# 一组笔记怎么横向比：从十篇里筛出能复制的规律，而不是记住一次运气

单篇只能定位断在哪一环，一组才能分出规律和运气——按一个维度分组、比中位数而非平均值、用重复次数过滤，再把结论写成下一轮可验证的假设

> 数据复盘 · 选题库 · 账号定位 · 约 5 分钟 · 10 月 16 日

## 本篇要点

1. 单篇笔记的数据是好几个因素叠加再加随机波动的结果，它能定位“断在哪一环”，但证明不了某个改动是否真的有效；要分清有效做法和运气，只能靠重复。
2. 横向比按“组”进行：把笔记按选题类型、标题句式、封面形式、内容形态或发布时间段贴标签，一次只分一个维度，否则两个维度的效果会混在一起分不开。
3. 投过薯条的笔记要单独标出，付费流量和自然流量混着比，等于把两笔账算成一笔。
4. 看一组数字优先看中位数而不是平均值：观看量从 500 到 50000 的十条，平均值 5920，中位数只有 950，平均值会被一条爆款抬到失真。
5. 除了一组的中心水平，还要看组内分布：三篇里两篇平一篇爆说明做法不稳定，三篇都稳定高于自己的中位数才像规律。
6. 同一做法至少重复出现两到三次且方向一致，才算可复制的规律；只出现一次的是意外，被搬运、被转发、蹭到升温话题的爆款还可能混了外部流量，只能证明选题有市场。
7. 比较要统一口径：所有笔记都取发布后第 7 天的数据，并尽量保持发布时间、内容形态、是否投流、当时粉丝量可比。
8. 比出来的规律要先写成一句可以被验证的假设，下一轮用五到十篇、留一半旧做法做对照来测，一轮只测一个维度，方向一致才写进默认做法。
9. 如果每一组表现都差不多，且连续十篇断在同一环，问题在选题和定位层面，继续优化标题封面没有意义。
10. 十篇样本很小，平台大盘、赛道季节性和账号自身成长都会改变结论，这套比较要定期重做。

---

上一篇讲了怎么诊断一篇笔记：按曝光→点击率→互动率→涨粉四层读下来，找出它断在哪一环。这一篇接着往后走一步，回答单篇回答不了的问题——手上有了一组笔记之后，怎么从中读出**能重复使用**的东西。

## 单篇回答不了的那个问题

同一篇笔记，封面换一张再发，观看量可能差两三倍；同一张封面换个时间发，数据也不一样。一篇笔记的数据本来就是好几件事叠在一起的结果：选题有没有人关心、封面有没有人点、内容值不值得互动、这一波流量里恰好来了什么人，再加上分发的随机性。

四层漏斗能把“哪一环断了”说清楚，但它回答不了另一个问题：**我上个月改的那个地方，到底有没有用？**

因为你只有一篇。一个因素的正效果可能刚好被另一个因素的负效果盖住，也可能纯粹是运气。想分清哪个做法真的有效，唯一的办法是重复——让同一个做法多出现几次，看它还成不成立。这就是横向比的出发点：比的对象不是一篇笔记，是一组笔记。

## 第一步：先分组，每组至少两三篇

横向比的单位是“组”：把笔记按某个维度贴上标签，再比不同标签之间的表现。

可以拿来分组的维度，基本就是你写笔记时反复要做的几个决定：选题类型（清单、踩坑、对比、答疑）、标题句式（带数字的、提问题的、点名某类人的）、封面形式（纯文字、有人物出镜、前后对比图）、内容形态（图文还是视频）、发布时间段（工作日早上、工作日晚上、周末）。

关键规矩是：**一次只分一个维度。**如果这十篇里干货笔记恰好都发在周末、故事笔记恰好都发在工作日，那“干货比故事好”和“周末比工作日好”就永远分不开了。所以要有意把不同做法错开发布，别让某个类型长期占着同一个时间段。

还有一个前置动作：把投过薯条的笔记单独标出来。付费流量和自然流量混在一起比，等于把两笔账算成一笔[1]。

## 第二步：比中位数，不比平均值

假设你这十篇的观看量是：500、600、700、800、900、1000、1200、1500、2000、50000。

十条加起来除以十，平均值是 5920。但你心里清楚，账号的常态绝不是每条 5920——那个 50000 是一条爆款，它一个就把平均值抬高了好几倍。

换成中位数：排序后取正中间的那个数（偶数条就取中间两个的平均），也就是 950。这才是“我随便发一条，大概会落在什么水平”。以后哪一篇偏高或偏低，拿它去比。

中位数比平均值好用，就是因为爆款是少数。另外别只看一组的中心水平，还要看组内分布：三篇里两篇平平、一篇爆了，说明这个做法不稳定；三篇都稳定落在中位数之上，它才像个规律。

## 第三步：加一道“重复”过滤

到这一步，你可能已经得出一句结论，比如“讲故事的那三篇互动率都比清单类高”。在把它写进下一轮排期之前，先过两关。

第一，**它在组里重复出现过吗？**同一做法至少重复两到三次、结果方向一致，才算规律。只出现一次的叫意外。很多人的“方法论”其实是从一篇爆款里总结出来的，那等于在赌运气。

第二，**对比的条件一样吗？**发布时间、内容形态、是否投流、账号当时的粉丝量，这些变了，两组就不是在比同一件事。尤其注意被别处搬运、被大号转发、刚好蹭上一个正在升温的话题的笔记：它们的数据脱离了你自己账号的正常水平，能说明选题有市场，说明不了你的写法有效，要单独看待。

口径也要统一：后台的账号概览能看到近 7 日和近 30 日的整体数据，单篇诊断只统计发布后 7 日[2][3]。所以所有笔记都取发布后第 7 天的数据来比，别拿昨天的截图和今天的实时数字比大小。

## 第四步：把结论写成一句能被验证的假设

比完一圈，你会拿到类似这样一句话：“以数字开头、点明结果的标题，点击率比提问式标题稳。”

它现在还不是结论，是**假设**——好处是能被验证，也能被推翻：下一轮的五到十篇里，一半用这个做法，一半继续用原来的做法做对照；比较时只看一个指标，测标题就看点击率评价，测内容类型就看收藏和评论。一轮下来方向一致，就把它写进你的默认做法；方向不一致，丢掉它，换下一个维度去测。

一轮只测一个维度，测完再测下一个。几轮下来，你会攒出一份只属于你这个账号、有自己数据支撑的做法清单。

```mermaid
flowchart LR
  A["记录每篇：选题类型、标题句式、封面形式、数据"] --> B["按一个维度分组"]
  B --> C["组间比中位数，看组内分布"]
  C --> D{"同一做法重复出现两三次？"}
  D -->|"是"| E["写成一条假设"]
  D -->|"否"| F["当作意外，先丢开"]
  E --> G["下一轮五到十篇，一半用新做法做对照"]
  G --> A
```

## 什么时候该换方向

如果每一组表现都差不多，而且连续十篇都断在同一环——比如点击率长期偏低，各种封面都试过还是没起色——那问题已经不在写法上，而在更前面的选题和定位。这时该做的是换方向、换人群，而不是继续在标题上打磨。

## 边界

十篇依然是很小的样本，你得到的只能算“当前最佳猜测”，不是定论。平台大盘会变，赛道有季节性，账号自己也在长大——粉丝多了以后，同一套写法的效果本来就会变[4]。所以横向比要定期重做，而不是做一次就当成永久标准。

但它的方向是对的：**一次运气改变不了什么，重复出现的东西才是你可以带走的经验。**

## 术语表

- 横向复盘：不看单篇看一组，把多篇笔记按同一个维度贴标签分组，再比不同组之间的表现，用来分辨哪些做法可复制。
- 对照组：一次只让一个维度变化，其余做法保持原样，另一组笔记作为比较基准，这样数据变化才能归因到那一个维度。
- 中位数：把一组数字排序后取正中间那个数，代表“常态水平”；它不会被个别爆款抬高，比平均值更适合描述一个账号的日常表现。
- 可复制的规律：同一做法至少重复出现两到三次、结果方向一致，才值得写进下一轮排期；只出现一次的算意外。

## 来源

1. [小红书报备笔记如何做数据分析 | 青瓜传媒 — 曝光、阅读、互动率等指标定义，高曝光低点击与高点击低曝光的排查思路，以及分析时要剔除投流数据的提醒](https://www.opp2.com/319003.html)
2. [0基础小白要掌握的小红书数据分析 | 青瓜传媒 — 创作中心账号概览与单篇笔记分析的用途、互动率计算口径、涨粉低时优化主页的提醒](https://www.opp2.com/349143.html)
3. [小红书笔记涨粉多少？创作中心能看见了！| 鸟哥笔记 — 笔记诊断的维度与大盘对比，诊断只统计发布后 7 日](https://www.niaogebiji.com/article-83203-1.html)
4. [小红书数据复盘怎么做：看哪几个指标、怎么调 | CardCrafter — 按周记录曝光、点击率、互动率、涨粉的复盘流程，以及不同赛道基准差异大的说明](https://www.cardcrafter.cn/blog/xiaohongshu-data-review-guide)

---

原文：https://pangzhengboyin.com/articles/comparing-a-batch-of-notes-across-posts-f2ed57fc

> **庞征博引** · 想学的，慢慢都会
>
> 庞征博引是把想学的东西写成连载的 AI 学习工具。说出想学什么，它会先了解你的基础，再把主题写成一篇篇 5–10 分钟能读完的文章；边读边问，接下来学什么跟着你走。这篇就是这样写出来的。
>
> 开始你自己的连载 → https://pangzhengboyin.com