微信公众平台数据分析报告（微信公众平台数据分析报告怎么看）

本篇文章给大家谈谈微信公众平台数据分析报告，以及微信公众平台数据分析报告怎么看对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。 今天给各位分享微信公众平台数据分析报告的知识，其中也会对微信公众平台数据分析报告怎么看进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、2019年Q1季度公众号数据分析报告
• 2、手把手教你微信公众号数据分析
• 3、如何查看和分析微信公众平台的数据
• 4、微信阅读数和什么有关？ ——我的微信公众平台数据分析

2019年Q1季度公众号数据分析报告

在过去的两年里微信公众平台数据分析报告，无论是从体量还是影响力上看，微信公众号已经从最初的野蛮生长逐渐转变为国内新媒体行业中最顶级且专业化的流量平台。回顾过去发生的各类重大事件，几乎都会通过公众号完成事件发酵、深度解读和裂变传播的过程。与此同时，公众号也已成为广告主日常投放中不可或缺的重要渠道。

影响力越大责任也越大，微信官方对内容环境的监管力度逐年加强，低俗小说、黑五类、色情文章违规封号，打击诱导分享、三级分销等等举措，确保公众平台所输出的内容更加优质。

虽然近一年来短视频的兴起分散了用户的部分关注，公众号的文章打开率也在逐渐下滑，但无论是在传统媒体还是互联网时代，图文和视频都是并行的双轨，对于内容创业者和广告主来说，只要以微信为主流的日常社交习惯不变，去中心化的微信公众平台依然是内容输出与变现的重要途径。

那么，在2019年初，公众号生态内都发生了哪些变化呢微信公众平台数据分析报告？让我们一起通过数据来看一看。（以下数据均来自西瓜数据平台已收录的500w公众号样本，仅供参考）
2019年第一季度 ，仍保持发文的公众号累计达175.6万个，累积发文量3.22亿篇，平均每月产出1.07亿篇内容。二月份受春节假日影响，实际发文篇数明显减少。

而这其中有80%的公众号头条平均阅读量在1000以下，只有万分之七的公众号（大约400个左右）头条平均阅读达到10万+。

从每月各行业新增公众号量来看，资讯、娱乐、情感类等是目前新进入公众号领域的主要行业选择方向，而从以往的经验来看，这几类公众号对热点的敏感度更高，也更容易创造出爆文。

另一方面，在Q1季度里，每月新增被封公众号总数呈下降的趋势，说明在微信官方严格整治的环境下，低俗、恶趣、利诱分享的文章数在逐渐减少。从被封的公众号分类来看，情感和搞笑趣闻类的题材更容易出现违规现象导致被封号。

截止2019年5月初，西瓜数据平台上已收录全国333个地级市的公众号。一季度各省份公众号数量排名前5位的分别是广东、山东、浙江、江苏、河南。排名第一的广东省Q1季度共发文856w篇，日均发文9.5w篇，一些我们耳熟能详的百万级大号：【粤知一二】、【广东共青团】、【故姐】等都隶属于广东地区。

在过去两年微信官方对小程序的一系列扶持举措下，已经有越来越多的小程序孕育而出，如果说公众号的核心是内容，那么小程序的核心则是产品。

在Q1季度所有发文的公众号中，共计有47265个（占比2.7%）公众号在其2084w篇（占比6.5%）文章中插入了小程序，累计曝光量达到23.6亿次。差不多在每100篇内容中有4篇会插入小程序，平均每个小程序可以达到110多次的阅读曝光量。同比3月份与1月份，小程序的绑定量也有明显上涨。

原文应用方面，Q1季度平均每月有20.4w个账号在362w篇文章中添加阅读原文链接。

从1月到3月份接入原文应用的数据来看，被接入公众号最多的应用分别是“掌中云”和“有赞”商城，而曝光量最大的站点是“有赞”商城和“腾讯网”，曝光量分别达到5.76亿和2.22亿。前十中有4个席位都是小说类别。

说完了流量方，再来看看广告方面，剧某媒介平台发布的2019第一季度数据显示，Q1季度传统媒体广告投放刊例消费同比下降16.2%、增幅下降11.2%，除了外部整体市场环境的因素外，下降的主要原因就是大部分的投放资金被分配到了新媒体领域。广告主开始更多的把控效益，从原先看重品牌曝光逐渐转变为更注重实际转化。

在公众号领域，能做到内容即广告，广告即内容的媒体主大多是业内的kol，不仅培养出了一群粘性极高的粉丝群体，在带货能力上也是备受好评的。

2019年第一季度期间，在24个热门行业中投放最火的是教育培训行业，广告文章数占到总数的14%，一些众所周知的教育品牌都在其中；其次是招聘类型的广告，占比达到8.7%。

过去两三年，新媒体创造了知识付费的商业模式，而许多教育行业的资深品牌方，也开始借助新媒体的流量和内容优势，开展线上线下结合的新教育模式。从广告投放的趋势来看，转化效果可想而知。

从统计数据来看，整个Q1季度接广告数最多的是资讯类、其次是情感和教育类账号。这除了和广告主进行精准对标投放外，也和不同行业公众号总数有关。

整体广告投放量在经历2月份短暂下降之后3月份投放量略有增长。在每月广告文章中，头条广告文章数占比达到36%，次条占比21.4%，其余位置占比42.6%。

以上，就是本次Q1季度分析报告的全部内容。西瓜数据作为国内专业的公众号数据分析与监控平台，今后将不定期发布公众号生态相关的行业报告，借助大数据分析行业最新动态及发展趋势。

手把手教你微信公众号数据分析

手把手教你微信公众号数据分析

这是一篇公众号运营科普文

适用于公众号运营初级选手

欢迎误入的大神强插指点

闲话少叙，直接脱裤子进入正题：

公众号运营数据分析的地位

数据分析……

重要吗？

重要！

是最重要的吗？

不是最重要的！

没有数据分析就不能公众号了吗？

绝对能做，但是很可能做不好！

方向定位、内容运营、用户运营、活动运营、数据运营，有机结合起来才是微信公众号运营的完全体。

公众号运营数据分析的作用

如果把公众号运营比作“在黑暗中前行”

那数据分析则可以当成“探路的拐棍”

锁定300米远的目标要靠感觉

扫清3米内的障碍要靠拐棍

数据分析在微信运营中的作用主要有两个

1、验证，验证前面是路还是坑

2、启发，发现路上的金子

好吧，不要打这种稀奇古怪的比方了，咱说正经的。

公众号运营的过程一般是这样：

拍脑袋运营策略——初始状态的策略怎么定出来的？拍脑袋拍出来的呗！听了那么多讲座，看了那么多攻略，喝了那么多鸡汤，觉得自己啥都会了，脑袋一拍，啪，方案出来了；按策略运营执行——不管方案如何，磕磕绊绊先做出来；用数据验证策略——数据出来，潮水退去就能看到谁没穿裤子了，重新调整策略，把那些穿裤子的弄死……哦，不，留下那些穿裤子的好策略，干掉不好的策略；从数据获得启发——从数据中发现潜在的问题，发现新的机会；重新制定策略略——再来一轮循环，越做越牛逼。

可以看出，有了数据分析，上面这个循环才能不断优化不断完善，这就是数据分析最重要的作用。

啥？数据分析最重要的作用是写报告给领导看？

stop！眼光长远一点，牛逼的结果才是领导真想要的，想要牛逼的结果就必须让上面的循环高速、高效地跑起来！

公众号运营数据分析的方法

0、满满的好奇的心

如果只是随便玩玩，或者应付公司的差事，那你看了本文前两部分知道数据分析大概的是啥，可以去吹牛逼就够了。

如果你有很强烈的欲望把自己公众号做牛逼，那就接着往下看，因为，欲望越强烈，对数据的好奇心才会越大。

而好奇心是最好的老师，从现象和数据中追溯背后的原因，发现关键的因素和节点，在这个过程中获得乐趣和成就感。

只有如此，才能把数据分析这个工具的作用体现出来。

1、基础数据有什么

首先，我们要了解，微信公众号的基础数据有什么：

基础数据在哪能看到？

公众号的数据后台已经做得比较完善，在后台左侧的菜单栏，“统计”那个模块所有基础数据都在这里。

基础数据有哪些？

用户数据——与时间维度相关的用户数量（增，减，和）、用户来源等，可以多维度组合查看，还有基于全量用户的地域、性别、手机型号等属性的分布；

图文数据——与时间维度及文章维度相关的图文阅读量、转发量、点赞量、收藏量等数据，可以多维度组合查看；

消息数据——与时间维度及关键词维度相关的消息数据；

接口数据——调用技术接口的次数，非技术人士这块可以略过（恩，因为我也不会……）。

2、带着问题看数据

如果你没有“带着问题看数据”思想，那么，你看到上面几组基础数据时，心里一定在想：这特么都啥玩意儿啊。

只有当你强烈地想解决某个问题的时候，你才能从这些数据里看出些门道。

比如

当你很想知道图文头部放一个引导点击“蓝字”关注的提示，是否有用时，你才回去看用户来源的数据对比。

你才会发现，原来80%的新关注用户都来源于其他（其中点“蓝字”又是主要的）。

你才会发现把引导点“蓝字”提示做的更诱人是有效的。

3、从数据中发现问题

发现了数据中的乐趣之后，就要时不时去玩一玩数据，各种维度、各种交叉，从中发现不寻常的数据，再从不寻常中挖掘背后的原因。

比如上图

在图文分析-图文统计页面有排阅读渠道的按钮，可以查看各渠道的阅读来源对比。

你会发现朋友圈的阅读量远高于其他渠道，说明标题、内容有促转发到朋友圈的因素，才有可能成为爆文。

你就会有意识在标题、内容里布置促转发到朋友圈的元素了。

4、常规数据分析方法

a、列表

简单的列表，公众号数据后台已经提供，更全的数据表格可以选定维度后导出excel表，做更深度的处理。

b、作图

基础的图形展示，公众号后台也已提供，更复杂的图标，可以利用下载的数据表格进一步处理。

c、数学处理

简单数学运算统计快速傅里叶变换平滑和滤波基线和峰值分析

上面这些方法，是百度搜的，其实只用简单数学运算，对于普通公众号运营者完全够用了。

表格和数据列出来到底看什么呢？

看对比，看变化，看异常

比如观察基于时间维度的各数据项：比如按月、按日、按小时去分析各类数据项的变化，不同的维度可以发现不同的问题；

比如观察图文的各种数据变化：每篇文章的阅读量增长、衰减趋势、阅读、转发数据变化，找到你粉丝群体的喜好；

比如每天把后台给出的各种基础数据都扫一遍：发现与日常趋势不一样的异常数据，再挖掘背后的原因，很可能挖出金矿哦。

公众号运营数据分析的示例

1、几点群发好？

2、标题和内容哪个更重要？

3、头条和二条有区别吗？

4、粉丝都是用什么方式关注你的？

5、什么样的内容是好内容？

你一定以为接下来，我会用数据分析工具解答一下上面的问题

然而，并没有

方法你已经学会了，打开后台，去如饥似渴地玩弄自己的数据吧！

以上是小编为大家分享的关于手把手教你微信公众号数据分析的相关内容，更多信息可以关注环球青藤分享更多干货

如何查看和分析微信公众平台的数据

1、在电脑浏览器的搜索栏中输入“微信公众号”并搜索（任意一浏览器都可以）。

2、选择点击微信公众号的官网。注意尾巴是蓝色官网二字的网页。

3、在弹出的公众号登录页面，输入账号和密码，并点击登录。

4、点击登录后，还需要管理员用微信扫码确认登录。按提示扫码登录就可以了。然后在微信公众号平台的主页中，侧栏中有一个“统计”的选项组，根据自己需要点击相应的分析即可查看各类数据。

微信阅读数和什么有关？ ——我的微信公众平台数据分析

微信(WeChat)是腾讯公司于 2011 年推出的一款移动即时通讯软件，在几年中逐步由一个沟通工具转化为移动平台。目前，微信的用户数超过 6.5 亿，月活跃用户超过 4.7 亿，微信在中国大陆的市场渗透率达 93%，海外用户数也已突破 1 亿。

微信公众平台是一个自媒体平台，它在仅在 15 个月内就增长到 200 多万个，并每天保持 8000 个的增长，呈现出超过亿次的信息交互。微信公众平台的文章可以方便地分享到微信朋友圈中。微信朋友圈是微信重要的社交功能，它已经成为了中国 Facebook 分享平台。朋友圈可以发照片和文字，也可以分享链接，而朋友圈链接分享的很大一部分来源于微信公众平台。

微信公众平台分为订阅号和服务号两类，订阅号允许每天群发 1 条消息。值得注意的是，微信公众平台的后台提供了包括用户分析、图文分析、消息分析等完善的统计数据，相当于 Google Analytics 的部分功能，因此微信公众平台的运营者可以通过对这些数据进行分析，优化运营结果。2013 年底，我申请开通了自己的微信公众平台订阅号 Etter（微信号：etter_ding）。一年来共群发 30 余次图文消息，获得 700 余人的关注。

很长一段时间我都在关注一个叫做「DW 月谈」的微信订阅号。「DW 月谈」的作者 DW 于 2014 年毕业于北京大学经济学专业，现就职于豌豆荚商业产品团队，她的文章十分生动有趣。前不久，我阅读了 DW 同学在她的微信公众号「DW 月谈」上发表的文章 《一个分享几人看：基于DW月谈的数据分享》 。这篇文章十分有趣，DW 根据她的微信号「DW 月谈」发表29篇文章的数据，做了回归分析并得出「一个分享大概 9 人看」的结论。

事实上，我一直在试图粗略估计 DW 月谈的关注量。不过我所能准确得知的唯一数据是每篇文章的阅读量（显示在每篇文章末尾）大概在两三千到六七千波动，另外我估计「DW 月谈」的阅读率会在 30%~40% 左右。（虽然对于很多公众号阅读率都可能达不到10%，但 DW 月谈的文章比较有趣，加上是个人账号推送也不算频繁，我对「DW 月谈」的阅读率估计要比常量高很多。）由此，我粗略计算出「DW月谈」的关注量大致会在 8000 至 10000 左右。不过 DW 在这篇文章中透露了真实数据：现在共有 5935 名关注者，文章的阅读率高达 53%。这个阅读率让我真的有点吃惊——我估计的还是太过保守，但是想到「DW 月谈」的确是我收到推送后几乎唯一会立即打开阅读的公众号，也能够信服。

在文章中 DW 试图找到影响单篇微信文章阅读量的因素。经过粗略的计算，DW认为文章分享量，微信号关注人数，以及文章标题劲爆程度和单篇文章的阅读量显著正相关，而文章字数、发布具体时刻、文章是否曾经发布过、文章标题字数等因素则与文章分享量不显著相关。DW 根据数据进行了一个简单的多元回归，得到了关注者数量和分享量和阅读量的关系：阅读量 = 9.04 * 分享量 + 0.53 * 关注者人数 – 157，其中阅读量和分享量 p-value < 0.01，同时通过计算了每篇文章预测值和真实值的差异，可以观察到「标题党」的阅读量显著高于预测值。DW 在文章总结到：「文章火起来的要点有三个：分享热、粉丝多、标题劲爆。」

这样的回归分析比较有说服力，不过联想到最近所学的计量经济学内容，我便沿著这个回归过程进一步思考下去。显然，DW 在该篇文章中使用了 OLS (Ordinary Least Square，普通最小平方法)进行回归分析。回顾 DW 在文章中总结到，文章阅读量与分享量、关注者人数、标题劲爆程度这三个变量显著正相关，并跑出回归方程：阅读量 = 9.04 * 分享量 + 0.53 * 关注者人数 – 157。

注意到，在这三个显著影响关注量的变量中，「标题劲爆程度」无法用数值衡量，所以被放到了误差项(error term)中。但是这样的处理是否合理呢？标题劲爆程度虽然是不可衡量变量，但是它和分享数有很大相关性，因为一般来说我们都会认为，标题比较劲爆的文章分享数也会比较多。那么如果单纯用 OLS 做回归，即将标题劲爆程度放在误差项中，是否会影响回归函数的准确性呢？

于是我在想是否可以引入工具变量(IV,Instrumental Variable)解决。根据维基百科，「在回归模型中，当解释变量与误差项存在相关性（内生性问题），使用工具变量法能够得到一致的估计量。」当一个解释变量(regressor)和误差项(error term)相互独立，并不对因变量产生影响，称为外生性(exogeneity)。与外生性相对立的是内生性(endogenous)，也即误差项和解释变量存在相关性。在回归模型中，如果遇到内生性问题，使用OLS会出现不一致的估计量。那么可以使用工具变量(Instrumental Variable，简称 IV)解决这个问题。这里，工具变量应该满足： 1和内生解释变量存在相关性；2此变量和误差项不相关，也就是说工具变量严格外生。

接下来的问题是，在 DW 的数据中选择什么作为工具变量比较合适？我想了很久，觉得或许可以选择「关注数」作为一个较为合理的 IV。当然由于我手中没有数据，只能表示 IV 的选择并不是唯一的，只要满足所找的 IV 与分享数有关，但是和标题劲爆程度无关即可。找到合理的 IV 之后，用Two-stage Least Squares(2SLS)做回归，并用 Hausman Test 检验所选取的 IV 是否恰当。这样或许就可以得到一个更为一致的估计量了。

于是第二天，我把我自己对处理 DW 数据的一点思考 写了下来 。由于 DW 并不认识我，我没有想到 DW 竟然在博客看到了我的文章并 留下了评论 ，在此谢谢她的评论：「IV是一个很好的解决思路，但是在样本有限的情况下加入IV的意义就不大了，因为IV需要很大的数据量才会显著；此外找到一个合适的IV也是个问题。」

我觉得 DW 说的也有道理，这个思路就没有继续想下去。然而，分析我自己微信公众平台运营数据的想法却日渐强烈了。我的数据更加有限，但是也不妨用最简单的方法，稍微尝试一下。

我也准备探究一下我自己的微信订阅号阅读数和什么因素有关。由于微信于 2014 年 7 月才开放「阅读次数」信息，所以该数据不完整，我于是使用「阅读人数」作为因变量。影响因变量阅读人数的因素可能有：距上次发布相距时间，文章字数，订阅号累计关注人数，以及转发人数等等。接着我耐心的统计了数据，并通过跑简单的线性回归发现：「阅读人数」与「距上次发布相距时间」、「文章字数」等因素的相关性不明显，但是与「累计关注人数」以及「转发人数」明显线性相关。

于是我对「阅读数」与「订阅号累计关注人数」以及「转发数」做了回归分析，得到数据结果：

阅读次数 = 0.205 * 订阅号累计关注人数 + 10.78 * 转发数 + 58.15

这说明，文章在朋友圈的转发 1 次，大概可以增加 10 人阅读；而关注人数增加 5 人，才能带来 1 人阅读量的增加。

这个结果大致符合了 张小龙在 12 月微信公开课上的一个数据分享 。他在演讲中提到，订阅号有非常多的阅读量来自朋友圈，这符合 2/8 分布原理，「20% 的用户到订阅号里面去挑选内容，然后 80% 的用户在朋友圈去阅读这些内容」。我看到有人质疑过该论断的合理性，但是从我回归分析的数据中看，我觉得这大致是合理的。

微信订阅号有 80% 的阅读量来自朋友圈，也即朋友圈里好友转发的内容才是用户阅读的主要来源。看来，好的内容才是提高微信订阅号阅读数最重要的因素，这也提醒我如果想增加文章的阅读数，就必须写出更好的文章，并获取更多的转发。

原文链接： http://dinglisa.com/blog/2015/01/09/wechat-analysis

关于微信公众平台数据分析报告和微信公众平台数据分析报告怎么看的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 微信公众平台数据分析报告的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于微信公众平台数据分析报告怎么看、微信公众平台数据分析报告的信息别忘了在本站进行查找喔。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。