Dcard 去重後 43,412 篇貼文,留言平均 22.85 則,中位數卻只有 3 則;前 1%(434 篇)占了 76.0% 的留言,所以互動 KPI 不該只報平均數。

商業問題

社群團隊每月會被問「這個平台的互動表現如何」。最常見的回答是一個平均數:每篇貼文平均多少留言。這個數字會被拿去訂目標、比較平台、評估內容策略。

問題是,如果少數貼文拿走了絕大多數互動,平均數描述的是一種「不存在的典型貼文」。決策者需要的是兩個答案:一般貼文能期待多少互動?以及少數爆文對總量的影響有多大?這篇文章用 Dcard 的留言數說明這兩個問題為什麼要分開看。

資料與方法

資料是 Dcard 美妝相關貼文的留言數欄位 commentCount,原始檔 45,374 列,依網址去重後 43,412 篇(去重原因見第 1 篇)。期間為原始檔涵蓋的 2024-01 至 2025-05,與儀表板快照的時間窗不同。這是補充分析,儀表板沒有對應頁面,所以我不為它假設分頁。

我用了三組指標:

  1. 平均數與中位數:平均數 = 留言總數 ÷ 貼文數。中位數是排在正中間那篇的留言數。
  2. 分位數:P75、P90、P99 分別代表「有多少比例的貼文低於這個留言數」,用線性內插計算。
  3. 集中度:把貼文依留言數由多到少排序,計算前 1%、前 10% 貼文占總留言的比例。

發現

平均數被極端值拉高。 去重前平均 22.39,去重後 22.85,中位數兩者都是 3。留言總數是 991,796 則,最多的單篇就有 49,278 則,一篇就占了總留言的 5.0%。

指標去重後(43,412 篇)
平均22.85
中位數3
P758
P9015
P9956
最大值49,278
0 則留言9,245 篇(21.3%)

換成白話:一半的貼文只有 3 則以下的留言,九成貼文不到 15 則,每五篇就有一篇完全沒有留言。若我說「平均 22.85 則」,讀者會以為一般貼文都有二十幾則,實際相差七倍以上。

留言數分級後,長尾一目了然。 超過 100 則的貼文有 216 篇,超過 1,000 則的有 74 篇(去重前是 75 篇,去掉的重複列中有一篇是千則以上的熱門文)。

留言數分級的貼文數:絕大多數貼文落在 0 到 15 則,超過 100 則的僅 216 篇、超過 1,000 則的 74 篇
留言數分級的貼文數:絕大多數貼文落在 0 到 15 則,超過 100 則的僅 216 篇、超過 1,000 則的 74 篇

集中度很高。 前 1%(434 篇)占總留言 76.0%,前 10%(4,341 篇)占 85.2%。值得注意的是,從前 1% 擴大到前 10%,只多了 9.2 個百分點:第 2 到第 10 個百分位的貼文雖然有九倍多,貢獻卻很有限,後 90% 的貼文合計只拿到不到 15% 的留言。

前 1% 與前 10% 貼文占總留言的比例:76.0% 與 85.2%
前 1% 與前 10% 貼文占總留言的比例:76.0% 與 85.2%

這裡有一個容易被忽略的推論:只要有一篇爆文進出,月平均就會明顯晃動。用平均數追蹤月度表現,我推測數字起伏更多是反映爆文有沒有出現,而不是整體互動變好或變差,但這尚未驗證。

商業建議

  1. KPI 改報三個數:中位數、P90、前 1% 占比。 由社群分析師負責,中位數代表一般貼文的表現,P90 代表「表現好」的門檻,前 1% 占比代表對爆文的依賴程度。三個數放在一起,比單一平均更能說清楚狀況。
  2. 爆文與常態貼文分開看。 內容團隊在檢討內容策略時,先把超過 1,000 則的 74 篇獨立成一組,再看剩下的 43,338 篇。爆文是否可複製,需要另外讀文研究;我沒有讀過這些爆文,也不會推測它們是什麼類型。
  3. 訂目標用分位數,不用平均。 例如「把 P75 從 8 則提高到 10 則」比「平均提高 10%」更能反映一般貼文的改善,也不會被單篇爆文綁架。
  4. 評估廣告或合作時,先看對象的分布。 如果要找「能帶出互動」的版面,應該檢查那個版面的中位數與零留言比例,而不是看它偶爾出現的爆文。

限制與下一步

  • 留言數是互動的粗略代理,無法區分正面、負面、閒聊或灌水,也不代表購買意圖。
  • 這是 Dcard 資料,PTT 的日期欄位尚待核實,我沒有對 PTT 做同樣分析。
  • 期間與儀表板快照不同(原始檔為 2024-01 至 2025-05,快照為 2024-05 至 2025-03),不能把這裡的數字直接放進儀表板。
  • 2025-05 是不完整月份,預期對長尾的形狀影響有限,但尚未檢查,也沒做排除該月的敏感度檢查。
  • 下一步:讀一小批爆文的去識別摘要,判斷是否有可複製的共通條件;另外檢查長尾是否在不同月份都穩定存在。

這篇展現的能力

  • KPI 設計:知道什麼時候平均數會誤導,並能提出替代指標的組合與使用情境。
  • 分布思維:用分位數、集中度、零值比例描述資料的形狀,而不是只報一個數字。
  • 資料清理的連動:去重後平均與千則以上貼文數都改變,說明前處理會直接影響報告結論。
  • 克制解讀:沒讀過的內容不猜,把「爆文有什麼共通點」列為下一步而不是已知結論。