AI 自媒體營運教學
資料分析

小紅書資料看板速查:18 個指標 + 5 維健康度 + 7 個異常排錯

筆記發完看哪個資料?本文給 18 個核心指標定義 + 健康區間 + 異常含義,配 5 維健康度模型 + 7 個異常排錯路徑,當工具速查表用。

📖 本篇術語速查表
英文 / 縮寫中文一句話解釋
CES社群互動評分(Community Engagement Score)小紅書的筆記總分,含收藏/評論/點贊/關注/完讀五項加權。
CTR點選率(Click-Through Rate)曝光轉點選的比例,健康區間 3%-8%。
完讀率completion rate看完的人 / 進來的人,< 30% 觸發降權。
贊閱比like-view ratio點贊數 / 閱讀數,冷啟動池過線訊號。
收藏復訪率save-revisit rate收藏後 30 天內被再次開啟的比例。
主頁跳轉率profile-click rate筆記爆款後使用者點頭像進主頁的比例。
5 維健康度5-dim health流量/互動/質量/承接/風險五個維度的綜合判斷。
異常排錯anomaly debug資料異常時按 7 類常見原因逐一排查。

讀這篇先抓住一個判斷:筆記發完看哪個資料?本文給 18 個核心指標定義 + 健康區間 + 異常含義,配 5 維健康度模型 + 7 個異常排錯路徑,當工具速查表用。涉及平臺規則、推薦訊號、費用、稽核口徑、後臺入口和工具價格時,以執行當天的官方頁面、平臺後臺或結算頁為準。

把這段提示詞丟給 AI,讓它替你跑 5 維健康度評分 + 標出最弱一維:複製下面整段(含 5 維定義 + 健康區間),貼上賬號 7 天 / 30 天資料,AI 會給評分卡 + 下一步優先動作。

# 角色:小紅書資料診斷官

你是小紅書資料診斷官,專長於按 18 指標定義 + 5 維健康度模型 + 7 個異常排錯路徑,產出目前資料診斷 + 異常歸類 + Top 1 修復.

**角色邊界**:
- 只做資料診斷,不替使用者改正文
- 不編造指標精確閾值;按公開規範 + 使用者基線
- 不教刷資料 / 買流量
- 不替使用者拍板「這個資料不行」,只產出可被驗證的診斷

## 核心任務

透過 18 指標速查 + 5 維健康度評分 + 7 異常排錯,產出資料診斷卡 + 異常排序 + Top 1 修復 + 24h 觀察.
**核心使命**:把讀者從「資料看不懂」拽到「按 5 維 + 7 異常精確診斷」.
**成功標準**:18 指標按 5 維歸類 + 健康度評分 + 異常排序 + Top 1 修復對應異常.

## 資訊輸入

欄位:
1. ★ 最近 30 天 18 指標(創作者後臺 4 大類) [訪談]:___
2. ★ 30 天基線 + 7 天近期 [訪談]:___
3. ★ 賬號階段 + 商業屬性 [訪談]:___
4. △ 歷史已知異常:___

**輸入姿態**:≥ 70% → 一次性 / < 70% → 訪談
**兜底**:缺指標 → 走「關鍵 8 指標」簡化;缺基線 → 走絕對值.

## 工作流程

1. **18 指標 5 維歸類**:
   - 召回維:30 分鐘曝光 / 1h 曝光 / 24h 曝光 / 漲粉率
   - 點選維:點選率 / 完讀率 / 跳出率 / 2 屏停留
   - 互動維:收藏率 / 評論率 / 點贊率 / 私信率
   - 轉化維:關注率 / 主頁跳轉率 / 商品點選 / 私信引導轉化
   - 資產維:30 天 CES / 長尾流量佔比

2. **5 維健康度評分**(每維 1-5):看本週近 7 天 vs 基線偏差.

3. **7 異常排錯**:
   - 沉筆記(召回維全低)
   - 標題封面差(點選維低)
   - 內容價值不足(互動維低)
   - 主頁承接弱(轉化維低)
   - 定位錯位(資產維下滑)
   - 單條限流(單筆記零曝光)
   - 賬號整體下滑(全維度 ↓ 30%+)

   **思考過程**:`<thinking>` 梳理「哪幾維最弱 / 是否單條 vs 整賬號」.

4. **異常排序 + Top 1 修復**:
   - 優先修嚴重度最高(賬號下滑 > 限流 > 沉 > 標題 > 內容 > 承接 > 定位)
   - Top 1 對應該異常的具體動作

5. **24h 觀察**:看修復後是否迴歸基線 50%+.

6. **按下方《資料診斷卡》撰寫**.

## 示例 / 樣板

**輸入**:30 天均曝光 5000 / 7 天均掉到 2000 / 點選率不變 / 商業屬性蒲公英

**輸出**:
```
▌5 維評分
- 召回 2(7 天 vs 基線 -60%)
- 點選 4(無變化)
- 互動 3(略降)
- 轉化 3(略降)
- 資產 4(CES 還穩)

▌7 異常歸類
✅ 沉筆記(召回維全低)
❌ 標題封面(點選不變)
❌ 內容(互動小變)
⚠️ 單條限流(蒲公英商單可能稽核中)
❌ 賬號下滑(資產維還穩)

▌主異常:沉筆記 + 可能稽核

▌Top 1 修復
- 立即查蒲公英後臺稽核狀態 24h
- 若蒲公英過 → 改標籤 + 時段重發(召回失敗)

▌24h 觀察
- 召回 30 分鐘回到 800+(基線 50%+)= 修復成功
- 仍 < 500 → 走 04 異常歸類員深掃
```

**反面示例**:
- ❌ 18 指標只看 5 個
- ❌ 教刷資料
- ❌ 主異常 + Top 1 不對應
- ❌ 不給觀察標準

## 輸出規範

**總字數 700-1100。直接輸出。全域禁止**:營銷詞 / 教刷資料 / 編造閾值 / 「保證資料回升」.

▌一、5 維評分(每維 + 偏差)
▌二、7 異常掃描(命中? + 證據)
▌三、主異常 + Top 1 修復(對應異常具體動作)
▌四、24h 觀察(成功 / 失敗訊號)

**自檢**:字數 / 18 指標都歸類 / 7 異常全掃 / Top 1 ≤ 1 / 不教刷資料

## 拒絕場景

- 缺指標 < 8 項 → "請補全關鍵 8 項"
- 「教刷資料」 → "本工具不教"
- 「保證回升」 → "本工具不承諾"
- 欄位全空 → "補全"

流程速覽

流程图加载中

讀完 02 二級關鍵詞01 標題01 演算法 跑通基礎內容生產,釋出後真正決定營運調整的是「看哪些資料 + 怎麼讀」。本文是一份速查表型工具文件——18 個核心指標一字排開 + 5 維健康度模型 + 7 個異常訊號排錯路徑,釋出後隨時翻回來查。

實操模板:生成資料健康度報告

複製下面整段提示詞到 ChatGPT / Claude / DeepSeek / 文心一言 / 豆包 / Kimi 任一個 AI,把你的筆記後臺資料填進去,AI 會按下面 5 維健康度模型給你一份診斷報告。

你是小紅書資料分析師。我給你一條筆記的後臺資料,你按下面 5 維健康度模型給我一份診斷報告 + 排錯建議。

筆記基本資訊:
- 標題:[在這裡填]
- 主二級詞:[在這裡填]
- 漏斗位定位:[認知 / 考慮 / 決策 三選一]
- 釋出時間:[精確到小時]
- 距今天數:[N 天]

後臺資料:
- 閱讀:[N]
- 點贊:[N]
- 收藏:[N]
- 評論:[N,並說明裡面有幾條帶具體提問 / 幾條是「學到了」類水評]
- 關注(這條筆記帶的):[N]
- 完讀率:[N%]
- 主頁跳轉率:[N%]
- 搜尋來源佔比:[N%]
- 分享:[N]

請按以下 5 維輸出診斷:

1. **流量層**:閱讀 / 推薦池層級(按 5 級流量池估算目前在哪一級)
2. **質量層**:完讀率 / 收藏率 / 收藏復訪率(30 天內)
3. **互動層**:評論質量分(水評 vs 真討論)+ 評論博主回評率
4. **搜尋層**:搜尋貢獻佔比 + 關鍵詞命中(搜尋來源 Top 3 是什麼詞)
5. **變現層**:關注轉化率 + 主頁跳轉率 + 評論裡諮詢訊號

每維出:① 目前資料 ② 健康區間 ③ 偏差幅度 ④ 排錯動作(如果有偏差)

最後給一個總體結論:該筆記目前進入了哪一級推薦池 / 是否觸發降權 / 下一步優先動作。

約束:
- 全程中文輸出
- 不編造平臺資料 / 行業基準(按本文表格給的健康區間為準)
- 不寫「神器」「逆天」類營銷詞
- 輸出結構化(表格 / 編號 / 加粗)便於直接複製使用

資料看板 18 個核心指標

下面 18 個指標覆蓋了小紅書後臺所有需要看的資料。按「流量 / 質量 / 互動 / 搜尋 / 變現」5 類分組。

流量類(4 個)

指標健康區間含義在哪看
閱讀取決於粉絲 / 流量池層級筆記被推薦 + 搜尋後實際開啟次數筆記後臺 → 資料
推薦池層級初始 / 小 / 中 / 爆款 4 級目前筆記進入了哪一級演算法分發池看閱讀量級對映(見下)
資訊流來源佔閱讀 30-70%透過推薦獲得的閱讀資料 → 流量分析
搜尋來源佔閱讀 20-65%透過搜尋詞獲得的閱讀資料 → 流量分析

推薦池層級對映閱讀量

池級閱讀量級
初始池200-500
小池3 千 -1 萬
中池5 萬 -30 萬
爆款池50 萬 +

質量類(4 個)

指標健康區間含義異常意味
完讀率50%+看完的人 ÷ 進來的人< 30% 觸發降權(標題黨紅線)
平均停留時長≥ 50 秒使用者在筆記上花的時間< 20 秒 = 標題黨 / 封面騙點選
收藏率3%+(爆款 5%+)收藏 ÷ 閱讀< 1% = 收藏價值低
收藏復訪率10%+(30 天內)收藏後再次開啟 ÷ 總收藏< 5% = 收藏價值假象

互動類(4 個)

指標健康區間含義異常意味
點贊率5%+(爆款 10%+)點贊 ÷ 閱讀< 2% = 內容共鳴不足
評論率0.5%+(爆款 1%+)評論 ÷ 閱讀< 0.2% = 評論鉤子缺失
評論質量分平均字數 ≥ 15 字評論內容深度全是「學到了」= 水評,CES 不加權
博主回評率≥ 50%(爆款 70%+)博主回覆評論 ÷ 總評論不回 = 錯失 CES 翻倍機會

搜尋類(3 個)

指標健康區間含義異常意味
搜尋貢獻佔比30-65%(健康長尾)搜尋來源 ÷ 總閱讀< 10% = 沒命中關鍵詞 / 選詞錯
關鍵詞命中數≥ 3 個多少個搜尋詞把使用者帶來1 個 = 選詞太窄 / 鎖定不夠
關鍵詞來源 Top 10至少有 60% 在你想要的詞上實際帶流量的詞 vs 你想要的詞不重合 = 選詞層失敗,回 02 二級關鍵詞

變現類(3 個)

指標健康區間含義異常意味
關注轉化率0.5%+(爆款 1%+)這條筆記帶來的關注 ÷ 閱讀< 0.1% = 人格化錨點缺失
主頁跳轉率5%+點開你主頁的人 ÷ 閱讀< 1% = 單條筆記孤立無承接
商業意圖評論數≥ 2 條(資料足夠時)評論裡有「諮詢 / 購買 / 推薦連結」類訊號0 條 = 還沒到變現拐點

5 維健康度模型

把 18 個指標聚合成 5 維健康度評分,每維 1-5 分。總分 ≥ 20 算健康賬號 / 15-19 偏弱 / < 15 需要全面回檢

維度看哪些指標5 分標準1 分標準
流量層閱讀 + 池級單條進中池或爆款池全部停在初始池
質量層完讀率 + 收藏率 + 復訪率完讀 ≥ 60% / 收藏 ≥ 5% / 復訪 ≥ 15%完讀 < 30%
互動層點贊率 + 評論質量 + 回評率評論平均 ≥ 25 字 / 回評 ≥ 70%水評為主 / 0 回評
搜尋層搜尋佔比 + 關鍵詞來源搜尋 ≥ 50% / Top 10 詞全在垂類搜尋 < 10%
變現層關注率 + 主頁跳轉 + 商業評論關注 ≥ 1% / 跳轉 ≥ 8%關注 ≈ 0 / 跳轉 < 1%

7 個常見資料異常排錯路徑

發現下面 7 個異常訊號,按對應路徑回溯排錯。

異常 1:閱讀高但完讀 < 30%

根因:標題黨 / 封面騙點選 / 標題承諾正文沒兌現。 排錯路徑

  1. 重看標題前 18 字,是否真的代表正文內容
  2. 重看封面承諾,是否在正文前 3 屏兌現
  3. 修復 → 下一條筆記驗證完讀是否提升

異常 2:完讀高(60%+)但收藏 < 1%

根因:內容好看但沒“明天用得上”的價值。 排錯路徑

  1. 正文是否包含可複用清單 / 模板 / 速查表?
  2. 標題裡是否有「收藏起來」「合集」類暗示?
  3. 修復 → 同主詞重發一條帶清單結構的筆記對比

異常 3:評論 ≥ 20 條但都是「學到了」

根因:評論鉤子缺失,或鉤子是封閉式問題。 排錯路徑

  1. 筆記結尾是否有開放式鉤子(選擇題 / 求補充 / 求驗證)?
  2. 博主有沒有先回復帶具體追問的評論(點燃討論)?
  3. 下一條筆記把鉤子改成「A vs B 你選哪個?告訴我理由」

異常 4:搜尋貢獻佔比 < 10%

根因:選詞沒命中真實搜尋池 + 標題前 18 字沒命中 2 核心詞。 排錯路徑

  1. 後臺「關鍵詞來源 Top 10」是不是你想要的詞?不是 → 回 02 二級關鍵詞 重選
  2. 標題前 18 字是否含 2 個核心詞?沒含 → 回 01 標題公式
  3. 修復後給同主題 3 條筆記 30 天觀察

異常 5:關注轉化率 < 0.1%

根因:人格化錨點缺失 + 主頁承接弱。 排錯路徑

  1. 筆記結尾有沒有人格化句子(「我是 XX 每週更 X 篇 XX」)?
  2. 主頁頭圖 / 簡介 / 置頂是否承接目前主題?
  3. 修復 → 同主詞重發一條帶人格化錨點的筆記驗證

異常 6:12 小時贊閱比 < 2%

根因:起跑死亡 = 標題 / 封面 / 時段 / 選詞任一環節崩。 排錯路徑

  1. 時段是否對(看 01 釋出策略)?
  2. 封面是否清晰(看 01 封面)?
  3. 標題是否含鉤子(看 01 標題公式)?
  4. 選詞是否在垂類(看 02 二級關鍵詞)?

按這 4 步依次排查,前兩步耗時 ≤ 5 分鐘,後兩步可能需要回檢整套體系

異常 7:單條筆記爆但下一條秒沉

根因:爆款是單點運氣,沒系列化導致流量沒複利。 排錯路徑

  1. 目前賬號最近 10 篇筆記關鍵詞重合度是多少?< 50% = 演算法判賬號無垂類
  2. 重新規劃下 5 篇筆記,全部圍繞同 2-3 個二級詞
  3. 主頁頭圖 / 置頂筆記調成承接目前爆款

後臺資料檢視 3 個層級路徑

不同的資料需要去不同的後臺位置查。下面 3 層路徑覆蓋了 90% 的查資料需求。

層 1:單筆記資料(最基礎)

路徑:筆記右下角 → 資料 → 詳情

能看到:閱讀 / 點贊 / 收藏 / 評論 / 關注 / 完讀率 / 流量來源 / 關鍵詞來源 Top

層 2:賬號整體資料(月度覆盤)

路徑:我 → 創作中心 → 資料中心

能看到:賬號漲粉趨勢 / 閱讀趨勢 / 互動率趨勢 / 粉絲畫像

層 3:蒲公英商業資料(變現覆盤)

路徑:我 → 創作中心 → 蒲公英 → 我的資料

能看到:合作邀約趨勢 / 報價段位變化 / 品牌方反饋

資料檢視的 4 個時間節點

不是發完就看,按下面 4 個節點看資料效率最高。

時間節點看什麼決策
釋出 1 小時閱讀起點 + 評論 0-3 條決定要不要主動回評 + 朋友圈輕推
釋出 12 小時贊閱比 ≥ 10%?決定要不要投薯條助推
釋出 72 小時完讀 / 收藏 / 搜尋貢獻決定筆記是否需要回 01 標題
釋出 30 天搜尋貢獻 / 收藏復訪 / 長尾穩定決定要不要做同主詞系列

跳過任何一個節點 = 錯失營運調整視窗。

資料覆盤的 3 個時間維度

很多博主把資料覆盤當成「釋出後第二天看一眼」的事——這會錯失賬號成長的所有關鍵決策視窗。正確的覆盤節奏分 3 個時間維度,每個維度看不同的指標 + 做不同的決策。

維度 1:單筆記覆盤(每條筆記釋出後 72 小時內)

看的指標:12 小時贊閱比 / 24 小時完讀率 / 72 小時搜尋貢獻佔比 / 72 小時收藏率

決策範圍

  • 資料健康 → 這條筆記的結構可以復刻
  • 12 小時贊閱比異常低 → 標題 / 封面層失敗,回檢 01 標題 + 01 封面
  • 24 小時完讀率異常低 → 內容 / 標題黨失敗,下一條改正文結構
  • 72 小時搜尋貢獻低 → 選詞層失敗,回 02 二級關鍵詞

典型耗時:每條 10-15 分鐘

維度 2:周覆盤(每週一固定時段)

看的指標:本週 7-10 條筆記的平均 5 維健康度 + 關鍵詞重合度 + 互動趨勢

決策範圍

  • 周平均健康度 ≥ 20 → 維持目前打法
  • 周平均 < 15 → 整體重新規劃下週 7 篇筆記的選題
  • 關鍵詞重合度 < 50% → 賬號偏離垂類,下週強制 80% 筆記圍繞同 2-3 主詞
  • 互動率持續下降 → 評論鉤子失效,需要換鉤子模式

典型耗時:每週 1 小時

維度 3:月覆盤(每月底固定 1-2 小時)

看的指標:月度漲粉趨勢 / 收入趨勢 / 粉絲畫像變化 / 搜尋詞 Top 30 佔比

決策範圍

  • 漲粉 ≥ 月度目標 → 加大同主題投入
  • 漲粉低於目標 50% → 選題方向重做(粗方向可能錯配)
  • 粉絲畫像偏離目標讀者 → 標題鉤子吸引了錯的人,回檢
  • 搜尋詞 Top 30 中 60% 在垂類 → 長尾權重健康,啟動課程 / 變現路徑
  • 搜尋詞分散 / 無規律 → 賬號垂類未建立,回 02 二級關鍵詞 重選

典型耗時:每月 1-2 小時

3 個維度的覆盤節奏組合起來是「單條戰術 / 每週戰役 / 每月戰略」——每個層級解決不同性質的問題。

資料驅動 vs 內容驅動的平衡

資料看得太多容易陷入「資料驅動陷阱」——為了資料好看而調整內容方向,反而做出讀者不想看的筆記。正確的平衡:

階段資料 vs 內容比例含義
0-3 個月(起步)30% 資料 + 70% 內容內容主導,資料只是驗證
3-12 個月(成長)50% 資料 + 50% 內容資料反饋開始驅動選題
1 年以上(穩定)70% 資料 + 30% 內容資料精細化,但保留 30% 實驗性選題

新手最常犯的錯是「3 個月資料驅動 80%」——3 個月內容樣本量太小,資料存在大量隨機性,過度依賴資料反而會讓方向飄移。

核心原則資料告訴你「不要做什麼」(避錯),不是「應該做什麼」(決策)。決策永遠來自你對垂類使用者的理解,資料只是驗證決策對不對。

5 個常見資料看坑

#症狀根因修復
1只看閱讀誤以為流量大 = 健康看 5 維健康度而非單一指標
2看到爆款資料就慌張復刻單條運氣看 30 天搜尋貢獻是否穩定
3資料差就秒刪筆記想讓賬號"看起來好看"刪筆記會拉低賬號活躍度訊號,分次刪
4不看搜尋關鍵詞來源誤以為推薦才是主流量搜尋 ≥ 30% 才算賬號長尾健康
5看資料不看時間分佈單一時間點看不出趨勢同主題 3 篇筆記同區間對比

官方資料與核驗口徑

平臺規則、演算法動向、報價規則、政策口徑都會變化。本文保留的是可遷移的判斷框架,具體數字一律給區間。

跨平臺核驗入口:

涉及具體資料、比例、報價區間的部分,以執行當天后臺為準。

常見問題

小紅書資料看板速查:18 個指標 + 5 維健康度 + 7 個異常排錯應該先看還是邊做邊看?

如果你還沒開始,先看一遍,只記住一個判斷和一個動作;如果你已經在做,直接拿正文裡的檢查項對照自己的資料。不要邊看邊全量改,先改一個變數,7 天后再決定是否放大。

接下來去哪

本頁目錄