沒有帳戶數據，AI 只會猜：3 步找出 IG 流量斷點

今天我用 Meta AI 分析自己的 Instagram 帳戶。

原本以為它能參考 IG 內部數據，協助我判斷內容出了什麼問題，結果它只是在網路上搜尋資料，再整理成一些看似合理的建議。我和它對話了大約 15 分鐘，答案卻越來越籠統。它建議我多分享某一類內容，卻沒有帳戶數據支持，也沒有清楚說明判斷依據。

網路資訊不一定錯，但可能已經過時，更不一定適用於我的帳戶。

AI 不是沒有分析能力，而是它沒有足夠的分析材料。

當 AI 看不到帳戶數據，也缺少 Instagram 官方的公開說明，它只能猜測。AI 的回答結構完整也不代表能解決真正的問題。

因此，我設計了一次 IG「分析流程」：先取得第一手數據，再補上平台觀點，最後讓 AI 比較兩者，找出最近貼文究竟在哪個環節出現斷點。

第一次建立環境可能需要較多時間，但完成下載與轉錄工具的設定後，之後每次審計可以壓縮在約 20 分鐘內。

第一步：取得自己帳戶的數據

先進入 Meta Business Suite 的 Insights 頁面，匯出帳戶資料：

https://business.facebook.com/latest/insights

檢查最近貼文時，不要只看哪篇「表現好」或「表現差」，而要比較觸及、觀看時間、分享，以及個人檔案動作之間的關係。

如果觸及偏低，問題可能在主題、內容定位或初始反應；如果獲得觸及，但觀眾很快離開，便要檢查開場與節奏；如果觀看表現不差，分享數字卻偏低，內容可能缺少值得轉傳的資訊或觀點；如果有人觀看和互動，卻沒有進一步瀏覽個人檔案，代表內容與你的專業定位之間可能沒有形成清楚連結。

這幾種情況表面上都像是「貼文沒有流量」，實際上需要採取的改善方法完全不同。

AI 的工作不是替你貼上「內容不夠好」的標籤，而是協助你找出讀者在哪一步離開。

第二步：加入 Instagram 的一手說法

下一步：查看 Instagram CEO Adam Mosseri 的帳戶：

https://www.instagram.com/mosseri/

他經常透過影片說明推薦、觸及與平台產品的變化。

與其讓 AI 從大量二手文章中拼湊答案，不如直接把平台的公開說明交給它。

我會用 Chrome 外掛 IM Downloader 下載相關的公開影片：

https://chromewebstore.google.com/detail/imdownloader-download-sto/fkilgeompmipodhkdmafejpfgnfbjmkk

然後透過 Whisper 把影片轉成逐字稿：

https://whisperai.com/

取得文字稿很重要。影片只有轉成可搜尋、整理及比對的文字，AI 才能從多段內容中萃取原則，再與帳戶數據放在一起分析。

如果不想把影片上傳到第三方網站，也可以安裝 OpenAI 的開源 Whisper，在本機完成轉錄：

https://github.com/openai/whisper

不過整個流程最容易卡住的地方，正是安裝本地 Whisper。

電腦效能不足、缺少技術背景或安裝環境不完整，都可能增加設定難度。如果本地方案耗時太久，直接使用網頁版轉錄工具，下載文字檔後再貼進分析工具，會是更容易上手的替代方案。

第三步：把所有材料放進同一個工作環境

我的整理方式很簡單：在 Downloads 建立一個名為「Instagram 分析」的資料夾，放入 Meta Business Suite 匯出的數據、Mosseri 影片、逐字稿，以及自己的品牌定位資料。

接著，我會使用能讀取本機資料的 AI 工具，例如 Antigravity，讓它先閱讀完整材料，再開始判斷。

提示詞可以直接寫：

請萃取資料夾內所有影片及文字稿的內容，轉成繁體中文，整理 Instagram 對推薦與觸及的主要說明。然後分析我最近 9 篇貼文的數據，比較觸及、觀看時間、分享與個人檔案動作，找出表現在哪個環節出現斷點。請為每項判斷列出對應數據或文字來源，不要在缺少證據時自行猜測。最後，根據最明顯的問題，提出下一篇內容可以測試的一項具體調整。

如果輸出品質不理想，不要立刻換工具。先檢查是逐字稿錯誤、欄位不完整、品牌資料不足，還是提示詞過於模糊，再要求 AI 指出缺少哪些資料並重新分析。

如果你想進一步把類似的資料整理與分析流程自動化，也可以參考《Claude Cowork 殺手？免費開源 Openwork 教學｜AI 自動化社交媒體》，了解如何用開源工具搭建自己的社交媒體自動化流程。

一手資料推翻了 AI 最初的結論

整個流程最令我意外的地方，是官方觀點推翻了 AI 原本很有把握的說法。

AI 最初認為，我在 14 天內發布了 27 篇貼文，接近每天兩篇，因此會被演算法視為 Spam；加上平均觀看時間只有 6.49 秒，系統便會減少後續內容的分發。

這個解釋聽起來合理，也很容易令人相信「發得太多，所以被限流」。

但參考 Instagram CEO 的公開說明後，問題並不是平台設有「每天發布兩次便懲罰帳戶」的規則。發布頻率本身，不等於被演算法判定為 Spam。

較合理的解釋是「觀眾疲勞」。

當我在短時間內頻繁發布，甚至連續兩天推廣相近內容，例如重複宣傳寫作 App，核心追蹤者第一次看過後，第二次可能直接滑走。初始觀看與互動因而下降，系統根據使用者反應減少擴散，而不是因為帳戶碰到了某個神秘的發布上限。

這個差異非常重要。

假如我接受第一個結論，可能只會降低發布數量；但如果真正問題是觀眾疲勞，我要改善的便是內容重複、開場吸引力，以及每次發布是否提供不同價值。

不要把官方說法當成保證成長的公式

Mosseri 的影片也不一定能直接解釋每一個帳戶。

因此，我判斷資訊是否值得採納時，重點不是背誦最新的演算法技巧，而是看它是否符合相對穩定的使用者行為。

平台不會無緣無故推薦內容。它觀察人們是否停留、分享、回應或繼續探索，再根據這些行為調整分發。演算法會改變，但「人們為什麼願意看完，以及為什麼願意分享」通常是更穩定的問題。

所以，官方資訊的作用不是提供保證成長的公式，而是協助我們修正錯誤假設。真正需要回到的，始終是使用者：這篇內容是否值得停留？是否值得分享？看完之後，是否讓人想進一步認識你的品牌？

完成分析後，也不要一次改動所有內容。先找出最近 9 篇最明顯的一個斷點，再用下一篇貼文測試一項調整。如果問題在觀看時間，就先改開場；如果問題在分享，就增加實用性或轉傳理由；如果沒有帶來個人檔案動作，就重新檢查內容與品牌定位的連結。

AI 真正有價值的地方，不只是幫你寫貼文，而是協助你整理散落的資料、比較不同訊號，並把「最近觸及不好」拆成可以觀察和改善的具體問題。

沒有帳戶數據，AI 只能猜；沒有一手資訊，它也可能沿用過時的迷思。當帳戶資料、平台觀點與分析工具被放進同一套流程，AI 才不只是提供建議，而是開始協助你做出有依據的內容決策。

如果你的帳戶已經有一定的追蹤基礎，卻在某個階段開始停滯不前，也可以參考我之前寫的《5 萬追蹤後，流量為什麼停了？我如何找到 Right Followers》，那篇文章從另一個角度，探討帳戶成長到某個階段後，觸及為何容易停滯。

這次分析，最後變成一份可測試的 IG 藍圖

把帳戶數據、Instagram 官方觀點與品牌資料交給 Antigravity 後，我得到的並不是一套保證成長的公式，而是一個更清楚的測試方向。

接下來 30 天，我會降低重複發布，將節奏調整為每週 4 至 5 篇，集中測試輪播貼文與實操型 Reel。同時，不再只看發布數量或總觀看次數，而是優先觀察互動率、分享、收藏與平均觀看時間。

內容也會重新連接商業目標：工具與 Prompt 類內容負責觸及新受眾，創業經驗與案例建立信任，再根據主題自然導向相應的免費資源或產品。30 天後，我會重新比較數據，只保留真正有效的做法，整理成自己的 IG 發布清單。

這份藍圖最重要的價值，不是告訴我「演算法喜歡什麼」，而是把模糊的流量問題，轉化成下一步可以執行、觀察與修正的實驗。