当公众号数据遇上飞书多维表格的AI分析，内容传播的真相浮出水面。通过词云图、散点图等可视化工具，作者发现阅读量与分享率呈现弱负相关性，颠覆了传统的内容评估逻辑。本文揭秘如何用AI+数据工具解构写作规律，帮助创作者跳出流量焦虑，找到内容创作的本质。

我精雕细琢的文章，阅读量可能惨淡；随手写的一篇，反而传播更广。

这让我很困惑，直到我把公众号数据导入飞书多维表格，让 AI 帮我分析，才看清了一些真相。

今天分享我的实验过程，也许对你有启发。

1. 起因：一本书引发的实验

最近看了《AI + 飞书多维表格从入门到实战》，里面的应用案例给了我一些启发，于是决定拿自己的公众号数据来实验。

我把 2025 年 11 月以来的文章阅读数据全部导入飞书多维表格，用数据来审视自己的写作。

先在仪表盘中添加一张词云图，点击右上角的「智能分析」，AI 很快给出洞察与建议。

AI 出现的频率最高，说明 AI 对我的影响很大。

2. 用 AI 批量简化标题

有些文章标题太长，做可视化图表时会挤成一团。因此我在数据表中新增了一列「主题」，存放简化版标题。

手动简化几十个标题？费时费力，还枯燥。

借助飞书多维表格的「字段捷径」，选择「AI 实验室」下的 DeepSeek-V3，输入指令，大约一分钟批量搞定。

3. 分享率排行榜

比起阅读量，我更关注分享率。读者愿意转发，说明内容真的触动了他。

在仪表盘中添加一张条形图，按分享率从高到低排列，一眼就能看出哪些主题更有传播力。

4. 散点图看相关性

加一张散点图，用 AI 分析阅读完成率与分享率之间的关系，呈现弱负相关性。简单来说：读完全文的人，不一定会转发；转发的人，也不一定读完了。

再加一张散点图，用 AI 分析阅读人数与分享率之间的关系，也是呈现弱负相关性。也就是说，阅读量高的文章，分享率不一定高；反过来也是这样。

数据证实了我的直觉：公众号阅读量的随机性很大，跟我投入的时间精力不成正比。

阅读量更多取决于标题、发布时间、平台推荐这些外部因素，而不是内容质量本身。

5. 数据告诉我的事

看清这一点，我反而释然了。阅读量波动太大，盯着它容易被绑架。

我现在的态度是：写作是自我训练，用输出倒逼输入；发出来是为了获得反馈，避免闭门造车。

我现在用 AI 帮我分析数据、优化文章，但结论和内容必须经过自己的思考。

按照《奇点临近》这本书的观点，人类的最终归宿是自我数据化，实现人机结合。我觉得这已经在发生了。

在训练 AI 的同时，我也在训练自己的思维，让自己保持清醒的判断力，变得更加真诚和谦逊。

我负责定义目标和把握方向，AI 负责执行和优化，各自发挥优势，实现 1 + 1 ＞2。

你平时是怎么应用 AI 的？欢迎留言聊聊。