每天发一篇还是憋一个爆款
两种做法摆在面前的时候，讨论过程基本是这样。
一方说，一篇爆款抵得过一百篇普通内容。另一方说，你控制不了哪一篇会爆。两边都对，所以这个讨论通常结束不了。
结束不了的原因是它一直在用例子说话。换成数字，结论会清楚很多。下面把这件事算一遍，你可以在自己的数据上重算。
先设定一个分布
单篇内容的曝光不是均匀分布的。绝大多数内容落在低位，极少数冲得很高。用一个简化模型来近似它：
- 90% 的内容拿到 500 曝光
- 10% 的内容拿到 50,000 曝光
这个模型很粗糙，但它抓住了真实分布的关键特征：尾部很重。真实的分布比这更连续，但用两个取值足以看出投入策略的差别。
单篇的期望值和实际值差很远
按这个分布，单篇的期望曝光是：
`
0.9 × 500 + 0.1 × 50,000 = 450 + 5,000 = 5,450
`
期望是 5,450。但你 90% 的情况下拿到的是 500，只有期望值的 9%。
标准差是 14,850，相对波动 272%。这个数字的意思是，单篇的实际结果距离期望的典型偏差，比期望本身还大两倍多。
所以"这一篇能带来多少曝光"这个问题，在单篇尺度上是没有答案的。任何基于单篇的判断都在赌。
日更改变了什么
把观察窗口拉长。n 天的累计期望是 n × 5,450，累计标准差是 √n × 14,850。相对波动会随 n 上升而下降：
| 累计天数 | 累计期望曝光 | 相对波动 |
|---|---|---|
| 1 天 | 5,450 | 272% |
| 30 天 | 163,500 | 50% |
| 90 天 | 490,500 | 29% |
| 365 天 | 1,989,250 | 14% |
这就是日更的第一层作用：它把结果从一个波动极大的单次事件，变成一个缓慢收敛的过程。
同时看一下"至少出现一篇爆款"的概率。单日出现爆款的概率是 10%。连续 30 天，至少出现一篇的概率是：
`
1 - 0.9³⁰ = 95.76%
`
30 天里出现 3 篇左右是期望值。
这里有一个容易被忽略的细节：96% 这个数字比"期望 3 篇"更有用。 期望值是平均数，它不保证任何一次投入的结果。而 96% 说的是另一件事：连续刷 30 天，你几乎一定会拿到至少一次高位曝光。这不依赖于运气好，它只是把概率累加了起来。
波动到底来自哪里
上面算的是总量波动，但它没告诉你这个波动是怎么构成的。拆开看会有用。
30 天里，命中次数是一个二项分布。均值 3 篇，标准差 1.64 篇。而每一次命中比普通内容多带来 49,500 曝光。
把这两个数乘起来：1.64 乘 49,500，等于 81,337。
而 30 天累计曝光的整体标准差，正好也是 81,337。
这两个数相等不是巧合。它的意思是：30 天总量的不确定性，几乎全部来自"中了几次"，而不是"每次中得多大"。 在这个模型里，一篇内容一旦命中，它带来多少曝光是确定的，没有额外的随机性。所以波动的唯一来源就是命中次数。
真实分布里命中幅度本身也有波动，所以实际比例会低于百分之百。但方向是对的：命中次数是主要来源，不是次要来源。
既然波动来自命中次数，那么降低不确定性的办法就是提高命中频率，而不是提高单次命中幅度。
固定单篇均值不变，只改变命中频率和幅度：
| 命中概率 | 命中幅度 | 单篇均值 | 30 天相对波动 |
|---|---|---|---|
| 5% | 199 倍 | 10.9 倍 | 72% |
| 10% | 100 倍 | 10.9 倍 | 50% |
| 20% | 50.5 倍 | 10.9 倍 | 33% |
| 30% | 34 倍 | 10.9 倍 | 25% |
| 50% | 20.8 倍 | 10.9 倍 | 17% |
均值一模一样的前提下，命中频率从 5% 提到 30%，30 天的相对波动从 72% 收到 25%，窄了近三倍。
所以"重尾"这个词本身不足以描述一个账号的可预测性。 两个账号可以有同样的均值和中位数比例，但一个的命中频率是 2%，另一个是 20%，后者的结果稳定得多。看分布形状会漏掉这件事，看命中频率才看得出来。
这件事有一个直接的策略含义：如果两个方向能带来相同的期望曝光，选命中频率高的那个。它的过程更好管理，中途也更容易判断方向对不对。
收敛比想象中慢
上面那张表里有一个数字值得多看两眼：365 天的相对波动是 14%。
也就是说，日更一年之后，你的月度数据仍然有 14% 的自然波动。这意味着一年之内，任何小于 14% 的变化都无法从噪音里分出来。
这件事的实际影响是，日更不能让你很快拿到"可预测的结果"。它的可预测性是两年尺度上的东西。
所以如果有人告诉你日更两三周就能看到稳定的数据趋势，那是高估了。日更改变的是成功的概率，不是让数据立刻变平。
投入多久才能有把握
前面那张表说的是"至少一篇"的把握度。但一篇爆款通常不足以支撑一个判断，你得看到几篇才能确认这不是运气。
把"至少 k 篇"的把握度按天数展开：
| 天数 | 至少 1 篇 | 至少 3 篇 | 至少 5 篇 |
|---|---|---|---|
| 7 天 | 52.2% | 2.6% | 0.0% |
| 14 天 | 77.1% | 15.8% | 0.9% |
| 30 天 | 95.8% | 58.9% | 17.5% |
| 60 天 | 99.8% | 94.7% | 72.9% |
| 90 天 | 100.0% | 99.5% | 95.3% |
读法是这样的：30 天只能让你有把握地拿到一篇爆款。要拿到三篇并且达到八成把握，需要 42 天。要五篇接近有把握，需要 90 天。
这张表回答的是"多久能看出方向"，它和前面那张收敛表是同一件事的两面。收敛表说的是数据变稳需要多久，这张表说的是你能数到几篇。
注意 7 天那一列。52.2% 的意思是你有将近一半的时间，一周里一篇爆款都没有。 一个只跑了七天的测试，会有一半概率得出"这个方向不行"，而它可能只是还没轮到。这是日更类策略里最容易误判的地方，也是前面那篇关于误判率的文章里那个模拟结论在内容场景的具体形态。
第二层收益：内容会留下来
上面的算法有一个假设是错的：它假定今天的曝光只来自今天发的内容。
真实情况是旧内容还在被搜到、被引用。这会带来第二层收益，而且是日更和憋爆款差别最大的地方。
把这件事写成模型。设旧内容的曝光按半衰期衰减，那么长期之后，你手里"还活着的"内容存量会收敛到一个倍数：
`
存量 = 日产量 ÷ (1 - 日衰减率)
`
| 内容半衰期 | 日衰减率 | 存量倍数 |
|---|---|---|
| 1 个月 | 2.28% | 44 倍 |
| 3 个月 | 0.77% | 130 倍 |
| 6 个月 | 0.38% | 260 倍 |
半衰期 3 个月时，日更 90 天之后，你手里持续带来曝光的存量相当于 130 天的产量。
这个结构决定了日更和憋爆款的差别不只是概率。 爆款会衰减，但它是单点，衰减之后就没有补充。每天一篇的存量是由几百个分散的点构成的，其中任何一个衰减都不影响整体。
这也解释了为什么脉冲式投放（发一批，停一个月，再发一批）的实际效果远低于同等总产量的稳定投放。停在中间的那一个月，存量在以每月一半的速度流失。
什么时候该憋爆款
上面说的都是日更占优的情况，但它不是普适的。有几种情形，集中投入更合理。
需要深度调研的内容，比如行业白皮书、原创数据报告，它们的产出周期本来就长，硬拆成日更会变成注水。
账号冷启动的初期，短时间的高密度发布能帮平台判断你的内容方向，这个阶段集中投放有意义。
还有就是单次事件型的营销，比如新品上市、活动节点，这类内容的价值和时点绑定，过了时间就没有意义。
判断依据可以简化成一句：内容的价值是不是随时间衰减得很慢。 衰减慢的适合持续积累，衰减快的适合集中投放。
日更的三个前提
日更需要的东西不只是产量。缺了下面三样，日更会先带来问题，再带来收益。
第一，有人审。发布这一步现在还不能完全交出去，内容上线之后不可撤回。所以日更的实际产能上限是审核带宽，不是生成速度。
第二，有选题来源。没选题的日更会在两周内退化成同一个话题的重复表述，这时候产出的内容不但没有增量，还会互相稀释。
第三，有发布前的检查。日更把错误也批量化了。一条错的价格写在一篇内容里是问题，写在三十篇里是事故。
这三样对应三件已经讲过的事，分别是审批闸门、选题库和品相闸。
一个可以自己做的重算
上面的模型用了两个假定数字。把你自己账号的数据代进去，就能算出属于你的版本。
需要三个数：
一，你最近 30 篇内容里，中位数曝光是多少。这个数是模型里的"低位"。
二，最高的那两三篇的曝光是多少，以及它们占 30 篇的比例。这两个数给出"高位"和概率。
三，把这两个数字代进上面的公式，算出你自己的单篇相对波动。
第三步得到的那个百分比如果很高（大概率会很高），就说明你当前的判断依据不能用单篇结果。这种情况下的正确做法是把观察窗口拉到 30 篇以上，而不是继续就单篇数据讨论。
常见问题
问：日更会不会把质量拉下来？
会，如果日更靠的是压缩单篇时间。反过来，如果日更靠的是把可复用的部分前置（素材库、事实卡、选题库），单篇的实际投入反而会下降。差别在于省的是哪一段。
问：产能不够，能不能改成隔日？
可以，而且比勉强日更更合理。上面那张表说明的是窗口长度，不是频率。隔日更只是把同样的窗口拉到两倍长。真正要避免的是脉冲式投放，也就是有产能就发一批、没产能就停一个月。
问：平台会不会因为发布频率高而限流？
发布频率确实是平台监测的一个维度。这里不给具体阈值，因为各平台规则不公开且会变。可查的是你自己账号的历史数据：把发布密度和单篇数据放在同一条时间线上看，能不能看出相关性。有相关性就调，没有就不必担心。
相关阅读
延伸阅读：算一笔账：一个传统运营团队，换成AI团队到底能省多少钱？、团队要不要招人怎么判断 ？先算一个比值，再决定要不要招人、Onworkly 是什么：一个平台，三层能力。
三条交付线的额度与价格在定价页，基础版免费，可以先跑一次看结果。