AI 发了 133 篇小红书后，一次认真的数据回顾

数据说明：这次导出的笔记覆盖 2026 年 4 月 15 日—10 月 7 日。文中的曝光、观看、收藏、涨粉等数据，都是截至 10 月 7 日的累计结果。数据每天还在变化，所以这里记录的是当时的一个截面。

本来想做一次「第一个 100 天的小红书数据复盘」。

真正开始整理才发现，这个说法并不准确。

如果从 4 月 15 日发第一篇开始算，第 100 天大约到 7 月下旬。但我现在能拿到的，是这些老笔记一直累计到 10 月 7 日的数据，而不是第 100 天结束时的那个截面；账号每天的历史趋势也没有完整保留下来。

所以就不硬凑一个「100 天」了。

到 10 月 7 日，我一共发了 133 篇。

26.3 万曝光，3.49 万观看，1105 个收藏，后台记录的笔记归因涨粉 81。

看起来已经有不少数字可以分析。

但真的把 133 篇一条条摊开以后，我最先遇到的问题反而是：

一篇内容，到底怎样才算数据好？

01｜大部分内容没什么人看

26 万曝光、3.5 万观看，单看总数很容易让人产生一点错觉。

其实 133 篇里，单篇观看的中位数只有 112。

大部分时候，一篇发出去就是几十、一两百个人看。偶尔有几篇突然跑到几百、几千，把整体数字拉起来。

这反而更接近我过去几个月发小红书的真实体感。

认真做完一篇，发出去，没什么动静。

偶尔有一篇数据突然起来，又会忍不住想：是不是终于找到了一个更对的方向？

所以以前看数据，我也很容易先看播放量。

这大概是最直接的一种反馈：到底有没有人看。

02｜播放最高的三篇，并没有告诉我「以后就写这个」

目前观看最高的三篇是：

《为什么一质疑 AI，它就马上改口？》5625 次观看

《一份「空余 token 使用清单」》3624 次观看 （而且奇怪的是最近涨起来的，并不是刚发完后，不确定会否最近的一些什么有了蝴蝶效应）

《DeepSeek、Qwen、Kimi、豆包 - 真实测评》2018 次观看

三篇加起来 11267 次观看。

按照后台的笔记涨粉数据，它们合计带来了 1 个关注。

我不会因此得出「播放量没用」这样的结论。

几千个人愿意点开，本身就是很明确的反馈。模型哪个好用、AI 为什么会有这样的表现，这些问题覆盖的人更广，也确实更容易让一个陌生人停下来。

如果我的目的只是把播放量做高一点，这组数据甚至已经给出了一个挺清楚的方向：

继续做模型体验，继续追新的 AI 产品，继续写大家都会好奇的 AI 问题。

但问题是，我没有特别想把这个账号一直写成这样。

所以这几个几千播放，对我来说很重要，却不是一个简单的「以后多做这种」。

它告诉我什么东西更容易被看到。

至于看到以后，我是不是还想一直沿着这个方向写，是另外一个问题。

03｜两百多次观看，也可能是另一种好

再往下看，会看到一组几乎相反的数据。

《Evals, Harness, Forward-Deployed 新岗位》212 次观看，3 个涨粉

《AI 还有些做得不太好的事，比如教我练琴》217 次观看，3 个涨粉

《分享一下我对 Eval Design 的想法》222 次观看，3 个涨粉

还有很早的一篇：

《关于我，关于这个账号》243 次观看，5 个涨粉

这几个样本都很小，我不太想把它们总结成什么「涨粉公式」。

但把它们和前面那一万多次观看放在一起，至少有一件事变得比较具体：

很多人愿意看一篇内容，和有人看完以后觉得「我还想继续看这个人写什么」，并不是同一件事。

而且后面这一组，刚好都离我自己的经历更近。

是我真的在做什么，遇到了什么，或者对一件具体的事情形成了什么判断。

我之前会想，大部分时候还是应该尊重数据，偶尔再把自己放出来。

现在看到这些数字，我倒觉得「把自己放出来」可能不太需要被安排成一种偶尔发生的特殊情况。

至少对我来说，一个账号最后留下来的东西，大概还是和这个人本身有关。

但这也不意味着，以后就应该把播放量换成涨粉量，再去追另一个数字。

04｜有些收获，不发生在发布以后

前一阵我连续写过一些 AI 成本、企业 ROI、风险、商业模式。

比如：

《AI 提效之后，企业真正得到了什么？》

《AI 的成本，应该算到哪里？》

《把收益和成本放一起以后，AI 项目怎样算账》

还有 AI 风险、广告和商业模式那几篇。

它们花的时间并不少。有些还做了不少资料研究，但数据确实很一般。

如果只从小红书的数据来看，这当然是应该认真听的反馈。

也许题目太大，也许离读者当下正在经历的事情太远，也许我没有找到好的入口，也可能它们本来就不是很适合这里。

但「数据不好」和「这件事不值得做」，我现在还是不太愿意直接画等号。

因为写东西对我的价值，并不全部发生在发布以后。

为了写清楚一个问题，我会去查资料，发现自己原来哪里只是似懂非懂，把一些散着的信息重新连起来，也会在这个过程中慢慢形成自己的判断。

这些收获，没有哪一项会出现在后台数据里。

所以现在我更愿意把几个以前混在一起的问题分开：

• 这个问题，我自己想不想弄明白？
• 弄明白以后，它值不值得写出来？
• 写出来以后，它是不是适合小红书？

以前我好像很容易默认，第一个问题回答「是」，后面两个也自然应该是「是」。

现在觉得不一定。

有些东西也许更适合长文；有些只需要留在自己的笔记里；有些当下没有多少人关心，过几个月却可能在一次真实经历里重新长出另一篇文章。

数据可以反馈传播的结果。

但不是所有收获，都发生在发布以后，也不是所有东西都能马上被量化。

05｜有时候，不用把整篇推翻，先看看「入口」

还有一些数据，我觉得很适合拿来做更具体的判断。

比如我之前写过一篇：

《手指指月，如果一直看着手指，就错过月亮了》

83 次观看，14 个收藏。

最近的 AI PM 面试复盘里：

《我在面试里答串的概念》

82 次观看，14 个收藏。

这当然不能证明「内容很好，只是平台不给流量」。

八十几个人的样本太小，收藏高也可能有很多原因。

但至少下一次碰到类似情况时，我不会第一反应就把整个内容方向推翻。

可以先看看更具体的问题。

• 是不是标题没有讲清楚？
• 是不是封面没有让真正关心这个问题的人停下来？
• 是不是开头太慢？

比如「手指指月」这个标题，我自己挺喜欢。

但一个完全不认识我的人刷到它，大概根本不知道我在讲 AI、产品，还是人生感悟。

我一直不太喜欢为了数据，把标题做得越来越吵。这一点没有改变。

但现在我觉得：

不做标题党，和让别人很快知道这篇文章在说什么，并不冲突。

里面的东西不一定要换，入口可以继续学。

这大概也是我现在觉得数据比较有用的地方。

它不需要替一篇东西打一个总分，再告诉我「继续」或者「放弃」。

有时候，它只是让我知道哪里值得再看一眼。

06｜最后还是要回到：我为什么写

如果现在问我，看完这 133 篇以后，数据到底教会了我什么，我好像没有一个特别利落的运营结论。

我还是会在意播放量。

几千个人看会开心，认真做了很久最后只有几十个 view，也还是会失落。

涨粉、收藏、评论我也都会看。

它们是真实的反馈。别人愿不愿意停下来，愿不愿意把一篇东西留下来，愿不愿意以后继续看我，这些都值得尊重。

最近常看到一句话：

人是被正反馈塑造的。

我觉得没错。

正反馈会让人知道什么东西被接住了，也会给人继续做下去的动力。

但人好像也不只被正反馈塑造。

还有等待。

还没有结果的时候，愿不愿意再坚持一下。

还有希望。

暂时没有证据的时候，是否仍然相信有些事情值得做。

还有一些更属于自己的东西：兴趣、判断、选择，甚至某种说不太清楚的坚持。

它们也一直在慢慢塑造一个人。

如果一篇文章帮我真正想明白了一个以前模糊的问题，后台没有一项指标会记录这件事。

如果我今天研究了一个没什么人关心的问题，半年以后它变成工作里的一个判断，也没有办法回头给当时那篇笔记补一个「+1」。

当然，这也不能成为「我想写什么就写什么，数据都不用管」的借口。

既然把东西公开发出来，我还是希望它能被理解，也希望它能找到更多真正感兴趣的人。

只是现在，写之前我可能会先问自己一次：

• 我为什么想写这篇？
• 是希望它被更多人看到？
• 是想找到一些也在关心同一个问题的人？
• 还是这件事本身，我就想把它想清楚？

目的不同，发布以后，也不一定非要拿同一个数字评价它。

我之前有一个做内容的想法：

大部分时候尊重数据，偶尔把自己放出来。

现在我还是认同「尊重数据」。

只是后半句可能会改一点。

不用偶尔才做自己。

可以一直保留自己，同时认真尊重读者。

学习怎么把一件事说得更清楚，怎么找到更合适的入口，怎么让真正可能感兴趣的人看到。

至于什么值得我关心、什么问题值得我花时间想，这部分我还是想自己决定。

账号离「做起来」还很远。

下一篇只有几十个 view 的时候，我大概也还是会不高兴。

只是以后再看到一个数字，我可能会先多问一句：

它到底在回答什么？

还有哪些东西，本来就不在这个数字里面。