基本的輪廓

以下方的「影片觀看次數」為例，圖中用藍色、橘色代表分別id的資料點，這邊至少可以得到以下資訊：

• 分別 id 的上片數，包含 2024-04 到 2025-02 的總數與分別月份的產量：藍色 id 產量較豐沛，從 2024-06 以後每個月平均大約產出 5 支片子；橘色 id 在 2024-05 到 2024-06、以及 2024-11 到 2025-12 分別各兩個月期間沒有出任何一片。
• 每一支片的觀看次數：每個資料點都代表一支片的觀看次數
• 個別 id 最高觀看前三名的影片標題與時間：直接找到個別 id 較具代表性的（較多觀看的）片子
• 個別 id 趨勢與平均量級：明顯看出藍色 id 平均而言取得較多觀看，觀看次數較多的片子平均分散在一年中的不同時間點；橘色 id 平均而言取得較少觀看，不過可以看出從 2025-01 之後有較多的發片量，而且逐漸產出更多觀看數的片子

從以上從圖中取得的資訊中我們至少能獲得兩個結論：

• 個別 id 的聲量等級，藍色>橘色
• 個別 id 的產片能力，藍色>橘色，但橘色近期開始大量出片

尚且不論我們還沒有考慮這段期間內有哪些重要事件的發生、創作者有沒有經營方向的明確改變等分析。光是初步結論就足夠對不同 id 的投放、經營做出一部份有意義的判斷基礎。

既然說是基礎，就代表還有更多內容值得探討。

我們可以進一步將貼文時間（或是上片時間）在一天 24 小時中不同時間點，與回應的討論時間點並列在一張圖表中，以下「貼文時間與留言時間」為例，顯示某 id 在一段期間內（大約一年），某小時的貼文數占所有貼文多少比例；同樣的，這些貼文下的留言時間，在某小時的留言數占所有留言多少比例。透過這樣的比較我們可以得知：

• 某 id 主要的發文時間段：該 id 大部分的貼文在 12:00、18:00、21:00 這三個時間點，深夜時間幾乎不發文。
• 與該 id 互動者的主要留言時間段：該 id 貼文下幾乎24小時都有留言，不過，主要是以 21:00 到 24:00 之間是主要的留言區間（這點能夠佐證、應證主要客群，如果我們沒有該 id 的所屬權限可以探訪洞察報告，就可以用這種方式大致比對）

從以上資訊，我們能部分的判斷出，該 id 的使用習慣、與其互動者、粉絲的可能群體。即使在沒有洞察報告的情形下，我們依然可以從這張圖表獲得這些重要資訊。

單獨事件

除了從整體全年度的資料整合來看，蠻常會需要針對單一貼文、單一事件進行分析，因此單篇貼文的各種分析圖表也是必要的，以下「單篇貼文每小時留言分布」、「單篇貼文與整體平均留言時間分布比較」分別是針對單一貼文的進一步解析。

• 單篇貼文每小時留言分布：從發文當下開始往後 2-3 天中，每小時的留言數量，最高峰在發文後大約一天，每小時有將近 200 則留言數，相當於每分鐘有 3 則左右。比較奇特的是在第三天凌晨時間 02:00 到 04:00 之間，都不約而同有 24 則留言，這也是可以進一步去檢視那些留言內容的動機之一。
• 單篇貼文與整體平均留言時間分布比較（與剛才單篇每小時分布為不同數據）：將大部分貼文下的留言時間分布與單篇貼文重疊對照，就可以對照出該篇貼文的特殊性，以此為例，該貼文的討論時間明顯拉長，該 id 大多貼文下的回應在一天內會結束，但該篇貼文則突破一天的回應時間，直到第三天結束都仍然有討論發生。

這些單篇貼文創造一波非常大的聲量，不過，我們也分辨該流量的「真實性」與否，這一點我們可以再進階透過留言內容做分類、異常值、情緒分析等分析，研究其特殊性是否真實、能否複製成功模式、屬於正面/負面聲量等，都會成為更有價值的洞見。

這裡我也想談談跨平台比較，拜 Meta 洞察報告整合所賜，我們可以直接比較相同貼文在 fb、ig 的聲量表現，可能發現即使是同一個 id 的同一篇貼文，在不同平台有完全不同的反應。 fb 出現該 id 超級爆量的現象級聲量，有多數的瀏覽者並非是原始追蹤者。然而在 ig，追蹤者的瀏覽比例仍佔大多數。善用洞察報告比對 fb 與 ig 同貼文在不同平台的反應狀況，可以看出該貼文有其特殊性、平台性。

競品分析

如何找出合適的競品，本身就是一門學問，當然我們也可以直接從洞察報告提供的參考對象選出合適的對象。以下是一些極爲基礎的做法，包含：「各競品(含自己id)貼文數與回應數每月平均」、「各競品貼文時間分布」、「各競品獲讚數時間分布」、「各競品獲評論時間分布」。

• 各競品(含自己 id )貼文數與回應數每月平均：如同先前在基本分析中所做的散佈圖，當納入的粉專更多、貼文數更多（數量可能比影片數多得多）時，利用單純的長條圖反而有更好的視覺效果。在這邊我們可以看到該圖做了一些細微的處理，例如 y 座標軸在 0-500 之間的級距為一組、500-2000 又為另一組，如此一來，即使部分 id 在部分時間點有較突出的數值，也不會影響到其他 id 的比較。例如我們並不會因為淺藍色的數值高於 1000，就失去了紫色、黃色這些 id 的變化，對於這些量級相對較小的 id 來說，即使是平均 100 的上下變化可能都意義非凡。然而對於淺藍色而言，我們也不至於喪失從 500 增加到 1500 的變化程度。這張圖也是一種兼容不同量級，又必須納入潛在競品時的一個做法。並且還能看出這些競品之間實際上存在隨著時間同向的趨勢，例如在 2024-05、2024-12、2025-01 都有一致獲得較多的回應數，可見這些競品確實歸納在同屬性、或至少反應一致的趨勢中。但也能夠看出部分原本選定的競品，例如淺綠色，量級實在差異過大，甚至在 2024-12 之後就沒有資料（或是趨近於 0 ），未來可能就可以直接踢除該筆 id。
• 各競品貼文時間分布：從這張圖可以看出各個 id 的張貼習性，就如同先前呈現單個 id 的貼文時間分布一樣，這邊只是將多個id堆在一起比較。我們也可以一個一個單獨來看個別 id 的時間分布，並且用後續的回應數疊上去。但如果只是要快速掌握大概的狀態，以便找出特別需要分析的對象時，這樣的圖表也很有用
• 各競品獲讚數時間分布、各競品獲評論時間分布：接下來這兩張圖可以掌握個別 id 的粉絲型態，當然在貼文發布的時候，就會有直接的回應數產生，不過如果對照比例的差距來看，也就可以知道個別 id 的粉絲族群差異性（或者該 id 的粉專特性）。例如，最後一組紫紅色的貼文有 50%在 18:00 的時段發出，對照同時段的按讚數是 60%、評論數約 56%；而倒數第四組的灰藍色，大約有 20% 的貼文在 19:00 的時段發出，但同時段的按讚數則少於 20%、評論數則高於 20%。仔細比對其他各個 id 的分布情形，就能夠逐一找出不同特性的族群、或是粉專發文特性

了解這些競品的發文習慣與粉絲族群特性，是了解同行的一個敲門磚。相同類型的粉專在特定時間段發文是否能取得好的效果，也可以透過其他人幫我們做的「實驗」來驗證。當然這當中還有太多為考慮的變因，要如何區分文章特性、使用者習慣、粉專特性（也可以說是 fixed-effect），還需要更進階的分析工具。不過光是以上這些資訊，也已經非常有用。

結語

以上，是我們可以從 Meta 的社群洞察報告、以及利用 API 獲得的一些基本資訊。當然，這些資訊還可以更進一步分析，例如：

• 對於不同類型的貼文進行 LDA 主題分類
• 或是運用 AI 或基本的 NLP 做情緒分析

其他的，就留到下篇文章分享吧。