粉絲多就一定互動高？我分析了 19 萬篇 Threads 貼文，結果出乎意料
你有沒有在滑 Threads 的時候，看到一個只有幾百粉的帳號，發了一篇文卻有好幾千個愛心？
然後又看到一個上萬粉的帳號，發的文卻冷冷清清，留言個位數？
我自己觀察到這個現象好幾次，每次都很好奇：粉絲數到底跟互動有多大關係？ 是真的有關，還是我們只是「覺得」有關？
身為一個工程師，光靠感覺不夠，我決定用數據來回答這個問題。
所以我做了一件事：從 Threads 上搜集了將近 19 萬篇貼文，分析粉絲數跟互動之間的真實關係。
今天這篇文章，跟大家分享：
- 我怎麼做這個分析的（資料來源、方法）
- 粉絲數 vs 互動的相關性到底多高？
- 為什麼去掉極端值之後，數字會大幅下降？
- 這個結果對你經營 Threads 有什麼意義？
資料與方法
先說明一下這次分析的規模和做法。
我從 Threads 上搜集了一批使用者和貼文的資料，篩選掉發文數太少（低於 30 篇）和粉絲數異常的帳號後，最終的分析樣本是：
- 6,335 個帳號
- 192,853 篇貼文
這個量應該夠我們說點什麼了 😎
互動的定義
「互動」這個指標，我把以下幾個動作加在一起：
互動 = 愛心（likes）+ 留言（replies）+ 轉發（reposts）+ 引用（quotes）+ 分享（shares）
然後算出每個使用者的每篇平均互動數（avg interactions/post），這樣才公平，不然發 100 篇的人一定比發 30 篇的人互動總數高。
第一步：看原始相關性
最直覺的做法：把每個使用者的粉絲數和每篇平均互動數畫在同一張圖上，看看有沒有關聯。
統計上我們用 Pearson 相關係數來衡量兩個變數的線性關係，數值介於 -1 到 1 之間：
- 1 = 完美正相關（粉絲越多，互動一定越高）
- 0 = 完全沒關係
- -1 = 完美負相關
結果是：
| 指標 | 相關係數 |
|---|---|
| Pearson（粉絲數 vs 每篇平均互動） | 0.4248 |
| Spearman（粉絲數 vs 每篇平均互動） | 0.5078 |
| Pearson（粉絲數 vs 總互動） | 0.4267 |
0.42 — 這算高嗎？
在社會科學的標準裡，0.4 大概算是「中等」的正相關。意思是：粉絲數跟互動確實有關，但遠遠不是「粉絲多 = 互動高」那麼簡單。
不過這個數字我有點懷疑。因為看散布圖的時候，你會發現有幾個超大帳號（粉絲幾十萬、互動也超高）站在圖的右上角，把整條趨勢線往上拉。
這些極端值有可能在灌水。
第二步：去掉極端值
為了看到「一般帳號」之間的真實關係，我用了統計學上常見的 IQR 方法（四分位距法）來去除極端值。
簡單解釋一下 IQR：
- 算出粉絲數和互動的 Q1（第 25 百分位）和 Q3（第 75 百分位）
- 超出 Q1 - 1.5×IQR 或 Q3 + 1.5×IQR 的資料，就視為「極端值」移除
去掉之後：
| 項目 | 數值 |
|---|---|
| 原始樣本 | 6,335 |
| 去掉的極端值 | 1,413 |
| 剩餘樣本 | 4,922 |
再算一次相關係數：
| 指標 | 相關係數 |
|---|---|
| Pearson（去極端後） | 0.2734 |
從 0.42 掉到 0.27。
去掉那些超大超小的帳號之後，粉絲數跟互動的關係明顯變弱了。
第三步：對數轉換，看最終真相
粉絲數和互動數都是「右偏」分布——大部分人的值集中在低處，少數人特別高。這種資料用 log 轉換來看會更準確。
對去極端後的資料做 log10-log10 轉換，再算相關係數：
| 指標 | 相關係數 |
|---|---|
| Pearson（log10 粉絲 vs log10 互動） | 0.1316 |
0.13。
從最初的 0.42，到去極端的 0.27，到 log 轉換後的 0.13。
這個數字在統計上屬於「非常弱的正相關」。換句話說：在一般帳號之間，粉絲數對互動的解釋力非常有限。
視覺化：看圖最直接
這張圖是去極端後、做 log 轉換的散布圖：
你可以看到，點散布得非常廣，趨勢線雖然微微向上，但散開的程度遠大於聚集的程度。
意思就是：同樣是 1,000 粉的帳號，有人每篇平均互動 5，有人平均互動 500。粉絲數一樣，互動差了 100 倍。
這代表什麼？
整理一下三個階段的數據：
| 階段 | Pearson 相關係數 | 意義 |
|---|---|---|
| 原始資料 | 0.4248 | 看起來有中等相關 |
| 去極端值 | 0.2734 | 關係明顯變弱 |
| 去極端 + log 轉換 | 0.1316 | 非常弱的正相關 |
原始的 0.42 其實是被頭部的大帳號拉高的。那些粉絲幾十萬的帳號，互動自然也高，但它們是少數中的少數。
對大多數人來說——就是你我這種幾百到幾千粉的帳號——粉絲數對互動的影響，遠比你想像的小。
那互動到底靠什麼？
如果粉絲數不是關鍵，那什麼才是？
雖然這次的分析沒辦法直接量化其他因素（因為「內容品質」很難用數字衡量），但結合 Threads 生態的觀察，互動更可能受到這些因素影響：
1. 內容題材
Threads 的演算法會把貼文推給「可能有興趣的人」，不只是你的粉絲。所以一篇好的貼文可以觸及到遠超粉絲數的人群。台灣有個例子：一個只有 300 多粉的素人帳號，用「#threads好物特搜」分享美妝推薦，創造了 57 萬次瀏覽和 5,000 多個愛心。
2. 貼文品質與吸引力
前 5 行就要破題、製造驚喜或反差。Threads 是快速滑動的平台，你只有幾秒鐘的時間抓住注意力。
3. 主動互動
不能只顧發自己的文。去別人的貼文下留言、參與討論，演算法會因為你的活躍度給你更多曝光。
4. 發文節奏與時機
持續且穩定的發文頻率比偶爾爆發更有效。演算法會根據你的活躍度來分配流量。
5. 受眾匹配
你的內容要打中對的人。一篇寫給工程師看的技術文，就算寫得再好，推給美妝受眾也不會有互動。
結語
今天用數據分享了一個很多人好奇的問題：Threads 上粉絲數跟互動到底有多相關？
答案是：有一點點關係，但沒有你想的那麼大。
- 原始相關 0.42，看起來還行
- 去掉極端值後降到 0.27
- 再做 log 轉換，只剩 0.13
這意味著什麼呢？不要太執著於粉絲數。
如果你正在經營 Threads，與其花時間想著「怎麼漲粉」，不如把精力放在「怎麼寫出好的內容」。因為數據告訴我們，在這個平台上，一篇好的貼文帶來的互動，跟你有多少粉絲的關係真的沒那麼大。
這對小帳號來說其實是好消息——你不需要先有一萬粉才能被看見。好的內容自己會找到觀眾。
希望今天的數據分析對大家有一丁點兒的幫助～掰掰～👋
