盡管從2017年初，公號就一直被唱衰，包括現在平均圖文打開(kāi)率跌倒只有4%到5%，但依舊無(wú)法阻止企業(yè)和自媒體人的入場(chǎng)。這是為什么呢？
簡(jiǎn)言之，因為真正能夠取代公號的產(chǎn)品還沒(méi)有出現
一、公眾號還值得做嗎？
具體分析來(lái)看，公眾號具備了3個(gè)難以被撼動(dòng)的優(yōu)勢：第一，公眾號的訂閱體系。它建立了內容生產(chǎn)者與粉絲之間相對較強的聯(lián)系，并且能保證97%以上的信息到達率。剩余不足3%的粉絲無(wú)法觸達，是因為這部分粉絲長(cháng)期未登錄、被封號，或者設置了不接受推送消息。比之于頭條號、簡(jiǎn)書(shū)等其他自媒體平臺，雖然它們也有訂閱功能，但由于用戶(hù)基數和推送機制的限制，使得他們更多的需要依靠推薦量來(lái)獲得流量。
第二，微信的流量?jì)?yōu)勢。這一點(diǎn)無(wú)需過(guò)多說(shuō)明，月活已經(jīng)突破10億大關(guān)的微信，流量?jì)?yōu)勢不言自明。
第三，易于開(kāi)發(fā)。微信天生適合幫助創(chuàng )業(yè)公司做產(chǎn)品的可行性驗證，開(kāi)發(fā)者只需要掌握Html5、Java和PHP等網(wǎng)站開(kāi)發(fā)技術(shù)，就能做出各種基于微信生態(tài)的webAPP（網(wǎng)頁(yè)應用）。
我自己也深有體會(huì )。
在運營(yíng)一款工具型產(chǎn)品的過(guò)程中，由于前期缺少公眾號運營(yíng)的投入，導致了三個(gè)問(wèn)題：一是，在BD上很被動(dòng)，交換不到好的資源；二是，用戶(hù)沒(méi)法沉淀，等于少了一個(gè)信息分發(fā)及用戶(hù)互動(dòng)的渠道；三是，原創(chuàng )內容被抄襲，原來(lái)只發(fā)在官網(wǎng)上的文章，被競爭對手復制粘貼或者洗稿到他們的公眾號上并聲明原創(chuàng )。
基于以上分析可知，公眾號對產(chǎn)品、運營(yíng)和用戶(hù)都非常重要。而在公眾號運營(yíng)的諸多模塊中，數據分析又是重中之重，是發(fā)現問(wèn)題的手段，也是運營(yíng)策略調整的依據。
下面，我將分享我做公號數據分析的思路和方法。
首先聲明，公眾號誕生多年，但對它數據分析的定義，目前仍沒(méi)有看到統一的規則或者算法，不同第三方平臺，不同公司都可能會(huì )有不同，這是因為不同的公司對數據的定義和側重點(diǎn)會(huì )有所不同，就好像對于活躍的定義，有的產(chǎn)品只要用戶(hù)登錄一次就算一個(gè)活躍，而有的產(chǎn)品規定用戶(hù)必須發(fā)生關(guān)鍵業(yè)務(wù)行為才算一次活躍。
二、如何做公眾號的數據分析？
分析工具：Excel 2013版本以上實(shí)際上，90%以上的運營(yíng)工作的數據分析都可以依靠Excel高效地完成。但高效完成的前提是，你需要掌握熟練的Excel使用技巧，要能夠熟練運營(yíng)數據透視、圖表、vlookup、if、sumifs、countifs等常用函數，還需要有基于Excel做數據分析的思路，熟知每個(gè)數據指標的含義，帶著(zhù)目的地去分析。
1、建立源數據表、子表和匯總表的概念
ps:運營(yíng)老司機可跳過(guò)這部分。
先普及三個(gè)概念：源數據表、子表和匯總表。
源數據表指的是帶有列表頭的、一個(gè)單元格對應一個(gè)數據的、數據未經(jīng)運算的、不存在合并單元格的一種表格形式。之所以要這樣做，是為了遵循Excel這款產(chǎn)品在數據處理上的“游戲規則”，利用游戲規則來(lái)提高分析效率。
在設計源數據標的時(shí)候，要單一、規范、簡(jiǎn)潔。單一指的是一個(gè)概念要獨占一列，千萬(wàn)別想著(zhù)把它合并，否則分析的時(shí)候無(wú)法拆分。規范，要求每一列數據的格式要統一，不然分析出來(lái)的結果，在求和與計數項上一定會(huì )出錯。簡(jiǎn)潔，指的是不要有冗余字段，這點(diǎn)與PPT設計的原則一致——如無(wú)必要，勿增實(shí)體。
源數據表是所有數據分析的源頭，子表和匯總表都從源數據表中衍變而來(lái)，源數據表一變，子表和匯總表的數據也會(huì )跟著(zhù)變。所以，我通常把源數據表作為單獨的一個(gè)表，如果不是數據有更新，通常不會(huì )去改變源數據表。
厘清了源數據表后，子表和匯總表就變得簡(jiǎn)單了。子表，顧名思義就是從源數據表中分析、提取而來(lái)的表格，用于分析某一項或者幾項數據，做子表最常用的Excel功能是數據透視表。匯總表是子表中各項數據的匯總。
有了源數據表、子表和匯總表，就能夠做出一整套的數據分析。這個(gè)方法不僅適用于公眾號的數據分析，活動(dòng)、用戶(hù)、網(wǎng)站和APP的數據分析同樣可以這樣來(lái)做。
2、需要收集的源數據與分析方法
在微信公眾號中，最值得扣出來(lái)分析的數據，主要有3個(gè)維度的，分別是：圖文數據、用戶(hù)數據和菜單數據。其中圖文數據和用戶(hù)數據最能直觀(guān)體現一個(gè)公號的運營(yíng)結果，自然而然，這兩個(gè)維度的數據也成了人們最關(guān)注的數據，所以很多新媒體人會(huì )以10W+和海量粉絲為榮。
然而它們只是冰山一角，公眾號內還有很多外人看不見(jiàn)、也不太關(guān)注，但卻非常重要的數據，例如用戶(hù)來(lái)源渠道的數據、菜單點(diǎn)擊數據、圖文閱讀按來(lái)源分布的數據、閱讀量按時(shí)間的分布數據、消息統計數據、二次傳播數據等等。
1）圖文數據
需采集的源數據有：閱讀量、點(diǎn)贊量、評論量、分享量、收藏量、送達用戶(hù)數。
根據這6項源數據，可以得出一些有參考意義的指標：
（1）閱讀率，又稱(chēng)打開(kāi)率，它等于閱讀量除以送達用戶(hù)數，再乘以100%，閱讀率的作用在于能夠相對公平地衡量不同公號在同一時(shí)期、或者同一公號在不同時(shí)期的閱讀質(zhì)量。因為我們會(huì )發(fā)現：當我們比較不同公眾號運營(yíng)的閱讀質(zhì)量時(shí)，由于粉絲當量不同，就無(wú)法通過(guò)閱讀量多少這樣一個(gè)單一指標來(lái)判斷；又或者比較同一個(gè)公眾號在不同時(shí)期的閱讀質(zhì)量，由于它在不同時(shí)期的粉絲數不同，也同樣無(wú)法通過(guò)閱讀量多少就判斷出來(lái)。
（2）點(diǎn)贊率，等于點(diǎn)贊數除以閱讀量，再乘以100%，點(diǎn)贊率反映用戶(hù)對內容的認可程度。
（3）分享率，等于分享量除以閱讀量，再乘以100%，分享率同樣反映用戶(hù)對內容的認可程度，也是內容二次傳播的驅動(dòng)。
（4）收藏率，等于收藏數量除以閱讀量，再乘以100%,收藏率反映用戶(hù)對內容的認可程度。但收藏率高也可能是因為文章太長(cháng)，用戶(hù)來(lái)不及讀完。
（5）評論率，等于評論數量除以閱讀量，再乘以100%，評論率能體現一個(gè)公眾號用戶(hù)的黏性和活躍度。
圖文數據的源數據表參考
下面的源數據表示樣式，適用于所有類(lèi)型的公眾號。
遵循源數據表的規范，不要有合并的單元格，也不要習慣性地把表格寫(xiě)在第一行（建議寫(xiě)在底部的導航標簽中）。
通過(guò)這個(gè)源數據表，結合數據透視功能，不僅可以隨時(shí)拉出各種歷史數據的分析圖，還可以非?？焖俚胤治龀鲇脩?hù)的內容偏好。
除了上面已經(jīng)提及的圖文數據外，還有4項需要了解但不需要摳出來(lái)分析的數據，分別是：
（1）閱讀量按來(lái)源分布的數據
大多數公眾號的閱讀來(lái)源主要為對話(huà)框、朋友圈和好友轉發(fā)，它們之間占比的多少，能反應出這個(gè)號的情況。
閱讀量按來(lái)源分布
比如對話(huà)框的比例偏高，大概率是因為文章質(zhì)量極差，用戶(hù)瞥了一眼就走，沒(méi)人愿意分享出去，或者文章不具備傳播屬性，沒(méi)有足夠的動(dòng)力驅動(dòng)用戶(hù)分享。比如其他其渠道的占比突然猛增，那么很可能是刷量了。
（2）閱讀量按日期分布的數據
按日期分布的閱讀量非常有意思，通常都是一個(gè)L型的曲線(xiàn)，發(fā)布后前2到3天的閱讀量通常會(huì )占到總閱讀量的百分之七八十以上。
L型的曲線(xiàn)，其實(shí)就是如今互聯(lián)網(wǎng)時(shí)代困擾著(zhù)大多數中小品牌的“長(cháng)尾曲線(xiàn)”。
（3）閱讀量按男女性別分布的數據
性別是公眾號運營(yíng)中最重要的一個(gè)因素之一，因為男女在審美、閱讀習慣和對內容的喜好差異非常大。
這里的數據結合用戶(hù)屬性中男女比例的數據，你就可以選擇自己公眾號的排版風(fēng)格——偏女性化一點(diǎn)，還是偏男性化，又或者選擇平穩的中性。你還可以由此調整內容選題。
（4）閱讀量按地區分布的數據
通過(guò)地區分布數據，能夠知道你的粉絲主要分布在哪些省份、城市。
在社交關(guān)系中，地域是驅動(dòng)人們關(guān)注、分享和傾訴的重要原因之一，因為關(guān)注自己的出生地和家鄉是人類(lèi)的天性。不少公眾號利用這一點(diǎn)，寫(xiě)各個(gè)城市或者省份的文章，快速圈粉。
2）用戶(hù)數據
需要采集的源數據有：新關(guān)注人數、取消關(guān)注人數、凈增關(guān)注人數、累積關(guān)注人數、用戶(hù)來(lái)源渠道數據。
用戶(hù)數據相對比較簡(jiǎn)單，主要分為兩部分：第一，用戶(hù)增長(cháng)數據，它每天都在變化，需要你多關(guān)注；第二，用戶(hù)屬性數據，它相當于是不夠全面的用戶(hù)畫(huà)像，雖然它事實(shí)上每天也在變，但因為變化的幅度不大，所以不需要每天關(guān)注。
所以，我們需要采集的數據，就只有用戶(hù)增長(cháng)數據。用戶(hù)增長(cháng)數據又包含每天的用戶(hù)增量、減量、累計量和來(lái)源的渠道。
新關(guān)注人數、取消關(guān)注人數、凈增關(guān)注人數、累積關(guān)注人數，這些可以直接在公眾號后臺導出。分析時(shí)關(guān)注趨勢和重要事件節點(diǎn)。
用戶(hù)來(lái)源渠道數據則可以幫我們分析出個(gè)渠道的用戶(hù)來(lái)源占比，再結合歷史數據，就可以看出某個(gè)渠道的數據是偏高還是偏低，也可以讓我們看清哪些渠道需要重點(diǎn)投入、哪些渠道可以放棄。
需要重點(diǎn)投入的渠道，則繼續深入，關(guān)注用戶(hù)在這個(gè)渠道上關(guān)注路徑，想辦法把這個(gè)路徑縮短、簡(jiǎn)化，然后盡可能多的曝光它。
用戶(hù)數據的源數據表參考
用戶(hù)增長(cháng)數據表可以直接從公眾號后臺下載，下載后簡(jiǎn)單處理就可以做成源數據表。用戶(hù)來(lái)源渠道數據，則需要手動(dòng)輸入。
由于手動(dòng)摘錄渠道數據比較瑣碎，所以是否要摘錄用戶(hù)來(lái)源渠道數據，主要取決于公眾號在業(yè)務(wù)上的戰略位置。如果你的公司all in在公眾號上，需要尋找任何一個(gè)可能的增長(cháng)點(diǎn)，就有必要拉出來(lái)分析。如果你的公司的主營(yíng)業(yè)務(wù)離公眾號比較遠，僅把公眾號當初一個(gè)分發(fā)渠道之一，不分析也不會(huì )有任何問(wèn)題。
PS：如果想快速獲取某個(gè)渠道精準的數據，可以使用帶參數二維碼。
3）菜單數據
需要采集的源數據有：菜單點(diǎn)擊次數、菜單點(diǎn)擊人數
公眾號的菜單，就像APP的底部菜單導航一樣，需要有一目了然的信息架構，讓用戶(hù)無(wú)需思考就能找到自己想要的功能，并且花的點(diǎn)擊次數最少。這意味著(zhù)，需要在信息分類(lèi)和高頻功能之間找到一個(gè)平衡點(diǎn)。
信息分類(lèi)，需要你對公司的業(yè)務(wù)足夠的了解，才有可能做到不遺漏、不重復；高頻功能則一方面看業(yè)務(wù)重心，另一方面看菜單點(diǎn)擊數據。
菜單數據怎么看呢？
一看人均點(diǎn)擊次數。人均點(diǎn)擊次數越多，說(shuō)明這個(gè)功能越高頻，菜單層級需要往前提。
二看趨勢。具體指的是菜單點(diǎn)擊總數的變化趨勢，它是用戶(hù)活躍的反饋指標之一。為了評估趨勢的健康與否，可以將其與用戶(hù)變化的趨勢線(xiàn)放在一起，對比增長(cháng)率。菜單點(diǎn)擊總數增長(cháng)率大于用戶(hù)增長(cháng)率，就說(shuō)明用戶(hù)越來(lái)越活躍了，反之則反。
菜單數據的源數據表參考
假設某公眾號有2個(gè)一級菜單，分別記為A和B，A包含兩個(gè)二級菜單，記為a1和a2,，B也包含兩個(gè)二級菜單，記為b1和b2。
這套數據分析方法，是我在實(shí)踐中摸索和不斷修正所得，不保證對所有人、所有號都有效，因為在整個(gè)行業(yè)中，也還有一些智者見(jiàn)智仁者見(jiàn)仁的問(wèn)題，例如閱讀量的取值問(wèn)題、其他閱讀來(lái)源的不確定性問(wèn)題。但這些只是點(diǎn)，不影響面和趨勢，也不會(huì )誤導運營(yíng)策略。
方法雖然簡(jiǎn)單，但它能夠診斷出公眾號存在的絕大多數問(wèn)題，并且熟悉運用之后還能變換出很多實(shí)用的小技巧，比如根據某個(gè)公眾號的閱讀量反推它的粉絲總數；比如預估僵尸粉數量；比如計算用戶(hù)次日的留存率、7日留存率和30天留存率；比如根據數據判斷是否存在刷量行為；比如區分垃圾號和有價(jià)值的號等等。
本文地址：http://www.havencoinwallet.com//article/2019/1204/12562.html
