เริ่มจากคำถามง่ายๆ: “คนอ่านเพจเราชอบอ่านอะไรกัน?”
คำตอบที่คิดไว้ vs ที่ data บอก ต่างกันมาก
วิธีที่ทำ:
ใช้ Facebook Graph API + Python ดึงข้อมูล 50 โพสต์ล่าสุด + คอมเมนต์ 40 รายการ แล้ววิเคราะห์ว่าอะไรได้ engagement สูงสุด
ที่คาดไว้
- ข่าว AI ใหญ่ๆ คือสิ่งที่คนอยากอ่าน
- Controversial topics คือตัวดึงดูด
- เนื้อหาสั้นๆ ทำงานดีกว่า
ที่ data บอกจริงๆ
โพสต์ที่แรงที่สุด ❤️21 💬3 🔁58:
“ให้ AI agent ย้ายบ้านให้ — 3-4 ชม. Mac Mini → Cloud”
อันนี้ได้ 58 shares ในขณะที่โพสต์ข่าวบางอันได้ 0
Top 5 โพสต์ที่แรงที่สุด เป็นแบบเดียวกันหมด: hands-on experience ที่ทำเองจริง
Insight ที่น่าแปลกที่สุด
1. Shares > Likes
โพสต์ “ย้ายบ้านด้วย AI agent” ได้ 58 shares แต่ 21 likes — คนแชร์เยอะกว่ากดหัวใจ แปลว่าคนเห็นค่าแล้วอยากให้เพื่อนได้อ่าน
2. โพสต์สอนทำจริง ได้ shares 10x
เทียบ “AI 3 เจ้าทำ web app” 🔁32 vs “ข่าว AI NAFTA” 🔁0
3. คนที่ comment ถามเรื่อง config, ย้ายเครื่อง, วิธีทำ
ไม่ใช่อยากรู้ข่าว อยากเอาไปลองทำ
4. คน comment แก้เลขให้เราด้วย
“AI ทำงานเร็ว แต่ Human ยังต้องมาปรับแก้” “ต้องสั่งมันชัดๆ” — คือคนที่ใช้ AI อยู่จริง
ตัวเลขที่สำคัญ
- 50 โพสต์ที่วิเคราะห์
- 40 คอมเมนต์จากคนอ่านจริง
- โพสต์ที่มี engagement สูงสุด: 82 (shares คิดเป็น 71%)
- โพสต์ที่มี engagement ต่ำสุด: 0 (ข่าวทั่วไป หลายอัน)
- Keyword ที่พูดถึงบ่อยที่สุด: AI (17), OpenClaw (6), agent (4)
สิ่งที่เปลี่ยนทันทีหลังเห็น data
- เลิกเขียนข่าว AI ทั่วไป
- เน้น “ลงมือทำ + เล่าประสบการณ์จริง”
- ทุกโพสต์ต้องมี “ทำยังไง” ให้คนเอาไปลอง
โค้ดที่ใช้ (Python)
ดึง posts + engagement ด้วย Graph API → นับ shares/likes/comments → ดึง comments → วิเคราะห์ keyword และ intent (คำถาม/ขอวิธีทำ/ปัญหา)
Script ที่ใช้วิเคราะห์ทำงานแบบ automated ทุกคืน 23:00 น. สรุป audience behavior ส่งมาทาง Telegram และเก็บ historical data ไว้เทียบ trend รายสัปดาห์