作者：David，深潮 TechFlow
1 月上旬，X 宣佈發放 100 萬美元作為奬金，用以獎勵平台上表現最出色的長文 Article。
由 Elon Musk 本人親自轉發確認。規則亦很簡單：僅限美國用戶，1,000 字以上的英文原創文章，主要按美國付費用戶的曝光量排名。
你應該還記得在這個內容激勵活動發布的幾天前，個人成長部落客 Dan Koe 發佈了一篇「How to fix your entire life in 1 day」，獲得 1.7 億次曝光，成為 X 史上表現最好的文章。
X明顯看到長文的流量潛力，迅速跟進；降低Articles功能門檻、調整演算法權重讓長文優先於短貼、宣布百萬美元徵文大獎。
兩週比賽時間，數以萬計的參賽者。
結果於 2 月 4 日揭曉，最終總獎金高達 215 萬美元，比原先承諾的多出一倍以上。冠軍可得 100 萬美元，亞軍 50 萬美元，另設 25 萬美元的「Creator Choice」獎項及四個 10 萬美元的榮譽提名。
獲獎情況大致如下：
你可以看到 Dan Koe 又榜上有名了。不過，他之前那篇關於如何用一天改變人生的訪問文章有 1.7 億次曝光，但這次創作比賽的冠軍只有 4500 萬次。
爆款文章始終難以捉摸，不過幾篇得獎文章仍然值得深入分析。
冠軍：9萬粉「小號」，靠一個自建資料庫贏走100萬
冠軍 @beaverd 的文章標題翻譯過來是「德勤，一個擴散至全美的 740 億美元毒瘤」。文章內容寫的是知名顧問公司德勤。
這個賬號目前「只有」9萬粉絲，與其他獲獎的人相比算是小號，而且沒有媒體機構背景，也沒有藍V認證以外的任何背書。
他寫的題目也沒有涉及任何流量熱詞，但揭露的事情比較有話題性，即是德勤（Deloitte）怎樣從聯邦和州政府拿到了 740 億美元的合約，然後把項目做爛。
傳送門在此處
點進去看看，會發現這人是真下了功夫的。
他自己建立了一個網站叫 somaliscan.com，收集了數百萬條政府發票數據，一筆一筆交叉比對審計報告和系統故障紀錄。
然後用這些第一手資料講了一連串令人咋舌的故事：加州失業金系統被詐騙走 320 億美元，田納西州醫療補助系統癱瘓導致 25 萬名兒童失去保障，法院資訊化改造耗資 19 億美元卻最終爛尾……一共涵蓋了 25 個州。
他還揭發了德勤高層與政府官員之間的旋轉門，具體列出誰從德勤跳槽到哪個部門，又批准了哪些合約回德勤，人名和金額都清楚列出。
一個人自己建了一個數據庫，靠自學研究賺了 100 萬美元。
亞軍：擁有 70 萬粉絲的財經大號，教你如何在關稅恐慌中賺錢
亞軍 @KobeissiLetter 是宏觀財經圈的常客，擁有 70 萬粉絲，長期追蹤美國經濟政策及市場波動。
他這篇文章做的事也很直接，把特朗普每次打關稅牌的套路拆解成了一個可重複使用的交易框架，標題叫做《特朗普的關稅劇本：一份操作指南》。
由於特朗普經常出人意表，喜歡推出一些極端的政策和對其他國家作出威脅，但最後未必能完全落實，華爾街有人總結了這個模式，稱為 TACO，全寫是 Trump Always Chickens Out（特朗普總會退縮）。
TACO 所指的就是一個反覆出現的模式：
特朗普宣布大幅關稅 → 市場暴跌 → 幾天後他鬆口或推遲 → 市場反彈。
KobeissiLetter 這篇文章所做的事，就是把 TACO 從一個笑話變成了一套附有時間刻度的操作手冊。他以過去 12 個月的關稅事件作為樣本，拆解出一個完整的週期模板，讓你可以按照時間段去做交易。
例如，週末時白宮方面發佈消息製造恐慌，週中資金趁低買入，下一個週末釋放緩和信號，兩至四周內達成某種協議。同時他還會在每一步落實時持續跟帖，告訴你現在進展到哪一步，更像是個預測貼的連續劇。
他還提出了比較實際的操作方法，那就是盯住美國10年期國債收益率。如果這個數字突破4.60%，特朗普大概率會讓步。
對X平台上那些關注宏觀和交易的付費用戶來說，這種東西正合他們口味。
它不會跟你討論關稅好不好，也不作道德判斷，只告訴你下次再來這套，你應該在什麼時間點做什麼動作才能賺錢。
季軍：DAN KOE，最受點讚的人生方法論
Dan Koe 的參賽文章〈如何隨時進入極度專注狀態〉獲得了 4.2 萬個讚和 8,681 次轉發，這兩個數據都是所有參賽文章中最高的。但其曝光量只有 1,104 萬，還不到冠軍的四分之一。
X 所獲的其實嚴格來說不算季軍，而是另外設有一個「Creator Choice」（官方選擇）獎項，價值 25 萬美元。
其實也可以理解，Dan Koe 是「啟發這場比賽的人」。他 1 月初那篇獲得 1.7 億次曝光的爆文，直接讓 X 看到長文流量的上限有多高。
文章本身就不多介紹了，還是那套人生與成長的方法論。大致是講解如何獲得專注力，並引用神經科學和心流狀態等概念來加以佐證和深化。
其實這篇的互動數據最好，但按照比賽的核心規則「美國付費用戶曝光量」來計算，它排不到前面。
為甚麼互動最好的文章曝光反而不高？這個錯位現象會在後文再作探討。
榮譽提名：10萬 ×4
Nick Shirley、Josh Wolfe、Kaizen Asiedu 和 Ryan Hall 各自獲得 10 萬美元的激勵。他們的帳號涵蓋公共政策、地緣政治、歷史和公共安全四個範疇。
其中 Josh Wolfe 是 Lux Capital 的聯合創辦人及知名風險投資人，亦宣布將獎金平均捐贈予四間慈善機構。
由於原帖中沒有列出這 4 位人士的具體文章，時間和精力所限，我們沒有作進一步的調查。也歡迎大家補充其中的資料。
一些深入觀察
從這次比賽的結果中，可以看到一些規律：
獲得最多讚賞的文章，曝光率只有冠軍文章的四分之一
這場比賽最違反直覺的數據，肯定是 Dan Koe 的。
4.2 萬個讚，8,681 次轉發，4,627 條評論，三項互動數據全場最高。但曝光量只有 1,104 萬，不到冠軍 @beaverd 的四分之一。而 @beaverd 的讚數是 3 萬，比 Dan Koe 還少。
如果你曾經做過社交媒體運營，應該會覺得這組數據很奇怪。根據一般理解，互動率越高，演算法越願意推薦，曝光量應該會越高才對。
但這次 X 所計算的並非總曝光量，而是「美國付費用戶首頁時間線曝光量」。這個指標排除了非美國用戶、非付費用戶，以及搜尋和個人主頁的瀏覽。
Dan Koe 的內容是關於個人成長，其受眾自然更全球化，粉絲當中亦有大量非美國用戶。@beaverd 的內容則是關於美國納稅人的錢怎樣被德勤浪費，其受眾自然集中於美國。在同樣的演算法推薦機制下，內容的「地域濃度」決定了這個指標的高低。
9萬粉絲戰勝90萬粉絲，內容稀缺性>粉絲數量
冠軍 @beaverd 賽前 9 萬粉絲。亞軍 @KobeissiLetter 70 萬粉絲。Dan Koe 90 萬粉絲。
如果粉絲數能決定曝光，排名應該反過來。但實際結果說明，在 X 的 Articles 推薦邏輯中，粉絲數的權重遠沒有想像中那麼大。
@beaverd 能夠勝出，關鍵在於他手裏有別人沒有的東西，還是內容的稀缺性起了作用。
這跟傳統的流量邏輯完全不同。大號靠的是粉絲存量和發佈頻率，但在一個演算法主導分發的環境裏，「你有沒有獨佔的內容」比「你有多少粉絲」更重要。
你必須建立自己的內容「硬體」
退一萬步講，這三篇得獎文章的題材完全不搭：一篇揭發政府合約，一篇教你炒關稅波幅，一篇講述如何集中注意力。
在任何一個內容平台的分類體系中，它們都不會出現在同一個榜單上。但它們有一個共同點：每篇都有其獨特的「硬體」，換句話說，就是你需要有一個敘事框架。
@beaverd 的硬設備是自建資料庫爬取政府資料；KobeissiLetter 的硬設備是一套經過 12 個月回測的交易框架，而 Dan Koe 的硬設備是一個融合了神經科學和心理學的六章節方法論，雖然看似高深但實際上都是大家知道的道理。
得獎的文章中，沒有任何一篇是純粹的觀點文章。它們都需要較長的篇幅來載入豐富的資訊，而這正好就是 X Articles 這個產品形式存在的原因。
另一個值得注意的事實是，八位得獎者中沒有任何一家傳統媒體。
全部都是獨立創作者。不是說傳統媒體沒有參與，而是在這個賽制下，個人賬號反而更具優勢。
機構媒體的內容通常會發佈在自己的網站上，只在社交媒體放上連結和摘要。但 Articles 要求內容必須完整發佈在 X 平台內，這對習慣將流量導向站外的媒體來說，是一個令人尷尬的舉動。
X 花 215 萬，到底在買什麼
回到平台本身。
X 最初承諾 100 萬美元激勵，最後發放了 215 萬。比賽期間還做了一系列配套動作：把 Articles 功能從創作者賬號擴展到所有付費用戶，調整演算法提高長文內容的推薦權重，把計分方式改成「美國付費用戶首頁曝光」。
花這麼大代價，其實最直接的肯定是 X 需要站內原創長文內容。
過往在 X 上的長內容主要依靠外部連結，例如 Substack、Medium 或個人網誌。用戶點擊一下便會跳轉離開，閱讀時間和互動數據都會留在別人的平台。Articles 的目標是將這些內容留在站內，讓用戶從頭到尾閱讀時都不會離開 X。
再深入一點，X 有 Grok。訓練大型語言模型需要高質量的長文本數據，而 X 上大多數內容都是 280 字符的短推文。如果 Articles 能持續吸引創作者撰寫深度長文，這些內容就可以作為 Grok 的訓練素材。
最後，付費用戶價值。
比賽規則將指標限制在「美國付費用戶首頁曝光」，等於直接告訴創作者，你的內容要為付費用戶服務。
這是在用創作者的內容為付費用戶體系提供支持，讓付費用戶覺得「我花的錢是值得的，因為我可以在首頁看到其他地方看不到的深度內容」。
從內容創作者的角度來看，我們覺得純粹觀點的時代可能已經要過去了。
這個趨勢對加密圈的創作者同樣適用。加密行業從不缺乏觀點，每天都有無數人在 X 上喊單、預測價格、評論監管。
但能像 @beaverd 那樣自建鏈上數據分析工具，或者像 KobeissiLetter 那樣把市場週期拆解成可重複的交易劇本的人，卻很少。
保持稀缺和獨立，持續產出，其實是一份非常專業的工作，也是非常有成就感和正面反饋的工作。
我們亦希望日後能看到更多來自中文圈的內容出現在排行榜上。