做到這一篇，我開始把產品當成日常工具使用。打開工作台後，我會切換月份、選擇藝人、改變比較集合，接著看統計、說明與問答如何更新。這些操作讓一份固定研究變成可以探索的產品。

我和 ChatGPT 先整理各種切換情境，再讓 Codex 把條件檢查接進報告流程。每次選擇改變，程式重新讀取持有人、期間、藝人、資料性質與集合，再更新對應結果。卡片、問答及匯出共同引用這份新報告。

這一步最有價值的地方，是使用者可以保持同一套操作方式，探索不同資料。選到哪個月份，就看那個月份的個人統計；選到哪個集合，就讀取那份集合的比較條件。畫面會把可使用的分析自然帶出來。

從七月切到八月，看見個人變化

我的七月目標活動範圍為 1,583–2,242，八月為 1,088–1,228。產品把兩個月的範圍放在一起，算出八月減七月的變化為負 1,154 到負 355 筆。兩端都小於零，因此這份保留紀錄支持八月目標活動量減少。

計算方式很直接：最小差值使用八月下界減七月上界，最大差值使用八月上界減七月下界。待確認活動繼續留在各自的範圍裡，程式也能提供有用的變化方向。

活動占比則由自己的分子與分母另外計算。產品分開呈現活動量與占比，使用者可以各自閱讀它們的變化。這讓我在回顧兩個月份時，能看到較完整的個人輪廓。

外部比較的固定資料對應八月 UTC，因此七月畫面以個人範圍與月變化為主；切回八月及對應藝人後，固定集合的位置就會重新帶出。條件檢查使這種切換成為清楚的使用流程。

藝人與資料主體都有自己的視角

選擇全部藝人時，工作台呈現整體活動整理。再選回目標藝人，就能看到目標活動、歸屬範圍及對應的外部比較。藝人選單因此兼具探索與收斂的功能，讓使用者從全貌走到特定研究問題。

持有人選擇也有同樣的作用。本人資料與朋友的 Spotify 原件分別顯示，來源時間欄位、活動總量與說明一起跟著切換。問答中的主體也讀取這個選擇，讓答案始終對應目前正在看的資料。

這些視角共用相同介面，保留各自的資料條件。對使用者而言，切換選單就能探索；對計算程式而言，每次選擇都是一份完整的分析設定。

我也把分析的適用狀態接到畫面。月份與藝人符合外部快照時，產品顯示對應比較；選擇另一個範圍時，則把當下可讀的個人統計和條件說明帶出來。這讓使用者在探索過程裡，隨時知道目前畫面回答的是哪個問題。

回到原來的設定後，程式重新取得那組選擇的結果，問答與輸出也一起更新。我在同一輪操作裡來回切換月份、藝人與集合，確認每個入口都能跟著現在的設定運作。這使產品的反應方式與選單本身一樣容易理解。

擴展集合，讓比較跟著資料成長

原 35 個外部帳戶形成了最初的基線，後來我再取得 78 個帳戶，整理成 113 個固定外部帳戶的擴展集合。兩份研究使用各自保存的來源與證據，產品可以分別呈現對應結果。

選擇擴展集合的固定來源正值模式時，77 個外部帳戶加上本人共 78 份資料，位置範圍是 2–35／78；選全部集合時，113 個外部帳戶加上本人，則是 2–41／114。本人仍然使用同一份八月活動範圍，分母與位置隨集合更新。

這讓集合大小的影響可以直接觀察。更多帳戶帶進自己的活動量與待確認範圍，位置區間也反映這些新資料。使用者看到的不只是名次，還能一起讀到集合組成與計算條件。

原基線另有署名連接詞的敏感度分析。接受這項額外解析後，最近邊界帳戶的上界由 1,127 收斂到 1,123，兩種基線位置仍維持 2–13／26 與 2–15／36。畫面保留分析的前提與結果，使我能具體看見規則改變的影響。

把切換延伸到保存與恢復

虛擬七天實驗提供另一個可以探索的入口。我可以選擇五位假設觀測者，切換天數與時間、合格播放或條件範圍模式，再匯出目前視窗的結果。UTC 期間由實驗參數設定，整份操作有清楚的資料來源。

正式測量快照則沿用持有人、月份、藝人與資料性質的設定。保存前，程式核對版本、session、原始前綴與檔案完整性；下載及恢復時，也以快照 ID 和內容指紋核對。這些檢查接到使用流程，讓選擇、報告與保存內容維持一致。

完成這輪操作後，我對產品的使用感更滿意了。月份、藝人與集合都有實際作用，說明和問答也會跟著變化。原本需要自己重新整理的研究條件，現在已經成為畫面上的選項；每次切換，都能得到對應的分析與可保存的成果。