预测社交内容的表现，不需要一个塞了 40 个变量的模型。把过去的帖子拿出来，按形式和主题分组，算出每组的中间值，再乘以你计划发布的数量。 然后用每组的制作成本除以这个结果，哪个结果最便宜，就先往哪投钱。
TLDR： 给过去的帖子打上形式和主题标签，算出每组的中间值，给每组定一个制作成本，再按"每个预期结果的成本"给各组排名。排名靠前的组加满预算，靠后的组设上限，每季度重新算一遍。
先做一张 90 天帖子的表
导出最近 90 天的数据，加两列：形式和主题。选一个和你目标对得上的结果指标，比如互动率、收藏数或链接点击。只选一个，因为指标混着用，排名就没意义了。
下面是表格结构，数字只是示意：
| 分组 | 帖子数 | 中间值结果 | 每条成本 | 每个预期结果的成本 |
|---|---|---|---|---|
| 轮播图，科普 | 22 | 4.1% | $90 | 最低 |
| 短视频，幕后花絮 | 18 | 3.0% | $150 | 中等 |
| 图片，优惠 | 30 | 2.5% | $40 | 中等 |
| 棚拍视频，品牌故事 | 8 | 2.2% | $600 | 最高 |
这些数字只是例子。你的数据会不一样，而这正是重点。
用中间值加区间，别只报一个数
一条爆款帖子就能把平均值拉歪。用中间值，再记下结果中间那一半的范围。在 Mydrop 的数据里，Instagram 帖子中间那一半的互动率在 1.1% 到 6.7% 之间，中间值是 3.1%。这种分布很正常，所以你的预测应该是一个带最可能值的区间，而不是一个承诺。
如果某个组的帖子少于 20 条，就把情况说明白，把预测标成"低置信度"。低置信度是让你用小预算去测试的理由，不是忽略这个组的理由。
针对历史看不到的因素做调整
过去的結果默认未来和过去长得一样。做三个调整，每个都用大白话说清楚：
- 季节性。 如果一个主题只在某个季度有效，就只预测那个季度。
- 疲劳度。 一个形式你连着发了 30 次，表现就会往下走。按一个明确的百分比下调预测。
- 发布时间。 在 Mydrop 的数据里，午夜到早上 6 点发布的表现比中间值低 17%，所以别给计划在这个时段发的帖子预测结果。
把调整写在数字旁边，这样下一个人就能看到预测为什么变了。
按每个预期结果的成本排名
用每组的制作成本除以它的中间值结果。一条便宜的图片，中间值 2.5%，可能大幅赢过一条中间值 2.2%、成本 $600 的视频。这个排名能告诉你，哪里再多投钱也是白投。
然后设三个档：
- 全额投入： 按每个预期结果的成本排，前三分之一的组。
- 按已验证投入： 中间的组，维持现在的量。
- 设上限或停掉： 后三分之一的组，除非这条帖子还承担着社交之外的任务，比如销售视频。
关于这个决策里"清理"的那一面，可以看减少创意债。
留一小笔测试预算
把创意预算的 10% 到 15% 投到历史数据排不出名次的东西上，比如一个新形式或新主题。没有这一档，预测就只是在确认过去。每个测试按 8 到 10 条帖子来算，然后加进表里。
给每条帖子打标签，让预测保持鲜活
预测的好坏，取决于你的标签。一个把形式和主题设为必填字段的标签体系，能让这张表一直保持最新。Mydrop 的表现分析能看到每条帖子、每个平台的结果，导出只要几分钟，日历则能显示每个组里已经排好了什么。
用三种情景呈现预测
管预算的人，更信一个敢承认不确定性的预测。对每个要投钱的组，从过去结果的中间那一半里，写出低、最可能、高三种情景。然后用大白话说清每种情景意味着什么：多出多少收藏、点击或线索，这个组要花多少钱。如果低情景仍然赢过这笔钱的下一个最佳用途，选择就很简单。如果只有高情景才撑得起这笔花费，就把它挪进测试档。这样一摆，关于观点的争论就变成了对着大家都能看到的数字做一次快速核对。
下次预算会之前，先把这张表做出来
导出 90 天数据，加上那两列，算出每组的中间值，再用成本除以结果。带上一页幻灯片，放上排名，再提一个请求：把后三分之一的钱挪到前三分之一，先试一个季度。
Google 评价
Trustpilot 评价
Product Hunt comment
