兩篇 Threads 貼文的流量差很多時，直接比較追蹤人數通常不公平。瀏覽量較高的貼文本來就有更多機會帶來追蹤，因此更適合看的指標是「追蹤轉換率」。
但公式只占整個判讀流程的一小部分。分子是不是單篇追蹤、兩篇觀察多久、資料是否完整，以及它們原本想完成什麼任務，都會改變最後的結論。
追蹤轉換率怎麼算？
公式是：
追蹤轉換率 = 單篇帶來的追蹤數 ÷ 單篇瀏覽數 × 100%
例如：
| 貼文 | 瀏覽數 | 單篇追蹤 | 追蹤轉換率 |
|---|---|---|---|
| A | 30,000 | 90 | 0.300% |
| B | 8,000 | 48 | 0.600% |
A 帶來的追蹤總數比較多；B 則更容易把一次觀看轉成後續關係。這不是在宣布 B「比較好」，而是指出兩篇各自擅長的事情不同：
- A 的題目可能更有擴散力。
- B 的內容可能更清楚地呈現長期定位。
- A 適合研究如何承接大量入口流量。
- B 適合研究怎麼放大一個精準題目。
計算前，先確認分子真的屬於單篇
官方 Threads API 的 followers_count 是帳號總追蹤人數，不能把一天的帳號淨增量直接分配給當天所有貼文。
如果星期一總追蹤是 10,000，星期二是 10,080，這 80 可能來自新舊貼文、回覆、搜尋、外部分享或取消追蹤的合併結果。除非資料來源明確提供單篇追蹤，否則不能把 80 當作某篇貼文的分子。
以本文更新時的脆稿 v1.1.0 為例，程式使用帳號本人在 Threads 網頁版原本可見的單篇洞察補上追蹤數；尚未取得時顯示「待擷取」，不會當成 0。
如果你還不確定 API、帳號總追蹤與單篇洞察的差異，先讀官方 Threads API 能取得哪些數字，再進行計算。
三種情況不能直接算
1. 瀏覽數是 0
分母為 0 時，轉換率沒有定義。不要顯示為 0%，應標示為「無法計算」。
2. 單篇追蹤尚未取得
未知不是 0。把待擷取資料放進平均值，會讓整體轉換率被系統性低估。
3. 兩個數字來自不同觀察時間
如果瀏覽數是發布後 30 天，追蹤數卻只記錄發布後 24 小時，算出的比率沒有一致的時間邊界。
比率不是自動公平：先對齊四個條件
1. 使用相同的觀察窗口
一篇發布 24 小時，另一篇已累積 30 天，兩者仍在不同生命週期。可以固定比較：
- 發布後 24 小時：適合觀察第一波分發與即時承接。
- 發布後 7 天：適合多數內容的初步比較。
- 發布後 30 天：適合長尾搜尋、收藏或持續被分享的內容。
窗口沒有絕對標準，重點是兩篇一致。若舊資料只有最終累積值，就不要假裝它能與新貼文的 24 小時快照公平比較。
2. 比較相近的內容目的
觀點文、教學文、生活短句、回覆與活動貼文，承擔的任務不同。
教學文可能帶來搜尋與收藏；生活短句可能拉近既有讀者關係；回覆則可能借到原文的脈絡與流量。把它們混成單一排行榜，最後只會得到「某一種類型比較會轉換」，卻不知道差異從哪裡來。
3. 檢查樣本量
100 次瀏覽帶來 2 個追蹤，轉換率是 2%；10,000 次瀏覽帶來 100 個追蹤，轉換率是 1%。前者比率較高，但只要多一個或少一個追蹤就會大幅波動。
因此，小樣本適合當線索，不適合直接當成穩定結論。先累積更多同類內容，或把它視為下一次實驗的候選，而不是立即複製。
4. 確認內容背景
合作貼文、上過熱門、被大帳號引用、搭上突發事件，或個人頁剛好同時更新，都可能影響結果。這些脈絡不一定能變成數字，卻應該保留在註記裡。
用四象限看瀏覽與轉換
把瀏覽量與追蹤轉換率放在一起，比只排一個名次更有用：
| 象限 | 可能代表 | 下一步 |
|---|---|---|
| 高瀏覽、高轉換 | 題目有擴散力，也清楚承接定位 | 拆解開頭、題型與個人頁如何互相配合 |
| 高瀏覽、低轉換 | 是好入口，但沒有形成後續期待 | 檢查題目偏移、個人頁與延伸內容 |
| 低瀏覽、高轉換 | 題目較窄，對對的人很有價值 | 保留核心觀點，改寫開頭或包裝再測 |
| 低瀏覽、低轉換 | 觸及與承接都還沒有成立 | 先檢查題目、受眾與表達，不急著複製 |
如果你的貼文落在「高瀏覽、低轉換」，可以直接使用高瀏覽卻沒帶來追蹤的診斷流程，分辨是內容主題、個人頁還是後續文章沒有接住讀者。
不要只比較全站平均
全站平均可以看趨勢，但不適合直接決定每一篇是否成功。更有用的是建立幾個同類基準：
- 教學文與其他教學文比較。
- 個人觀點與其他觀點文比較。
- 主貼文與主貼文比較。
- 自己留下的回覆與其他回覆比較。
- 同樣是發布後 7 天的內容互相比較。
當比較組更接近，轉換率差異才比較可能指出題目、表達或承接方式的問題。
一次比較應該留下什麼？
不要只留下「B 比 A 好」。建議每次至少記錄：
- 比較對象：為什麼這兩篇可以放在一起？
- 觀察窗口：發布後 24 小時、7 天或其他時間？
- 資料完整度：兩篇的瀏覽與單篇追蹤是否都已取得？
- 關鍵差異：題目、開頭、格式、受眾或外部事件有何不同？
- 下一個實驗：下篇要保留什麼，只改一個什麼？
一則可執行的紀錄會像這樣：
B 的流量較小，但第一段就說清楚我長期研究的問題，因此追蹤轉換率較高。下一篇保留同樣的定位句，只把案例換成受眾更熟悉的情境，觀察發布後 7 天的結果。
轉換率回答不了什麼？
追蹤轉換率能幫你比較「被看見之後，有多少人願意繼續看」，但它仍不能證明：
- 某個句子直接造成追蹤。
- 轉換率最高的題目就是品牌長期最重要的題目。
- 沒有追蹤的讀者就沒有收藏、分享或記住內容。
- 一次表現可以代表之後所有同類內容。
它是一個把流量與關係放在同一張表上思考的方法，不是內容的終極分數。
發布下一篇前的檢查清單
- 分子是單篇追蹤，不是帳號總追蹤差值。
- 瀏覽與追蹤來自相同觀察窗口。
- 未知值沒有被當成 0。
- 比較的是相近內容類型與目的。
- 已記錄熱門、合作、引用等背景。
- 結論被改寫成下一篇可驗證的假設。
完成這六項，轉換率才會從一個漂亮百分比，變成真正能指導下一篇內容的工具。
脆稿可以把貼文、回覆、瀏覽與單篇追蹤放在同一個比較脈絡，再讓你把結論記成下一篇要驗證的假設；它不會把最高轉換率直接當成選題答案。可從成效與追蹤功能總覽確認這段流程。