、快速提供价值的内容
使用公式来:
- 规划内容日历
- 保持一致性
- 扩大内容产出规模
- 预测表现
步骤 8:跟踪表现趋势变化
建立每周内容表现记录:
Week | Posts | Avg Engagement | Top Format | Viral Hits | Insights
-----|-------|----------------|------------|------------|----------
W1 | 4 | 9.2% | Carousel | 1 | Carousels outperforming
W2 | 5 | 10.5% | Video | 2 | Video improvement working
W3 | 3 | 12.8% | Carousel | 1 | Question titles boosting comments
趋势分析:
- 互动率在上升吗?说明内容策略有效
- 某些格式持续表现出色吗?加大投入
- 爆红内容在增加吗?算法更青睐此类内容
- 某些主题总是表现出色吗?围绕这些主题打造系列内容
常见错误
| 错误 | 原因 | 修正方法 |
|---|---|---|
| 仅根据浏览量评判内容 | 浏览量是虚荣指标 | 关注互动率和收藏量——它们能反映内容是否真正引起共鸣 |
| 过早分析帖子(发布后 24 小时内) | 早期数据容易产生误导 | 等待 3-7 天,让帖子充分发挥表现后再分析 |
| 比较受众规模不同的帖子 | 比较不公平 | 使用互动率百分比,而非原始数字,确保公平比较 |
| 忽视异常值帖子(爆款) | 认为它们只是偶然 | 深入分析爆款——其中蕴含宝贵的洞察 |
| 过于频繁地改变策略 | 对缓慢增长缺乏耐心 | 收集 10+ 篇帖子的数据后再改变策略 |
| 只关注平均值 | 平均值会掩盖规律 | 查看表现前 20% 和后 20% 的内容,提炼成功与失败的规律 |
| 不按内容形式跟踪表现 | 错过特定形式的洞察 | 始终按形式分析(轮播图、视频或单图) |
| 忽视收藏率 | 收藏量能够预测长期表现 | 收藏率高 = 常青内容,可持续带来流量 |
| 过度优化单一指标 | 策略失衡 | 平衡互动(点赞)、价值(收藏)和增长(关注者) |
| 不记录成功公式 | 重复摸索已有经验 | 总结 3-5 个经过验证的公式,并持续复用 |
实际影响
案例研究:时尚账号扭转表现
- 之前:平均互动率为 6.8%,表现不可预测,内容方向不明确
- 分析:发现采用前后对比结构的轮播图平均互动率为 14.5%,而单图为 5.2%
- 行动:使用经过验证的公式,将 80% 的内容转为轮播图形式
- 30 天后:平均互动率升至 11.2%(增长 65%),关注者增长率翻倍,出现 3 篇爆款
- 关键洞察:内容形式比制作质量更重要
数据支持的洞察:
- 记录并复用内容公式的账号,增长速度快 3 倍
- 遵循经过验证的形式的帖子,70% 的情况下表现优于实验性内容
- 收藏率高(>7%)的内容,30+ 天后仍能持续获得浏览量
- 表现最佳的内容通常遵循 5 种可预测结构之一
- 分析表现最差的内容,与分析表现最佳的内容同样能带来大量洞察
相关技能
必需:使用 data-analytics(整体数据分析框架) 必需:使用 data-metrics-understanding(理解指标)
建议用于深入分析:
- traffic-analysis - 分析哪些流量来源带来最佳内容表现
- content-planning - 将洞察用于规划未来内容
- viral-strategy - 优化内容,提升爆款潜力
在以下技能之前使用 content-performance-analysis:
- content-planning(根据经过验证的内容公式调整计划)
- cover-design(根据表现最佳的规律设计封面)
- title-writing(使用成功的规律撰写标题)
- graphic-content-creation / short-video-production(采用表现出色的形式创作内容)
提供背景信息的技能:
- account-positioning(确保内容符合定位)
- persona-building(在内容中保持一致的语气)