content-analytics

内容数据分析 (Content Analytics)

回收 X/Twitter 发布数据，分析内容表现，识别高价值话题和最佳发布策略，生成周度/月度分析报告。通过数据反馈优化内容创作方向。

完整 API 参数详情见 references/api_reference.md。

认证

所有请求需要 X-API-KEY 请求头。从环境变量 XGO_API_KEY 读取密钥：

-H "X-API-KEY: $XGO_API_KEY"

若 XGO_API_KEY 未设置，提示用户配置。

接口地址：https://api.xgo.ing

数据源说明

当前仅支持 X/Twitter 数据分析（通过 XGo API）。其他平台现状：

未来新增数据源时，扩展阶段一的拉取逻辑即可。

工作流概览

- [ ] 阶段一: 拉取数据（自己的推文 + 账号信息）
- [ ] 阶段二: 多维度数据分析
- [ ] 阶段三: 生成分析报告
- [ ] 阶段四: 策略建议
- [ ] 阶段五: 保存报告
- [ ] 阶段六: 更新内容策略画像（反馈闭环）

阶段一：拉取数据

1.1 并行请求

# 1. 自己的推文 - 按时间倒序（最近，第1页）
curl -s -X POST https://api.xgo.ing/openapi/v1/tweet/list \
  -H "Content-Type: application/json" \
  -H "X-API-KEY: $XGO_API_KEY" \
  -d '{"queryType":"user","sortType":"recent","tweetType":"ALL","currentPage":1,"pageSize":100}'

# 2. 自己的推文 - 第2页
curl -s -X POST https://api.xgo.ing/openapi/v1/tweet/list \
  -H "Content-Type: application/json" \
  -H "X-API-KEY: $XGO_API_KEY" \
  -d '{"queryType":"user","sortType":"recent","tweetType":"ALL","currentPage":2,"pageSize":100}'

# 3. 自己的推文 - 按影响力排序（找 Top 推文）
curl -s -X POST https://api.xgo.ing/openapi/v1/tweet/list \
  -H "Content-Type: application/json" \
  -H "X-API-KEY: $XGO_API_KEY" \
  -d '{"queryType":"user","sortType":"influence","tweetType":"ALL","currentPage":1,"pageSize":100}'

# 4. 账号信息（粉丝数等快照）
curl -s "https://api.xgo.ing/openapi/v1/user/info" \
  -H "X-API-KEY: $XGO_API_KEY"

并行执行所有 4 个请求。 queryType: "user" 无需 influenceScore 过滤。

注意：curl 不传 timeRange，获取全量数据后客户端按 createdAt 过滤。这样可同时获取本期和上期数据用于对比。若推文总量超过 200 条（2 页），可追加第 3、4 页请求。

1.2 时间范围过滤

客户端按 createdAt 过滤，默认分析范围：

阶段二：多维度数据分析

2.1 概览指标

## 📊 数据概览 | YYYY-MM-DD ~ YYYY-MM-DD

| 指标 | 本期 | 上期 | 变化 |
|------|------|------|------|
| 发推数量 | N 条 | M 条 | +X% |
| 总浏览量 | X K | Y K | +Z% |
| 总互动量 | X | Y | +Z% |
| 平均单条浏览 | X | Y | +Z% |
| 平均单条互动 | X | Y | +Z% |
| 粉丝数 | N | — | （快照） |

互动量 = 点赞 + 转推 + 回复 + 引用 + 收藏

"上期"对比：周报对比上一周，月报对比上一月。若无上期数据，显示"—"。

2.2 Top 推文排行

按综合互动量排序，取 Top 5:

## 🏆 Top 5 推文

### 1. [推文内容前 50 字...](url)
- **互动**: 👍 446 🔁 134 💬 36 🔄 12 📑 28 👁 45K
- **影响力**: 2350
- **发布时间**: YYYY-MM-DD HH:MM
- **话题**: AI Coding
- **为什么表现好**: [分析原因 — 话题热度/观点独特/发布时间等]

2.3 话题维度分析

将推文按话题分类，对比各话题表现：

## 📑 话题分析

| 话题 | 推文数 | 总浏览 | 平均互动 | 最佳推文 |
|------|--------|--------|---------|---------|
| AI Coding | 5 | 120K | 85 | [标题...] |
| LLM 应用 | 3 | 45K | 42 | [标题...] |
| 产品思考 | 2 | 12K | 28 | [标题...] |
| 个人分享 | 4 | 8K | 15 | [标题...] |

话题分类方法：基于推文文本中的关键词和 hashTags 自动归类。

2.4 发布时间分析

## ⏰ 发布时间分析

| 时段 | 推文数 | 平均浏览 | 平均互动 | 建议 |
|------|--------|---------|---------|------|
| 早间 (7-9) | N | X K | Y | ⭐ 最佳 |
| 上午 (9-12) | N | X K | Y | |
| 下午 (12-18) | N | X K | Y | |
| 晚间 (18-22) | N | X K | Y | |
| 深夜 (22-7) | N | X K | Y | |

最佳发布时段：[根据数据分析得出]

2.5 内容类型分析

## 📝 内容类型分析

| 类型 | 数量 | 平均互动 | 建议 |
|------|------|---------|------|
| 原创观点 | N | X | 核心内容，保持 |
| 技术分享 | N | X | |
| 转发评论 | N | X | |
| Thread | N | X | |
| 带图推文 | N | X | |
| 纯文字 | N | X | |

2.6 互动模式分析

## 💬 互动模式

- **点赞率**: X%（点赞/浏览）
- **转发率**: X%（转推 + 引用/浏览）
- **回复率**: X%（回复/浏览）
- **收藏率**: X%（收藏/浏览）

**互动偏好**: 你的受众更倾向于 [点赞/转发/回复]，建议 [...]

阶段三：生成分析报告

将阶段二的分析整合为完整报告：

# 📊 内容周报 | YYYY-MM-DD ~ YYYY-MM-DD

> 一句话总结本期内容表现

---

[数据概览]
[Top 5 推文]
[话题分析]
[发布时间分析]
[内容类型分析]
[互动模式分析]

---

[策略建议（阶段四）]

阶段四：策略建议

基于数据分析，输出可执行的策略建议：

## 💡 策略建议

### 内容方向
- **继续深耕**: [表现最好的 1-2 个话题] — 数据支撑：[具体指标]
- **尝试增加**: [有潜力但发布量不足的话题]
- **考虑减少**: [投入多但回报低的话题]

### 发布策略
- **最佳发布时间**: [基于数据的建议]
- **发布频率建议**: [基于本期数据]
- **内容类型建议**: [Thread vs 单条，带图 vs 纯文字]

### 下周行动计划
1. [具体行动 1]
2. [具体行动 2]
3. [具体行动 3]

阶段五：保存报告

contents/content-analytics/
  weekly-YYYY-MM-DD.md    # 周报
  monthly-YYYY-MM.md      # 月报

mkdir -p contents/content-analytics

保存后输出报告到对话，告知用户文件路径。

阶段六：更新内容策略画像

分析报告生成后，将关键洞察写入 contents/content-strategy.md，供 daily-content-curator 评分时参考。

此文件是闭环的关键：analytics 写入 → curator 读取 → 阅读偏好随数据自动调整。

# 内容策略画像
> 自动生成，基于最近一次 content-analytics 分析
> 更新时间：YYYY-MM-DD

## 话题表现排行

| 排名 | 话题 | 平均互动 | 平均浏览 | 推荐权重调整 |
|------|------|---------|---------|------------|
| 1 | AI Coding | 85 | 45K | +5 |
| 2 | LLM 应用 | 42 | 12K | +3 |
| 3 | 产品思考 | 28 | 8K | +0 |
| 4 | 个人分享 | 15 | 3K | -2 |

## 最佳发布时段

| 时段 | 平均互动 | 建议 |
|------|---------|------|
| 早间 (7-9) | 65 | ⭐ 最佳 |
| 晚间 (18-22) | 48 | 次佳 |

## 高价值来源

以下来源的内容转化为推文后表现最好：
- Latent Space (平均互动 92)
- Simon Willison (平均互动 78)
- Anthropic Blog (平均互动 71)

## 内容类型建议

- Thread 平均互动 是单条推文的 2.3 倍
- 带图推文 平均浏览 是纯文字的 1.8 倍

## 权重调整建议

基于以上数据，建议 daily-content-curator 评分时：
- 话题匹配：AI Coding 类 +5, LLM 应用类 +3
- 来源加分：Latent Space / Simon Willison / Anthropic Blog +3
- 内容类型：长文（可写 Thread 的）+2

生成规则:

参数调整

与其他 Skill 的协作

错误处理

重要: 始终先检查 response.success 再处理 response.data。部分错误返回 HTTP 200 但 success: false — 不要仅依赖 HTTP 状态码。