全平台内容增长复盘中枢 · 数据飞轮

你前面已经能"找爆款、采素材、排版、做互动运营"了。这个技能负责最后也是最关键的一环：把已发内容的数据复盘，反哺回下一轮选题——让整个内容生产线转成飞轮，而不是一次性流水线。

它解决什么痛点

内容创作者最大的困惑不是"不会做"，而是**"我到底哪篇成了、为什么成、下一篇该做什么"**。

抖音看「完播率」、小红书看「互动率」、公众号看「打开率」——三个平台的指标口径完全不同，人脑无法横向比较。
本技能 零 API、粘贴即用：把你从各平台后台导出的数据贴进来，本地一次性算清。
更关键的是：复盘一次就忘一次是大多数人的死穴。本技能把每次结论沉淀成你的专属验证库，下次复盘自动用上，越用越准。

与已发布家族的飞轮关系

| 环节 | 技能 | 产出 | |------|------|------| | 找爆款 + 写稿 | omni-viral-studio | 选题 / 脚本 | | 采素材 + 去重 + 排版 | omni-material-studio | 成稿 | | 发布后互动运营 | omni-engage-studio | 回复话术 + 跟进队列 | | 数据复盘 + 反哺（本技能） | omni-growth-studio（本款） | 下期选题建议 + 话术金句 + 素材线索 + 多平台看板 |

本技能读前三个技能的产出结果（选题标签、素材库、高互动评论），再把复盘结论反向喂回它们：

高互动「内容类型 / 标题词」→ 回灌 omni-viral-studio 做下期选题
高互动「评论金句 / 私信痛点」→ 回灌 omni-engage-studio 丰富话术库
高收藏「干货 / 工具类」→ 提示在 omni-material-studio 复用为素材

触发场景

当用户提到以下任一意图时触发本技能：

"帮我复盘这周/这个月发的视频/笔记/文章"
"抖音小红书公众号数据怎么横向对比"
"哪篇爆了、为什么爆、下期做什么"
"做个多平台数据看板 / 周报 / 月报"
"A/B 一下这两个标题/封面哪个好"
"我的完播率/互动率/打开率达标了吗"

核心能力（统一多源 + 本地增值）

统一多源指标：抖音（播放/完播/赞/评/藏）、小红书（曝光/赞/藏/评/转）、公众号（送达/阅读/赞/在看/分享）字段口径不同 → 归一为统一指标（互动率、完播率、收藏率、爆款率）。
三维交叉分析：时段（发布小时）× 平台 × 内容类型，找出「最优发布时间」「最优内容类型」「平台性价比」。
A/B 对比：同一选题的不同标题/封面变体，量化对比表现差异。
爆款归因：自动标记爆款，提取共性（类型、时段、标题高频词）→ 生成「下期选题建议」。
闭环反哺：把结论结构化输出为可喂给三个 omni-* 技能的建议清单。
复盘反哺闭环（新增）：把每次复盘的真实表现信号沉淀为本地验证库 growth_playbook.json，下次 --playbook 自动按你历史验证过的类型/时段/标题词加权，越复盘越准。
三态导出：CSV（原始归一表）、HTML 看板（可视化）、Markdown 周报/月报。

工作流（7 步 · 含复盘反哺闭环）

① 导入    用户粘贴各平台已发内容数据（CSV/JSON/纯文本表格）→ growth_ingest.py 归一
② 指标换算 growth_ingest.py 按平台口径计算 互动率/完播率/收藏率/爆款率
③ 分析     growth_analyze.py 做 三维交叉 + A/B对比 + 爆款归因 + 闭环反哺建议
④ 导出     growth_export.py 输出 CSV / HTML看板 / MD周报
⑤ 反哺     用户把「下期选题建议」喂给 omni-viral-studio、「话术金句」喂 omni-engage-studio
⑥ 复用     高收藏干货线索 → 在 omni-material-studio 复用为素材
⑦ 沉淀验证库 growth_retro.py add 把本次复盘结论写进 growth_playbook.json
           → 下次 growth_analyze.py --playbook 自动套用历史验证权重，越复盘越准（飞轮收口）

使用方式

零 API、纯本地：数据来源是用户自己从平台后台导出的数据，粘贴即可。不需要任何 Key、不联网、不上传粉丝数据。

# ① 导入归一（接受 CSV/JSON/纯文本；--demo 用内置样例）
python scripts/growth_ingest.py --import data.csv --out posts.json
python scripts/growth_ingest.py --demo --out posts.json

# ② 分析 + 闭环反哺建议
python scripts/growth_analyze.py --in posts.json --out posts_enriched.json --report growth_report.md

# ③ 导出三态
python scripts/growth_export.py --in posts_enriched.json --formats csv,html,md --title "7月内容复盘" --out out/

# ④ 复盘反哺闭环（新增）：把本次结论沉淀进验证库
python scripts/growth_retro.py add --enriched posts_enriched.json --out .

# ⑤ 下次复盘自动套用历史验证权重（越复盘越准）
python scripts/growth_analyze.py --in posts2.json --out posts2_enriched.json --playbook . --report growth_report2.md
python scripts/growth_retro.py summary --out .        # 看看你历史验证最跑赢的类型/时段/标题词
python scripts/growth_retro.py benchmark --enriched posts2_enriched.json --out .  # 当前结论 vs 历史验证库对标

数据格式（最小字段）

| 字段 | 说明 | 示例 | |------|------|------| | platform | 平台：douyin / xhs / gzh | douyin | | title | 标题 | 3个AI副业实测 | | published_at | 发布时间（ISO 或 YYYY-MM-DD HH:MM） | 2026-07-10 20:30 | | ctype | 内容类型标签（用户自定，用于交叉） | 教程 | | views | 播放/曝光/送达 | 120000 | | likes | 点赞 | 8000 | | comments | 评论 | 600 | | saves | 收藏/在看 | 3000 | | shares | 转发/分享 | 400 | | completions | 完播数（抖音可选） | 40000 | | ab_group | A/B 分组标识（可选） | A / B |

字段缺失会自动跳过该项指标计算，不会报错。详细口径见 references/metrics.md。

复盘反哺闭环（越复盘越准）

growth_retro.py 把每次复盘的「真实表现信号」沉淀为本地验证库 growth_playbook.json：

内容类型(ctype) 的历史验证互动率 / 收藏率 / 爆款率
发布时段(hour) 的历史验证互动率 / 爆款率
标题关键词(keyword) 的历史验证爆款命中率

下次 growth_analyze.py --playbook 会：

自动标注哪些当前结论「🔁 历史验证过」（这些类型/时段/标题词在你过往数据里稳定高互动）；
在看板/周报追加「基于你历史验证库（越复盘越准）」一节，给出可复用结论。

验证库只存统计权重、不含任何原始粉丝数据，与"数据不出本机"原则一致。详细规则见 references/closed-loop-playbook.md。

安全说明

全部脚本仅用 Python 标准库，不联网、不上传任何数据，粉丝/账号数据始终留在本地。
反哺建议是基于你自身数据的规则归纳，不接管账号、不自动发布。
验证库 growth_playbook.json 是用户运行时产物（非上架必需），发布时自动排除；如需对接实时平台数据，请自行在 growth_ingest.py 中接入官方开放接口，本技能默认离线。

参考文档

references/metrics.md —— 各平台指标定义与换算公式
references/analysis-dimensions.md —— 三维交叉与 A/B 对比口径
references/feedback-loop.md —— 闭环反哺规则（→ 三个 omni-* 技能）
references/closed-loop-playbook.md —— 复盘反哺闭环（验证库结构与用法）
references/usage-examples.md —— 端到端示例（含复盘反哺闭环场景）