听 AI 建议涨粉，一夜丢了 98% 推荐流量

我用 AI 最多的地方是出方案，技术选型、架构怎么拆、这条路走不走得通。代码写错了有编译器兜着、有测试兜着，当场露馅；方案那层什么都没有，听着一般都合理，后果过几周才浮出来，等浮出来已经照着它写了几万行。

所以我想找个反馈快的方案样本。公众号涨粉刚好符合，听着合理、当场没法验证、48 小时见分晓，这号还输得起。

18 号中午我问 AI，一个技术号除了写好内容还能做什么。它说去同领域账号下面活跃起来，多关注多评论，让你的名字在目标读者眼前反复出现。

这话有问题吗？我看不出来，任何一本增长书里都这么写。午休不到半小时照做完，吃完饭就忘了。

第二天早上照例先看后台。

7 号冲到 9231，18 号还有 2063，19 号只剩 439。

我去！😱 第一个念头是这数据抓错了。

它说「不是你的错」，我松了口气

我把情况丢回给 AI 让它查。它给了三条判据，条条判我清白。

技术文的阅读全程一条水平线，账号级处罚该两类内容一起跌；19 号新发的头条分享率 5.06%，被限流的号当天新内容第一个死；掉的那批分享率不到 1.5%，是推荐流喂的，撑住的那批 3.5% 以上，是真读者。

结论：老文的推荐窗口到期了，跟你的动作无关，别自责。

说实话我松了口气。

而这口气差点让我把那个动作继续做下去。第一次翻车丢的是流量，第二次会让我在坑里加速。🤦‍♀️

拦住我的是个特别朴素的直觉。那几千阅读我亲眼见过，它报给我的数对不上。我把后台截图甩过去，让它自己看。

后台有两个数，名字长得像亲兄弟。一个叫阅读数，在「已发表内容」列表里每篇后面跟着；一个叫阅读人数，在「数据趋势」那条曲线上。AI 用的是前者，我看的是后者。

同一个号、同一段时间，13,706 对 65,444。

差在两处。阅读数是每篇文章的累计值，而那个列表只列最近 30 天发布的文章；阅读人数是全站每天的去重人数，谁来了都算，不管点开的是哪年发的文。

我这号的流量大头恰恰不在最近发的文章里。缺掉的那 5 万里，41,592 来自一篇上月 12 号发的老漫画，它一篇吃掉全站 30 天阅读的 63.6%。而在「最近 30 天发布」这个口径里，这篇根本不存在。

于是那三条判据全都成立，全都指向健康，全是假信号。气不气人。

口径错了，你算得越认真，错得越工整。

这条跟公众号没关系。你查线上问题盯的那个大盘，分母悄悄换过，后面每一步归因都白算，而且看起来非常有道理。

那三条判据里每个数字都是真的。技术文确实一条水平线，当天头条确实 5.06%，没一个数是编的。它们全从同一张表里长出来，而那张表漏了 63.6% 的流量。

证据没造假，取样错了。这种错法当场识别不了。你本能会去核对数字，而数字个个经得起核对。

更麻烦的是语气。人判断错的时候心里没底，说话会绕，会加「我觉得」「可能」。那点犹豫本身就是风险提示。

AI 不给你这半句。它对的时候和错的时候，语气一模一样笃定。

我撞上的是最险的组合：结论正好是我想听的，证据形式完备，语气不带一丝含糊。 三样齐了，当场顶住的概率很低。我确实没顶住。

所以给自己留了两条。

结论顺你心意的时候，把审查标准往上提一档。 AI 不见得在讨好你，是你自己那一刻最不想较真。

别核对数字对不对，核对数字是从哪儿来的。 问它这个数取自哪一栏、哪个时间窗、包含哪些对象。数字算错很少见，取错太常见了，而取错的那个长着算对的样子摆在你眼前。

至于凶手到底是不是我那半小时，靠这三条判不出来。换成对的口径又查了一天，那部分写在下一篇《指标掉了怎么查》，拆渠道、量基线，还有那个把最后一种解释堵死的样本。