mcpField
C
content-performance-analysis

content-performance-analysis

github.com/vivy-yi营销与增长508336 次安装40 周前更新
代码仓库

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

  1. 01收集并计算内容表现指标
  2. 02识别高表现与低表现内容
  3. 03比较内容形式和主题规律
  4. 04诊断表现不佳的原因
  5. 05制定可复用的内容公式
  6. 06跟踪表现趋势

适用场景

  1. 01分析哪些内容主题或形式更受欢迎
  2. 02找出爆款内容的共同特征
  3. 03诊断低互动或低触达帖文
  4. 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:

  1. 互动数据 - 点赞、评论、分享、收藏(受众响应)
  2. 增长数据 - 新增粉丝、主页访问量(转化影响)
  3. 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:

  1. 打开创作者中心 → 内容数据
  2. 选择时间范围(建议最近 30 天)
  3. 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):

  1. 账号分析 → 内容效果
  2. 将所有帖子及指标导出到 Excel
  3. 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):

  1. 按互动率排序——找出前 5 篇
  2. 按传播分数排序——找出前 5 篇
  3. 按收藏率排序——找出前 5 篇

表现最差的内容:

  1. 按互动率排序——找出后 5 篇
  2. 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)

评论

支持 Markdown