Auto-sync: 2026-04-26 04:02

wiki/concepts/Analytics-Feedback-Loop.md

@@ -0,0 +1,66 @@
+---
+title: "Analytics Feedback Loop"
+type: concept
+tags: ["analytics", "data-driven", "iteration", "social-media", "carousel"]
+sources: ["marketing-carousel-growth-engine"]
+last_updated: 2026-04-26
+---
+
+## Definition
+
+数据驱动的自我优化闭环：发布内容 → 获取分析数据 → 提取洞察 → 积累学习 → 改进下一条内容。通过持续迭代使内容质量随时间指数级提升。
+
+## 与 [[Feedback Loop]] 的区别
+
+[[Feedback Loop]]（已存在）是**多 Agent 评审循环**——后续 Agent 审查前序 Agent 产出的迭代机制。本概念是**数据分析驱动的内容迭代**——通过真实用户数据（播放量/点赞/评论）持续改进内容策略。两者同属反馈循环，但应用于不同层面（AI 协作 vs 内容优化）。
+
+## Cycle Structure
+
+```
+[发布轮播] → [获取数据: views/likes/comments/shares]
+     ↓
+[learn-from-analytics.js 分析]
+     ↓
+[提取洞察: 最佳钩子/最佳时间/最佳风格]
+     ↓
+[写入 learnings.json（持续积累）]
+     ↓
+[读取 learnings.json 规划下一条]
+     ↓
+[改进后发布] → (循环)
+```
+
+## 追踪指标
+
+| 指标 | 来源 | 用途 |
+|------|------|------|
+| 播放量 (Views) | per-post analytics | 钩子效果评估 |
+| 点赞/评论/分享 | per-post analytics | 互动率分析 |
+| 曝光量 (Impressions) | daily breakdown | 发布时间优化 |
+| 粉丝变化 | profile analytics | 长期增长追踪 |
+
+## 学习系统 (learnings.json)
+
+- **Best Hooks**: 哪种钩子风格（问题/大胆声明/痛点）效果最好
+- **Optimal Times**: 最佳发布日/小时
+- **Winning Visual Styles**: 哪些视觉风格参与率最高
+- **Niche Insights**: 各业务细分的洞察积累
+- **Engagement Trends**: 随时间的参与率变化
+- **Platform Differences**: TikTok vs Instagram 表现差异
+- **容量**: 滚动 100 条历史用于趋势分析
+
+## 自动调度优化
+
+- 读取 `learnings.json` 中的 `bestTimes`
+- 调整 cron 执行时间为最佳发布时段
+- 下次轮播自动应用最佳钩子风格和视觉建议
+
+## Usage in [[marketing-carousel-growth-engine]]
+
+[[marketing-carousel-growth-engine]] 每天执行此循环，确保 carousel #30 显著优于 carousel #1。
+
+## Aliases
+- Data-Driven Learning Loop
+- Performance Loop
+- Content Optimization Loop
+- 数据驱动反馈循环