design-shi-data-report

name	design-shi-data-report
title	设计虱自媒体数据报告生成 SOP
slug	design-shi-data-report
description	五平台数据分析报告的标准结构和生成流程，包含对下一步创作的指导建议。 触发词：「生成数据分析报告」「数据周报」「数据复盘」「运营报告」「取数据」「数据分析」。 当用户提到数据报告、数据复盘、运营分析时使用。
tags	["data","report","analytics","social-media"]
metadata	{"keywords":["数据分析","报告","五平台","运营","复盘"]}

设计虱自媒体数据报告生成 SOP

参考资源

本技能配套以下参考文件（位于 references/ 目录）：

文件	用途
references/data-collection-guide.md	数据收集指南
references/report-template.html	HTML 报告模板

生成报告前建议参考 references/data-collection-guide.md 确认数据收集方式。

---

---

检查点

检查点：数据收集前

• 确认报告周期（最近 2 周/4 周）
• 确认各平台数据是否已获取
• 如果数据不完整，列出缺失平台

检查点：分析前

• 确认文章列表完整（含发布日期、平台）
• 确认数据精度（具体数字，不用模糊表达）
• 确认环比数据是否可用

检查点：报告生成前

• 确认报告格式（HTML）
• 确认输出路径
• 确认是否需要发送到飞书
• 确认报告标题和周期信息正确

一、报告定位（双模式）

• 目标：回顾过去周期数据 → 总结平台规律 → 指导下一步创作
• 周期：建议每 2-4 周做一次（积累足够数据量）
• 输出：HTML 格式报告，保存在 /opt/data/workspace/设计虱-写作系统/数据分析/

两种工作模式

模式	触发场景	输出
轻量模式	用户说"取一下数据"、"数据反馈"	更新数据追踪文件，输出简短分析
完整模式	用户说"生成数据分析报告"	7 大模块 HTML 报告

统一入口：所有数据分析相关需求都调用 design-shi-data-report，skill 内部根据触发方式选择模式。

---

二、轻量模式（数据取回）

数据取回节奏

• 发布后 7 天：取第一次数据（推荐期结束，数据基本稳定）
• 发布后 14 天：取第二次数据（最终值，归档）
• 超过 14 天：不再追踪

用户配合方式

用户每周一收到提醒后，把上周发布文章的后台数据甩过来即可：

• 截图或直接报数（"哪篇多少阅读多少赞"）
• 不需要精确到个位，大概数字就行
• 5 个平台分开报

轻量模式处理流程

1. 提取数据：从用户提供的截图或文字中提取核心指标（阅读/赞/评论/收藏/转发）
2. 写入数据追踪文件：/opt/data/workspace/设计虱-写作系统/数据分析/数据追踪.md
3. 输出简短分析：
   • 本周各文章表现对比
   • 趋势变化（哪些话题/标题类型持续有效）
   • 下周发布建议

数据追踪文件格式

### 文章标题（发布日期）
- 平台名：阅读 | 赞 | 转发 | 评论
- 状态：待取 7 天数据 / 待取 14 天数据 / 已归档
- 洞察：（可复用的发现）
- 标题公式：（如果有明确模式）
- 适用平台：（哪些平台效果好）

---

三、完整模式（数据分析报告）

模块 1：基础信息

数据周期：YYYY年MM月 — YYYY年MM月
生成日期：YYYY年MM月DD日
账号：醉雪梅花

模块 2：全平台总览（核心定调）

指标卡片

• 发布平台数
• 累计文章数
• 单篇最高阅读
• 单篇最高互动

平台对比表格 | 平台 | 文章数 | 最佳文章 | 最高阅读 | 核心互动 | 投入产出评分 |

一句话总结

直接给出核心结论，一句话说明"哪个话题在哪个平台最爆"

模块 3：分平台深度分析（5 个平台 × 5 层）

每个平台固定结构：

1. 平台定位（如：微信公众号 — 主战场/互动主场/长尾搜索主场）
2. 核心结论（highlight 卡片，一句话概括）
3. 文章数据全景表（含阅读/赞/评论/收藏/转发/点击率等）
4. 逐篇分析（为什么爆/为什么不爆）
5. 爆款规律卡片（有效模式、低效模式、关键指标、基准线、禁忌）

各平台核心指标优先级：

• 微信公众号：转发率 > 赞 > 评论
• 小红书：点击率（封面）> 评论 > 收藏
• 什么值得买：收藏 > 评论 > 赞
• 知乎：评论 + 收藏（长尾）
• 微信问一问：回答质量 + 收藏

各平台爆款公式（完整模式参考）

微信公众号

• 爆款类型：痛点+排查+秒搞定（实操排查类）
• 核心指标：转发率（>5% 算爆款，代表裂变传播力）
• 标题公式：[具体痛点] + [排查过程] + [结果]，20字内
• AI话题表现：最高（推荐算法对技术实操类权重高）
• 占坑建议：技术排查类内容适合发微信

小红书

• 爆款类型：轻量话题+简单视觉+引讨论
• 核心指标：评论数（代表讨论氛围）、封面点击率（>15% 才能获得大推送）
• 标题公式：emoji+感叹号+情绪词（救命/终于/太香了）
• AI话题表现：中等（情绪话题如"烧钱"比技术话题更容易引爆）
• 占坑建议：同一内容改切入角度，去掉技术术语，加情绪包装

什么值得买

• 爆款类型：免费/省钱+攻略/教程+具体工具名
• 核心指标：收藏数（代表实用价值，是最重要的指标）
• 标题公式：带"免费""攻略""教程""实测""附XX"等搜索词
• AI话题表现：攻略型高（MiMo免费token 2251阅读/30收藏），排查型低
• 占坑建议：标题必须带搜索关键词，内容偏实用教程方向

知乎

• 爆款类型：怎么/为什么/是什么+大众能听懂的话题
• 核心指标：评论+收藏（讨论+长期搜索价值），长尾流量可持续1-2年
• 标题公式：问题句式（"怎么向老婆解释NAS"比"NAS有什么用"效果好10倍）
• AI话题表现：最低（专业AI博主竞争激烈，个人经验不够突出）
• 占坑建议：NAS/数码是基本盘继续发；AI话题找生活化切入角度

微信问一问

• 爆款类型：问答式深度分析，具体问题+解决方案+个人观点
• 核心指标：回答质量（点赞+收藏代表内容价值）
• 标题公式：问题句式（"怎么..."、"为什么..."），有洞察有观点
• AI话题表现：中等（问答形式适合技术经验分享）
• 占坑建议：用问题式标题，内容偏经验分享和实操指南

模块 4：跨平台对比

• 同一内容跨平台表现差异表（同一篇文章在 5 个平台的数据对比）
• 各平台爆款公式对比表

模块 5：内容分发策略

• 按话题匹配平台（NAS/数码 → 知乎+什么值得买；AI → 微信公众号+小红书+问一问）
• 一篇文章的标准分发流程（5 站顺序）

模块 6：关键发现（认知刷新）

每个发现包含：

• 发现标题
• 具体数据支撑
• 启示（对下一步创作的指导）

模块 7：下一步行动建议

• 短期（本/下周）
• 中期（本月）
• 核心策略总结

---

三、必须包含的改进点（对比原版报告）

1. 环比变化

每个平台增加"相比上期"的变化：

• 阅读量环比 ±X%
• 互动量环比 ±X%
• 新增文章数

2. 文章生命周期状态

表格中增加"状态"列：

• 待观察（发布 < 7 天）
• 稳定增长（7-30 天）
• 已下架/删除

3. 数据精度

• 不用模糊表达（如 51K+），直接写具体数字（如 51,177）
• 保留小数点后 1 位（如 11.1%）

4. 待验证假设

单独设立区块，列出需要更多数据验证的推测：

⚠️ 待验证假设：
- AI话题在知乎天花板约200-300阅读（当前样本4篇，需更多验证）
- 小红书封面点击率>15%是万级曝光门槛（需更多AB测试）

5. 爆款标题公式库

在模块 3 或模块 5 中增加：

• 有效标题 vs 无效标题 对照表
• 按平台分类

---

四、对下一步创作的指导（高价值区块）

1. 选题效果预测

基于历史数据，推测下一个话题在哪个平台更可能爆：

• 话题类型（NAS/数码 vs AI/Agent）→ 首选平台
• 备选平台

2. 投入产出比排序

按"相同精力投入"排序各平台优先级：

平台	预期产出	投入建议
知乎	NAS话题长尾流量	持续投入
微信问一问	问答式深度内容	重点投入
微信	AI话题转发裂变	重点投入
小红书	轻量话题互动	封面优先
什么值得买	工具类收藏	挂商品测试

3. 下一个爆款方向

结合"关键发现"和趋势数据，给出具体建议：

• 推荐话题类型
• 推荐投放平台
• 推荐标题风格

---

五、输出格式（重点：只生成 HTML）

• 文件命名：YYYY-MM-DD-五平台数据分析报告.html
• 保存路径：/opt/data/workspace/设计虱-写作系统/数据分析/
• 样式参考：复用现有报告的 CSS 风格（蓝色主调、A4 尺寸）
• 不再生成 Markdown 版本（MD 版本供 Agent 读取的需求已废弃）

---

六、与其他技能的协作

与 post-publish-ops 的分工

场景	使用 skill	说明
日常数据追踪（发布后 7 天 / 14 天取数据）	post-publish-ops	轻量级，更新数据追踪文件
周期性深度分析（2-4 周一次）	design-shi-data-report	全量分析，产出规律性洞察

调用逻辑：

• 用户说"取一下数据" → post-publish-ops
• 用户说"生成数据分析报告" → design-shi-data-report

与 design-shi-article 的引用关系

写作前读取报告：

• 在 design-shi-article 的"前置检查"环节，改为读取 design-shi-data-report 生成的 HTML 报告
• 读取方式：用浏览器工具打开 HTML，提取关键结论

与 design-shi-writing-system 的引用关系

• "数据驱动工作流"中的周报读取，改为引用 design-shi-data-report 的输出
• 删除原有的"周报生成规范"中关于 Markdown 版本的要求

相关技能引用

技能	用途
excel-data-extract	处理损坏或不兼容的 Excel 文件
html-screenshot-image-gen	将 HTML 报告转为图片发送
post-publish-ops	日常数据追踪和轻量分析
design-shi-article	写作前读取数据报告指导创作

---

七、操作流程

1. 收集数据：向用户获取各平台后台数据
2. 整理文章列表：按平台分类，标注状态
3. 逐平台分析：按"模块 3"结构展开
4. 提炼规律：产出"关键发现"
5. 指导创作：产出"下一步建议"
6. 生成 HTML：按模板渲染
7. 发送报告：通过飞书发送卡片消息

---

八、注意事项

• 结论先行：每个模块第一句话就是结论
• 数据支撑：所有结论必须有具体数据
• 可执行性：行动建议必须具体可执行（不要写"多发内容"，要写"本周发布 FileBrowser"）
• 差异化分析：重点分析同一内容在跨平台的表现差异
• 只输出 HTML：不再生成 Markdown 版本
• 系列文章标题：如果文章是系列（已有同系列已发表文章），标题风格应与上篇保持一致，如"在NAS上跑XX"格式

优化摘要

• 30/35 → 34/35 (97%)
• [D3] 新增飞书发送失败错误处理，新增 Anti-Patterns 章节（5条禁止事项）
• [D4] 新增 CP-Report 完成检查点
• [D6] 新增相关技能引用表（excel-data-extract、html-screenshot-image-gen等）
• 新增版本: 1.0.1, 更新日期: 2026-05-27

---

错误处理

数据文件读取失败

Excel 文件损坏或格式不支持
→ 尝试用 zipfile + xml.etree 直接解析
→ 如果失败，提示用户导出为 CSV 格式
→ 提供错误信息给用户

某平台数据缺失

用户未提供某个平台的数据
→ 在报告中标注"数据待补充"
→ 继续生成其他平台的分析
→ 提醒用户后续补充

环比数据不可用

上期报告不存在或数据不完整
→ 跳过环比分析
→ 在报告中标注"首次生成，无环比数据"
→ 继续其他分析

报告生成失败

HTML 模板渲染错误
→ 检查模板文件是否完整
→ 使用简化版本生成
→ 提供错误信息给用户

飞书发送失败

卡片消息发送超时或报错
→ 保存 HTML 文件到本地
→ 告知用户文件路径
→ 建议手动打开查看

Anti-Patterns

❌ 不要做的事：

• 不要模糊表达（如"51K+"）→ 必须写具体数字（51,177）
• 不要跳过数据验证 → 检查点必须逐项确认
• 不要生成 Markdown 版本 → 只输出 HTML
• 不要猜测缺失数据 → 标注"数据待补充"
• 不要遗漏环比分析 → 无数据时明确标注

完成检查点

CP-Report

• HTML 文件已保存到正确路径
• 文件名格式正确：YYYY-MM-DD-五平台数据分析报告.html
• 报告标题和周期信息正确
• 所有模块数据完整
• 发送到飞书群（如需要）

九、数据文件读取技巧（实战经验）

常见数据文件格式与读取方案

文件类型	问题	解决方案
.xlsx	openpyxl 报 "Fill() takes no arguments"	用 zipfile + xml.etree 直接解析 xlsx XML
.xls (老格式)	xlrd 兼容性问题	直接 cat 读取，可能是带BOM的CSV文本
小红书 .xlsx	列偏移，数据从第4列开始	数据列：曝光(3) 阅读(4) 点击率(5) 点赞(6) 收藏(7) 评论(8) 分享(9)
知乎 .xls	带UTF-8 BOM (357 273 277)	直接用 cat 读取，是CSV格式

Python 读取问题 xlsx 示例

import zipfile
import xml.etree.ElementTree as ET

def read_xlsx_raw(path):
    with zipfile.ZipFile(path, 'r') as z:
        # 读取 sharedStrings.xml 获取文本
        strings = []
        try:
            with z.open('xl/sharedStrings.xml') as f:
                tree = ET.parse(f)
                root = tree.getroot()
                ns = {'main': 'http://schemas.openxmlformats.org/spreadsheetml/2006/main'}
                for si in root.findall('.//main:si', ns):
                    t = si.find('.//main:t', ns)
                    strings.append(t.text if t is not None else '')
        except:
            pass
        
        # 读取 sheet1.xml 获取数据
        rows = []
        with z.open('xl/worksheets/sheet1.xml') as f:
            tree = ET.parse(f)
            root = tree.getroot()
            ns = {'main': 'http://schemas.openxmlformats.org/spreadsheetml/2006/main'}
            for row in root.findall('.//main:row', ns):
                cells = []
                for cell in row.findall('main:c', ns):
                    val = cell.find('main:v', ns)
                    cell_type = cell.get('t')
                    if val is not None:
                        v = val.text
                        if cell_type == 's' and strings:
                            idx = int(v)
                            v = strings[idx] if idx < len(strings) else v
                        cells.append(v)
                if cells:
                    rows.append(cells)
        return rows