結論先說：冷啟動的第一波自然流量，在第 15–18 天出現，不是第 1 天。 前兩週是演算法在讀你——你發的每支影片，系統都在試探「這個帳號的內容應該推給誰、完播率有沒有基本水準」。我在第 3 週第一次看到單支影片觸及破千，那不是因為那支影片拍得特別好，而是帳號累積了 14 天的信號，演算法終於確認分類、開始擴大初始推送池。
最關鍵的心得只有一句：前兩週不要追觸及數字，要追完播率。 完播率夠高，系統才會在第 3 週給你更大的推送測試。這 30 天我做對一件事、做錯一件事，下面逐週說清楚。
第 1–7 天：帳號初始化與第一批影片
我的起手動作
帳號建立的第 1 天，我沒有急著發影片。先做了三件事：bio 關鍵字設定（帳號名稱 + 簡介 + 類別標籤）、確認帳號是個人號、瀏覽同類帳號的前 10 支影片看完播率和留言結構。
bio 設定的邏輯我在 TikTok 帳號 bio 關鍵字設定 有完整記錄，這裡不重複。簡單說：帳號名稱帶主關鍵字，簡介第一句放定位句，類別選最細的子分類。這步沒做好，前 30 天的推送受眾結構會一直跑偏。
帳號類型我選個人號，原因是冷啟動期間最需要「For You」頁面的陌生觸及，個人號在這方面比企業號更有優勢——兩者的自然流量差距我有做過 30 天對比實測，可以看/posts/account-setup/tiktok-personal-vs-business-account/的數據。
第一批影片的選題決策
第 1 週我發了 3 支影片。不是因為 3 支是什麼魔法數字，是因為每支影片需要 2 天左右的觀察窗口（看前 48 小時的觸及曲線是否還在爬升），3 支正好填滿 7 天。
選題邏輯很簡單：挑帳號定位裡最核心、最常被搜尋的那個問題，直接回答它。不做「開箱我是誰」的自介影片——TikTok 演算法在冷啟動期不看帳號故事，只看每支影片的完播率信號。
第 1 週數據：
180 人觸及看起來很低，但對剛建立的帳號來說是正常的初始推送測試池大小。重點是 22% 的完播率——這個數字在第 1 週告訴我，選題方向沒有完全跑偏，但影片的前 3 秒鉤子需要加強。
第 8–14 天：數據信號判讀與調整策略
我犯的一個錯誤
第 2 週開始，我把發片頻率從 3 支增加到 4 支，同時改了影片長度——從 30 秒壓縮到 18 秒以內，目的是拉高完播率。
這個決定對了一半。影片長度壓縮是對的，完播率從第 1 週的 22% 跳到 35%，單支影片的觸及最高達到 680 人。但我同時做了一件錯事：在第 2 週換了影片格式（從教學型換成情境型）——兩個變數同時改，我根本不知道觸及提升是因為長度、還是因為格式。
事後看，這是個不該犯的觀察設計錯誤。冷啟動期間，每次只改一個變數，下週的數據才有意義。
第 2 週數據判讀
根據 TikTok for Business 官方演算法說明，系統在決定是否擴大推送池時，完播率是最早被讀取的信號——它在影片發布後的前 30 分鐘就開始影響推送決策。第 2 週完播率 35%，已經突破了我觀察到的一個經驗門檻：完播率低於 25% 的影片，觸及數幾乎不會在第 2 天繼續爬升；完播率超過 30% 的影片，48 小時後通常還有 20–30% 的觸及增量。
第 2 週還有一個信號值得記：粉絲增長從 +12 跳到 +38。不要把這個數字解讀成「帳號紅了」，這個階段的粉絲增長主要來自帳號首頁的主動瀏覽（有人看了影片然後點進帳號看還有什麼），不是 For You 頁面的自然推送。兩件事是不同的。
第 15–21 天：第一波自然流量出現
那支破千的影片
第 3 週的第 2 支影片，觸及在發布 6 小時後突然跳到 1,400 人，最終停在 2,200 人。這是冷啟動 15 天以來觸及最高的一支。我當時有點意外，因為那支影片的前期製作沒有特別不同——選題是對的，但格式和前 3 秒鉤子跟前一支幾乎相同。
事後的解讀是：演算法在第 2 週收集到足夠的完播率信號（35%，超過系統對新帳號的基本門檻），第 3 週開始用更大的初始測試池試探。Influencer Marketing Hub 的 TikTok 演算法研究把這個機制描述為「梯形推送邏輯」——系統先給你一個小池子（幾百人），完播率達標才給下一個更大的池子，池子大小是梯形遞增的，不是突然爆炸式擴展。
第一波自然流量的特徵
這波流量跟第 1–2 週的「測試觸及」不一樣，有幾個具體的後台數據可以區分：
- For You 頁面觸及比例：第 1–2 週約 55–60%；第 3 週那支破千的影片，For You 佔比跳到 78%
- 觸及受眾的興趣分佈：開始出現更高比例的目標受眾（與帳號定位對齊的興趣標籤）
- 留言質量：從「讚！」型的短留言，開始出現有實質問題的留言——這是受眾精準度提升的信號
第 3 週的整體數據也反映了這個變化：平均觸及 1,240 人，粉絲增長 +87，完播率 48%。
第 22–30 天：穩定期建立節奏
節奏比爆款更重要
第 4 週我把發片頻率提到 5 支，但重點不是「多發」，而是建立固定的發布節奏。同一天的同一個時間段發布，讓演算法建立對帳號活躍度的預期。
第 4 週有一支影片觸及到 4,800 人，是這 30 天的最高點。但我注意到一件事：那支高觸及的影片帶來的粉絲轉換率（觸及人數 → 新粉絲的比例）只有約 3.2%，比第 3 週平均的 7.0% 低很多。原因是那支影片的主題比帳號定位稍微偏了——觸及到的是對相關但不完全對齊的受眾，這些人看了但不追蹤。
這告訴我：高觸及不等於帳號健康，帳號定位的精準度才決定粉絲轉換率。冷啟動期寧可穩定 1,000–2,000 的精準觸及，不要為了追求爆款而犧牲主題一致性。
30 天週次數據總覽
| 週次 | 發片數 | 平均觸及 | 粉絲增長 | 完播率 |
|---|---|---|---|---|
| 第 1 週 | 3 | 180 | +12 | 22% |
| 第 2 週 | 4 | 420 | +38 | 35% |
| 第 3 週 | 4 | 1,240 | +87 | 48% |
| 第 4 週 | 5 | 2,100 | +156 | 52% |
30 天後回顧：冷啟動期最關鍵的 3 個操作決策
決策一：從第 1 天開始設定 bio 關鍵字，不是第 10 天
很多人剛建帳號急著發第一支影片，bio 留著空白或隨便填。這個順序錯了。TikTok 演算法在你沒有影片歷史時，bio 是唯一的帳號分類依據——bio 沒設好，前 2 週的所有推送測試都在浪費初始信用值。
決策二：把影片長度壓在完播率可以撐住的上限，不要追求「完整說清楚」
30 天裡完播率最高的影片都在 15–22 秒之間。不是說長影片沒有價值，而是冷啟動期演算法對你的判斷是基於完播率這個信號——完播率達不到 30% 的影片，系統不會主動擴大推送池。等帳號有一定基礎後，再逐步把高完播率的格式拉長，是比較穩的節奏。
決策三：第 2 週不要同時改多個變數
我在第 2 週同時換了影片長度和影片格式，結果第 2 週的數據讓我無法確定是哪個變數讓完播率提升了。冷啟動期是帳號學習期，也是你自己學習「什麼樣的內容對這個帳號有效」的學習期。一次只改一個變數，數據才能積累成可以重複的操作知識，而不只是一堆不知道為什麼的數字。
帳號冷啟動的 30 天是最難熬的階段——數字小、反饋慢、很容易懷疑方向。但從這份 30 天日誌可以看出，自然流量的出現是有跡可循的：完播率先達標，推送池才會擴大，觸及才會爬升。帳號設定做對、發文節奏穩定、每週只改一個變數，第 3 週你會看到那條轉折線。
帳號冷啟動期的完播率優化如果想更深入研究，可以參考演算法分類裡完播率 vs 互動率的實測拆解；如果廣告代投配合有機成長是你的下一步，跳動E投放提供台灣小商家 TikTok 廣告代投服務。
本文數據來自 2026 年台灣市場新帳號冷啟動實際操作紀錄。TikTok 演算法持續在調整，特別是初始推送池大小的設定，建議用自己帳號的數據驗證，不要把任何人的 30 天數據直接套用。