如何比較固定 X 貼文樣本中的主題

1. 寫下決策並固定樣本

樣本是你要檢視的一組貼文。固定樣本有一份已保存的成員清單，不會為了改善結果而變更。

收集計數前，先寫下要做的一項決策。例如，你可能想選擇下一篇產品說明的主題。這是預定要做的決策，不能當作所選主題會表現更好的證據。

保存以下選擇：

1. 提供的帳號與已知貼文網址。
2. 預計納入的發布日期。
3. 選取這些貼文所用的規則。
4. 每項比較允許納入的貼文類型。
5. 將使用的互動計數。
6. 該計數要求的貼文發布時長。
7. 這項比較將支援的決策。

選取規則可以是納入指定日期內所有已提供的原創貼文。請準確描述規則。如果提供者只挑選他們認為成功的貼文，結果也必須保留這項限制說明。

不要在看到第一份表格後，才加入互動反應高的貼文。將它留給後續樣本，或記錄新的樣本版本並重新分析。

已知貼文清單不能呈現某個帳號的所有貼文，也不能衡量平台需求。請分開呈現各帳號的結果，以免將主要由某個帳號發布的主題，拿來與另一個帳號的主題比較，卻未說明帳號差異。

2. 先核對來源與貼文類型

指派主題前，先使用已核對的貼文類型紀錄。紀錄是為單則貼文保存的一列資料，包含事實與審查決定。

原創貼文、回覆和引用貼文可能有不同用途。回覆可能是在回答先前的問題。引用貼文可能是在討論另一位作者的說法。如果這些差異會影響比較，請將各類型分開。類型不確定時，先保留為未確認，直到能夠核對。

請區分作者自己的文字與引用的來源內容。單憑引用一則定價公告，不能認定作者在說明定價。請閱讀作者自己補充的內容，以及理解這些內容所需的上下文。

2026 年 10 月 25 日核對的 Actor 公開規格載有 `postType`，但不會匯出上層貼文或被引用貼文的 ID。請將必要的關聯核對結果保存在自己的紀錄中。不能因為缺少關聯欄位，就認定不存在關聯。

同一份規格指出，轉發貼文的輸入資料列描述的是可見的原始貼文。`inputUrl` 保留請求的網址。傳回的識別資料、文字與指標都描述該原始貼文。不要將這列資料算成轉發帳號的另一則原創作品。

本指南從完成上述來源核對後開始。它不能取代貼文類型審查。

3. 查看指標前先定義主題

主題是貼文所回應的讀者問題或討論的事項。編碼手冊是一套簡短的書面規則，用來指派主題標籤。

查看指標前，先建立編碼手冊。指標是已記錄的數值測量結果，例如按讚數。定義與套用主題規則時，請隱藏這些欄位。這稱為盲法審查：審查者在看不到互動數值的情況下指派標籤。

為每個主題寫下以下欄位：

以下建議的編碼手冊範例均為原創虛構內容：

使用一個主要主題，也就是依書面規則判定的核心內容。如果兩個主題分量相同，且規則無法判定，請使用混合標籤，或將主要主題保留為未確認。查看計數前，先記錄這項選擇。

單憑關鍵字相符，無法確認主題含義。如果要另外進行詞語計數，請使用關鍵字共現指南。共現是指兩個選定詞語出現在同一則貼文中。它不能取代此處的閱讀步驟。

4. 閱讀、標記，並保留未確認的含義

閱讀每則貼文，以及理解其重點所需的上下文。如果主題取決於圖片、引用資料或連結內容，請另行檢視這些資料。文件所載的 `text` 欄位不能證明理解內容所需的資訊已全部齊備。

對每則貼文執行以下步驟：

1. 確認來源的識別資料與已核對的貼文類型。
2. 閱讀作者的文字與必要的上下文。
3. 在不查看指標的情況下，套用已保存的編碼手冊。
4. 證據足夠時，指派一個主要主題。
5. 保存一小段文字或判定理由。
6. 記錄缺少的上下文與未確認的含義。

次要標記是用來記錄其他主題的額外標籤。請將這些標記與主要主題表分開保存。否則，同一則貼文可能被計入多個主題的總數，卻沒有清楚說明。

如果要判斷某個詞是否指稱你的產品，請使用產品指稱審查指南。確認產品指稱與辨識貼文的主要主題，是兩項不同的判定。

含義不完整的貼文，不應納入主題已確認的比較。不要只憑一個可見詞語，就指派推測的主題。也不要將含義未確認的貼文稱為零互動貼文。

如果變更主題規則，請保存理由，並將修訂後的規則套用至完整樣本。公開指標前，先核對標籤。如果你已知道部分互動數值，請記錄這項限制，不要將審查描述為完全採用盲法。

5. 收集可比較的公開觀測資料

觀測是在指定時間取得並記錄的一次讀值。貼文發布時長是從發布到取得該讀值之間經過的時間。發布七天的貼文與發布一天的貼文，觀測時的發布時長並不相同。

樣本較小時，你可以人工檢視公開貼文，並保存來源、時間、計數及可用狀態。如果需要自己帳號中僅擁有者可見的紀錄，請分開保存。公開觀測不會提供其他帳號的私人分析資料。

如果已有公開貼文網址，X Post Metrics Actor 適合用於資料收集步驟。Actor 是在託管環境中執行的收集程式。經核對的公開輸入規格允許在 `startUrls` 中提供 1 至 1,000 個已知的 X 或 Twitter 貼文網址。它不會搜尋貼文，也不會傳回完整的帳號貼文存檔。

以下提供的輸入符合文件所載的有效格式：

{"startUrls":["https://x.com/OpenAI/status/2077446718728425686"]}

將範例網址替換成固定清單中的一個已知公開貼文網址。先用這一個網址檢查，再提交其餘網址。這是建議的收集步驟。本指南未實際執行收集。

2026 年 10 月 25 日核對時，公開的 X Campaign Post Metrics Task 頁面確實存在。Task 是為 Actor 保存的預設輸入設定。本指南未使用已驗證身分的帳號檢視其保存設定，也未執行該 Task。使用前，請自行檢查目前的輸入。

經核對的規格載有識別資料、文字、發布時間、觀測時間與公開計數。規格也載有 `postMetricStatus`，用來記錄每項指標的可用狀態、精確程度與來源。精確程度說明數值是精確、無法取得，還是未知。請將該狀態與數值一起保存。

目前的讀值無法還原過去第七天的計數。請使用先前保存、且發布時長相同的讀值，也就是在相同的指定發布時長取得的讀值。如果沒有，請規劃未來的觀測。如果使用目前取得、但發布時長不同的讀值，請說明差異，並將它們排除於要求發布時長相同的表格之外。

6. 保存主題與觀測紀錄

將原始來源事實與主題判定分開保存。保留原始數值，包括缺失值。

實用的貼文主題紀錄需要以下欄位：

符合納入資格，是指貼文符合這項比較的每一項規則。能夠閱讀的貼文，仍可能有無法取得的指標。指標數值精確的貼文，含義也可能尚未確認。請記錄這兩種狀態。

使用 `postId` 核對，避免重複匯出時多算一則貼文。同一則貼文的多次觀測是多個讀值，不是多則作者發布的貼文。請依發布時長規則選取所需的讀值。

請明確保留以下異常狀態：

缺失值表示無法取得測量結果。零表示有可用讀值，且該計數記錄的數量為零。這是兩種不同的事實。

7. 呈現數量與分布

分布顯示各則貼文的互動數值有何差異。先在相同帳號、貼文類型、指標與發布時長規則下，列出各主題符合資格的貼文數、中位數與範圍。

中位數是將數值排序後，位於中間的數值。如果數值個數為偶數，則取中間兩個數值的平均數。平均數是總和除以個數。此處的範圍是指觀測值從最低到最高的區間。

使用清楚的單位，例如發布後第七天每則貼文的按讚數。按讚數描述的是已記錄的按讚次數。它不能衡量整個樣本中不重複的人數，也不能衡量未來的追蹤人數。

列出請求的貼文數、主題已確認的貼文數、指標符合資格的貼文數，以及排除案例。只有兩則符合資格貼文的主題，所提供的證據量，與有許多符合資格貼文的主題不同。請務必在互動反應統計摘要旁列出樣本數。

保留來源清單，以供審查。如果統計摘要沒有附上納入計算的貼文，就很難核對這個模式是否可由不同用途或某一則特殊貼文解釋。

8. 逐步完成一個虛構比較

原創虛構範例。本範例中的所有貼文、ID 與讀值均為虛構。範例假設已保存精確的第七天按讚數讀值。這不是 Actor 的執行結果，也不是關於真實帳號的證據。

固定清單包含同一個所提供帳號的六則原創貼文。其中五則有完整文字、已確認的主要主題，以及符合資格的第七天按讚數。一則的含義仍未確認。

本範例沒有提供 P6 的按讚數。不要虛構數值、將它稱為零，或推斷資料收集失敗。此處說明的排除理由是含義未確認。

將「入門設定」的讀值排序：10、20、100 次按讚。中間的讀值是 20 次按讚。因此，中位數是每則貼文 20 次按讚。範圍是每則貼文 10–100 次按讚。

將「定價」的讀值排序：25、35 次按讚。中間有兩個數值。中位數計算如下：

(25 次按讚 + 35 次按讚) / 2 則貼文 = 每則貼文 30 次按讚。

「定價」的範圍是每則貼文 25–35 次按讚。

核對總數：3 則「入門設定」貼文 + 2 則「定價」貼文 = 5 則符合資格的貼文。五則符合資格的貼文，加上一則含義未確認的貼文，涵蓋了全部六則提供的貼文。

P3 是離群值：它的互動數值與其他「入門設定」數值相差很大。除非書面的納入資格規則將它排除，否則請將它保留在表格中。檢視其來源與用途。不要只因為它讓範圍變寬，就將它移除。

證據能支持的說法很有限：在這五則符合資格的貼文中，「定價」的中位數較高。「入門設定」包含最高的單一讀值。「定價」只有兩則符合資格的貼文。這些事實不能依因果關係判定哪個主題較好，也不能預測追蹤人數成長。

9. 選擇主題前先核對結果

使用表格前，請完成以下檢查：

1. 逐一核對所有提供的貼文，確保每則都有符合資格或被排除的紀錄。
2. 確認每則納入的貼文，只在其主要主題中計算一次。
3. 確認使用相同的指標、發布時長規則、帳號與貼文類型群組。
4. 分開核對缺失值與已確認的零值。
5. 根據保存的讀值，重新計算每個中位數與範圍。
6. 對照主題定義，閱讀離群值與未確認的案例。
7. 檢查不同用途或帳號差異是否能提供其他解釋。
8. 撰寫結論，明確指出樣本及其限制。

請將這個模式描述為關聯：在這個樣本中，某個主題標籤與某種互動反應同時出現。這項比較未能單獨確定造成互動反應的原因。中位數較高，不能證明再次使用該主題就會改善結果。