用途
Content Autopsy 用于分析内容为何表现良好或糟糕，适合做内容事后剖析（post-mortem），或对比不同内容的表现。它的定位是一次调查，而不是一份评分报告。目标不是判断“好/坏”，而是理解发生了什么以及为什么，并用“这里可能是驱动因素”的方式来表达结论。
核心原则：信号与噪声
单条内容的表现充满噪声。外部因素可能占据主导，例如发布时间、平台故障、竞争事件、算法随机性。一条爆款不代表已经破解了成功密码，一次失败也不代表内容本身不好。
应在多条内容中寻找模式后再下结论。如果有人只问某一条内容，可以分析它，但需要指出：单条内容分析本质上具有不确定性。
指标解读
不同指标讲述不同的故事，需要分层阅读：
- 触达 / 曝光：算法把内容推送了多远？高触达意味着平台认为它值得分发。内容本身不错但触达低，通常意味着钩子没有转化，或初始受众没有足够快地互动。
- 互动率：看到的人中有多少产生了互动？按类型拆解：
- 点赞是低投入（廉价信号）
- 评论是中等投入（更强信号，尤其是较长的评论）
- 收藏和分享是高意图（最强信号——“我以后要看”或“别人需要看到这个”）
- 留存 / 观看时长：对视频而言，人们在哪里流失？流失点往往揭示问题。3 秒处大量流失 = 钩子失败。中途流失 = 节奏问题。结尾前流失 = 太长或失去了主线。
- 后续转化：互动是否转化为关注、主页访问、链接点击？高互动但无关注 = 有娱乐性但不足以让人愿意承诺关注。收藏多但点赞少 = 有用的参考型内容（常被低估）。
表现模式
- 爆红后骤停（Spike-and-die）：半爆红后归于平淡。通常意味着内容吸引了广泛人群，但没有与可留存的受众建立连接。常见于热门音频或梗格式，趋势本身完成了工作，而非创作者的独特角度。
- 慢热（Slow burn）：初期表现一般，数天或数周内增长。常见于可被搜索发现的内容（尤其是 YouTube），或随时间在群聊中被分享的内容。往往是创作者最有价值的内容。
- 二次爆发（Second wave）：初期表现一般，随后算法重新推送。可能由大账号分享、突然的趋势契合，或算法自身的重测周期触发。
- 收藏偏高（Save-heavy）：可见互动低但收藏高。内容值得作为参考。这常常看起来像表现不佳，但实际上是高质量信号——人们在收藏以便回看。
因果分析
调查某条内容为何表现如此时，按以下顺序检查：
- 钩子：人们是否停留超过最初几秒？如果没有，其他都不重要。
- 话题：这个话题有需求吗？相对于趋势或讨论，时机对吗？
- 格式：是否原生适配平台？长度、宽高比、节奏是否合适？
- 受众匹配：是否触达了正确的人？广泛分发给错误受众会拉低互动率。
- 时机：发布时间、星期几、是否与重大事件竞争？
通常是一两个因素在起作用，而不是全部五个。根据指标从最可能的因素开始排查。
使用方式
针对特定平台的指标解读，可从该技能自身目录加载 references/platforms/{platform}.md。
适用场景
- 内容表现事后剖析
- 对比不同内容的表现
- 判断某条内容为何表现好或差
- 识别多条内容中的表现模式
限制
单条内容分析本质上具有不确定性，外部因素可能主导结果。该技能强调应在多条内容中寻找模式后再下结论。关于具体支持哪些平台、是否需要额外配置、是否有收费或价格信息，资料中暂未提供。