
想學(xué)公眾號數(shù)據(jù)分析?看這一篇就夠了
如果你是一名運營人員,希望本篇對你今后有幫助。如果你不是一名運營人員,但是我還是建議你讀完本文,因為這篇文章完整的敘述了如果做一個數(shù)據(jù)分析,是一篇不可多得的做完整的數(shù)據(jù)分析的案例。
不久前,我受邀給某百萬大號的運營團隊做企業(yè)內(nèi)訓(xùn),驚訝地發(fā)現(xiàn)他們竟然不會做數(shù)據(jù)分析,基本都是在憑感覺做運營工作。
我立馬讓他們調(diào)出后臺數(shù)據(jù),給他們演示了數(shù)據(jù)分析,結(jié)果發(fā)現(xiàn),一些問題已經(jīng)嚴(yán)重到讓他們瞠目結(jié)舌的地步了。
對于你,我也想問幾個問題:
你知道過去 90 天寫的文章里,哪篇文章閱讀量最高,哪篇文章在朋友圈最受歡迎,哪種類型的文章吸粉效果最好?以及公眾號哪個時間點推送最合適?....
不能馬上回答上來的也不用慌,小賢將圍繞“發(fā)現(xiàn)問題、分析問題、提出假設(shè)、實踐和檢驗假設(shè)”的問題處理流程,讓你學(xué)會用數(shù)據(jù)驅(qū)動公眾號運營,在實現(xiàn)閱讀量提升和漲粉的同時,做出高(裝)大(逼)上的公眾號數(shù)據(jù)報表。
1、熟知基礎(chǔ)圖文指標(biāo)
在微信公眾平臺自帶有的圖文數(shù)據(jù)我們稱之為基礎(chǔ)圖文指標(biāo),這應(yīng)該 80% 的公眾號運營都會去看的數(shù)據(jù)。
通過它們你可以知道每篇公眾號圖文送達給多少人,有多少人閱讀了(來源分布),多少人點贊轉(zhuǎn)發(fā)了,具體來公眾號基礎(chǔ)圖文指標(biāo)主要包含如下字段:
1)單篇圖文基礎(chǔ)數(shù)據(jù)
① 送達人數(shù)
圖文消息群發(fā)時,送達的人數(shù)。
② 圖文頁閱讀人數(shù)
點擊圖文頁的去重人數(shù),包括非粉絲;閱讀來源包括公眾號會話、朋友圈、好友轉(zhuǎn)發(fā)、歷史消息等。
③ 圖文頁閱讀次數(shù)
點擊圖文頁的次數(shù),包括非粉絲的點擊;閱讀來源包括公眾號會話、朋友圈、好友轉(zhuǎn)發(fā)、歷史消息等。
④ 分享轉(zhuǎn)發(fā)人數(shù)
轉(zhuǎn)發(fā)或分享到朋友、朋友圈、微博的去重用戶數(shù),包括非粉絲。
⑤ 分享轉(zhuǎn)發(fā)次數(shù)
轉(zhuǎn)發(fā)或分享到朋友、朋友圈、微博的次數(shù),包括非粉絲的點擊。
⑥ 微信收藏人數(shù)
收藏到微信的去重用戶數(shù),包括非粉絲。
⑦ 原文頁閱讀人數(shù)
點擊原文頁的去重人數(shù),包括非粉絲。
2)單篇圖文傳播數(shù)據(jù)
點擊單篇圖文詳情分析還可查看公眾號打開率、一次二次傳播率、閱讀來源以及閱讀趨勢。
① 一次傳播數(shù)據(jù)
指的關(guān)注該公眾號的用戶通過公眾號會話閱讀文章或者從公眾號分享文章到朋友圈的行為數(shù)據(jù)。
一次傳播轉(zhuǎn)化率越高,說明公眾號推送文章內(nèi)容受到現(xiàn)有粉絲的喜歡,有利于維護現(xiàn)有的粉絲,增強其粘性。從后臺數(shù)據(jù)上看,一次傳播共有兩個核心數(shù)據(jù)。
a. 公眾號會話閱讀率(俗稱打開率)
公眾號會話閱讀人數(shù)/送達人數(shù),如果想提升文章的打開率,那應(yīng)該著重考慮文章的標(biāo)題應(yīng)該怎么取,但是別做出格的標(biāo)題黨。
b. 從公眾號會話分享率(圖文轉(zhuǎn)發(fā)率)
從公號分享到朋友圈的人數(shù)/公眾號會話閱讀人數(shù),該是衡量這篇推送文章價值的標(biāo)準(zhǔn),圖文轉(zhuǎn)化率越高說明這篇文章質(zhì)量越好。
② 二次傳播
它是用戶在未關(guān)注公眾號的情況下,在朋友圈點擊閱讀或者在朋友圈再次分享傳播的行為。
相比一次傳播,二次傳播更加能夠說明該篇文章推送的傳播力和影響力,是深度傳播,比一次傳播的數(shù)據(jù)更有價值。
③ 閱讀來源及趨勢
這是圖文分析中非常關(guān)鍵的數(shù)據(jù),我們通過分析閱讀來源,可以推測出讀者的閱讀場景,知道他們是在哪個渠道看到文章的,方便我們做運營優(yōu)化。
目前公眾號閱讀來源包含如下渠道:
a.公眾號會話
文章在選定的時間內(nèi)通過公眾號推送、預(yù)覽、手動回復(fù)來獲得的閱讀量統(tǒng)計。
b.好友轉(zhuǎn)發(fā)
將文章轉(zhuǎn)發(fā)給好友或者推送到群的閱讀量統(tǒng)計。
c.朋友圈
將文章轉(zhuǎn)發(fā)至朋友圈后文章的閱讀量統(tǒng)計。
d.歷史消息
在公眾號歷史消息里點擊文章的閱讀量統(tǒng)計。
e.其他
按照微信官方的解釋“其他”閱讀來源,總結(jié)下來有以下 7 種。
微信自定義菜單,包括引用圖文素材,引用歷史消息等。
頁面模板,原創(chuàng)開通后頁面模板引用圖文素材,引用歷史消息等。
微信搜索,在微信->發(fā)現(xiàn)->搜一搜里搜索到的“相關(guān)文章”。
朋友圈熱文,在微信->發(fā)現(xiàn)->看一看,被推薦到朋友圈的文章。
關(guān)鍵詞回復(fù),關(guān)鍵詞自動回復(fù)時彈出的圖文素材。
文章內(nèi)部鏈接,閱讀原文鏈接。
微信收藏。閱讀微信收藏內(nèi)的文章。
廣告大師約翰·沃納梅克曾說過"我知道我的廣告費有一半是浪費的,但我不知道浪費的是哪一半"??赐旯娞栕詭У幕A(chǔ)圖文數(shù)據(jù),你或許也會有同樣的困惑:
“我的公眾號圖文寫不好,但是到底哪些圖文不好,我應(yīng)該怎么優(yōu)化?。”
為了找到問題的答案,這時候你需要學(xué)習(xí)的下邊我分享給大家的圖文的多維度數(shù)據(jù)分析。
2、導(dǎo)出圖文多維度數(shù)據(jù)
如何導(dǎo)出公眾號圖文數(shù)據(jù)呢?如果你還在一篇圖文一篇圖文的把數(shù)據(jù)復(fù)制粘貼到 Excel 表,那真的是要把人蠢哭了。
這里推薦兩款款圖文數(shù)據(jù)導(dǎo)出神器——新媒體管家和壹伴。它可以幫助你非??斓膭?chuàng)建并下載一個圖文多維度數(shù)據(jù)報表,該工具提供任意時間跨度的圖文數(shù)據(jù)下載服務(wù),第一次做多圖文數(shù)據(jù)分析建議把它全部圖文數(shù)據(jù)下載下來。
更人性化的是它在幫你快速到處圖文數(shù)據(jù)的同時,已經(jīng)把數(shù)據(jù)進行了初步的加工了,比如分享率、點贊率、評論率、朋友圈打開率,并對每一個數(shù)據(jù)字段都做了標(biāo)注說明。
有了這些圖文數(shù)據(jù),可以說你已經(jīng)打敗了 60% 的公眾號運營,想要做到用數(shù)據(jù)驅(qū)動公眾號運營,你還需要學(xué)會如何搭建圖文數(shù)據(jù)分析模型和圖表化呈現(xiàn)。
這里我想推薦另外一款非常棒的數(shù)據(jù)分析神器——BDP。它提供了 26 種數(shù)據(jù)模型,接下來你只需要跟我一起,隨意拖動一些數(shù)據(jù)指標(biāo),可以看到很多讓人意想不到的結(jié)果。
3、圖文整體運營情況
通過 BDP 的詞云分析模型,我們可以通過它快速的知道,自己過去 90 天是否圍繞公眾號定位的進行圖文寫作。詞云上關(guān)鍵詞的大小是和它在標(biāo)題里出現(xiàn)的頻率成正相關(guān),看到“運營”這個詞占地面積最大,那我就放心了。
那過去 90 天的整體圖文閱讀情況是怎么樣的?最高閱讀量是 9904,最高打開率是 7%,最低是 1368,最低打開率是 2%。平均閱讀量 4019,平均打開率 4.1%,平均分享率 5%。
另外,我意識到運營研究社在圖文推送時間上一直不太穩(wěn)定,那到底什么時候推送比較合適呢?
通過對推送時間、閱讀量、標(biāo)題三個數(shù)據(jù)字段構(gòu)建散點圖,去分析運營研究社的推送時間是否集中以及哪個時間段推送閱讀量效果最佳。
還別說,通過這么一分析確實給了我不少公眾號優(yōu)化方向:
1)在8、12點這個時間段的出現(xiàn)的高閱讀量點數(shù)最多,那我們就把推送時間就集中在這兩個點了。
另外,作為對推送時間的假設(shè)的驗證,建議大家可以跟我一樣,看看目前自己所關(guān)注的訂閱號里邊在這個時間點推送的數(shù)量有多大,如果少于10個那就初步證明這是合理的。
2)在過去 90 天我們并沒有達到平均閱讀量 5000 的目標(biāo),運營社套路編輯部仍需多努力哈。根據(jù)閱讀量來源分布,我們要么提高打開率,要么提升分享率,要么提升整體選題質(zhì)量。
4、圖文選題質(zhì)量
深夜發(fā)媸徐老師曾說“選題大于一切”,為了達成平均閱讀量 5000 的目標(biāo),我需要去找到那些適合我們的選題。
于是我用圖文標(biāo)題、圖文閱讀量兩項數(shù)據(jù),在 BDP 上快速生產(chǎn)一個閱讀折線圖用它來分析。在過去 90 天,哪些圖文的閱讀是高于平均值的,這些文章在選題上是否有著某項共性是值得去總結(jié)的。
分析結(jié)果,著實讓我倍受打擊。我每次辛辛苦苦寫的超長干貨類選題,其實在運營研究社里非常的不受歡迎,反而那些大眾熟知的熱點、商業(yè)、工具、影視以及職場撕逼場景的選題才是大家所熱衷的。
5、圖文標(biāo)題質(zhì)量
與公眾號圖文閱讀量,另一項最為相關(guān)影響因素是標(biāo)題質(zhì)量,相信起標(biāo)題也是目前很多公眾號最迫切需要提升的能力,當(dāng)然也包括我們運營研究社。
于是我把過去 90 天的圖文打開率的從低到高進行了排名,嘗試分析那些用戶認可的標(biāo)題都有哪些特征。
《戰(zhàn)狼2為什么這么火?因為吳京懂運營》
《吳京直播事件:當(dāng)套路成為主流,運營也就完了》
《我在騰訊面了上百人,有些潛規(guī)則必須告訴你》
《我改了 2000 份簡歷,這些你必須知道!》
《非名校進 BAT 有多難?我用悲慘的經(jīng)歷告訴你》
《新媒體運營是怎么死的,哈哈哈哈》
看到圖文打開率的趨勢圖,我發(fā)現(xiàn)運營研究社過去標(biāo)題真的起的太糟糕了,此刻我最想知道的是到底有哪些好文章被標(biāo)題耽誤了。
帶著這樣的問題,我需要去確認下我的設(shè)想,是不是高質(zhì)量的內(nèi)容真的因為標(biāo)題被拖了后腿。于是把過去7天的打開率、分享率、漲粉率拉了一個雷達圖。
當(dāng)看到《你被哪些好友拉黑了》、《為什么你無法戰(zhàn)勝晚睡,而我可以?》的分享率大于打開率,就知道在過去 7 天就有倆文章被標(biāo)題耽誤了。另外這 2 篇文章都是在晚上 20:00 被我們推送的,這再一次警醒我千萬別晚上推文。
通過對標(biāo)題打開率的趨勢與雷達圖分析,我們定下以下 2 個起標(biāo)題原則:
1)標(biāo)題最好要蹭熱點和名人、標(biāo)題不能太局限在運營,最好要覆蓋到潛在目標(biāo)人群。標(biāo)題最好要直戳用戶痛點,而且用疑問句式。
2)每周對打開率低于分享率的標(biāo)題進行獨立復(fù)盤,以防下次再犯。
6、圖文傳播質(zhì)量
閱讀量的來源主要靠兩大渠道:一個是公眾號會話,一個是朋友圈。為了完成平均閱讀量 5000 的目標(biāo),在用選題和標(biāo)題提升公眾號會話閱讀量的同時,我需要讓來自朋友圈的潛在用戶閱讀量也提升。
來自朋友圈的閱讀量 = 分享量 × 朋友圈打開率
且分享量又同文章質(zhì)量和公眾號會話閱讀量有關(guān),朋友圈打開率又與標(biāo)題質(zhì)量有關(guān)。
于是我初步判斷,如果我想提升來自朋友圈的閱讀量,那么我們就需要提升公眾號打開率、分享率、朋友圈打開比例。
緊接著又有兩個問題:
① 這 3 個因素哪個對朋友圈閱讀量影響最大?
② 朋友圈打開比例是否直接受標(biāo)題影響,如果是的話是否與公眾號打開率成正成相關(guān)?
為了找到答案,我做了兩組的趨勢對比。我把朋友圈閱讀量、打開率、分享率、打開比例 4 個數(shù)據(jù)放在一起做趨勢對比,又將圖文打開率與朋友圈打開比例做趨勢對比。
通過數(shù)據(jù)量化分析發(fā)現(xiàn):
1)對朋友圈的閱讀量影響最大的是朋友圈的打開比例,其次是分享率,最后是公眾號打開率。
其實《你被好友拉黑了嘛?別在傻乎乎的群發(fā)測試了》 公眾號打開率低,但是分享率高,原因竟然是小編在圖文底部留了一句“建議大家將文章推薦給身邊每一個人,予人玫瑰手留余香?!?
2)朋友圈的打開比例與公眾號打開率關(guān)系很復(fù)雜。
一方面,朋友圈打開比例高的公眾號打開率通常也比較高。這也跟之前在標(biāo)題優(yōu)化那邊提到的一樣,標(biāo)題可以往更泛一點人群的需求上去靠,借熱點、蹭名人、直戳人性痛點,比如《我打王者榮耀,全是為了工作》。
另一方面,有趣的是,公眾號打開率高的,朋友圈打開比例卻不一定高,比如《我在騰訊面了上百人,這些潛規(guī)則你必須知道》《發(fā)現(xiàn)老板給我工資開低了,你呢》。
對于運營研究社來說,如果想提升來自朋友圈的閱讀量,就少提跳槽、老板等話題,因為你講的再干貨他們都不敢分享到朋友圈,大部分人應(yīng)該都分享到群里邊去了。
7、圖文漲粉效率
做公眾號不是做慈善,我們寫公眾號圖文要么是可以變現(xiàn)要么是可以漲粉。就運營研究社目前的階段來說,我們比較關(guān)心的是一篇圖文能帶來多少粉絲。對于漲粉效果好的圖文選題就要投入精力多寫,不太好的就要放棄。
因此,我們建立了閱讀量與漲粉量兩個數(shù)據(jù)維度的氣泡圖,并去分析角標(biāo)右上角的圖文選題類型。
右上角的氣泡代表了活動類的《運營試卷出爐!2017 普通高等運營入學(xué)考試》、熱點類的《戰(zhàn)狼為什么會火?因為吳京懂運營!》、《讓你懵逼的阿里雙 11,憑什么做到 1500 億》....等文章,這樣也更加明確了我們的文章寫作方向要同熱點、影視、工具結(jié)合,畢竟它們不僅閱讀量高,而且漲粉效果也好。
8、用數(shù)據(jù)驗證假設(shè)
通過數(shù)據(jù)發(fā)現(xiàn)選題和標(biāo)題的問題,并做出了選題與標(biāo)題的優(yōu)化假設(shè)之后,我們需要運營一段時間,用數(shù)據(jù)來驗證假設(shè)。于是我們把公眾號閱讀量、朋友圈閱讀量、漲粉率以周為單位做了對比。
看到閱讀量和漲粉效果提升明顯,我喜出望外,這說明我們的選題和標(biāo)題覆蓋到了潛在目標(biāo)用戶。
唯一遺憾的是,我們的打開率并沒有如預(yù)期的那樣提升,看來我的小皮鞭需要繼續(xù)揮起來了。
最后,問題來了,運營研究社通過數(shù)據(jù)分析發(fā)現(xiàn)問題、做出假設(shè)并且優(yōu)化運營策略之后,到底把平臺閱讀量做到 5000 了嘛?
數(shù)據(jù)在這里:
是不是很有效?
以上就是數(shù)據(jù)驅(qū)動公眾號運營的全部分析過程,如果你不想再重新燒一次腦的話,那一定要記住這 4 點結(jié)論:
1)圖文閱讀量和選題質(zhì)量相關(guān)度最強。
2)圖文是寫給目標(biāo)人群的,標(biāo)題是寫給潛在用戶的。
3)跟熱點的最終效果體現(xiàn)在圖文的朋友圈打開率。
4)想要漲粉快除了跟熱點,就是要多做活動。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10