如果說(shuō)，去年下半年起，廣大公眾號運營(yíng)者就已經(jīng)嗅到絲絲寒流，那今年以來(lái)，則可說(shuō)是暴風(fēng)雪前夕——大量公眾號出現各種退化現象（不妨翻下一些公眾號歷史數據即可發(fā)現）：
粉絲量明明還在增長(cháng)，整體閱讀量卻下降
粉絲量雖在增長(cháng)，但增速明顯變慢、停滯
以往屢試不爽的吸粉活動(dòng)好像效果也微乎其微
……
順其自然？當然不。
在當下商業(yè)競爭的叢林世界中，「勝利」永遠只有一個(gè)標準：比別人跑得「更快」。
因此，革新、自我進(jìn)化永遠都是唯一的出路，一種生存常態(tài)。（對，這就是拙作《進(jìn)化式運營(yíng)》書(shū)名的由來(lái)。）
但是，問(wèn)題來(lái)了。
當我們努力進(jìn)行各種內容革新，比如定位調整、內容層次優(yōu)化、內容創(chuàng )新、活動(dòng)升級等等時(shí)……
究竟怎樣才能知道「改變」究竟是變好了、還是變壞了、還是不溫不熱？
也許你想到答案了：從公眾號后臺數據的蛛絲馬跡中捕獲「真相」。
對，就是大家平常用來(lái)“看粉絲增了多少、看閱讀量、看轉發(fā)量、收藏量”然后就好像再沒(méi)啥作為的公眾號后臺的那一小丟丟“數據”。
這個(gè)“利用數據洞察真相”的行為，江湖人士往往美其名曰：數據分析。
然而，這個(gè)稱(chēng)呼李少加認為極具誤導性。
因為，數據的真正用法不是分析驅動(dòng)，而是「設計」驅動(dòng)。
下面，在正式進(jìn)入公眾號數據分析前，我們不妨先花3分鐘時(shí)間科普個(gè)數據分析的正確用法：
一、數據分析的科學(xué)姿態(tài)：設計模型在先，分析結論在后
從運營(yíng)視角來(lái)看，本質(zhì)上，所有的“高階運營(yíng)”無(wú)非只做兩件事：
當運營(yíng)數據的增速滿(mǎn)足目標時(shí)，則做提升運營(yíng)效率的工作：比如，讓運營(yíng)過(guò)程流程化、標準化，以此提升效率；
當運營(yíng)數據不滿(mǎn)足目標或想進(jìn)一步提升增速時(shí)，則做提升運營(yíng)「效度」的工作，比如，持續“采納新的運營(yíng)策略”，并「快速驗證」策略的有效性。
在當下以及未來(lái)漫長(cháng)的時(shí)光里，絕大部分公司，尤其是身處互聯(lián)網(wǎng)叢林深處的運營(yíng)人士，更需要做第二類(lèi)事情：
提升運營(yíng)效度——即不斷通過(guò)數據驗證運營(yíng)創(chuàng )新是否可行。從而比對手跑得更快，比昨天的自己跑得更快。
這才是數據的最大用武之地：驗證新策略的有效性。否則任何運營(yíng)創(chuàng )新無(wú)異于閉著(zhù)眼睛上戰場(chǎng)，瞎打一通。
注意：本文所指的數據是特指企業(yè)內部的“小數據”，它與目前市場(chǎng)火熱的大數據概念有著(zhù)本質(zhì)的區別，切莫混淆。
由此，我們不難推測，數據的標準用法從來(lái)就不是：攀比誰(shuí)的算法牛逼，誰(shuí)的工具裝逼，更不是比誰(shuí)的可視化效果漂亮……
數據的標準玩法應當具備下述簡(jiǎn)單清晰的5個(gè)步驟：
聲明：由數據挖掘跨行業(yè)標準過(guò)程CRISP-DM演化而來(lái)
確定你想驗證的核心指標
設計一個(gè)能夠驗證該指標變動(dòng)的可靠數據模型
實(shí)施新的運營(yíng)策略
收集測試前、測試后的環(huán)比周期數據
將數據代入模型公式中進(jìn)行驗證
由此可見(jiàn)，所謂公眾號“數據分析”的第一步，應當是先問(wèn)自己一個(gè)更底層更核心的問(wèn)題：
于公眾號運營(yíng)而言，我們真正該關(guān)心的數據指標是什么？
然后再基于這個(gè)核心指標去“設計數據驗證模型”。
對于不同行業(yè)、不同戰略地位、不同變現模式的公司，其公眾號運營(yíng)核心指標往往是不同的。
但整體而言，李少加在拙作《進(jìn)化式運營(yíng)》中曾提出的公眾號商業(yè)價(jià)值公式：
公眾號價(jià)值 = 活躍用戶(hù)數 * 對用戶(hù)影響力 * 用戶(hù)質(zhì)量
此公式中提到的三大核心指標對所有公眾號運營(yíng)無(wú)疑都是極端重要的。
對公眾號價(jià)值公式的剖析有興趣亦可參見(jiàn)歷史文章：公眾號運營(yíng)精要：從原創(chuàng )到獨創(chuàng )，從低價(jià)到無(wú)價(jià)
下面，又到我們的示例時(shí)間。
李少加將依據上述公眾號商業(yè)價(jià)值公式的核心指標作為目標，示例3個(gè)數據驗證模型，拋磚引玉。
知悉這個(gè)思路后，后續各位可自行根據你們的運營(yíng)情況靈活的設計各種數據驗證模型，進(jìn)而科學(xué)的判斷：運營(yíng)策略究竟是變好還是變差了。
二、公眾號數據分析之：對用戶(hù)影響力指標的驗證
一個(gè)顯而易見(jiàn)的事實(shí)是：一個(gè)公眾號商業(yè)變現價(jià)值的質(zhì)量取決于“公眾號對其自身粉絲的影響力”。
但是，“對他人影響力”這個(gè)指標非?；\統，我們該如何設計數據驗證模型呢？
我們可以從忠誠粉絲行為的蛛絲馬跡中捕獲相關(guān)數據。
一般一個(gè)公號忠誠粉絲最典型的行為有哪些呢？我們運營(yíng)方能看到的，那必然是：
打賞
好評留言（即不包括吐槽、中性留言）
李少加在自己的公眾號進(jìn)行過(guò)為期一年的統計：上述兩類(lèi)粉絲的掉粉率是整體掉粉率的1%左右，充分證明，將其作為“忠誠用戶(hù)”的參考變量是靠得住的。
當然，具備批判性思維的你可能會(huì )問(wèn)：
這種統計方法豈不是忽略了“沉默的忠誠用戶(hù)”（即雖然背后默默支持，但既不打賞也不留言）？
李少加在設計之初考慮到這個(gè)問(wèn)題了。
答案是：對于同一個(gè)公眾號而言，從行為學(xué)的角度來(lái)看，“發(fā)聲的用戶(hù)”其比例整體是趨于穩定的。我們的目標只是驗證前后不同的內容策略哪種效果「更好」，因此，對于相同維度的統計指標，其誤差幾乎可以忽略不計。
那么，還有哪些參數能夠作為評估“公眾號影響力”的指標呢？
另一個(gè)參數則是每篇推文的“收藏量與閱讀量的比值”?？紤]到「運營(yíng)效益最大化」原則，李少加認為，前面兩個(gè)參數已經(jīng)能充分反映出內容策略究竟是否變好了，因而這個(gè)參數可視為備用指標。
那怎么統計這兩個(gè)參數呢？
打賞人數很容易統計，后臺直接可以查到，統計一個(gè)時(shí)間周期的打賞人數即可，而“正向留言”的用戶(hù)數，因為需要主觀(guān)判斷，李少加在拙作《進(jìn)化式運營(yíng)》中拋出的思路是：
利用公眾號后臺的“標識功能”對用戶(hù)進(jìn)行標識處理，進(jìn)而可以在“用戶(hù)分析”欄中找到統計數據。
而我們只需要在公眾號后臺用鼠標移動(dòng)到該粉絲名上，在彈出的標簽窗口中點(diǎn)擊下圖所示出，打上標簽即可：
下面做個(gè)簡(jiǎn)單示例：
假設我們在4月份對公眾號內容主題進(jìn)行了微調，然后想知道新的定位跟舊的定位誰(shuí)更好，那么，我們就可以：
在定位微調前抽取某一周的數據；
在定位微調后抽取同一周期的數據；
當然，調整的這兩周盡量要避開(kāi)大假期、或其他相關(guān)大事件的影響。
至此，我們可以簡(jiǎn)單依照下述模型公式分別計算下調整前、后，各自一周的“影響力數值”：
我們可以設計一個(gè)簡(jiǎn)單的量化公式，如下：
新增影響力指標 = 留言粉絲*權重 + 打賞粉絲*權重
建議打賞粉權重適當高點(diǎn)（愿意用行動(dòng)說(shuō)話(huà)的更靠譜），比如1.5，而留言粉權重為1。
這就轉化成小學(xué)數學(xué)問(wèn)題了，套用上述計算下：
調整前，一周的影響力指標=192*1 +92*1.5=330
調整后，一周的影響力指標=357*1+248*1.5=729
由于調整后這段時(shí)間還受到粉絲自然增長(cháng)的正面影響，因此建議對調整后的影響力值（729）再扣除掉約2%的正向影響。
因此，修正后的調整后影響力指標約為：
729*98%=714
整體影響力之差約為：714-330=384,這相比調整前一周的影響力(330)，足足提升了116%，充分說(shuō)明了內容定位調整后的正確性。
當然，這個(gè)模型、公式、權重等都非常靈活，畢竟我們的目標是「對比」，而不是深究量化的指標精準度問(wèn)題。
養兵千日用兵一時(shí)，養成標識用戶(hù)的好習慣，關(guān)鍵時(shí)刻就知道它的重要價(jià)值了。
上述的“對用戶(hù)影響力”指標的數據驗證模型主要適合的情況有：
內容定位調整
內容風(fēng)格調整
商業(yè)化變現前后（即驗證變現行為是否傷害了忠誠用戶(hù)的感情）
下面，再示范下另一個(gè)公眾號的核心指標：用戶(hù)活躍度應該怎么驗證
三、公眾號數據分析之：用戶(hù)活躍指標的驗證
時(shí)下稍微有點(diǎn)腦的投資人在評估公眾號價(jià)值時(shí)都會(huì )參考「用戶(hù)活躍率」。
因此，在運營(yíng)公眾號過(guò)程中確?；钴S率是否健康、是否持續提升就尤為重要了。
那么，我們應選取哪些指標作為用戶(hù)活躍的考慮參考因素？
是常見(jiàn)的閱讀數、點(diǎn)贊數、打賞數、收藏數、還是轉發(fā)數、留言數？
李少加認為，以上都不是。
實(shí)際上，有參考價(jià)值的因子無(wú)非只有三個(gè)：
閱讀完整率，即閱讀完文章的人數與閱讀總人數的比值；
普通留言比率（剔除掉負面留言），即當天留言人數與閱讀總人數的比值；
點(diǎn)贊比率，即當篇文章點(diǎn)贊人數與閱讀總人數的比值（閱讀完的人才會(huì )發(fā)生點(diǎn)贊行為）。
我們只需分別統計一個(gè)周期內，上述指標各自的「均值」即可。然后彼此獨立與前一個(gè)周期的同一指標對比，看看是否三個(gè)指標各自都有所增長(cháng)，彼此交叉驗證。
當然，為顯著(zhù)提升數據差異，用累積平方和之差再開(kāi)方也行。李少加認為，我們的目的是對比哪個(gè)內容策略更好，只要能夠比較即可，故均值就能滿(mǎn)足要求。
下面進(jìn)行示例。
假設某位姓馬的老板投資了「少加點(diǎn)班」，于是我公眾號在4月份將內容層次整體提升了一個(gè)水平，然后我們想驗證下這種高水平的內容是否更符合用戶(hù)對內容的偏好，于是，我們同樣抽取四月份跟三月份的某一周的數據進(jìn)行對比：
我們先統計下每篇推文留言比率的變化：
從上表可以看出，內容提升后留言平均比率比之前的變化幅度：
（2.8%-1.8%）/1.8%=55.5%
提升率超過(guò)了50%，這初步說(shuō)明內容層次提升對用戶(hù)活躍起到了明顯的成效。
緊接著(zhù)再看下每篇推文點(diǎn)贊比率的變化：
從上表可以看出，內容提升后點(diǎn)贊平均比率比之前的變化幅度：
（2.2%-1.5%）/1.5%=46.7%
提升率將近50%，交叉驗證了上述留言比率數據并無(wú)異常，亦說(shuō)明內容層次提升起到了明顯的成效。
最后，我們再看下閱讀完整率是否因為內容質(zhì)量提升而有所下降（畢竟這年頭曲高和寡的現象廣泛存在）
這時(shí)候，有經(jīng)驗的運營(yíng)人可能會(huì )問(wèn)，公眾號后臺哪有閱讀完整率的數據??？
嘿嘿~這時(shí)候我們就可以利用“流量主”功能啦，流量主里面的“曝光數”幾乎就等于完整閱讀完文章的人數了。
之前個(gè)別人對我放開(kāi)廣告的行為表示不解，我目的是為了統計閱讀完整率，僅此而已。
當然，如果你的公號暫不具備開(kāi)通廣告展示功能，亦可以在文章末尾設計一個(gè)簡(jiǎn)單的投票，變相獲得閱讀完整率。
比如，可以詢(xún)問(wèn)“覺(jué)得本文對你收獲大么？”通常閱讀完的人都會(huì )順手投個(gè)票，哪怕存在前述的“沉默用戶(hù)”，于「對比」而言，對兩個(gè)周期的影響是一致的，因而依然可行。
通過(guò)上表數據，我們可以簡(jiǎn)單計算出，內容提升后閱讀完整率的均值比之前的變化幅度：
（35%-33.3%）/35%=4.8%
可見(jiàn)，盡管內容檔次提升了，但公眾號閱讀完整率依然保持了將近5%的提升，這初步打消了我們對“陽(yáng)春白雪曲高和寡”的憂(yōu)慮。
綜合上述三個(gè)參數均值的提升幅度而言，我們基本上可以做出決策：
此次內容策略的提升是值得保留繼續的，后續要做的就是在新內容的基礎上持續提升內容的產(chǎn)出效率。
通過(guò)這兩個(gè)例子的分析，相信各位已經(jīng)對“如何善用公眾號后臺數據”有個(gè)強烈的認知了。
前面談的都是基于“新的內容策略”對公眾號核心指標是“變好還是變壞”的驗證，屬于大刀闊斧的動(dòng)作。
但是，現實(shí)中我們在運營(yíng)公眾號時(shí)經(jīng)常會(huì )做一些局部的，如春風(fēng)拂面般的輕量級優(yōu)化，那么面對輕量級優(yōu)化我們又是否有更輕量級的數據分析策略呢？
下面，李少加再分享一個(gè)簡(jiǎn)單的玩法：
如何設計一些方法，局部?jì)?yōu)化公眾號某一核心環(huán)節的轉化率。
四、公眾號局部?jì)?yōu)化的效果驗證
看過(guò)《進(jìn)化式運營(yíng)》的朋友應該對“用戶(hù)視角”思考運營(yíng)問(wèn)題的方法論感觸很深。
我們想下，對于公眾號的新粉絲而言，當他初次關(guān)注公眾號時(shí)，通常會(huì )推送一批新關(guān)注引導語(yǔ)，比如公眾號“混子曰”剛關(guān)注時(shí)會(huì )收到自動(dòng)推送的圖片：
大家是否想過(guò)，這其實(shí)是一個(gè)絕佳的“推薦機會(huì )”？
抱著(zhù)這個(gè)念頭，李少加設計了兩套新關(guān)注引導語(yǔ)。因此，需要測試哪套引導語(yǔ)能夠更好的提升新用戶(hù)對公眾號的印象，進(jìn)而增加對歷史內容的瀏覽量，并最終提升內容的流動(dòng)率。
這意味著(zhù)，讓歷史推文、那些優(yōu)質(zhì)內容能夠再次煥發(fā)青春，這無(wú)疑能夠增加流量，增加被轉發(fā)、曝光的幾率，同時(shí)也能被動(dòng)的提升公眾號價(jià)值公式中：用戶(hù)活躍率、公眾號對其影響力，這兩個(gè)核心價(jià)值指標。
一次極小成本的投入即可獲得一勞永逸的運營(yíng)效益的提升，何樂(lè )而不為 ?
那么，我們應當如何衡量引導語(yǔ)好壞呢？
李少加常用的策略，通過(guò)“菜單點(diǎn)擊率”的變化判斷。
很多運營(yíng)人都不咋用這個(gè)數據，著(zhù)實(shí)可惜
優(yōu)秀的“關(guān)注引導語(yǔ)”必然能夠提升粉絲對公眾號的“探索”熱情，而探索必然是通過(guò)菜單的點(diǎn)擊來(lái)完成。
故此，我們同樣可以摘取兩個(gè)不同的引導語(yǔ)，在某一時(shí)間周期內，每天新增粉絲的數目、每天菜單的點(diǎn)擊人數，然后計算每天菜單點(diǎn)擊人數與新增粉絲的比值，最后算下平均值（為了削弱特殊情況的噪音影響）
我們不難計算出，B版本引導語(yǔ)的菜單點(diǎn)擊平均比率比A版本提升了：
（0.69-0.49）/ 0.49 = 40.8%
孰優(yōu)孰劣一目了然。
五、總結
我們經(jīng)常會(huì )看到“數據驅動(dòng)增長(cháng)”的說(shuō)法，但切勿望文生義的奢望數據本身能夠驅動(dòng)用戶(hù)增長(cháng)。
驅動(dòng)用戶(hù)增長(cháng)永遠取決于：你的運營(yíng)策略是否更好、更有創(chuàng )造性、更具吸引力。
而“數據”只是為我們的各種新的運營(yíng)策略是否“變好”提供了及其重要的客觀(guān)參考，是我們判斷真相的「眼睛」。
這才是“數據驅動(dòng)增長(cháng)”的內涵：用數據科學(xué)的指導、優(yōu)化工作
當然，對于各位熱衷思考的讀者朋友們，必然明白本文的思路遠不止于應用在公眾號數據分析的范疇。
無(wú)論你是做產(chǎn)品運營(yíng)、做市場(chǎng)分析、客戶(hù)分析、做內部人力資源管理、行政管理甚至是炒炒股分析行業(yè)下的變化，或者分析你的阿貓阿狗是否喜歡新的玩具……都可以靈活應用本文的思路：
明確需要“試驗的新方法”
思考強關(guān)聯(lián)的數據參數
設計評估方法
獲取數據，套入模型
對比新方法是否「更優(yōu)」
最終作出科學(xué)的判斷：是固化新方法呢，還是繼續探索更好的策略。
通過(guò)本文也可以側面看出，對于廣大運營(yíng)人而言，“思考力、想象能力、建模能力”遠比許多人認為的重要得多。
如果一個(gè)運營(yíng)人只渴望尋找可以模仿、借鑒、拿來(lái)即用的套路，那么他被運營(yíng)界淘汰出局只是時(shí)間問(wèn)題。
本文地址：http://www.havencoinwallet.com//article/2020/1021/21012.html
